企业把数据交给 AI 前，必须先建立哪四级权限与脱敏规则

AI 让员工能够用自然语言访问大量企业信息，也让原本分散的权限风险被集中放大。一个普通问答入口若同时连接合同、客户、财务和人事资料，用户可能在不知情中获得超出岗位需要的内容。治理不能只靠“不要上传敏感信息”的提示，而要建立数据分级、最小授权、脱敏、输出控制和审计撤销的完整机制。

先建立四级数据语言

第一级是可公开信息，例如官网和已发布报告；第二级是内部信息，例如流程手册和一般运营资料；第三级是机密信息，例如客户明细、未公开财务和源代码；第四级是严格受限信息，例如身份、健康、薪酬、核心密钥和重大交易。企业可调整名称，但每一级必须有清晰示例、允许用途和批准人。

分类要落到数据对象

“客户数据敏感”过于笼统。应具体到表、字段、文档、文件夹和知识条目，并标记所有者、来源、保存期限和允许用途。同一份合同中，模板条款可能是内部级，客户名称和价格则属于机密级。对非结构化文档可以先按空间分类，再逐步进行字段识别和自动标注。

采用最小权限和用途绑定

用户能在原系统查看数据，不代表可以把数据用于所有 AI 场景。授权要同时考虑岗位、项目、地域、客户约定和用途。销售可以查询自己客户的服务记录，却不应分析全公司的联系人；外部顾问只能访问项目范围。权限随组织和项目变化，离职、转岗与项目结束要自动收回。

脱敏不是简单删除姓名

需要根据任务选择掩码、替换、聚合、区间化或匿名化。分析投诉趋势可能只需行业和问题类型，不需要联系人；生成合同摘要需要主体信息，却可隐藏证件和账户。脱敏后仍要评估能否通过组合字段重新识别个人或商业对象。原始值与脱敏值的映射应严格隔离。

区分输入、检索、输出和日志

很多系统只控制上传，却忽略模型检索到什么、回答显示给谁、日志保存多久。四个环节都要有策略：输入时识别敏感内容，检索时按用户过滤，输出时阻止高风险字段泄露，日志中避免永久保存完整提示和答案。生产日志用于排障和审计，也必须有访问权限和删除周期。

第三方模型需要合同与技术双重约束

确认供应商是否使用数据训练、数据存储区域、保留期限、子处理方、加密、事件通知和删除机制。关闭训练选项只是起点，还要限制发送内容、使用企业账号、保留调用记录，并准备切换方案。高敏感数据可考虑私有环境或在发送前完成脱敏，不应仅依赖供应商承诺。

输出也要按风险分级

公开信息可以直接展示；内部信息需身份认证；机密信息可能只允许摘要或指定人员查看；严格受限信息原则上不进入通用生成场景。涉及金额、身份、决策和法律后果的输出，应加入人工确认。系统需明确提示来源和权限，避免用户把生成答案转发到不受控渠道。

建立审计与异常处置

记录谁在何时以什么用途访问了哪些数据、使用哪个应用、输出给谁以及是否触发策略。对批量查询、跨部门访问、异常下载和敏感提示设置告警。发生问题时能立即停用应用、撤销密钥、隔离日志并通知责任人。审计不是为了监控员工，而是为了验证规则有效。

用场景评审代替一次性制度

每个新 AI 场景上线前，业务、数据、安全和法务共同检查数据级别、用途、合法基础、最小字段、保留期限和退出方式。上线后定期抽查权限与实际使用，业务范围变化时重新评审。数据治理应成为项目闸门，而不是年度文件。

老板的下一步

选择当前使用最广的 AI 应用，列出它能接触的全部数据源，按四级标记并检查谁能访问。优先关闭不必要的高敏感连接，补齐日志和撤销机制。企业不是要阻止数据创造价值，而是确保每次使用都在明确边界内、能解释、能追踪、能停止。