香港個人資料私隱專員公署發布《代理式人工智能篇：保障個人資料私隱》指引，針對機構使用代理式 AI 提出 9 項實務建議。重點不在於叫企業放慢採用 AI，而是提醒大家：當 AI 從「回答問題」升級為「自行規劃、調用工具、執行任務」，個人資料風險已不再只發生在輸入提示詞的那一刻。
這份指引最值得留意之處，是把代理式 AI 的風險放回真實工作流程來看。傳統生成式 AI 出錯，可能是寫錯一段文案；代理式 AI 出錯，可能是讀取客戶紀錄、整理敏感資料、發送訊息，甚至觸發後續系統操作。機構若只把它當作一個更聰明的聊天機械人，往往會低估它接觸和處理個人資料的範圍。
代理式 AI 的難題，不是它會不會回答錯，而是它有沒有權力替你做下一步。
代理式 AI 為何令私隱問題變得更具體
代理式 AI 的特徵，在於它可按目標拆解任務、選擇步驟、使用已連接的工具，並根據中途取得的資料繼續行動。這種能力帶來效率，也令資料處理鏈條拉長。
例如，客服團隊為代理式 AI 接上客戶關係管理系統，希望它自動整理投訴、草擬回覆和安排跟進。表面上，系統只是在協助客服；實際上，它可能需要讀取聯絡資料、訂單紀錄、投訴內容、過往通話摘要，甚至其他家庭成員的資料。若權限設得太闊，AI 為了完成一項簡單任務，便可能看到遠超所需的資料。
另一個常見情境是人力資源部門使用代理式 AI 篩選履歷、安排面試、整合內部評語。當系統可以從電郵、招聘平台和內部檔案自動抓取資料，機構便要清楚界定：哪些資料可供分析、保留多久、誰可覆核結果，以及候選人如何得知其資料正被這類工具處理。
資料外洩很多時不是來自一次明顯的違規操作，而是來自一連串看似合理的自動步驟。
指引的核心：9 項建議不是合規清單，而是控制 AI 行動範圍
公署提出的 9 項建議，核心方向可理解為三個層次：先評估風險，再限制資料與權限，最後持續監察 AI 的實際行為。這不是文書要求，而是代理式 AI 能否安全落地的基本設計。
1. 在部署前先做私隱風險評估
機構需要先弄清楚代理式 AI 要完成甚麼任務、會接觸哪些個人資料、涉及哪些系統，以及其行動是否會影響個人權益。尤其是涉及客戶分類、僱員評估、健康資料、財務資料或未成年人士資料時，更不應把測試環境直接當成正式運作環境。
最容易被忽略的問題是：AI 的原始任務看似不涉及敏感資料，但它為了完成任務而調用的其他系統，卻可能包含大量個人資料。風險評估要看的，正是這條資料流，而非只看使用者最初輸入的一句指令。
2. 資料最少化要落實到工具權限
「只收集必要資料」在代理式 AI 場景中，不能只停留在私隱政策的文字上。機構應把它轉化為具體設定：AI 可讀取哪些欄位、可搜尋哪些資料庫、可否下載檔案、可否向外部服務傳送資料、可否代表員工發出訊息。
假如行銷團隊只需要 AI 根據客戶購買類別擬定推廣內容，系統便未必需要知道完整姓名、電話、住址或身份證明資料。把資料遮罩、分級或去識別化，通常比事後要求 AI「不要亂用資料」可靠得多。
私隱保護不能只靠一條提示詞；權限沒有收窄，再好的規則都會被流程繞過。
3. 保留人手覆核，特別是高影響決定
代理式 AI 最吸引人的地方，是它可以自行執行多個步驟；但在牽涉個人權益的環節，這種自主性不應變成無人把關。
例如，銀行以 AI 協助整理客戶文件或標示風險個案，可以提升前線效率；但若系統進一步建議拒絕申請、限制服務或改變客戶待遇，便不宜讓它直接完成決定。人員需要理解系統依據甚麼資料作出建議，並有權推翻、修正或停止其行動。
人手覆核的價值，不是替 AI 重做一次工作，而是在關鍵節點確認資料使用是否合理、結果是否偏離原意，以及下一步是否應該執行。
4. 監察、記錄與事故應變不能缺席
代理式 AI 的行為並非每次都完全相同。它可能因資料內容、系統更新或工具連接改變，而採取不同的行動路徑。因此，機構需要保留適當紀錄，了解 AI 曾讀取甚麼資料、使用過哪些工具、作出過哪些操作，以及出現異常時如何停止和追查。
這在事故處理時尤其重要。假如 AI 誤把包含客戶資料的摘要寄給不應收到的人，機構需要迅速知道事件範圍，而不是只知道「系統出了問題」。沒有紀錄，就很難判斷哪些資料受影響、哪些人需要通知，以及應如何修補流程。
最容易犯的錯：把供應商功能當成自己的合規安排
不少機構會假設，既然採用的是大型平台或企業版 AI 工具，私隱責任便已被供應商處理。這是一個危險誤解。
供應商可提供安全設定、資料處理選項與管理功能，但決定把哪些資料交給 AI、開放哪些內部系統、設定哪些工作目標的，仍然是使用機構。代理式 AI 越能連接公司工具，機構越要清楚自己的資料治理邊界。
因此，採購或導入前不能只問「這個 AI 有甚麼功能」，還要問「它可存取甚麼」「它能否自行採取行動」「它的輸出會流向哪裡」「誰可以隨時叫停」。這些問題比展示畫面上的自動化效果更重要。
現在是否應停止使用代理式 AI？答案不是這樣
這份指引並不是要機構避開代理式 AI，而是要求機構不要用傳統聊天工具的管理方式，處理一個具備行動能力的新系統。
對於只處理公開資料、低敏感度內容，或只在封閉測試環境執行的任務，機構可較快試行；但一旦 AI 能接觸客戶、僱員、會員或病人的個人資料，並連接內部系統自動工作，便應先完成資料盤點、權限分級、風險評估和人手覆核設計。
代理式 AI 的價值在於替人完成更多工作，但它不應在機構尚未界定責任前，先獲得更多資料與更大權力。公署今次指引最實際的訊息，是要求機構在追求自動化之前，先回答一個簡單但關鍵的問題：這個 AI 究竟可以替我們做到哪一步？
追蹤以下平台，獲得最新AI資訊：
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
Threads: https://www.threads.net/@drjackeiwong/
YouTube: https://www.youtube.com/@drjackeiwong/
Website: https://drjackeiwong.com/
