讓機密資料創造合作價值？你不知道的 APEC
副研究員鄧翔靖 (2026/10/06) 《永續學院編輯室》
AI 要做判斷，須要更多現場經驗
一間工廠希望利用 AI 預測機台可能發生故障的時間，避免停機打亂交期，但問題是設備平時運轉都很正常，故障紀錄很少，就算累積多年的資料，也未必能涵蓋各種異常。這時候如果同款設備曾在他廠發生故障，那這些經驗就可能幫助 AI 模型提早辨識出風險。
以上是企業導入 AI 應用時最真實的場景。企業擁有作業中所需要的專業，但資料的侷限性卻很大。經濟合作暨發展組織（OECD ）於 2025 年發布的七國中小企業調查中顯示，有 31% 的企業開始使用生成式 AI，而使用者中有 65% 表示工作績效有所提升。但是，當應用從簡單的翻譯、文書，走向設備判斷與品質控管時，AI 所需要的資料條件也會升高。AI 一旦深入到企業營運的核心，就更需要貼近作業現場的資料。這也讓跨企業合作出現明確的動機：利用各自有限的經驗，共同改善 AI 的判斷能力。
這個發生在企業中的課題，也出現在 APEC 的健康議題合作裡。多年來，APEC 成員希望借助彼此的經驗，提升對疾病偵測、診斷的準確性，但每當觸碰到敏感的病歷資料時，合作計畫就會擱淺。現在，透過企業 AI 解決方案、醫療人員參與，終於打開了契機，可望為人類打擊疾病增添力量。而 APEC 經驗正可作為企業合作的借鏡，達到廣達電腦張嘉淵技術長所說的：「從資料分享走向智慧分享。」
重點摘要
📝資料不足限制企業 AI 效益 中小企業累積的異常與故障資料往往有限，跨企業合作有助擴充學習經驗，但須先處理機密保護與使用權責。
📝醫療協作提供新的合作方法 廣達與輝達的醫療AI工作坊，展示原始資料留在各機構、交換模型更新的方式，提供敏感資料合作的參考。
📝合作規則決定技術落地效益 中小企業應從共同營運問題出發，釐清資料用途、成果權利與驗證責任，讓AI合作具備可持續運作的條件。
資料有合作價值，卻包含商業機密？
企業合作動機是有了，但難題也隨之出現。比如銀行體系希望防堵詐騙，但各銀行握有的顧客存款、放貸、投資等紀錄都必須被嚴格保護，可是資料沒有交換出去，AI 如何判斷異常？製造業工廠設備紀錄也可能透露產能利用率，品質資料可能反映製程參數，訂單資料則包含客戶與價格。企業也許願意改善 AI 判斷的準確率，但卻不樂見資料交付後，有些屬於商業機密的部分被看到。
在醫療領域中，這種矛盾是更為深刻的。不同醫院的病人、設備與診療條件各異，跨院資料雖然有助於模型適用更多情境，但是病歷是非常敏感的資料，它同時涉及隱私、安全與使用責任，因此合作必須建構在嚴格的規範上。APEC 在 2025 年通過《人工智慧倡議（2026 – 2030）》，將安全可靠的 AI 應用與跨經濟體合作列為重點，並同時鼓勵微中小企業參與公私合作。但落實到企業經營上，仍然會有類似的問題：如何利用其他機構的經驗，但同時又保護各自的資料？這與 APEC 醫療合作計畫如出一轍，關鍵是合作時關於效益與權責的機制，必須能取得參與各方的信任。
聯盟式學習、醫療AI、生成式AI、中小企業AI、資料治理、機密資料、模型訓練、跨企業協作、NVIDIA FLARE、APEC人工智慧倡議