美國慈善機構Compassion International面臨前員工Andrew Vezey指控其人工智慧工具PATCh辨識出25,810件疑似兒童性 grooming案件，卻未立即停止贊助人與受助兒童直接通信。Vezey曾參與開發PATCh，2026年10月13日辭職並向《Roys Report》揭露內部文件；機構則於11月4日起訴，主張其違反保密協議並造成募款及贊助損失。
Compassion表示，PATCh仍在測試與訓練階段，相關標記主要來自2017至2025年的舊信，且所有信件原已由受訓人員審查，「AI警示是審查起點，而非結論」。但內部報告同時揭露，2018年8月至2026年5月期間，系統標記25,810件疑似案件，涉及逾2萬名贊助人；八年累積約2,000萬封信中，譯員與教會攔下近4.5萬封不適當信件。
截至2026年3月，機構已認定1,331名登記性犯罪者並終止其帳號；2024年初以來另記錄125起未經核准的聯絡或到訪事件。案件真正爭點不是演算法能否一次判真偽，而是組織是否應在風險尚未完全排除前，讓高風險管道繼續運作。
這場衝突存在明確的制度利益與責任分配之爭。Compassion的核心商業與公益模式，是讓每月43美元的贊助人透過信件、照片與資源建立情感連結；一旦全面停止直接通信，可能導致贊助流失、受助兒童失去支持，因此機構把營運與募款能力視為不能輕易中斷的公共利益。「保護兒童」與「維持募款」之間的張力，決定了PATCh即使發現大量警示，也不會自動觸發全面停寫。
Vezey的立場則建立在預防原則上：當模型持續標示性化索求、要求照片、企圖會面或追蹤兒童，組織應先降低暴露面，再以人工複核與受控互動取代自由書寫。他主張的不是單純增加AI，而是把風險較高的資訊與接觸行為移出既有架構。
PATCh的技術定位也構成理解爭議的關鍵。Compassion表示，演算法是初篩工具，最終判斷由兒童保護專家負責；然而「已由人工審閱」只代表當時未發現足以阻擋的問題，不代表能排除日後被回頭識別的風險。若同一批舊信能被AI判定為大量可疑，卻被當作訓練資料而非治理觸發器，便會產生「發現風險卻不降低風險」的責任落差。
這並非單純的員工爆料與機構公關之爭，而是慈善組織、非營利治理及演算法問責的核心案例：誰有義務在預警出現後立即行動？預算有限時，哪些兒童應被優先隔離？AI警示的誤報成本由誰承擔？Compassion的訴訟可望壓低內部揭露，但最終仍須回答，為何數萬筆標記未能導致更嚴格的控制式互動。
事件源於一項仍在訓練中的AI測試，卻揭露大型跨境慈善平台多年累積的結構性風險。預測未來不應只看訴訟結果，而要觀察PATCh是否從「發現工具」升級為「強制處置流程」。
歷史上的兒童保護制度演進顯示，個案通報往往只是起點，真正改變風險結構的是背景審查、持續監測、跨機構資料協作與強制通報。Compassion若未把PATCh嵌入這套閉環，AI標記再高也只是被動警報；反之，若制度化，便可能比事後問責更有效地降低受害率。
01 起因觸發：前員工揭露PATCh標記大量疑似grooming案件，質疑機構未採取更嚴格停權措施
02 一階傳導：Compassion遭前員工提起保密協議與损害求償訴訟，內部問責及捐款人信任同步承壓
03 二階擴散：慈善機構、非營利平台與兒童服務業可能強化AI初篩、人工複核、跨境資料治理與獨立稽核
04 二階擴散：其他宗教慈善團體與海外兒童募款平台將重新檢視直接通信、贊助人審查及演算法問責標準
05 宏觀終局：兒童保護由『個案發生後調查』轉向『持續監測與預防』，AI能否落地將取決於預警與處置的閉環責任
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
