【專利三】GenAI 合規設計的關鍵技術：銀行 AI 產品經理如何用「敏感資訊替換」兼顧效能與法遵？

每一個 GenAI PM 都會遇到的合規噩夢

想像這個場景：

你終於把 RAG 系統上線了，客服人員用它查詢客戶資料、業務規則、內部 SOP……效果很好，大家都很開心。

然後法遵部門來了。

「這個系統的回覆包含了客戶姓名、帳號資訊，這樣符合個資法嗎？」

「內部業務資料顯示在回覆裡，萬一截圖外流怎麼辦？」

「這個回覆提到的時間地點，是不是隱含了某些敏感業務資訊？」

這不是假設場景，這是我親身經歷過的對話。

身為 GenAI Product Owner，你必須讓 AI 系統「又有用、又合規」——這兩件事不是互斥的。

我的解法就是專利 **M671223《資訊查詢系統》**中的敏感資訊過濾與替換技術。

很多人聽到「敏感資訊處理」，第一反應是「直接刪掉」或「打星號遮蔽」。

但這樣做會讓回覆失去語意完整性，用戶根本看不懂。

這個系統的設計更精巧：用「同類型、不同內容」的替代訊息取代敏感內容，保留語意結構。

具體來說，系統會：

接收資訊查詢請求，從知識庫中找出相關金融業務資料
由 LLM 產生「初始回覆」，其中可能包含敏感訊息
輸出資訊處理模組識別初始回覆中的待替換訊息，分類為：
- 個人資料（姓名、身分證號、帳號等）
- 業務內容（特定產品細節、費率等）
- 時間資訊（敏感交易時間等）
- 地點資訊（特定分行、地址等）
依預設規則，將敏感內容替換為類型相同、內容相異的替代訊息
輸出最終合規回覆

銀行、醫療、法律……這些高度受監管的行業，是 GenAI 最有價值、也最難落地的市場。

難落地的原因幾乎都不是技術問題，而是合規問題。

作為 GenAI Product Manager，如果你能在產品架構層面就解決合規疑慮，你就能把競爭對手遠遠甩在後面——因為大多數人還在用「事後 review」的方式處理法遵，而你已經把合規能力內建進系統裡了。

Layer 1：輸入端過濾 在用戶的 prompt 進入系統前，過濾掉不應該被查詢的敏感資料範疇。

Layer 2：輸出端替換（本專利的核心） 在回覆送出前，自動識別並替換敏感內容，確保外顯資訊合規。

Layer 3：稽核日誌 完整記錄每一次查詢、每一次替換，支援事後稽核與法遵查核。

只做其中一層是不夠的。三層加在一起，才是真正的 GenAI 合規架構。

M671223 資訊查詢系統（敏感資訊過濾與替換）｜公告日：2025/06/01｜唯一發明人：劉岦崱