[AI 法律 3] AI 與個資法:模型訓練、資料蒐集、跨境傳輸

企業拿個資訓練 AI，必須同時符合兩個條件：有「特定目的」，而且落在個資法第 19 條第 1 項列舉的八種合法事由之一。「特定目的」是指蒐集個資時就要說清楚的用途，例如客戶服務、契約履行。

第一個爭議是「特定目的」夠不夠明確。企業以「客戶服務」為目的蒐集個資，再拿去訓練客服 AI，也許還在原目的範圍內；但如果模型後來用於行銷預測或信用評估，就可能是「目的外利用」。

目的外利用依個資法第 20 條第 1 項，必須另有法定事由，例如經當事人同意。違反時，依第 47 條處新臺幣 5 萬元以上 50 萬元以下罰鍰，並令限期改正；只有在意圖為自己或第三人不法利益、或意圖損害他人利益，且足生損害於他人時，才依第 41 條負刑事責任，最重 5 年以下有期徒刑。

第二個爭議是「同意」是否有效。個資法第 7 條規定，同意必須在蒐集者告知法定應告知事項後作成；目的外利用的同意，更要先明確告知其他利用目的、範圍與同意與否的影響，再由當事人單獨表示。常見的概括條款（例如「同意公司使用本人資料於各種業務目的」）很難通過這個標準。

實務合規建議：第一，在告知事項中寫明 AI 訓練用途，用淺顯文字說明模型功能、訓練資料範圍與可能影響。第二，提供分項同意，把 AI 訓練從其他資料利用中獨立出來，讓當事人可以只同意一部分。第三，建立目的擴張通知機制，原目的要延伸到新的 AI 用途時，主動通知並重新取得同意。

「資料是公開的」不等於可以任意拿來訓練 AI。主流 AI 模型多以網路爬取資料訓練，例如 Common Crawl、論壇與社群公開貼文，其中有大量可識別個人的資訊。

我國個資法第 19 條第 1 項第 3 款與第 7 款，允許處理當事人自行公開或取自一般可得來源的個資，但第 7 款但書保留了當事人的重大利益；當事人通知禁止處理時，企業應主動或依請求刪除、停止處理。換句話說，公開資料是可以用的「起點」，不是不受限制的「通行證」。

這背後的觀念是「合理隱私期待」：當事人在社群公開貼文，合理預期是朋友、追蹤者或有興趣的網友會看到，不當然同意內容被大規模爬取、用於商業模型訓練。歐盟 GDPR 也明確要求，即使資料已公開，後續處理仍須具備合法性基礎。

實務指標案例：義大利資料保護局在 2023 年 3 月暫時限制 ChatGPT 在義大利處理使用者資料，理由之一是大規模蒐集個資欠缺適當法律基礎。OpenAI 隨後補強隱私說明、提供退出訓練與資料刪除機制，同年 4 月底恢復服務。這個事件促使主要 AI 業者建立資料來源管理與當事人權利處理機制。

對台灣 AI 開發者與企業使用者的啟示：不能只用「資料是公開的」作為合規基礎，要評估完整的法律依據，並建立當事人權利行使機制，例如刪除請求與退出訓練（opt-out）。國際 AI 服務的本地代理商或系統整合商，也可能因未盡這些義務而承擔責任。

台灣企業把個資輸入境外 AI 服務，就是把個資傳輸到國外，個資法與（若涉及歐盟居民）GDPR 的跨境規定都要檢查。多數主流 AI 服務的伺服器位於美國或歐盟。

現行個資法第 21 條規定，非公務機關國際傳輸個資，有下列四種情形之一時，中央目的事業主管機關得加以限制：涉及國家重大利益、國際條約或協定有特別規定、接受國對個資保護未有完善法規致有損當事人權益之虞、以迂迴方法向第三國傳輸以規避本法。

我國現行規定採「原則可傳、例外限制」，實際發布的限制命令不多，例如國家通訊傳播委員會於 101 年限制電信與廣播電視事業將用戶個資傳輸至大陸地區，衛生福利部也曾限制社會工作師事務所將當事人個資傳輸至大陸地區。114 年 11 月 11 日修正的個資法另有國際傳輸相關調整，施行日期由行政院定，屆時要再檢視。

即使法律沒有直接禁止，企業仍應評估三件事：第一，接收國的個資保護程度；第二，接收方會不會把資料用於訓練或再傳到第三國；第三，是否已在告知事項中向當事人說明跨境處理。

歐盟方面，傳輸到未獲適足性決定的國家，須採用標準契約條款、企業約束規則或其他適當保障。Schrems II 判決後，使用標準契約條款還要個案評估接收國法律是否實質保障個資。美國曾長期沒有適足性決定，2023 年 7 月歐盟執委會才就「歐盟－美國資料隱私框架」作成決定，加入框架的美國企業可據此接收資料。台灣企業若向歐盟居民提供服務，即使資料存放在台灣，也可能受 GDPR 規範。

實務合規建議：第一，盤點資料流向，確認每一個 AI 服務的伺服器所在地、儲存位置與處理者。第二，選擇可指定資料存放區域的服務方案，部分雲端 AI 服務提供亞洲區資料中心選項。第三，在契約中寫明跨境傳輸限制與當事人權利處理機制。第四，涉及歐盟居民資料時，取得專業的 GDPR 法律意見。

當事人要求刪除個資時，企業可以刪掉訓練資料，卻很難讓已訓練好的模型「忘記」。個資法第 3 條賦予當事人五項權利，而且不得預先拋棄或以特約限制。

深度學習模型的權重裡沒有「某筆資料存放在這裡」的位置，影響分散在大量參數中。要徹底忘記某筆資料，往往只能重新訓練整個模型，成本很高，效果也不一定完整。

實務上有三種變通做法。第一，機器遺忘（Machine Unlearning）：研究中的技術，試圖不重新訓練就消除特定資料的影響，目前效果與成本都有限。第二，輸出層過濾：不改模型，只在輸出時過濾與特定當事人相關的內容，容易實施，但無法回應「資料仍在模型裡」的質疑。第三，定期重新訓練：每次重建訓練資料集時排除已被請求刪除的資料。

各國監理機關仍在摸索。歐盟執行刪除權的態度較強硬；美國聯邦交易委員會曾在數件案例中要求業者「演算法刪除」（algorithmic disgorgement），不只刪除違法取得的資料，連用這些資料訓練的模型也要銷毀。我國目前沒有類似的明確要求；個資法新主管機關個人資料保護委員會目前仍在籌備處階段，正式成立後監理密度可能提高，企業宜提前規劃。

面對上述難題，業界正在把「AI 治理」與「個資合規」整合成一套框架。下面五個元素是目前實務的基本配備。

AI 的本質是從資料中學習，個資法的本質是限制資料的處理方式，兩者之間的張力不會在短期內消失。可以預期的是，未來將透過修法、技術發展與實務累積，逐步找到可運作的平衡點。

對企業而言，現在最重要的是建立可以隨法規調整的合規基礎：清楚的資料盤點、明確的同意機制、有效的當事人權利處理、定期合規檢視，以及與法律顧問的長期合作。本所長期協助企業建立 AI 治理與個資合規架構，如有相關需求，歡迎透過聯絡頁面諮詢。

常見問題