M04 · AI合规、数据安全与风险边界

用得放心的前提:数据分级、使用边界与输出审核机制

M04 · 第 4 / 17 模块 · 01 基础认知

AI合规、数据安全与风险边界

在金融、医疗、政务等强监管行业,合规不是AI项目的刹车,而是能否上路的准入证。本课程给出一套可直接落地的企业AI合规框架。

全员技术岗管理者 难度:入门 标准课时:2课时

先判断:你是否需要学这一模块 SELF CHECK

命中 2 条以上,建议优先安排本模块;勾选可当作业前的需求确认表使用。

学习目标 OBJECTIVES

  • 1掌握企业数据分级方法,明确哪些数据绝对不能进公有云模型
  • 2建立工具准入清单:可用、限用、禁用三类工具的判定标准
  • 3设计AI输出审核SOP:什么必审、什么抽检、谁来签字
  • 4了解主要监管要求(数据安全法、生成式AI服务管理办法、行业监管)与AI生成内容标识义务
  • 5掌握提示词注入、越权访问、数据泄露三类典型风险的防护做法

核心知识点 KEY POINTS

数据分级:四级分类法

公开信息 / 内部信息 / 敏感信息(客户资料、合同、财务)/ 核心机密(算法、配方、未披露信息)。前两级可在合规工具中使用,敏感级需脱敏或私有化,核心级默认不进模型。

工具准入三色清单

绿名单(企业采购、数据可控、可签协议)、黄名单(限内部非敏内容、禁止粘客户数据)、红名单(未评估的外部工具一律禁用)。清单要具体到产品名和版本号。

部署形态选择

公有云SaaS(快、便宜、数据出网)、私有化部署(数据不出企业、成本高)、混合模式(通用能力走公有云,业务知识走本地)。按数据分级而非按预算决定。

输出审核机制

按风险等级设计:对外发布与合同类内容“人工必审+留痕”,内部辅助内容“抽检+使用人负责”,批量生成内容“先审样本再放量”。

典型风险与防护

提示词注入(外部文档中的恶意指令)、越权调用(Agent拿到过高权限)、数据回传训练(需确认关闭训练选项)。对应防护:输入清洗、最小权限原则、供应商协议条款。

生成内容标识与知识产权

AI生成的公开内容需按规标识;AI生成物的著作权归属与使用边界需在企业制度中明确,尤其是设计与文案类交付物。

方法论与操作步骤 METHOD & STEPS

数据分级工具准入部署选型输出审核审计留痕
  1. 第一步:做一次数据盘点与分级

    列出各部门日常接触的数据类型,按四级分类标注,明确每级的可用工具与脱敏要求。

  2. 第二步:发布工具三色清单

    由IT+法务+业务三方评审,形成可用/限用/禁用清单,配使用说明与责任人,纳入新员工培训。

  3. 第三步:确定部署形态

    敏感级以上数据场景采用私有化或混合部署;明确供应商的数据使用条款(是否用于训练、存储地、留存期)。

  4. 第四步:建立输出审核SOP

    定义必审清单、审核要点(事实、合规话术、承诺性表述、个人信息)、审核人与留痕方式。

  5. 第五步:日志与审计

    保留关键场景的调用日志与输入输出快照,支持事后追溯;按季度做一次合规复盘与清单更新。

真实落地场景案例 REAL CASES

金融 · 股份制银行

AI合规必修与制度先行

业务场景

银行业监管严格,业务人员渴望用AI但担心触碰合规红线,导致工具使用“地下化”。

AI应用做法

把AI合规设为全员必修模块,先出制度再放工具:数据分级清单、工具三色清单、输出审核SOP三件套同步发布。

工具使用从“不敢用/偷偷用”转为“合规可用”,营销文案、投研辅助等场景实现规模化应用。
专业服务 · 律师事务所

客户信息脱敏后才进AI

业务场景

案件材料含大量当事人身份信息与商业秘密,直接粘贴进公有云工具存在泄露风险。

AI应用做法

建立“要素抽取+脱敏替换”前置流程:先本地脱敏,再交由AI做案情梳理与文书初稿,输出后人工还原与复核。

在保障客户信息安全的前提下,文书处理效率显著提升,且通过客户合规审查。

涉及工具与产出物 TOOLS & DELIVERABLES

◈ 涉及工具
  • 数据分级清单模板
  • 工具三色准入清单
  • 私有化/混合部署方案
  • 内容审核API
  • 调用日志与审计看板
◈ 结业产出物
  • 《企业AI使用规范》制度文件
  • 数据分级清单与脱敏规则
  • AI输出审核SOP与必审清单
  • 供应商数据条款核对表

随堂练习与验收标准 PRACTICE & ACCEPTANCE

◈ 随堂练习 / 课后作业
  • 列出你日常接触的10类数据,按公开/内部/敏感/核心四级标注,并写出对应的可用工具。
  • 审核一段AI生成的对客话术,标出其中的承诺性表述、事实性表述与个人信息,说明哪些必须删改。
  • 为你所在部门起草一版《AI使用三色清单》(可用/限用/禁用),具体到产品名。
◈ 结业验收标准
  • 完成本部门数据分级清单(≥10类数据)
  • 通过合规审核测试:能准确识别对客话术中的风险表述
  • 提交一版《AI使用三色清单》草案

常见误区 PITFALLS

常见误区

合规问题留到上线前再讨论,导致项目临时叫停

正确做法

合规前置:立项时就完成数据分级与工具准入判定

常见误区

只发一纸“禁止使用外部AI”的通知

正确做法

禁而不疏必然转入地下,应给出可用的合规替代方案

常见误区

认为私有化部署就绝对安全

正确做法

私有化解决数据出网问题,权限控制与输出审核仍需独立建设

常见误区

只审核AI输出,不管理AI输入

正确做法

输入侧的提示词注入与越权调用同样需要防护

建议课时 RECOMMENDED HOURS

适合人群建议课时建议形式
全员1课时必修:规范宣讲 + 签署承诺
业务岗2课时含本岗位数据分级练习
技术岗3课时含部署方案与防护设计
管理者2课时含责任边界与制度发布

721 时间分配(合计 2 课时 / 约 90 分钟)

环节占比课时时长内容说明
讲授35%0.7 课时约 32 分钟讲概念、讲方法、拆解案例
实操演练45%0.9 课时约 40 分钟随堂动手,产出真实业务成果
研讨点评20%0.4 课时约 18 分钟方案互评、答疑与改进建议

按 721 法则设计:以实操为主、讲授为辅、研讨收口;1 课时按 45 分钟计,可按企业作息调整。

学习顺序与依赖 DEPENDENCIES

相关推荐: M05 AI工具全景与选型M07 企业AI知识库与RAG实操M14 AI应用架构设计
← 返回 01 基础认知 层大纲