AI 安全評估完整指南：獨立審查與報告把關

外部機構替 AI 模型做安全評估，常被視為比開發商自我檢查多一層保障。但「外部」不等於「獨立」：評估者能取得哪些資料、能否自行設定方法、報告能否如實公開，都會左右結論能不能被外界檢驗。近期報導指出，Anthropic 與 OpenAI 曾就外部評估報告的發布內容及審查安排進行協商，讓發布權也成為 AI 治理的一部分。

對正在導入 AI 代理（AI agent，能依目標呼叫工具並執行多步驟工作的系統）的台灣企業而言，判斷報告是否可採信，不能只看封面上的「第三方評估」。還要回到問題本身：評估者看過什麼、測了什麼、發現了什麼，以及哪些內容最後沒有出現在公開版本。

一、報告發布權為何也是治理問題？

發布權會決定外部發現能否接受檢驗。 若受評公司能控制結論或隱去重大限制，讀者便難以判斷報告支持了哪些主張、又留下哪些未解風險。

INSIDE 於 2026 年 10 月 14 日報導，路透社引述知情人士稱，Anthropic 與 OpenAI 曾在外部評估合作中爭取對報告內容的控制；報導也記載兩家公司對談判情況的回應，以及各自公開提出的原則。這些是媒體報導及公司公開說法，不能據此推定雙方已簽下某一份特定發布控制合約，或所有談判都已完成。INSIDE 報導

公開原則與個案合約須分開看：前者表達立場，後者界定審閱、修正、刪改和發布安排。OpenAI 的第三方評估原則提出編輯獨立、依規則刪改敏感內容，並揭露重大刪改及其影響；它不等於每份合約的完整條款。OpenAI 第三方評估原則

安全評估可能涉及未公開模型、測試紀錄與事故資料，開發商有保護營業秘密、客戶資料及資安細節的需求；外界則須判斷評估證據是否充分。若審閱期限、保密範圍與刪改權沒有界線，重大限制便可能被遮蔽。合約應說明編輯權限、理由及刪改影響紀錄。

二、外部評估者的獨立性要看哪些關係？

要同時檢視利益關係、工作自主性、資料存取與回報管道。 評估者即使來自外部機構，如果高度依賴受評公司的經費或只能接觸公司挑選的資料，仍可能無法完整驗證安全主張。

第一項是財務與商業關係：誰支付評估費、是否另有合約或利益，報酬是否與結論或發布時點掛鉤。OpenAI 公開原則主張報酬不應取決於結果，並要求揭露及處理組織與個人層級的利益衝突；採購方仍須核對實際合約和揭露文件。

第二項是評估者能否自行判斷。評估者是否能提出公司原先沒有列出的風險？能否自行挑選測試情境、評分標準和測試工具？是否可接觸模型版本、系統提示、監控紀錄、工具權限和事故資料？若這些項目全由受評公司先行篩選，讀者就要知道哪些請求被拒絕、理由為何，以及拒絕是否限制結論。

第三項是工作與回報安排。嵌入式評估（評估團隊長期進駐公司、取得近似內部人員的工作存取）可以讓評估者觀察訓練、部署和日常流程；但長期合作也增加經費依賴、工作關係與熟悉偏誤的可能。應確認評估者可否直接向董事會、風險委員會或指定監督機構報告，是否受到報復保護，以及評估結果能否保留不同意見。

OpenAI 公開原則要求評估者具備相關技術專業，辨識並處理與開發者的財務及工作關係，也提醒單一第三方無法完整覆蓋所有前沿 AI 風險。因此，獨立性須由制度與證據判斷，不能只看機構名稱或聲明。

OpenAI 公開第三方評估原則主張，評估者應維持編輯獨立，並兼顧機密與智慧財產保護；是否落實仍須比對實際合約與報告。OpenAI

三、機密刪改如何不遮住重要結果？

可以保護具體機密，但刪改應限於明確理由，並留下位置、範圍及影響說明。 若讀者無法知道刪掉的是什麼類型的資訊、是否改變結論，就難以判斷公開版本是否仍完整呈現風險。

模型權重、未公開漏洞、客戶資料或可被濫用的操作細節，不一定適合直接公開。合理的保密審閱可以保護這些資訊，也讓評估者有機會修正事實錯誤。問題在於，保密審閱是否被延伸成結論審批。若受評公司能要求改寫不利發現，或用「商業敏感」概括所有不便公開的內容，評估者的判斷就可能受到限制。

報導指出，Anthropic 執行長 Dario Amodei 的公開文章提出有限刪改權，範圍包括資安敏感、受法律特權保護、商業敏感與第三方機密資訊，並表示不得只因發現不利就刪除；評估者也可說明刪改是否移除了對結論重要的內容。OpenAI 的公開原則則提到，受評公司可要求刪除敏感資訊，評估者可註明重大刪改及其影響。兩者都屬公開原則，仍須和各案契約、執行紀錄分開核對。Amodei 公開文章・OpenAI 原則

企業可索取刪改政策或摘要，確認允許刪除的資訊類別、決定權、審閱期限，以及重大刪改是否公開標示。細節若不能公開，至少應讓董事會或監管機構檢視保密版本。也要區分修正事實錯誤與改變評估觀點，後者可能左右結論。

METR 公開審查 Anthropic 一份風險報告，記錄其審閱是為避免洩漏機密，不是批准安全或風險結論；METR 表示未因此更動結論、重點或語氣。這是單一案例，不能推定其他合約相同。METR 審查報告 PDF

四、一份可採信的 AI 安全評估報告要交代什麼？

至少要能辨認受測對象、測試方法、存取條件、結果限制與後續修正。 缺少這些資訊時，讀者無法把報告結論連回其證據，也無從判斷結論適用範圍。

先核對評估對象與版本，包括模型、系統設定、部署形態及測試期間的版本變更。AI 代理還涉及工具、權限、記憶、提示、監控與人工核准；報告若只列模型名稱，未必涵蓋部署風險。

再核對測試要支持的安全主張、情境、評分方法、樣本與環境限制，並區分評估者實測和公司提供的資料。OpenAI 指引也要求交代方法、標準、不確定性及證據可支持的結論；測試環境若不足以代表更廣泛情境，應說明差距。

結果應交代失敗案例、未測項目、資料缺口與不確定性，避免只看通過比例而高估涵蓋面。修正聲明也須與原評估者複測區分，並核對複測版本。

Anthropic 執行長 Dario Amodei 在公開文章中主張，外部審查者應可發布風險等級、事故、公司作法及自身存取權限等關鍵發現，不受 Anthropic 編輯控制；實際合作仍須檢視個案合約與報告。Dario Amodei

評估結果須連同測試環境解讀。OpenAI 與 Anthropic 公布的交叉評估指出，雙方存取條件及對自家模型的熟悉程度不同，難以完全對等比較；測試用來探索模型傾向，不是完整威脅建模，也不能直接推及所有真實使用情境。這些限制是報告的重要內容。OpenAI 聯合評估說明

五、台灣導入者如何把報告轉成採信條件？

把報告當作風險證據之一，再逐項對照自己的用途、資料和部署環境。 供應商報告即使可信，也只支持其明確記載的模型、測試條件與範圍，無法替企業自己的設定背書。

採購、資安與治理團隊應比對報告的版本、部署方式、工具權限、資料來源及使用者角色，並確認評估者是否看過內部部署、訓練或事故紀錄。接入企業知識庫、程式碼庫或客戶資料後，也要核對報告是否涵蓋新增的資料流與權限。

可將缺口寫入合約：要求重大模型或安全機制變更通知、對應版本的評估資料、未測項目與未結案發現，以及事故調查和補充報告安排；並約定刪改政策、審閱期限及高風險變更後的重評。報告若受保密限制，應提供摘要或第三方檢視，讓企業決策者取得足夠資訊。

供應商測試不會自動涵蓋企業自設的代理流程。部署方仍須管理帳號權限、資料存取、人工核准、日誌與停止機制，並明定事故窗口及回報路徑，才能追查模型、工具或流程的問題並採取行動。

1. 確認評估者與受評公司的關係：查明資金來源、其他合約、報酬條件及利益衝突處理方式。
2. 核對存取與測試範圍：列出模型版本、代理工具權限、測試資料、方法、未測項目及被拒絕的存取請求。
3. 要求發布與刪改紀錄：確認保密理由、審閱期限、重大刪改標示，以及刪改是否影響結論。
4. 映射到自家部署情境：比對用途、資料流、整合方式與人工監督，為範圍外風險安排補測或其他控制。
5. 設置更新與事件機制：把模型重大變更、事故通知、修正驗證和重新評估納入採購或服務條款。

檢查完成後，決策紀錄應清楚寫出採信了哪些結論、依據哪些證據、仍有哪些風險由企業承擔，以及何時需要重新評估。報告的用途是協助組織作出有依據的判斷，不能取代自身的資安管理、資料治理與部署責任。

• 外部評估的可信度取決於評估者的利益關係、存取權、方法自主性與回報管道。
• 保密刪改應有清楚理由和界線，並揭露重大刪改對結論的影響。
• 報告只適用於載明的版本、範圍和測試條件；台灣導入者仍須對照自己的資料、權限和工作流程。

六、外部評估是否等於獨立審查？

不一定。 外部身分只說明評估者不屬於受評公司的內部團隊；是否具實質獨立性，仍須檢查利益衝突、資料存取、方法決定權、報告發布權和監督管道。

常見問題

Q1：評估公司出錢，報告還可信嗎？

付款不必然造成偏頗；應揭露出資者、其他商業關係及報酬條件，並確認評估者能自主選方法、表達不同意見。

Q2：公司要求評估者先看報告，是否就代表公司控制結論？

不必然。應確認審閱範圍、期限、決定權及刪改紀錄，並確認評估者可拒絕改動結論。

Q3：供應商只有一份安全報告，能否直接作為採購依據？

可作為風險資料之一，還要比對報告版本、用途、測試條件與存取範圍是否符合預定部署。差異部分應另做測試或設置控制措施。

Q4：看不到未公開的完整報告，還能如何確認？

可索取保密摘要、方法、未測項目、重大刪改及未結案發現，或委由第三方檢視。關鍵限制不明時，應降低採信程度。

採信 AI 安全報告前，治理、資安與採購窗口應確認評估者關係、資料存取、方法限制、刪改紀錄及未公開發現的回報方式，再對照實際部署情境。