红线

企业把内部数据喂给 AI，效率是上来了，隐私红线也跟着压到了眼前。最常见的翻车，不是黑客攻破系统，而是员工图方便，把客户名单、合同原文、未公开财报直接贴进公网大模型对话框。数据一旦离开企业边界，后续怎么用、会不会被拿去训练、谁能看到，企业往往说了不算。数据隐私不是技术团队关起门来能解决的事，它需要一套从输入到输出都管得住的自查流程。 哪几类数据是绝不能往外送的红线？ 先把数据分档，再谈送不送。最硬的红线是个人敏感信息：身份证号、手机号、健康记录、精确行踪，这类数据受专门法规约束，泄露代价极高。第二层是商业秘密：未披露的财务数据、核心算法、客户与供应商清单。第三层是受合同约束的数据：客户已经约定不得转交第三方的内容。判断标准不是「这数据敏不敏感」，而是「一旦外流，企业能不能承担后果」。拿不准的，默认按高敏感处理，而不是先送了再说。 合规五步自查具体怎么落地？ 第一步，定入口：员工只能通过审批过的企业渠道用 AI，禁止把敏感数据贴进公网普通对话。第二步，做脱敏：送出去之前，先把姓名、证件号、账号等可识别字段替换成占位符。第三步，选对模型：能用私有化部署或企业专属实例的，就别用会跨用户汇聚数据的公网服务；确认服务方不会拿你的数据训练。第四步，留痕迹：谁、什么时候、把哪类数据送进了哪个模型，要有记录。第五步，查输出：AI 返回的内容有没有意外复述出敏感信息。把这五步做成上线前的固定清单，逐条打勾，AI 改造才不会在效率之外，悄悄攒下一颗合规地雷。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论