【場景】「要不要讓它讀全部？」

導入 AI 幕僚，遲早會走到這個十字路口：「要不要讓它讀全部？」信件、文件、聊天紀錄、會議逐字稿——全餵進去，AI 最聰明，幕僚最貼心。技術上，一天就能接好。

先別接。想一個場景：

員工知道「AI 掃得到我寫的每一個字」的那一天，他寫東西的方式就變了。 聊天會變得官方，信件會開始留一手，真話轉進 AI 讀不到的地方——茶水間、私人手機、或者乾脆不說。

還記得 Day 7 嗎？「知道可能被看著」這件事本身，就足以改變行為。你以為你買到了全知，實際上你殺死了真話的頻道——從此 AI 讀到的，是一個演出來的組織。

【問題】AI 到底該讀多少？

錯誤的問法是「讀多少 AI 才夠聰明」。正確的問法是：「我們的治理，配得上讓它讀多少？」

【方法】讀權階梯，與三道蒐集層護欄

讀權是掙來的，不是預設的。 階梯這樣爬：從「本來就全組織可見」的公開層開始（政策文件、公開看板、共享知識庫）——治理到位一層，才開放一層。「治理到位」的定義很具體：該層資料有回看權、有去識別化、有明文的用途限制。治理跟不上，讀權就停在那裡。AI 的能力不該跑在組織的治理前面。

三道蒐集層護欄，一道比一道深：

① 從不建檔。 鐵則：從一開始就不建立可回溯到個人的檔案——注意，不是「建了之後定期刪」，是「從不建」。差別是天壤：檔案只要存在過一天，「哪天會不會被翻出來算帳」的恐懼就永久成立了。AI 的長期記憶只保留去識別化的萃取——模式、趨勢、流程知識，而不是「誰在幾月幾號說了什麼」。

② 員工回看權。 每一個被 AI 讀取的人，有權查：AI 讀了我的什麼、生成了什麼、給了誰。Day 8 的回看權，AI 版。做不到這條，你的 AI 幕僚在員工眼裡就是老闆的眼線——而人們對眼線的應對方式，千年不變：表演。

③ 告知，而非自動同意。 讀取範圍公開、可協商、有退出選項。「反正合約裡有一行」不叫告知。可見性從強制變成知情，性質就從監控變成合作。

最後是這一天最反直覺、也最實用的結論：

限縮讀權不是削弱 AI，是保護資料品質。
在規訓感低的組織裡，人們照常寫真話——AI 讀到的才是真組織。全景監獄裡的 AI，再聰明，也只能幫你分析一齣所有人配合演出的戲。

讀得少而真，勝過讀得多而假。這是 AI 時代的資料治理第一課，而它根本不是技術課。

【一個動作】

替你組織的 AI 工具做一次「讀權盤點」，兩欄：

1. 它實際讀得到哪些資料？
2. 被讀的人知道嗎？

兩欄的差集——讀得到、但當事人不知道的部分——就是你的信任赤字。先還這筆債（公開告知），再談擴充任何 AI 能力。

本系列情節經改寫與化名處理，聚焦方法與機制，不指涉特定個人。
【第二座山｜第四幕：AI 幕僚】Day 22/30。昨日：〈帳本就是介面〉。明日：〈量測而不規訓——三個讀數，零個 KPI〉。