「私有」需要一份具體的定義
企業討論私有 AI 時，可能指自有機房、專屬雲端環境，或具特定資料控制的服務。這些方案的責任、成本與操作方式不同，不能只用一個標籤來判斷。
先列出要處理的資料、允許存放的位置、可以接觸的人，以及能接受的外部依賴。再評估架構，而不是先選部署地點。
畫出完整的資料流
除了模型接收的內容，還要包括上傳文件、索引、對話紀錄、系統日誌、備份與監察資料。任何外部工具、模型服務或更新機制，都應放在同一份圖裏。
針對每項資料回答：
- 誰可以讀取、修改與刪除？
- 資料傳到哪裏，保留多久？
- 備份如何還原，刪除如何落實？
- 故障與安全事件由誰處理？
本地部署並不自動代表資料不會離開網絡。外部連接、遙測與支援流程，同樣需要檢查。
權限要跟隨原有資料
知識庫常把不同部門文件放在同一個索引。如果原來的權限沒有保留，使用者可能透過 AI 看到本來無權查閱的內容。
設計應考慮使用者身份、文件權限、查詢過濾與可追溯記錄。測試不同角色能否讀到不應看見的資訊，也要檢查摘要與引用是否揭示額外內容。
安排維運，而不只是安裝
企業方案需要有人負責模型與系統更新、容量、備份、存取審查及事故處理。先確認團隊能承擔哪些工作，再決定自建與託管的分工。
用真實工作樣本評估答案品質與限制，保留人工覆核及停用流程。涉及特定合規要求時，與企業的法律、安全及行業負責人共同確認控制與證據；部署形式本身並不等於完成合規。
清楚的邊界，讓架構選擇有依據，也讓日後維運更可管理。與 Area2 討論企業 AI 的範圍，從一份資料流與責任清單開始。