Jerry Chen

管制 AI 到管理 AI：企業安全使用 AI 的新思維

NT$1,200

＃資訊安全＃資安應用

從企業導入 AI 的管理視角出發，協助 HR、主管、PM、部門種子人員與 IT 協作窗口建立 AI 治理的共同語言。不聚焦資安技術操作，而是帶領學員理解企業如何從「管制 AI」轉向「管理 AI」，透過工具邊界、資料分級、責任歸屬、人工審核與跨部門分工，讓 AI 成為可控、可用、可落地的企業能力。

NT$1,200

目前尚無任何課程公告

講師將會在這發佈與課程相關的公告或是通知課程內容更新的公告。

課程資訊

課程時長 1 小時 0 分

課程共 5 單元 18 小節

2 個可下載的學習資源

適合對象

HR 人資與制度規劃角色

如果你正在面對企業內部 AI 使用政策、員工培訓與制度落地問題，這門課會幫你建立從「禁止」走向「治理」的整體思維。

主管、PM 與跨部門推動者

如果你需要在團隊流程中導入 AI，又同時擔心資料外洩、責任不清與使用失控，這門課會幫你建立更清楚的治理框架與執行分工。

IT 窗口、種子人員與企業內 AI 導入協作者

如果你正扮演工具導入、存取控管、使用規則推動或部門第一線支援角色，這門課能幫你看懂技術與治理之間該怎麼接起來。

你可以學到

完整學會治理原則

一套從「禁止 AI」走向「治理 AI」的整體治理思維，理解企業如何安全、可控地推進 AI 使用。

一套清楚的 AI 治理核心架構，掌握工具邊界、資料分級、責任歸屬與跨部門協作的關鍵原則。

一份更具落地感的 AI 治理推進邏輯，幫助你回到組織後規劃制度、流程與角色分工。

AI治理的基本反思

為什麼「全面禁止 AI」通常不是最安全的做法，反而可能讓風險轉入地下化。

企業導入 AI 時最常見的三大安全風險，以及它們在不同產業中的實際樣貌。

RAG、工具部署、資料流向與企業版／消費版差異，如何影響 AI 使用風險。

如何建立企業 AI 治理的三個核心支柱：工具管理、資料保護與存取控制。

如何從責任分工、人工審核、跨部門協作到種子人員養成，逐步推進 AI 治理落地。

你可以帶走

AI 治理全貌地圖：從風險辨識、治理支柱、責任分工到落地執行，幫助你看懂企業安全使用 AI 的整體路徑。

AI 治理落地思維框架：包含資料分級、工具邊界、角色存取、事件應變與種子人員推廣邏輯，讓你更清楚企業內部該怎麼推進。

課程介紹

實戰演練與行動落地

課中實作：帶入自己目前組織內的 AI 使用場景，思考哪些流程需要治理、哪些角色需要被納入規範與協作。

案例拆解：從禁 AI、影子 AI、資料分級、角色存取到跨部門責任分工等情境出發，辨識企業治理盲點與改善方向。

行動清單

協助學員規劃接下來 90 天最值得優先推進的 2–3 個 AI 治理場景，例如工具盤點、政策初版、資料分級或責任線建立。

治理框架整理：聚焦工具邊界、資料分級、存取控制、責任分工與種子人員推廣等核心原則，幫助學員建立更穩定的治理思路。

工具箱總結頁：將本課核心概念、治理原則與推進邏輯整理成一頁總覽，方便後續內部溝通與規劃時快速複習。

確保你不只是聽懂，而是能在真實企業情境中穩定運用治理思維。

課程大綱：

這不是一門只談 AI 工具操作的課，而是一門幫助企業建立 AI 治理思維與落地邏輯的應用課。課程先從「禁止 AI 為什麼是錯的開始」切入，帶你理解禁令、恐懼與影子 AI 的關係；接著辨識 AI 真實風險與不同產業的風險樣貌，再往下進入治理三支柱：工具邊界、資料分級與存取控制，之後延伸到責任線、跨部門協作、DLP、事件應變、種子人員與文化推廣，最後收束到 90 天可執行的治理行動。

掌握這套 AI 治理框架後，你可以應用在：

規劃企業 AI 使用政策與內部規範時，不再只靠禁令，而是建立更可持續的治理制度。

導入企業版 AI 工具、設定資料邊界與角色存取時，更清楚掌握風險與責任。

與 HR、IT、主管、業務與 PM 協作時，建立更清楚的角色分工與治理節點。

面對員工私下使用 AI、資料分級不明或責任模糊時，降低風險與管理成本。

在企業內部推動 AI 使用文化時，讓治理不是阻力，而是組織能力的一部分。

完成課程後，你不只是知道 AI 有風險，而是能更清楚地理解：企業要安全使用 AI，關鍵不在禁止，而在治理。

01 第一章　觀念建立與學習指引＋

1-1 課前思考：你的組織正在怎麼使用 AI？：說明企業常見的禁 AI 心態與背後代價，建立「禁止不是安全，治理才是能力」的核心觀念。
1-2 學習路徑說明與角色地圖：協助不同角色找到最相關的學習切入點，建立 HR、主管、PM、種子人員與 IT 窗口的角色定位。

02 第二章　從恐懼到理解：看清 AI 的真實風險＋

2-1 只靠禁令的代價：影子 AI 如何在組織中擴散：分析企業禁 AI 背後常見的恐懼、合規與不確定性，理解禁令如何讓 AI 使用轉入地下化。
2-2 【案例】三大 AI 風險：資料外洩、幻覺輸出與合規缺口：聚焦資料外洩、幻覺輸出與合規缺口三大風險，從真實案例理解風險樣貌。
2-3 產業別 AI 風險圖譜：不同場景該管什麼？：辨識不同產業在 AI 使用上的風險特性，建立風險與治理工具之間的連結。
2-4 AI 工具的技術架構與資料流向：理解 Prompt、模型、回應之間的資料路徑，看懂企業版、消費版、本地與雲端部署差異。

03 第三章　AI 治理框架：三個核心支柱＋

3-1 什麼是 AI 治理？從禁令到制度：建立企業 AI 治理的基本定義，理解從單點控管走向制度化治理的必要性。
3-2 工具邊界、資料分級與 AI 政策設計：理解資料分級、工具核准與政策模組化設計，建立 AI 使用政策的基本設計邏輯。）
3-3 IAM × Role Matrix：建立 AI 工具存取控制：理解角色定義與條件式存取在治理中的作用，建立存取控制與身份管理概念。
3-4 AI 供應商安全評估框架：看懂企業在選擇 AI 供應商時應評估的重點，理解認證、協議與管理功能在治理中的位置。

04 第四章　落地執行：責任、審核與協作＋

4-1 AI出問題誰負責：三道審核防線與責任線：建立使用者、主管、IT／資安之間的責任線，理解稽核、通報與審核機制的重要性。
4-2 各部門分工與跨部門協作框架：掌握 HR、法遵、IT、業務等角色在治理中的職責，建立跨部門治理委員會或協作機制概念。
4-3 【演練】DLP工具：防止敏感資料進入 AI：理解 DLP 在 AI 使用治理中的角色，建立工具比較與選型的基本判斷方向。
4-4 AI 事件應變 SOP 與通報流程：理解 AI 事件分級、通報與處理的重要節點，建立從事件發生到改善閉環的治理意識。

05 第五章　下一步實作行動計劃＋

5-1 培養企業內部 AI 種子人員：辨識 AI Champion 在組織中的作用，建立種子人員選拔與任務分工的理解。
5-2 AI 文化建立：守則、分享與持續改善：建立 AI 使用守則、內部分享與持續改善的推進邏輯，理解治理如何與文化推廣結合。
5-3 你的下一步：90天行動計畫：理解種子人員如何帶動部門內部學習與實戰演練，從1~90天分為三個區間建立有政策、有工具、有人員的最短治理路徑。

學習前基本能力

具備基本企業流程或管理理解經驗

建議已有參與制度規劃、部門管理、專案推動或流程設計的經驗。

對 AI 使用風險與企業導入議題有基本關注

不需技術背景，但需對企業正在面對的 AI 使用、風險與治理議題有基本理解與興趣。

願意從禁止思維轉向治理思維

願意重新思考企業使用 AI 的方式，從單純禁止或放任，走向更成熟的治理做法。

學習前準備

想一個你目前組織內最常見、也最讓你擔心的 AI 使用情境，例如員工私下使用、資料外洩風險、角色責任不清或缺乏使用政策。

簡單記下這個情境目前的做法、牽涉到的角色與你最在意的風險，課程中可以直接作為你的治理思考素材。

課程資訊

課程時長 1 小時 0 分

課程共 5 單元 18 小節

2 個可下載的學習資源

關於講師

Jerry Chen

陳仲儒 Jerry Chen,AI 與數位轉型顧問,「智慧旺來 Smart-Pineapple」創辦人,深耕科技產業與通路生態系超過二十年,足跡橫跨台灣、中國與亞太市場。

Jerry 的職涯起點在行銷與廣告領域,曾任職 EURO RSCG(Havas)集團擔任執行副總,服務東元集團等企業,奠定了他日後始終「從商業視角看技術」的顧問底色。2008 年起加入中國微軟,擔任通路生態系總監,主導合作夥伴的雲端轉型,親身經歷了一整個世代的技術典範轉移;其後出任京東集團京東雲事業群副總裁,負責企業雲生態與銷售,並於中國平安旗下壹賬通金融科技擔任華南區總經理,將雲端與金融科技方案推進金融產業。2021 年回到台灣微軟,擔任生態解決方案總經理,統籌雲端服務夥伴生態的發展與轉型。

二十多年來,他做的其實是同一件事:站在新技術與企業現場之間,把「聽起來很厲害」變成「真的用得起來」。

2025 年底,Jerry 以獨立顧問身分創立「智慧旺來」,專注協助企業從 AI 策略走到落地執行,服務對象涵蓋全球製造業集團、汽車零售服務連鎖與資安產業,範疇包括企業 AI 導入、數據平台現代化與市場進入策略。他同時擔任行政院智慧國家推動小組民間諮詢委員,並曾任亞洲實效行銷獎(PMAA)評審。

Jerry 的專長領域橫跨 AI 策略與智慧代理系統、雲端與數據平台轉型、資安治理與零信任架構。他相信,客戶的形式各不相同,但真正的轉型,都需要清晰的方向——和對的夥伴關係。

學習附件

下載全部