别让 AI 泄密——团队用 AI 的数据红线与制度模板

某家律所的行政助理，有一天把一份正在谈判的收购合同贴进了 ChatGPT，让它帮忙总结关键条款。她以为只是用 AI 整理文档，快一点而已。

她没意识到的是：那一刻，整份合同已经发送给了一个第三方的服务器。

这不是个例，也不是耸人听闻。三星电子 2023 年曾发生员工将芯片设备源码上传至 ChatGPT 的事件，随后内部全面禁止在公司设备使用 ChatGPT。更常见的是那些没被曝光的：把客户名单做成表格上传让 AI 整理、把财务预算贴进去让它分析、把内部会议录音交给 AI 转写……这些行为每天都在发生，大多数团队的管理者甚至不知道。

推广 AI 使用是对的，但如果不划红线、不建制度，推的越猛，风险越大。这篇给你一套实际能用的框架。

---

风险到底在哪

很多人觉得"我只是用一下 AI，又没有发邮件，不算泄露"。这个认知是错的。

输入即上传

你在对话框里输入的内容，在提交的那一刻就已经发送到了服务商的服务器。无论你输入的是合同条款、客户姓名、还是代码片段，从技术上讲，这些数据已经离开了你的控制范围，到了第三方。

不同服务商的数据处理政策不同：有的明确声明用户输入不用于训练（企业版通常有更严格约定），有的个人版默认可能被用于改进模型。但关键点是：一旦发出去，你就不知道它的最终去向。

训练数据残留

部分模型在训练阶段可能接触了之前用户上传的数据（具体以各服务商官方隐私政策为准）。你的输入是否会影响其他用户的输出？这在理论上是存在风险场景的，尤其是当输入内容高度特异化（如特定公司名称、合同编号）时。这不是危言耸听，而是值得纳入风险评估的因素。

影子 IT：管理者不知道的用法

这是实际风险中最难管的一类。员工为了提高效率，自己注册了个人账号，用自己的手机或个人电脑访问 AI 工具，绕过了公司任何审批和监控。

这种行为不一定出于恶意，但结果是一样的：数据通过个人账号流出，公司完全没有留痕、没有管控，出了问题责任也难界定。某销售团队的员工把竞争对手报价分析表贴进 Claude 个人账号让它做总结，这张表涉及内部定价策略——这就是典型的影子 IT 泄密场景。

---

数据分级红线：哪些能喂、哪些不能

不是所有数据都一样危险。分级管理，才能在控制风险的同时不妨碍日常使用效率。

级别	定义	典型例子	能否喂给 AI
红线级（绝不能喂）	涉及法律义务、客户隐私、商业机密的原始数据	完整合同原文、客户姓名+联系方式+订单记录、员工身份证/工资信息、源码核心模块、未公开财务数据、股权结构	绝对禁止，无论任何工具、任何账号
黄线级（脱敏后可用）	内部业务数据，脱敏后不含识别信息	脱敏后的数据分析（替换真实姓名/金额为"客户A/XX万"）、匿名化后的用户反馈、去掉公司名的合同条款框架、隐去实际数字的财务结构	脱敏处理后，使用企业版工具，可用
绿灯级（随便用）	公开信息、通用任务、不含业务敏感内容	写公开文案、总结公开新闻、通用邮件模板、代码 boilerplate、行业调研辅助、脑暴创意	无限制，个人账号/企业版均可

脱敏的基本操作规范：

• 真实姓名 → "用户A/B/C"或"某客户"
• 具体金额 → "XX万"或"某金额"
• 公司名 → "某科技公司"或"甲方"
• 身份证/手机号 → 直接删除，不替换
• 合同编号、项目代号 → 替换为通用代码"项目X"

脱敏不是找个词替换一下那么简单。有时候组合信息本身就会暴露身份（比如"某家在上海的新能源汽车公司，去年营收300亿"——这几乎是唯一指向的）。脱敏目标是：即便看过输入全文，也无法还原出真实主体。

---

制度怎么落

说了风险，说了分级，关键是制度怎么落地——不只是发一个文件，而是真的能执行的机制。

工具审批：哪些 AI 工具能用

不是所有打着"AI"旗号的工具都一样安全。制度里必须明确：公司允许使用哪些工具、什么账号类型、用于什么场景。

基本原则：

• 企业版/团队版：通常有更严格的数据隐私约定，不用于训练，有访问日志，优先推荐。
• 个人账号：原则上只允许用于绿灯级数据；涉及任何内部业务数据，必须用企业账号。
• 未经审批的新工具：提交工具审批申请，经过数据安全评估后再使用；不得私自引入。

具体哪些工具符合企业级合规要求，以各服务商最新的企业版隐私协议和官方合规文档为准。不要轻信销售说辞，要求对方提供书面隐私承诺。

账号管理：个人账号 vs 企业账号

这是制度里最容易执行但被忽视的一环：

• 处理任何黄线级数据，必须登录公司统一采购的企业账号
• 禁止在个人账号上处理带有公司业务信息的内容
• 离职时，企业账号立刻停用；该账号上的对话历史由 IT 归档

留痕与审计

制度有没有被执行，需要可验证的记录：

• 企业版账号通常支持导出使用日志，IT 管理员定期抽检
• 对于高敏感业务（法务、财务、HR），要求在使用 AI 处理文档后，将使用记录（输入描述+使用目的+是否脱敏处理）填入内部登记表
• 抽查不是为了惩罚，而是为了发现"大家不知道是违规的"行为，及时纠正

违规处理分级

制度没有牙，等于没有制度：

• 过失违规（不知情、初次）：书面提醒 + 强制参加数据安全培训
• 重复违规（提醒后再犯）：正式警告 + 记录在案，可能影响绩效
• 主动泄密（明知故犯、恶意外发）：按公司保密协议及相关法规处理

---

给员工的口诀

制度文件没人记，口诀才能落脑子。可以贴在工位旁、放进入职手册：

发出去之前，问自己一句：
这条内容，我愿意发到公司群里让所有人看到吗？
如果不愿意，就不要发给 AI。

更具体的版本：

• 有客户名字 → 先删掉
• 有合同内容 → 先确认能不能发
• 有内部数字 → 先替换成XX
• 用的个人账号 → 先换成公司账号
• 不确定 → 先问主管

---

可直接改用的"团队 AI 使用数据红线制度"模板

以下是一份最小可行的制度模板，填入公司名称后即可使用，建议加入员工手册或单独签署。

---

【公司名称】AI 工具使用数据安全规范（V1.0）

适用范围：全体员工在工作中使用任何 AI 工具（含但不限于 ChatGPT、Claude、Copilot、国内AI助手等）

生效日期：________

---

一、数据分级与使用权限

数据级别	举例	允许使用的工具	是否需要脱敏
红线级	完整合同、客户个人信息、源码核心模块、未公开财报	禁止使用任何 AI 工具	不适用
黄线级	内部业务分析、用户反馈、项目方案草稿	仅限公司企业版账号	必须脱敏后使用
绿灯级	公开文案、通用模板、行业资讯整理	企业版/个人版均可	无需脱敏

二、账号使用规范

1. 处理黄线级数据，必须使用公司统一采购的企业账号，禁止使用个人账号。
2. 禁止在个人账号、个人设备上处理任何红线级或黄线级数据。
3. 员工离职时，企业账号由 IT 立即停用；历史对话记录视业务需要归档。

三、新工具引入

1. 任何新 AI 工具使用前，须提交"AI 工具使用申请"，经 IT 和合规审核通过后方可使用。
2. 未经审批，禁止在工作场景中引入新 AI 工具（含个人账号方式绕行）。

四、脱敏操作要求

1. 真实姓名、手机号、身份证号、公司名称须替换或删除。
2. 具体金额、合同编号、项目代号须替换为通用符号。
3. 脱敏结果须满足"无法从输入内容还原真实主体"的标准。

五、留痕要求

法务、财务、HR 岗位员工在使用 AI 处理业务文档后，须在内部登记表填写：使用工具名称、使用目的、是否执行脱敏。

六、违规处理

违规类型	处理方式
不知情/初次违规	书面提醒，强制参加数据安全培训
提醒后重复违规	正式警告，记入档案，视情况影响绩效
主动泄密/恶意外发	按公司保密协议及相关法律法规处理

---

员工签字确认：______________ 日期：________

---

反面教训：真实发生过的泄密类型

不是虚构的风险，以下几类是实际已有记录或高频报告的场景：

类型一：贴合同让 AI 总结
法务助理把正在谈判的合同全文贴进 AI，让它提取关键条款。合同里有对方的报价底线、违约赔偿条款、特殊附件——这些全部发送给了第三方服务器。

类型二：上传源码让 AI debug
开发者把包含核心业务逻辑的代码段贴进 AI 寻求修复建议。代码里可能涉及未公开的算法、API 密钥（没有清理干净）、数据库结构。三星事件就属于这一类。

类型三：上传客户名单整理格式
运营人员把客户名单（姓名+手机号+消费记录）上传给 AI，要求帮忙按格式整理。这涉及个人信息保护法定义的"个人信息处理"行为，企业可能承担法律责任，不只是公司内部合规问题。

类型四：财务预算截图让 AI 分析
财务人员把未对外公布的季度预算截图上传进 AI，请它分析各项目开支占比。这类信息属于典型的商业机密，也是上市公司内控的重点审查对象。

这四类都不是"黑客攻击"造成的，都是员工主动操作。制度的目的，就是让这些行为在发生前被拦住。

---

常见问题

公司用的是企业版，是不是就完全安全了？

企业版通常提供更强的数据隔离承诺（不用于训练、有访问控制），是比个人账号更安全的选择。但"企业版"不等于"零风险"。具体数据保留期限、数据处理方式、合规认证情况，以各服务商最新企业协议和官方合规文档为准。对于特别敏感的行业（金融、医疗、法律），建议评估是否需要私有化部署方案。

私有化部署/本地模型是不是就没有泄密风险？

私有化部署解决了数据出域的问题，但不解决所有安全问题。内部人员的访问权限管理、模型本身的安全性、运维人员的操作权限——这些都需要单独处理。私有部署是控制外部风险的好选项，但不是"一部了之"的解法。

如果员工确实需要用 AI 处理敏感数据，有没有合法合规的方式？

有。核心路径是：选用有企业合规承诺的工具（以官方协议为准）+ 严格脱敏处理 + 必要时引入私有化部署。此外，对于高度敏感场景，可以把 AI 用在"数据结构和格式处理"层面，而不是直接处理原始内容本身——比如先人工提取关键要素、再把提取结果（已脱敏）交给 AI 分析。

员工不配合怎么办？

最常见的理由是"太麻烦"和"不觉得有什么问题"。两个应对方向：第一，让制度足够简单——三条核心口诀比十页文件更有效；第二，举真实案例，让大家意识到这不是"理论风险"。发生过的泄密事件（即便是外部案例）比任何说教都有说服力。第三，管理者以身作则——如果主管自己也在用个人账号处理内部数据，制度就是一纸空文。

---

你现在该做什么

• 明白了团队 AI 使用的三类泄密风险：输入即上传、训练残留、影子 IT
• 有了三级数据分级表：红线级（绝不能喂）/ 黄线级（脱敏后可用）/ 绿灯级（随便用）
• 知道制度落地的四个关键点：工具审批、账号管理、脱敏规范、留痕审计
• 拿到了一份可直接改用的"团队 AI 使用数据红线制度"模板

下一步建议：先建团队提示词库时，就把数据安全底线写入通用规范层（见 团队提示词库：从散乱到统一）。如果你的团队已经在用 AI 处理代码和业务逻辑，也可以参考 治理基石：代码权限、审批与审计签字 了解更完整的权限治理框架。对 AI 落地涉及的合规边界感兴趣，见 AI 风险合规：数据安全与责任边界。

👉 看看 AI 时代的组织与管理 专栏，或了解 AI 时代管理者认知课。需要定制落地与陪跑，欢迎聊 企业服务。