從個資「免費」到「付費」,淺談日本的資料銀行認定制度
從個資「免費」到「付費」,淺談日本的資料銀行認定制度

一、從台北市政府之資料收費爭議談起

於2020年12月7日,台北市成立資料治理委員會,將討論資安問題、資料使用的收費機制等,而其中引起最大爭議點即在於個資去識別化後之「資料收費機制」,也產生正反兩派之討論。

贊成意見認為,若能有效做好個人資料(以下簡稱「個資」)的去識別化,則影響個人之隱私權程度較小,開放給民間更能有效運用資料,此舉將有助於資料經濟之發展並促進服務創新;反對意見則是認為,在目前世界各國皆著重於保障隱私權並強化民眾個資自主權之立法趨勢下,台北市政府竟與國際趨勢背道而馳,且販賣相關資訊是否有相關依據或取得民眾之同意,去識別化之個資是否就真如此安全無虞,而無再次識別之可能性?

Digital privacy
圖/ shutterstock

二、個資如何用於營利?

談個資自主權前,得先了解個資等相關資料是如何被運用於商業活動中,而商業活動重要之目的即為專注於客戶偏好體驗或預測未來市場發展,如此方能找到客戶或奪得先機銷售產品或服務。若能有效集結並分析利用每位客戶於商務活動所留下之資訊,則會成為推展商業活動利器,主要體現即為廣告行銷。

在過去尚未透過網路進行商務活動時,透過線下或紙本填寫資訊,依賴紙本形式進行分析並不方便,故傳統上較為依賴電視、新聞報紙等進行大數量、大範圍的廣告投放。但隨著網路及社交媒體的普及使用,人們活動逐漸移至數位環境,也留下越來越多包含個人喜好、購物紀錄、社交活動的個人數位足跡。由於這些數位資訊相當便於分析,所帶來的商業模式即是商家透過提供「免費」平台服務,以換取用戶於平台活動所留下之資訊及個資,這些平台透過分析這些數位資訊,更能協助企業精準投放廣告,如Facebook、Instagram、YouTube。

shutterstock_785222245_social media
圖/ 13_Phunkod via shutterstock

除了廣告外,大量用戶個人資訊亦能用於分析未來趨勢及預測產品發展方向,提供商家搶佔先機的可能性。人工智慧技術持續突破,並帶來各種新興應用時,要訓練及改良人工智慧模型,亦需要大量「數據」。因此,隨著人們生活與科技和網路結合加深,數據成為數位時代商務發展基石,在數位環境下能反映出用戶習慣、行為及生活等的個資數據,則成為眾多數據中的重要寶藏,故被稱為新世紀的石油。

三、個人資料自主權

在大量商業活動應用網路及數位工具取得用戶個資時,若未能妥善保護使資料外洩,將導致其被用於詐騙及犯罪,而對個資本人產生傷害。2016年歐盟所公布一般資料保護規範(GDPR),目的即在於使個資本人取回資料控制權,除對於不遵守個資保護規範要求的企業施以重罰外,也創設如資料可攜權(Right to data portability)、被遺忘權(Right to be forgotten)等個資自主權利,資料可攜權為賦予個資本人帶走自己資料,並允許其得用於不同服務,充分展現個資自主運用的權利。

scam_liar_詐騙_shutterstock_674706391Resize 1280.jpg
圖/ Shutterstock

其他地區亦有相對應的立法,如美國有加州消費者隱私保護法,日本亦有個人資料保護法存在,並於2015年檢討修正,日本個資法特別之處在於針對個資去識別化應採取之程序及方式有所規範,如要求去識別化時對去識別化方式進行安全管理,避免因去識別化方式洩露而被分析,使資料的復原變得容易,對於去識別化後之資料的使用、傳輸及利用亦有所要求。

四、個資自主權與資料之自由運用,該如何取得平衡?

在各國以個資法保障個資自主權同時,企業於運用數據上也產生許多限制,不利於資料流通和運用。多數資料亦被國際大型科技巨頭所掌握,中小型企業要取得相關資料進行應用或與大型機構競爭也相對困難。從個資本人角度觀察,縱然能主張個資法相關權利,仍無法直接透過提供個資,於企業數據交易或應用下獲取利益。

shutterstock_difficult_305527433.jpg
圖/ ESB Professional via Shutterstock

因此,基於保障個資自主權及鼓勵資料運用之目的,即出現所謂「My data My earning」之思維,提倡個資本人透過主動貢獻個人數據,也能從資料交易過程中獲取相應回報。這樣的思維也衍生出新型之商業模式,即出現特定機構,主張符合個資本人利益及同意範圍內,受託進行個資蒐集、處理及管理,並銷售給有數據需求的第三機構,再將銷售資料所得利潤分配給個資本人,而從中協助並居間銷售的機構,即是所謂的「資料銀行」。

日本總務省,情報信託機能の認定に係る指針ver2.0
圖/ 日本總務省,情報信託機能の認定に係る指針ver2.0

為了加強民眾對於資料銀行的信任,日本總務省與經濟產業省於2017年至2018年間舉辦數次「資料信託功能認定機制檢討會」,期望推動可信賴資料銀行認定基準及模範契約應記載事項,期望在保障當事人權益同時,並能促進資料流通。

而日本於2019年10月再次公布「資料信託功能認定指引第二版」,該標準除針對資料銀行功能與個資本人間關係說明外,分別從四個面向對資料銀行進行認證:
(1)經營面及業務面進行檢視:如其是否具備一定程度損害賠償能力及是否有效遵循日本個資法規範;
(2)資訊及個資保護安全性:如是否取得ISMS認證或JISQ15001個資保護標章等;
(3)內部治理:如對外諮詢管道健全性及公司透明性(如定期公告、報告);
(4)業務內容:如是否依照模範條款訂立相關應記載事項,是否有於契約明確記載取得個資本人同意將資料提供與第三人等。

資料信託功能認定機制檢討會
圖/ HITACHI

此外,資料銀行亦須設置「資料倫理審查委員會」諮詢體制,成員並應包含外部委員。資料銀行應定期對資料倫理審查委員會提出報告,並針對資料銀行與個人間契約內容、資料銷售第三方的選定條件等項目進行審議,以確保資料銀行業務內容並不會與個資本人產生利益衝突。

五、小結

關於台北市政府資料出售爭議,其中一點為去識別化資料是否真無法再識別出特定個人,依法務部過去針對「去識別化」之函釋解釋是指:「透過一定程序的加工處理,使個人資料不再具有直接或間接識別性而言」,然而去識別化的標準和應行程序並不清晰,去識別化方法是否有保密安全措施避免外流,所謂「不具有直接或間接識別性」又係於具體事實判斷,存在模糊不清之部分,相關問題也易導致社會大眾對「去識別化資料」是否無再被識別產生質疑。

shutterstock_434276101_worry_man.jpg
圖/ shutterstock

另一方面,出售資料是否有相關依據及取得民眾同意,此爭議背後之原因,在對去識別化有疑義之前提下,並無法完全排除該資料並無再被識別之可能性,而仍屬於個資法所規範之個資範疇,且相較民間活動,民眾於公務活動上並無法選擇不提供其個資,民眾選擇同意提供個資,是否可以包含資料出售等種種爭議,皆值得討論。

資料自由流通運用及個資自主權間具有一定衝突性,而資料銀行的概念即為將個資本人及資料流通交易利益歸於一致,並給予個資本人提供資料誘因,「日本資料銀行認定制度」則係著眼強化資料銀行的個資及資安保護標準,並透過模範契約應記載條款保障個資本人權利,期待在保有個資自主權前提下,建立資料銀行可信度,以促進資料交易流通而鼓勵資料服務創新。

責任編輯:郭昱彣

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

關鍵字: #隱私與資安
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓