跨專業申請的個人陳述，本來就是一篇高度個人的文本。你從原本的領域轉向另一個領域，往往需要交代觸發轉向的契機、家庭背景的影響、某段經歷帶來的價值觀轉變。這些素材確實是寫作的核心，但當你把它們貼進 AI 對話框時，就等於把不特定第三方服務器上的內容，交給一個你無法完全控制的系統。

這不是說 AI 完全不能用。問題在於：哪些東西適合讓 AI 幫忙梳理，哪些東西一旦外洩，後果你承受不起。

適合讓 AI 處理的內容：已結構化、低敏感、可公開的素材

AI 在跨專業 PS 的寫作中最穩妥的角色，是幫你把零散的想法組織成有邏輯的段落，或者把某段經歷改寫成更精煉的敘述。適合輸入的內容包括：

• 課程名稱、社團職務、工作頭銜、活動名稱。這些資訊本身在你的 LinkedIn 或學校網站上可能已經公開。
• 不具辨識度的經歷描述，例如「在某間新創公司負責市場分析」——前提是你沒有同時輸入公司內部數據或未公開的專案細節。
• 你對目標領域的理解摘要，例如「我認為數據科學在公共衛生領域的應用尚缺乏倫理框架」。這屬於觀點，不涉及個人隱私。

換句話說，AI 適合處理的是「你做了什麼」的骨架，而不是「你為什麼成為你」的內核。骨架可以反覆修改、換句話說，即使外流也不會造成身份洩露。

不該上傳的資料：足以定位你個人或他人的敏感資訊

跨專業申請者常犯的錯誤，是為了讓 AI 生成更「真實」的敘述，而把非常具體的個人細節全部塞進去。以下類別應視為紅線：

足以辨識你本人的身份資料。 包括全名、出生日期、身份證或護照號碼、住址、聯絡方式。這些資料與 AI 生成內容的品質完全無關，上傳只有風險沒有收益。

家庭與健康敏感資訊。 例如家人罹患特定疾病、家庭經濟困境的具體數字、心理健康狀態的細節。這些內容即使對 PS 敘事有幫助，也應該用模糊化的方式描述（例如「家庭曾面臨財務壓力」），而不是把確切診斷或金額交給 AI 處理。

他人可辨識的資訊。 推薦人的聯絡方式、指導教授的名字連同其未公開研究計畫、同學的個人背景。一旦這些資料外洩，受影響的不只你一個人。

機構內部資料。 實習期間接觸的客戶名單、公司未公開的財務數據、實驗室尚未發表的結果。這些內容的洩露可能涉及法律責任，遠超出申請失敗的範圍。

上傳前的三分鐘脫敏檢查

把任何內容貼進 AI 工具之前，養成一個固定習慣：停下來問三個問題。

第一，這段文字如果被公開搜尋引擎索引，我會不會感到困擾？如果會，就不要上傳。第二，這段文字是否包含足以讓陌生人定位到我的資訊？包含姓名、公司名、學校名連同年份，就算。第三，這段文字是否涉及第三方的未公開資訊？涉及，就改寫成不具辨識度的描述。

一個實用的做法是：先自己寫一份完整的 PS 草稿，把敏感細節用代號或空白取代，再讓 AI 針對這份「脫敏版」做結構調整和語言潤飾。最後由你自己把敏感細節加回去。這樣 AI 處理的永遠是骨架，而不是血肉。

平台政策會變，你的底線不該跟著變

不同 AI 工具的資料留存政策不同，有些平台聲明使用者輸入可能被用於訓練，有些則承諾不保留。但這些政策隨時可能調整，而且你無法在使用者端驗證。與其依賴平台承諾，不如從源頭控制：不該上傳的內容，永遠不要上傳。

跨專業申請的本質，是向招生委員會展示你的思考過程和潛力。AI 可以幫你把句子寫得更順，但無法替你經歷那些觸發轉向的時刻。保護好那些時刻的原始細節，既是對自己的負責，也是對申請誠信的基本尊重。最終提交的 PS，所有關鍵事實、個人經歷和細節都需要你親自核對。