跟AI聊天別掏心掏肺！這5件事「不要告訴ChatGPT」：如何狂用AI，還能自保隱私？|數位時代 BusinessNext

近年來，ChatGPT等AI聊天機器人功能日益強大，不僅能記憶使用者的偏好，提供個人化的回覆，甚至能協助處理工作事務。然而，隨著使用者與 AI 的互動日漸頻繁，資訊安全與隱私保護的風險也隨之增加。專家警告，應謹慎對待與 AI 聊天機器人的對話內容，避免透露過於敏感的個人及企業資訊，以免不慎洩漏。

根據《華爾街日報》報導，史丹佛大學以人為本人工智慧研究所（HAI）研究員珍妮佛．金（Jennifer King）指出，一旦將資訊輸入聊天機器人，使用者便失去了對該資訊的控制權。

過去就曾發生ChatGPT的漏洞，導致部分用戶能看到其他人的聊天記錄，以及 OpenAI 寄送訂閱確認郵件給錯誤對象，暴露用戶姓名、電子郵件和付款資訊等事件，都凸顯了 AI 平台潛在的資安風險。此外，用戶的聊天記錄也可能在駭客攻擊或法院要求下被洩漏。

五大資訊別輕易示人

一、身分識別資訊

包括身分證號碼、駕照、護照號碼，以及出生日期、地址和電話號碼等個人資訊。部分聊天機器人雖會嘗試自動編輯這些資訊，但使用者仍應避免主動提供。

二、醫療結果

個人醫療資訊須保密，有些人會與AI討論自己的病例經驗，尋求醫療知識或幫助，但聊天機器人通常不會將醫療數據列入特殊保護範圍。若想利用 AI 分析檢驗報告，建議先裁剪圖片或編輯文件，僅保留測試結果並塗掉個人識別資訊。

三、金融帳戶

銀行和投資帳戶號碼一旦洩漏，可能被用於監控或盜取資金。

四、企業內部資訊

若在工作中使用通用版本的聊天機器人，即使是撰寫郵件這樣的小事，也可能不慎洩漏客戶資料或未公開的商業機密。三星 (Samsung) 就曾發生工程師向 ChatGPT 洩漏內部原始碼而禁用。若企業需要 AI 協助，應考慮訂閱企業版本或建立具有公司專用保護的客製化AI。

五、帳號密碼登入憑證

隨著具備執行現實世界任務能力的「AI代理」興起，使用者可能會需要向聊天機器人提供帳戶憑證。然而，這些服務並非擁有數位保險庫的功能，密碼、PIN 碼和安全問題應保存在專用的密碼管理器中。

如何自保？善用隱私設定與定期刪除

但如果無法不使用AI談及私密內容，或是從源頭避免隱私外洩，使用者可以採取以下行動：

一、定期刪除對話資訊

Anthropic資訊安全長傑森．克林頓（Jason Clinton）建議，對於特別注重隱私的用戶，應在使用完畢後立即刪除所有對話。一般而言，AI公司會在 30 天後清除「已刪除」的數據。

然而，中國的AI模型 DeepSeek根據其制定的隱私政策，可能會無限期保留用戶數據，且不提供退出選項，用戶需特別留意。

二、打開臨時聊天功能

例如，ChatGPT 提供「臨時聊天（temporary chat）」模式，在聊天視窗的右上角處，啟用後，對話內容不會儲存在聊天記錄中，也不會用於模型訓練，如同瀏覽器的無痕模式。

三、使用匿名提問功能

隱私搜尋引擎 DuckDuckGo 開發的 Duck.ai 聊天機器人提供匿名提問功能，可將用戶的提問匿名化，傳送給包括Claude 和 OpenAI 的 GPT 在內的 AI 模型，官方聲稱數據不會用於模型訓練，但功能可能不如完整版的聊天機器人，例如無法分析文件。

總之，雖然 AI 聊天機器人功能強大且方便，但使用者必須謹記，這些工具的設計目的是持續對話，是否謹慎以對，保護個人及企業的敏感資訊，最終取決於使用者本身。適時按下「刪除」鍵，或許是保護隱私最簡單卻也最有效的方法。

延伸閱讀：Vibe Coding新神器？Google推Firebase Studio，一句話「打造App」還能一鍵佈署

資料來源：WSJ

本文初稿為AI編撰，整理．編輯/ 蘇柔瑋

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。」

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。