受訪者的信任是給人的，不是給模型的

那三秒鐘

錄音筆的紅燈亮起來的時候，受訪的阿姨看了它一眼，停頓了大概三秒，才接著說下去。

那三秒沒有進逐字稿，但我一直記得。她不是在猶豫要不要講，她講得很願意；她是在確認，面前這個願意聽的人值不值得。她的信任是遞給我的——遞給那個坐在她對面、記得帶她愛喝的那款麥茶、聽她抱怨完膝蓋才問正題的人。

問題是，錄音結束之後，這段話會經過 M-01（田調資料結構化引擎），被切成段落、標上時間碼、抽出主題、對齊到地圖上的一個座標。在那條流水線上，阿姨的三秒停頓、她遞出去的信任，會不會被當成一段可以隨便處理的字串？

這篇不談技術。談的是我們替那三秒鐘，立了哪些規矩。

信任沒有轉讓條款

先把一件容易被含糊帶過的事講清楚：受訪者同意接受採訪，不等於同意她的話被餵進任何一個模型。

這兩件事在她心裡是同一件——她根本不知道有第二件。她以為的整個世界，就是我和那支錄音筆。「後端」「模型」「結構化」對她不存在，也不該要求她去理解才能保護自己。

所以告知義務落在我們身上，而且要用她聽得懂的話講。我們現在的做法是，在錄音之前就講明白三件事：這段會被記錄下來；我們會用軟體工具幫忙整理逐字和分類；整理完的成果如果要公開，會先讓她過目。第三件最關鍵——公開的門檻不是我們判斷「這沒什麼」，是她點頭。

有人會說，講到「軟體工具」就夠了，不必解釋 AI。我不同意。含糊其辭省下的那點麻煩，是拿她的信任去換的。她可以不懂細節，但她有權知道：她的聲音，不會只有人聽。

哪些東西在門口就被攔下

實驗室有一條線，畫得比任何效率考量都前面：客戶的資料，以及受訪者的原始素材，永遠不進實驗環境。

這句話要拆開講，因為兩種資料被攔的理由不太一樣。

客戶的資料——委託案裡的任何檔案、名單、內部資訊——不進實驗，是因為那不是我們的東西。我們只是受託處理，拿別人託付的資料去餵我們自己的研發模組，無論結果多有用，都是越界。這條沒有例外，連「去識別化之後應該可以吧」的討論都不開，因為一旦開始討論例外，線就開始移動。

受訪者的原始素材——完整錄音、沒遮蔽的臉、能對得上真實身分的細節——則是另一個理由：那是活生生的人交出來的東西，而模型不會分辨哪裡是她願意公開的、哪裡是她只講給我聽的。進了 M-01 的，一律是已經過人工去識別化的版本：姓名換成代號，能定位到個人的地址、職稱、親屬關係抹掉或模糊，聲紋不進任何語音處理。原始檔留在離線的地方，鑰匙在人手上。

去識別化聽起來像個技術動作，實際上是判斷。哪些細節湊在一起就能把一個人指認出來，軟體算不準，得靠寫的人對那個地方、那群人的理解。這一步我們不外包給流程。

敏感的段落，人來讀

田野裡總會遇到不該被自動化碰的段落。

家裡的難處、鄰里的舊帳、講到一半突然壓低聲音的那幾句——這些東西的處理，我們定的規矩是：人工先讀一遍，決定它去哪。有些根本不進逐字稿，當場就標記為僅供理解脈絡、不成文；有些留著，但打上「不公開」的標記，只幫我們自己讀懂這個地方，永遠不出現在成品裡。

為什麼不讓模型自動判斷敏感度？因為敏感不是關鍵字的問題。同一句「後來他就走了」，可能是在講搬家，也可能是在講一場沒說出口的喪事。判斷要靠現場的空氣、靠說話人當下的表情，那些都不在文字裡。模型讀得到字，讀不到那三秒停頓。

底線的意思

我知道這些規矩會讓流程變慢。人工去識別化很花時間，敏感段落一段一段讀更花時間，凡事要回去讓受訪者過目，有時得等上好幾週。

但底線的意思就是，它不參與效率的計算。M-01 可以再快，查核可以再嚴，轉譯可以再準——這些都在往前推。唯獨「什麼不該進模型」這條，不因為模型變強而放寬。反過來，模型越強，能從殘缺資料裡還原出一個人的本事越大，這條線就得畫得越前面。

那位阿姨到現在都不知道有 YENZ XYZ 這個部門，也不需要知道。她只知道有個做設計的，某天來聽她講了一下午的話，後來把整理好的東西拿回來給她看，她說「欸，就是這樣」。

她的信任始終是給那個人的。我們能做的，是讓那個人說的話算數——一路算到流水線的最末端。