選 AI 供應商最危險的心態，是「我選了業界最安全的那家，出事不該怪我」。 不會。安全治理是必要條件，不是充分條件；把責任外包給某個排名，只會讓你在出事時無處可退。
這篇給你一份可以直接拿去問供應商的 15 題清單。它不幫你挑贏家——它幫你「問對問題、自設護欄」。清單分成六大類，刻意對齊 Future of Life Institute（FLI）AI 安全指數的六個評估面向，讓你用產業級的框架去盤供應商，而不是被廠商的 50 項功能比較表牽著走。
先講結論：別用「選最安全的那家」免除自己的責任
FLI 2026 夏季 AI 安全指數替九家前沿模型商打分，結果是沒有一家拿到 A，排名第一的 Anthropic 也只有 C+（FLI 官方頁面）。這句話的意思很直接：連班上第一名都不及格，你不可能靠「挑第一名」就把風險甩掉。
更值得警覺的是，FLI 指出包含 Anthropic、OpenAI、Google DeepMind、Meta 在內的多家業者，弱化或撤回了「逼近紅線就單方面暫停」的承諾。過去企業採購可以拿「這家有自律承諾」當背書，現在這個背書貶值了——盡職調查得自己做。所以這份清單的目的不是評分，是逼供應商把答案講清楚、寫進合約。
為什麼要問供應商（連安全模範生都不及格）
很多人選 AI 只做兩件事：試玩幾個 prompt、看一張功能比較表。這兩件事都不會告訴你「這家出事時怎麼辦、你的資料去了哪、責任算誰的」。而這些，正是採購真正會被燙到的地方。
你也不一定要自己養這一切。很多供應商其實是「一段自養、一段外包」的組合（可參考OpenAI 企業夥伴網：哪段外包哪段自養），弄清楚哪一段是誰做的，本身就是盡職調查的一部分。下面 15 題，就是幫你把這些沒人主動告訴你的事問出來。
15 個提問（分六大類）
資訊揭露
- 你們公開哪些技術文件（model card、系統卡）？裡面有沒有寫清楚能力邊界與已知風險？
- 你們有沒有誠實揭露「這個模型做不到什麼」？只講強項的供應商要打折扣。
- 出重大事故時，你們的通報與揭露機制是什麼？多久內會通知客戶？
治理與問責 4. AI 出錯造成損失時，責任歸屬與賠償在合約裡怎麼寫？（不能只有一句「本服務不保證正確」） 5. 你們內部有沒有獨立於商業目標的安全／風險團隊？誰有權喊停上線？ 6. 你們對「觸及紅線就暫停或延後」的承諾，現在這一版的措辭是什麼？是無條件，還是「看對手停不停」？
危害防護 7. 對偏見、歧視、幻覺、有害輸出，你們有哪些防護與定期稽核？ 8. 面對敏感情境（醫療、法律、心理、未成年），有沒有額外護欄或使用限制？ 9. 濫用防護（越獄、深偽、有害用途）的攔截，有沒有第三方評測佐證，而不是自說自話？
風險測試 10. 上線前做了哪些紅隊測試（red teaming）？是內部做，還是有獨立第三方？ 11. 針對我的產業場景，你們能提供哪些測試證據，或一個可以讓我自己驗的沙盒／試用環境？
安全框架 12. 你們有沒有一套公開、可查的安全框架（如 RSP、Preparedness、Frontier Safety Framework）？多久更新一次？ 13. 框架裡的紅線與觸發條件是明確可驗，還是模糊到「永遠不會觸發」？
資料處理 14. 我的資料會不會被拿去訓練模型？預設是「要你主動同意才用」（opt-in）還是「預設就用、要你自己退出」（opt-out）？企業版有沒有零資料保留（zero retention）？ 15. 資料存放在哪個區域？有哪些子處理者（sub-processor）？符合哪些合規（SOC 2、ISO 27001、以及台灣的個資法）？
這 15 題，回答得越含糊、越愛用行銷詞帶過的供應商，越要小心。至於怎麼把它做成一張加權評分表、怎麼設各題的及格門檻，那是導入時的下一層功夫——先把問題問對，才有東西可以評。
台灣受監理產業的加問題（資料落地、法遵）
如果你在金融、醫療、保險這類受監理產業，上面還不夠，得再加三個維度，而且要拿法條去對：
- 資料落地與跨境：資料能不能出境？存在境外的話，主管機關的要求是什麼？金融業請直接對照金融機構作業委託他人處理內部作業制度及程序辦法關於雲端與國外委外的條文。
- 委外監督責任：就算用了雲端 AI，監督責任仍在你身上。個資委外要能證明你有盡到個人資料保護法要求的監督義務。
- 產業指引對齊：金管會 2024 年 6 月發布的金融業運用人工智慧（AI）指引訂了六大核心原則（治理問責、公平以人為本、隱私保護、穩健安全、透明可解釋、永續）。公部門則有國科會的使用生成式 AI 參考指引。把這些原則逐條翻成給供應商的問題，法遵就有依據。
怎麼用這份清單（不是挑贏家，是問對問題）
最後講清楚這份清單的定位，免得誤用。
它不是排名，是護欄。 別把某個評比的第一名當成採購保證書——第一名也只有 C+。清單的價值在於：讓你在簽約前，把「揭露、問責、防護、測試、框架、資料」六件事全部攤在桌上談清楚，並盡量寫進合約與 SLA。
先過門檻，再比好用。 這 15 題是「必要條件」——過不了的直接淘汰；過了的，再回到日常好不好用、學習成本、月費這些「充分條件」去比（延伸閱讀：ChatGPT vs Claude vs Gemini 怎麼選、AI 倫理與法規）。
一句話收尾：你不是在買一個最安全的模型，你是在建立一套「就算供應商出包，你也守得住」的採購紀律。 問對問題，就是那道紀律的第一步。
常見問題
供應商在 FLI 或其他評比拿高分，是不是就能放心採購？
不行。FLI 2026 指數裡連第一名 Anthropic 都只拿 C+，代表整個產業都還不及格，高分只是「相對沒那麼差」。評比是參考起點，不是保證書。真正該做的是用這份 15 題清單，逼供應商針對你的場景把揭露、問責、資料處理講清楚，並寫進合約。
15 題太多，我人力有限，哪幾題一定要先問？
如果只能問三題，先問資料處理那一類：資料會不會被拿去訓練、存放在哪個區域、企業版有沒有零保留。這三題直接關係到你的客戶資料與商業機密，出事最難善後。接著再問責任歸屬（第 4 題）和第三方測試（第 9、11 題）。
我們是小公司又不是金融業，需要問到「資料落地、法遵」這些嗎？
台灣受監理產業的那一段可以略過，但個資法對所有企業都適用。只要你會把客戶或員工的個資餵給 AI，就有委外監督責任。至少要確認供應商的資料保留政策、是否拿去訓練、以及合規認證，這與公司規模無關。
供應商說「我們有負責任 AI 的承諾」，這樣算合格嗎？
「有承諾」四個字現在不值錢。FLI 指出多家龍頭在 2026 年已弱化「觸紅線就自我暫停」的措辭，有些改成「看競爭對手停不停」的條件式說法。所以要追問第 6、12、13 題：承諾是哪一版措辭、有沒有公開可查的框架、紅線是否明確可驗。看白紙黑字，不看口號。