InfoAI Decision Brief

企業談 AI 資料治理時，第一個問題通常是：哪些資料可以讓 AI 使用？

客戶資料能不能上傳？員工資料能不能進模型？公開資料能不能拿來訓練？是否取得同意、授權，保存多久，又由誰存取？

這些問題都很重要。

但 Meta 最近面臨的一起擬議集體訴訟，提出了下一個更難的問題：

這個問題，可能比「公開照片能不能拿來訓練 AI」更值得企業注意。

爭議不只在照片，而在 AI 從照片裡建立了什麼

2026 年 9 月，美國伊利諾州與加州的家長及未成年子女對 Meta 提起擬議集體訴訟。

原告指控 Meta 未經適當通知或同意，使用 Facebook 與 Instagram 上的照片取得或處理臉部生物特徵資訊，並用於尚未正式推出的 NameTag 臉部辨識系統，以及 Emu、Muse Image 等生成式 AI 模型。

NameTag 今年 6 月已被 WIRED 發現藏在 Meta AI App 的程式碼中。

依照當時揭露的設計，系統可以把智慧眼鏡拍攝到的人臉轉換成數值化的臉部表示，再與裝置上的資料進行比對。Meta 表示這項功能仍在探索階段，尚未決定是否推出，也否認正在建立中央化的臉部資料庫。

目前，這起訴訟還沒有法院判決。

原告提出的一個核心主張是：如果 AI 從照片中形成可用於辨識個人的臉部數學表示，這類衍生資訊是否也可能受到生物特徵隱私法律規範？

答案還不確定。

但對企業而言，治理問題其實已經先出現了。

企業現在管的是「資料從哪裡來」，接下來還得管「AI 從裡面推導出什麼」

傳統資料治理，大多從原始資料開始。

資料從哪裡來？是否取得同意？用途是什麼？誰可以存取？保存多久？

但 AI 增加了一層過去比較少被注意的問題。

一張照片，可以被轉換成臉部特徵向量。

一段聲音，可以形成聲紋。

大量交易、位置與行為紀錄，也可能被模型進一步推導出健康狀態、消費能力、偏好或其他原始資料裡沒有直接寫明的資訊。

也就是說，同一份資料經過 AI 處理之後，風險可能已經不是原來那個風險。

原本只是公開照片，後來可能具有更高的身分辨識能力。

原本只是一般行為紀錄，後來可能被推導成更敏感的個人資訊。

原本只是分析用途，最後也可能被拿來影響價格、資格、招聘、保險或其他決策。

這時候，如果企業仍然沿用原始資料的治理權限，就可能出現盲點。

資料可以合法取得，不代表所有後續推論都自動合法

這起訴訟真正值得企業重新檢查的，是一個很常見的假設：

這個假設正在變得不夠。

因為 AI 不是單純讀取資料，而是會把資料重新轉換、比對、組合，甚至推導出原本不存在的新資訊。

因此，企業真正需要問的，不應只有：

這份資料能不能讓 AI 使用？

還要多問一句：

如果答案是肯定的，就應該重新分類，而不是直接沿用原本的治理規則。

這可能會成為未來 AI 資料治理一條很重要的判斷原則。

企業不能只建立一張「哪些資料可以丟進 AI」的清單

現在很多企業已經開始訂 AI 使用政策。

哪些機密資料不能輸入 ChatGPT，哪些個資需要遮罩，哪些模型允許使用。

這是必要的第一步。

但如果 AI 真正進入企業流程，只做到這裡可能還不夠。

企業還需要知道：

• 模型從資料裡建立了哪些新的表示？

• 是否提高了辨識個人的能力？

• 是否形成長期的個人 Profile？

• 是否推導出健康、財務、行為或其他敏感資訊？

• 這些推論最後有沒有被拿去影響個人的權益或企業決策？

未來的資料盤點，也可能不再只有「我們有哪些資料」，而是進一步變成：

這才比較接近 AI 時代真正需要的資料治理。

對台灣企業而言，這是一個治理訊號，不是美國法律的直接移植

Meta 這起案件涉及美國州級生物特徵與隱私法律，不能直接推論台灣企業裡的臉部向量、Embedding 或其他模型表示，一定具有完全相同的法律性質。

但企業也不必等到台灣出現相同訴訟，才開始處理這個問題。

金融、保險、醫療、零售、人資、智慧門禁、影像分析，都可能讓 AI 從一般資料中產生更敏感、更具辨識能力的新資訊。

這些產業真正需要建立的，不一定是一套更複雜的法遵清單。

更重要的是，在 AI 讓資料的性質發生改變時，企業有沒有重新啟動風險審查。

如果一份資料經過 AI 處理後，變得更能識別個人、更敏感，或開始直接影響決策，就應重新檢查它的使用目的、保存方式、存取權限，以及是否需要人工覆核。

這比單純問「資料是不是公開的」更接近問題核心。

AI 資料治理的下一個盲點

Meta 這起訴訟最後會如何判決，仍有待司法程序回答。

目前也不能把原告的主張直接寫成既定法律結論。

但它已經讓一個企業治理問題變得很清楚：

企業如果只治理資料來源，卻沒有治理 AI 從資料裡形成的表示、推論與 Profile，就可能漏掉真正開始增加的風險。

所以，AI Data Governance 的下一步，可能不是再增加一張資料清單。

而是開始問：

AI 從這些資料裡，看出了什麼？

這也是企業未來更需要記住的一條判斷：

作者＝InfoAI 編輯部

你不需要讀完所有 AI 新聞。你需要掌握的是：哪些變化值得關注、哪些應用值得理解、哪些風險不能忽略，以及這些訊號可能如何影響企業決策。

訂閱 InfoAI 電子報，把全球 AI 訊號，轉化為更清楚的商業判斷。

InfoAI Line 群提供最新文章發佈通知，讓你不用每天上網查看，也能快速掌握新上線的 AI 產業解讀、應用案例與知識內容。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

AI 協作與人工編輯聲明

本文由 InfoAI 編輯部進行主題判斷、內容策劃、事實查核與文字編輯，並使用 AI 工具協助資料整理與內容製作。最終觀點、內容取捨與發佈版本均由人工編輯確認。

你不需要讀完所有 AI 新聞，你需要知道的是：

有哪些變化值得注意，可能會如何影響你的產業、工作與決策。