核准一個 AI 模型，不等於核准它可以執行的所有工作

InfoAI Decision Brief

企業導入生成式 AI 時，很容易先建立一份「可用模型清單」。

• 哪些模型可以使用？

• 哪些模型通過資安審查？

• 哪些模型可以處理公司資料？

• 哪些模型符合採購、法務或治理要求？

這些問題都重要。

但當 AI 開始從一般聊天進入企業工作流程後，只核准模型本身，可能已經不足以描述真正的風險。

因為同一個模型，被放進不同的工作環境後，能做的事情可能完全不同。

一個模型如果只能回答一般問題，它是一種能力。

同一個模型如果可以讀取 CRM、查詢客戶資料、產生報價、呼叫內部工具，甚至觸發後續流程，它形成的是另一種能力。

因此：

Model Approval ≠ Work Approval

企業核准一個模型，不代表也同時核准了這個模型可以參與的所有工作。

同一個模型，進入不同環境後，能力會改變

模型本身只是 AI 系統的一部分。

當它進入企業環境後，實際能力還會受到幾個因素影響：

可以接觸哪些資料

• 可以使用哪些工具

• 擁有哪些操作權限

• 可以呼叫哪些外部服務

• 工作流程允許它走到哪一步

• 哪些結果可以直接執行

• 哪些動作需要人工覆核

• 這些條件不同，同一個模型形成的實際能力也不同。

假設企業已經核准某個模型可以處理內部文件。

第一個使用情境，只讓模型搜尋知識庫並回答員工問題。

第二個使用情境，則讓同一模型讀取客戶資料、產生合約草稿，並把內容送進簽核流程。

模型沒有改變。

但企業實際核准的風險顯然不一樣。

第一個主要是資訊檢索與生成。

第二個已經開始進入業務流程。

因此，治理單位如果只問：

「這個模型有沒有被核准？」

可能會漏掉真正更重要的問題：

「這個模型在這個工作裡，最後可以做到什麼？」

模型風險，和工作風險不是同一件事

企業當然仍然需要評估模型本身。

例如資料如何處理、是否留存、是否用於訓練、供應商安全措施、模型限制與服務條款。

但當 AI 進入實際工作後，風險不再只來自模型本身。

它還來自模型與企業環境之間的組合。

可以把它理解成：

Model × Data × Tools × Permissions × Workflow

這不是一個工程公式，而是一個治理判斷方式。

同一個模型，如果只讀公開資料，風險可能有限。

如果它同時擁有敏感資料、外部通訊工具與可執行權限，整體能力就會不同。

因此：

企業真正需要評估的，不只是 Model Risk，還包括 Work Risk。

這也是為什麼一次性的模型核准，未必能涵蓋後來新增的每一個使用情境。

「核准模型」容易造成一種治理錯覺

如果企業建立了 Approved Model List，組織內部很容易逐漸形成一個默認：

既然這個模型已經通過審查，就可以放心使用。

但真正的治理邊界可能沒有這麼簡單。

模型可能完全沒有改變，但如果後來：

接上新的企業資料，

增加新的工具，

取得新的操作權限，

開始進入更關鍵的流程，

或從「提出建議」升級成「可以執行」，

原本的核准條件其實已經改變。

這類變化不是 Model Change。

它是 Work Change。

而 Work Change 有可能重新改變整個風險輪廓。

下一輪 AI PoC，可以從 Model Review 增加一層 Work Review

企業不需要因此每次更換 Prompt 都重新跑完整治理程序。

更實際的做法，是先區分：

Model Approval

與

Work Approval

Model Approval 處理的是：

這個模型本身是否符合企業基本要求？

Work Approval 則處理：

這個模型進入某一個具體工作流程後，形成的整體能力是否仍在企業可以接受的範圍內？

下一輪 AI PoC，可以至少多問五個問題：

這項工作會讓模型新增哪些資料存取？

1. 會增加哪些工具與操作權限？

2. AI 的輸出只是建議，還是可以觸發實際行動？

3. 這項工作涉及哪些高風險或不可逆動作？

4. 如果工作範圍、工具或權限改變，是否需要重新審查？

5. 這五個問題的重點，不是增加文件，而是避免一種常見治理錯覺：

模型沒變，所以風險也沒變。

事實上，真正改變能力的，往往是模型周圍的工作環境。

企業真正核准的，應該是一個使用情境

隨著 AI 從 Copilot 走向 Agent，這個差異會愈來愈重要。

因為 Agent 的能力往往不是只由模型決定，而是由：

• 模型

• 資料

• 工具

• 權限

• 流程

共同形成。

所以企業未來建立 AI Governance 時，可以保留 Approved Model List。

但這份名單不應該成為治理的終點。

它更像是第一層 Gate。

真正進入企業工作後，還需要再回答：

這個模型，在這個使用情境裡，被允許做到什麼程度？

因為：

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。