一家香港保險公司的 AI 理賠代理已準備上線：它能閱讀索償表格、核對保單條款、草擬賠償信。試點十分成功，但保安審查只問了一個問題，卻沒有人答得出：客戶的身份證號碼一旦進入代理的記憶，要怎樣才能把它清除？
這個問題正在拖慢各行各業的 AI 代理上線。越來越多保安團隊選擇的答案，是數據代碼化（Data Tokenization）。本文說明它是甚麼、如何在 AI 流程中運作、在《個人資料（私隱）條例》下的意義，以及管理層如何在不放鬆管控的前提下，加快 AI 項目審批。
什麼是 AI 數據代碼化？
數據代碼化是指在資料進入 AI 模型、向量資料庫或代理記憶之前，把身份證號碼、帳戶號碼、客戶姓名等敏感數值，替換成不具意義的代碼。真實數值另存於受嚴格保護的「代碼庫」，只有獲授權的系統或人員，才能把代碼還原。
代碼化後的資料仍然「像資料」：帳戶號碼變成同樣長度的另一串字元，系統對接和數據分析照常運作。模型可以分析「客戶 TKN-4471」的行為，卻永遠不知道此人是誰。
需要釐清的是，這與大型語言模型計費時所說的「token」完全不同。後者是文字片段；數據代碼化則是一種保安措施，在信用卡支付領域按 PCI DSS 標準使用已超過十年。
為什麼 2026 年 AI 代理令數據代碼化變得迫切？
因為 AI 代理會把資料複製到難以清理的地方：提示、向量資料庫、日誌及共用的代理記憶。保安團隊深知這一點，於是放慢審批。Enterprise Management Associates 的研究顯示，82.9% 的機構曾因保安或合規審查而延遲 AI 上線。
該研究名為 The State of AI Friction，由代碼化供應商 Protegrity 贊助，引用時須留意這一點。另一項數據同樣值得管理層注意：81.6% 的機構為了保安，把功能刪減後的 AI 推出市場，也就是把最有價值的資料拿走了。
Protegrity 副總裁 Diego Loureda 於 2026 年 11 月 1 日接受 SiliconANGLE 訪問時直言：敏感資料一旦進入模型、向量資料庫，或會傳遞給其他代理的記憶，就幾乎不可能再移除。
自主程度上升令風險加倍。Deloitte 於 10 月 29 日公布的調查指出，40% 的企業已容許 AI 在不同程度上毋須人手批准而直接執行決定，而 23% 表示當 AI 出錯時，責任誰屬並不清晰。
代碼化與加密、遮蔽、刪除有何分別？
代碼化以替代值取代原值，並把原值存放在代碼庫，因此資料既可使用，也可還原。加密以數學方式打亂資料，使用前必須解密；遮蔽只隱藏部分字元供人閱讀；刪除則永久移除。四種方法各自對應不同的 AI 風險。
--- 加密：適合儲存及傳輸，但模型無法理解密文，解密的一刻資料便會暴露。
--- 遮蔽：例如顯示「A123***(7)」，適合畫面展示，但被遮蔽的部分往往正是串連紀錄的關鍵。
--- 刪除：最安全，但 AI 無法把索償與保單或客戶連結起來。
--- 代碼化：同一客戶始終對應同一代碼，AI 可以串連、統計和推理，真實身份則留在代碼庫。
數據代碼化在 AI 代理流程中如何運作？
代碼化應設於資料流之中：敏感欄位在離開源系統時即被替換，之後才進入提示、向量化、工具調用或日誌。AI 代理全程只處理代碼，只有在最後一步，並且只對獲授權的使用者，才把指定代碼還原為真實數值。
常見的五步模式
--- 一、分類：標示個人或機密欄位，例如身份證、電話、帳戶、薪酬、醫療紀錄。
--- 二、源頭代碼化：由 CRM、核心銀行或人事系統抽取資料時即時替換。
--- 三、以代碼處理：模型、向量資料庫及所有工具調用，只看到代碼。
--- 四、按政策還原：理賠主任在最終信件上看到真實姓名，代理及其日誌則永遠看不到。
--- 五、監察代碼庫：對大量還原請求設限及警報，這是濫用的最常見跡象。
還原權限必須與身份掛鈎。UD 的 AI 代理身份指南說明如何為每個代理配置獨立權限，代碼庫政策才能真正落實。
數據代碼化對香港私隱條例合規有何意義？
在《個人資料（私隱）條例》下，代碼化資料通常仍屬個人資料，因為持有代碼庫的機構可以重新識別個人。因此，代碼化是保障資料原則第 4 原則下的有力保安措施，而非豁免。不過，一旦 AI 系統出事，它能大幅減少外洩的內容。
私隱專員公署的 AI 相關指引，包括 2024 年《人工智能：個人資料保障模範框架》，要求機構盡量減少 AI 系統使用的個人資料，並採取與風險相稱的保障。代碼化是在審計時證明「資料最少化」的最實際方法之一。
--- 第 3 原則（使用）：以代碼用於新的 AI 用途，仍須檢視是否與原本收集目的相符。
--- 第 4 原則（保安）：代碼化是採取「所有切實可行步驟」保障資料的直接證據。
--- 跨境處理：只把代碼送往海外模型供應商，可識別身份的數值便留在香港。
關於公署對代理式 AI 的具體期望，可參閱 UD 整理的 私隱專員公署代理式 AI 指引。
哪些企業 AI 應用最受惠於代碼化？
最受惠的是需要串連個人紀錄、卻毋須知道對方是誰的應用：理賠分流、客服摘要、信貸及欺詐分析、人事個案處理，以及物流異常管理。在這些場景中，模型負責分析模式，只有最後一步才需要真實身份。
金融服務：一家銀行的投訴摘要代理每周閱讀數千封電郵。姓名、帳戶及身份證號碼代碼化後，代理仍可按客戶及產品歸類投訴，只有客戶經理能看到代碼背後是誰。
專業服務：律師行的研究代理比對過往案件條款，客戶及對手方名稱均已代碼化，律師行便可使用雲端模型，而不必把受保密特權保護的身份留在第三方日誌中。
物流及物業管理：送貨地址、租戶姓名及電話在代理草擬通知前已被替換，還原只在訊息系統中進行，模型本身從未接觸。
管理層如何以「審批模式」取代逐個審批項目？
管理層可預先批准若干標準模式，即資料類別、保護規則、模型位置與還原權限的固定組合。符合已批准模式的新項目，只需簡易檢查而毋須全面審查。正如 Loureda 所說，逐個審批項目的做法，在 AI 時代無法擴展。
四關模式審批框架
--- 第一關，資料類別：公開、內部、機密，或私隱條例下的個人資料。
--- 第二關，保護規則：哪些欄位代碼化、刪除或可明文使用。
--- 第三關，模型位置：自建、香港私有雲，或海外供應商（只可接收代碼）。
--- 第四關，還原權限：哪些職位可看真實數值，全部記錄並設上限。
保安委員會一次過批准五至六個模式後，大部分新代理項目可在數天內完成審批，省下的時間可集中處理真正需要全面審查的個案。
企業推行數據代碼化最常犯哪些錯誤？
最常見的錯誤包括：太遲才代碼化，資料早已進入日誌或向量；忽略自由文字，姓名藏在電郵內文中；代碼化過度，令 AI 失去必要的脈絡；輕視代碼庫本身的保安；以及誤以為代碼化資料在私隱條例下屬匿名資料。
--- 位置太後：只在模型閘道代碼化，會漏掉暫存表及除錯日誌中的副本。
--- 只處理結構化欄位：電郵內文及掃描文件中的姓名，需要實體識別技術。
--- 過度代碼化：若日期和金額都被替換，代理便無法判斷索償是否逾期或金額過大。應代碼化身份，保留任務所需的事實。
--- 代碼庫保安薄弱：代碼庫是最核心的資產，須有獨立的權限檢討、監察及災難復原安排。
--- 誤當匿名：可還原的代碼仍屬個人資料，保存、查閱及外洩通報程序照樣適用。
企業管理層本季應該做甚麼？
先挑選一個卡在保安審查的 AI 代理，畫出其敏感欄位的流向，在源頭代碼化，並以此項目寫成第一個獲批模式。然後量度下一個同類項目需要多少天才獲批。
代碼化不會令 AI 治理的難題消失，卻能把保安團隊由「說不的部門」變成「讓 AI 上線的團隊」。懂AI的冷，更懂你的難。UD 同行28年，讓科技成為有溫度的陪伴。
不確定哪些 AI 項目正被資料風險卡住？先用三分鐘做一次 AI 準備度評估。UD 團隊手把手帶你完成每一步，由資料分類、代碼化模式設計，到模型選型與部署上線。
由 UD 企業 AI 團隊審閱。所有數據均註明出處，供應商贊助的研究已清楚標示。