7月20日，新加坡個人資料保護委員會（PDPC）在資訊通信媒體發展局（IMDA）的支持下，正式發布《生成式AI個人資料使用諮詢指導原則》（以下簡稱「指導原則」）。
數碼發展及新聞部長楊莉明在濱海灣金沙博覽中心舉行的首屆新加坡數據節開幕式上介紹新的指導原則時明確指出：
「我們明確規定，當使用個人資料開發或改進生成式AI模型時，相關機構應當清楚說明這一點，而不是依賴用戶未必留意或理解的籠統表述。」
這份指導原則的出台，旨在為已全面生效逾十年的《個人資料保護法令》（PDPA）在生成式人工智慧（Generative AI）應用場景下的適用原則提供明確指引。
指導原則基於並應與PDPC此前發布的《AI推薦與決策系統中個人數據使用諮詢指導原則》及《PDPA關鍵概念諮詢指導原則》一併閱讀。
資料圖/來源：PDPC
一、「AI專屬通知」：
核心義務與明確同意
指導原則的核心要求是：
當企業將個人資料用於生成式AI模型開發，且同意例外情形不適用時，必須向用戶發出「AI專屬通知」（AI-Specific Notifications）並徵得同意。
所謂「AI專屬通知」，內容不必過於技術化或詳盡，但須清楚說明三大要素：
個人資料的使用目的、擬使用的數據類型和方式，以及用戶如何拒絕或撤回同意。指導原則強調，這項要求在生成式AI領域尤為關鍵，因為模型一旦完成訓練，後續修正空間有限，且生成式AI模型可能被廣泛應用於不同場景。
因此，個人有理由擔心某些較為敏感的資料，例如兒童信息、健康數據或信用記錄，可能在模型中被暴露、重建或向第三方披露；又或者個人資料被用於其未曾預料的用途。
楊莉明部長以企業客戶服務團隊為例指出，企業可能希望利用客服熱線錄音改進生成式AI模型，以更快速、更準確地回應客戶諮詢，但這些錄音中可能包含姓名、住址、帳單資料等個人信息。
因此，企業應更新隱私政策，明確說明在取得客戶同意的前提下，客服通話錄音將用於訓練和改進AI模型。她也說，企業可更新客服人員徵求用戶同意時所使用的話術，清楚說明錄音將用於生成式AI模型的訓練和優化。
指導原則還舉例說明，社交媒體平台運營商若計劃將用戶資料用於開發或整合至平台內的生成式AI模型，可通過多種方式履行通知義務；
包括更新隱私政策、設立專門的隱私說明網頁、在平台內發布隱私更新通知供用戶閱讀確認，以及向用戶發送電子郵件告知政策變更，並附上可拒絕同意的超連結。
資料圖/楊莉明，來源：聯合早報，侵刪
二、「公開可獲取資料例外」的適用邊界
指導原則同時明確了「公開可獲取資料例外」（Publicly Available Exception）的適用邊界。由於開發生成式AI模型需要大量數據支持，網絡數據抓取（web scraping）可以自動提取大量線上公開信息，是企業整理和建立數據集的常見方式。
根據PDPA，開發生成式AI模型的機構可依據「公開可獲取資料例外」原則，在無須取得當事人同意的情況下，通過網絡數據抓取收集公開可獲取的個人資料，用於模型開發。
然而，這一例外有嚴格的適用條件。若個人資料設有數碼訪問限制，例如付費牆或用戶註冊要求，企業則須謹慎評估有關資料是否仍屬於「公開可獲取資料」範疇。
網頁能夠打開，不代表裡面的數據就可以無限制使用——如果數據包含兒童、健康、信用或生物識別資料，或者網站設置了登錄限制、付費牆和技術屏蔽，公司還要更加謹慎。
資料圖/來源：PDPC
三、用戶拒絕後，
企業不得停止核心服務
指導原則明確規定，企業不得以提供產品或服務為條件，要求用戶必須同意其個人資料被用於生成式AI模型開發。
根據新加坡《個人資料保護法》，企業不能以提供產品或服務為條件，要求客戶同意超出提供該項服務合理所需範圍的個人數據使用。
因此，如果將客戶數據用於AI訓練並非提供原有服務所必需，客戶拒絕後，企業一般不能僅憑這一理由停止核心服務。
例如，銀行仍應提供正常銀行業務，保險公司也不能因為客戶不同意額外的AI訓練用途，就直接拒絕原有服務。
四、個人權利不因模型訓練而消失
指導原則還明確了一項重要保護：即使個人資料已用於開發生成式AI模型，個人仍保有查閱及更正資料的權利。
指導原則指出，此類申請處理起來存在一定挑戰——生成式AI的訓練涉及海量數據，且訓練數據未必存儲在傳統資料庫中。
但相關機構仍應採取最佳實踐，包括建立完善的上游數據管理機制、按個別情況審查用戶的申請，並持續採用適當的技術措施，以有效回應相關請求。
示意圖，來源：聯合早報
五、三方責任框架：
模型提供商、系統提供商與系統部署者
指導原則按照生成式AI生命周期的典型階段進行組織，在部署階段明確了三個關鍵利益相關者各自承擔的PDPA責任。
模型提供商在開發和部署生成式AI模型過程中處理數據時，必須遵守所有PDPA義務，尤其需注意數據保留問題。當代表下游利益相關者處理數據時，鼓勵模型提供商記錄並分享模型層面的保障措施信息。
系統提供商須定期審查生成式AI系統層面的安全安排，並作為最佳實踐，與下游部署者分享這些保障措施的信息。
系統部署者承擔PDPA合規的主要責任，包括為個人數據處理界定明確目的、保障流經其系統的數據安全，以及定期審查保障措施——尤其對於具備代理性質的AI系統。
這一三方責任框架的關鍵意義在於：公司不能因為系統由外部平台提供，就把個人數據責任全部交給技術公司。
六、哪些企業會受到影響？
最直接受到影響的是擁有大量客戶或用戶數據的新加坡公司，包括銀行、保險公司、電商平台、社交媒體、醫療機構、教育平台、招聘公司、呼叫中心和AI科技公司。
常見場景並不少：
AI創業公司可能使用真實聊天記錄微調客服模型；醫療科技公司可能使用患者問診記錄訓練生成式AI；金融科技公司可能把交易、信用或客戶溝通數據用於模型開發；律所和會計師事務所，也可能使用客戶文件訓練內部知識助手等等。
除了自行開發模型的企業，還有一類公司很容易被忽略：
自己不做模型，卻會把業務數據交給第三方AI平台。比如，公司購買一套外部AI客服系統，平台會使用客戶對話繼續改進模型；或者員工把客戶合同、會議錄音和銷售郵件上傳到ChatGPT、Claude等工具，用來做摘要、分析或定製企業助手。
因此，判斷一家公司是否受到影響，主要看外部AI平台會不會保存、分析，或者繼續使用企業上傳的數據訓練模型。
示意圖，來源：聯合早報
七、企業須做出的關鍵調整
第一，AI項目上線前須增加數據審查。
如果公司自己開發或部署AI產品，上線前需要增加一輪數據審查。企業要確認系統會收集哪些個人資料，數據是否進入基礎模型或共享訓練池，平台會不會繼續保存或使用這些內容。
法務、數據保護官、信息安全和實際使用AI的業務團隊，都可能需要參與。
第二，外部AI工具的版本和條款須重新檢查。
使用ChatGPT、Claude、Gemini、Microsoft Copilot等外部AI工具，或者通過API和雲平台接入模型時，現有服務協議和數據處理條款也要重新檢查。
公司需要確認，上傳的客戶資料會不會被保存或用於模型訓練，相關功能能否關閉，數據由哪家公司處理，又會不會傳輸到新加坡以外。如果用戶要求訪問、更正或刪除資料，平台能不能配合；停止使用服務後，數據還會保存多久，也要提前查清楚。
這裡還要區分個人版、團隊版、企業版和API服務。以ChatGPT為例，ChatGPT Business、Enterprise和API平台的商業數據，默認不會被OpenAI用於訓練模型，除非客戶主動選擇共享，而個人版產品的數據設置和處理方式有所不同。
Claude也是類似情況。合同中出現「服務改進」「產品優化」或「內容共享」等表述時，也要繼續確認具體含義——這些內容可能涉及系統分析、人工審核、模型評估，甚至模型訓練。
第三，並非所有AI使用場景都需發送AI專屬通知。
員工每次使用生成式AI，公司不一定都要發送AI專屬通知。關鍵要看個人數據有沒有被用於訓練或微調模型。
如果AI只讀取一封客戶郵件並生成回復，數據不會被保留訓練，企業主要需要處理一般的數據保護、保密和平台安全問題。如果客戶郵件被長期保存，並被用來持續改進模型，就要進一步考慮AI專屬通知，以及是否需要取得同意。
使用已經有效匿名化的數據訓練模型，通常不需要發出專項通知。不過，刪除姓名不一定等於匿名化——如果仍能通過電話號碼、帳號、照片、聲音或交易軌跡重新識別個人，這批資料仍可能屬於個人數據。
示意圖，來源：聯合早報
八、中小企業尤其要留意員工私自上傳資料
普通中小企業最容易出問題的地方，往往不是主動開發大模型，而是員工為了省時間，把客戶合同、護照、簡歷、醫療資料和內部郵件直接上傳到公開AI工具。
