現在，我們已逐漸開始把以前做過的提案、會議紀錄這些真實工作資料交給 AI，讓它反過來研究：「我平常到底是怎麼做事的？」

比起坐在空白頁前努力回想自己的 SOP，真實工作留下來的資料，通常藏著更多我們自己早已習以為常的判斷。但真的把資料丟進去時的那一瞬間，你可能跟我一樣突然遲疑了一下：提案封面上有客戶 Logo，會議紀錄裡有人名、Email，有些頁面寫著報價，有些討論甚至包含還沒對外公布的產品方向。這些，真的可以拿來訓練我的 AI 分身嗎？好像不太妥當？

如果我的目的只是讓 AI 學會「我怎麼做提案」，它真的需要知道客戶叫什麼名字、這個案子報多少錢、明年三月到底要推出什麼新功能嗎？大部分基於商業機密或個資的考量下，其實不該讓 AI 知道。

所以上一篇簡單的有提到「真實資料先去識別化，再交給 AI」之，這一篇我們就來把這件事補完整，而且先從一般人今天就做得到的方法開始。

資料去識別化，不只是把姓名刪掉

講到「去識別化（De-identification）」，大家第一個想到的通常是把姓名拿掉。例如原本寫著「王小明表示，目前使用者最大的問題可能不是健康知識不足」，改成「客戶 PM A 表示，目前使用者最大的問題可能不是健康知識不足」。

這當然是一個開始。姓名、電話、Email、地址這些可以直接讓人知道「這是誰」的資訊，通常都應該優先處理。

麻煩的是，有時候文件裡連名字都不用出現，我們還是猜得到是在講誰。

例如：「去年從 Google 回台灣，目前是公司唯一負責醫療產品的副總。」

一句姓名都沒有，但如果你剛好認識這家公司，甚至只是把幾個關鍵字拿去搜尋，很可能就拼得出來。這類資訊單獨看起來似乎沒什麼，職稱、地點、時間、特殊經歷幾個線索放在一起，就可能慢慢把某個人拼回來。

所以我們還得要小心：

不只要注意最明顯要去識別的「名字」，還要找那些「可以把人拼回來的線索」。

有些不能給 AI 的東西，不只是個資而已

工作資料裡還有另一類資訊更容易被忽略。假設文件裡已經完全沒有人名、電話、Email，只剩下這段話：「公司預計明年三月推出新產品，目前開發預算為 480 萬。董事會正在討論是否收購其中一家主要競爭對手。」

從「能不能辨識出某一個人」來看，這段資料可能很乾淨，但如果這些資訊還沒公開，它依然可能是敏感的公司資料，尤其你待的如果是大公司。

所以這一篇雖然從「去識別化」開始，實際處理工作文件時，需同時檢查兩件事情：第一，這些資料會不會讓人知道是在講誰；第二，就算完全猜不出是誰，這件事情本身是不是也不該讓外部知道。

像是報價、營收與成本、未公開產品 Roadmap、客戶名單、內部策略、帳號密碼、API Key，都不一定屬於個人識別資訊，但一樣需要處理。

《R森小叮嚀》

去識別化也不是一張「通行證」。如果公司規範、客戶合約或 NDA 原本就禁止把某類資料提供給外部 AI 服務，那就不要因為自己改過人名，便認為資料從此可以任意使用。拿不準的時候，先確認公司的資訊安全規範，再決定這份資料能不能用。

也不要反過來把資料刪到 AI 什麼都學不到

既然擔心資料外洩，那是不是乾脆全部刪光最安全？

別忘了上一篇為什麼要把這些資料拿給 AI。我們希望它從資料裡學到自己的工作方法，如果把所有背景條件一起刪掉，AI 最後看到的只會剩下一堆沒有前因後果的結論。

假設原本的會議紀錄寫著：「因為這次專案的研究預算只有 80 萬，我判斷不適合做大型量化調查，先安排幾場使用者訪談確認問題。」

如果看到「80 萬」屬於敏感資訊，就直接改成：「因為這次專案的研究預算是＿＿，我判斷不適合做大型量化調查。」AI 雖然看不到真實預算了，卻也很難理解後面的決策。

比較適合的版本會是：「因為這是一個研究預算有限的小型專案，我判斷不適合做大型量化調查，先安排幾場使用者訪談確認問題。」

80 萬這個精確數字消失了，但「資源有限 → 不適合大型量化研究 → 改採成本較低的質化方式」這條判斷脈絡仍然存在。

保留工作判斷需要的脈絡，拿掉不必要的真實機密。我的 AI 分身要學的是我為什麼這樣工作，它不需要順便把客戶的身家一起記起來。

最簡單的去識別化，其實不用安裝任何工具

知道原則之後，我們先從最陽春的方法開始。如果今天只有一份提案、幾份會議紀錄，其實不需要立刻安裝一堆新工具。Word、Google Docs、Notion 這些原本就在使用的文件工具，很多時候已經夠用了。

先做一件很簡單的事情：原始檔保留起來，另外複製一份專門給訓練 AI 分身使用的版本。

例如原本是：健康飲食App_會議紀錄.docx

另外複製一份：健康飲食App_會議紀錄_訓練AI版.docx

接下來所有修改都只發生在訓練 AI 版。這個檔名跟習慣看起來很笨，卻可以避免處理到一半才發現連原始紀錄都被自己一起改掉，就真的「可是瑞凡，回不去了」。

那個…不要問我是怎麼知道的，很可怕

接著開始整理文件，大致只需要三招來判斷。

第一招：不影響工作判斷的，直接刪掉

姓名之外，Email、電話、個人地址、帳號資料都很常出現在會議紀錄裡。如果 AI 分析我怎麼做提案時根本用不到，就沒有留下來的必要。

例如檔案的最開頭原本寫著：

「聯絡人：Rose Tang／Email：rose@cooldesign.com／電話：09xx-xxx-xxx」

這種內容整段刪掉即可。沒有必要為了一個對工作方法毫無影響的 Email，還特地幫它發明一組假 Email，沒事找事做。

判斷的依據很簡單：刪掉這個資訊之後，分身還看不看得懂我為什麼做出後面的決策？如果完全不影響，就可以拿掉。

第二招：身分角色有意義？那就換成代號

有些資料雖然不能留下真名，但「這個人扮演什麼角色」對決策脈絡仍然重要。例如原本寫：「Vicky 認為應該直接增加更多 AI 健康建議功能。」

如果改成「某人認為應該直接增加更多 AI 健康建議功能」，我們其實也失去了一些重要資訊。某人到底是使用者、工程師、客戶老闆，還是剛好路過的隔壁同事，影響很大。

這時可以改成：「客戶產品負責人認為應該直接增加更多 AI 健康建議功能。」或者「客戶 PM A 認為應該直接增加更多 AI 健康建議功能。」

姓名消失了，但這個意見來自哪一種角色仍然被保留下來。

所以像「周大森 → 客戶 PM A」、「享健科技 → 客戶 A」、「VR 健身環 → VR 類健康產品 A」，都可以使用這種方式處理。這類把真實識別資訊替換成其他代號的做法，也常被稱為假名化（Pseudonymisation）。

原則只要記住：真名幾乎都可拿掉，但如果角色會影響到你的 AI 分身學習你工作方式的效果，就把角色留下來。

第三招：條件有意義？就把精確資訊模糊化

另外一種很常見的情況是：「這個資訊對理解事情有用，但不用精確到這個程度。」

例如「專案預算為 4,830,000 元」，如果真正影響我判斷的是「這是一個資源有限的專案」，那麼可以改成「專案預算屬於數百萬元等級」，甚至抽象化成「這是一個預算有限的中型專案」。

「2026 年 9 月 17 日下午兩點開會」可能可以改成「9 月中開會」；「App 目前有 12,431 名月活躍使用者」如果精確數字沒有影響工作方法，也可以改成「App 已經有超過萬名的活躍使用者」。

如此一來，就算真實的數字被模糊了，但 AI 理解事情需要的「量級」與限制條件還在。

實際做做看：把原始會議紀錄洗成去識別化版

假設上一篇健康飲食 App 專案中，有一段這樣的會議紀錄。以下內容只是示意：

2026/9/17 下午兩點與享健科技產品經理 Rose Tang 開會。目前 App 有 12,431 名 MAU，公司預計投入 483 萬開發 FitHealth AI Coach，希望明年 3 月正式推出。Rose 認為目前最大的問題，是使用者不知道自己應該吃什麼，因此希望優先增加 AI 飲食建議功能。

這一小段其實已經混進不少資訊：公司名稱、人名、精確日期、精確使用者數、預算、尚未公開的產品名稱，以及預計上市時間。

如果我目的只是讓 AI 分身學會：「面對客戶已經提出的 Solution，我通常會怎麼判斷？」這些資訊大部分都可以去識別化。

處理之後，可能會變成：

9 月中旬與客戶產品負責人開會。目前產品已經累積一定規模的活躍使用者，公司預計投入中型預算開發一項新的健康教練消費級產品，並希望在半年左右推出。客戶產品負責人認為，目前最大的問題是使用者不知道自己應該吃什麼，因此希望優先增加 AI 飲食建議功能。

接下來原本的會議紀錄可能繼續寫：

我方行銷研究結果，顯示目前還沒有足夠證據證明「缺少飲食建議」是真正問題，所以先沒有直接進入功能規劃，改從使用者為什麼無法持續使用產品開始研究。

你會發現，真正想拿去教 AI 的資訊幾乎完整留下來了：

客戶先提出一個 Solution，我沒有直接接受，因為目前證據不足，所以把問題往前重新研究。

這才是我們希望工作分身學會的東西，至於這場會議究竟是哪一天、客戶叫什麼、預算精確到多少，對這項能力沒有太大的幫助，就沒必要揭露。

簡單粗暴但好用－善用尋找與取代

實際操作時，可以先整理一張自己的替換表：

接著利用 Word、Notion、Google Docs 等工具的搜尋功能，把這些內容逐一找出來處理。Word 可以直接使用「尋找與取代」，Notion 也可以先利用頁面搜尋把同一個關鍵字的位置找出來。

《R森小叮嚀》

我不太建議在第一次處理時看到名字就直接「全部取代」。同一個名稱、代號或數字，在不同地方可能代表不同事情。尤其是在敏感資料上，比起省掉那幾十秒，一個一個確認反而比較安心。

做完去識別化之後，再做一次「人骨拼圖測試」檢查

做到這裡還不要急著把文件丟給 AI 分身訓練。

我會做一次最後檢查，我自己把它戲稱叫「人骨拼圖測試」。

把自己暫時想像成一個知道這個產業，但沒有參與這個專案的人，然後問：

雖然姓名都消失了，我能不能從職稱、時間、地點、產品特徵，把這個人或這家公司，從一堆骨頭中拼回來？

如果答案還是可以，而且不難，就代表還有一些間接識別線索需要再處理。

接著再問自己第二題：

就算我完全猜不出這是誰，裡面還有沒有資訊是我不希望競爭對手看到的？

第二題專門檢查商業機密。只要其中一題讓自己覺得有點心虛抖抖的，我就會再回去整理一次。

偶爾幾份文件，自己處理其實已經夠用

如果只是偶爾處理幾份工作資料，我認為真的不用一開始把事情搞得很複雜。建立一份給 AI 用的副本，沒必要揭露的資料都刪掉，角色是重要脈絡的話就換代號，條件是重要的話就改成區間或模糊描述，最後自己再重新讀一次把關，看還能不能把真實對象拼回來，也看看有沒有留下不該外流的公司機密。

這樣的作法，就已經比一般人直接把原始檔送進 AI ，來得有警覺得多了。