作者：上个月帮一家贸易公司做AI上线前评估，随口问了句“员工平时用什么AI”，问出一身冷汗：销售把客户报价单整段贴进公网AI工具里润色措辞，人事拿员工花名册让AI排班，都发生在今年，没人觉得这有问题。聊起企业AI数据安全，多数管理者的第一反应是“我们没用什么敏感数据”——真把公司的数据流盘一遍就会发现，敏感的定义比想象中宽得多。而且泄露这东西不挑时间，贴出去的瞬间就收不回来了。下面这份清单按四道防线列，可以直接逐项核对。
第一道：划红线，管住公网工具
最紧急的往往不是AI项目本身，而是员工手里正在发生的裸奔。先明确一张禁止清单：客户个人信息、报价与合同、薪资人事数据、图纸配方、源代码，这些不允许进任何公网AI工具；同时给出替代方案——公司内部的AI入口。堵和疏要一起来，光发一纸禁令没用，员工是因为好用才去用的。这一道基本不花钱，靠制度加不定期抽查就能落地，但它拦住的是当前最活生生的一类泄露。落地上别指望自觉：办公电脑上不装公网AI工具的快捷方式、新员工培训里加一节、每季度抽查一次使用情况——制度写三页纸，不如这三个动作。
第二道：脱敏与分级
数据进AI系统之前做字段级脱敏：姓名、手机号、证件号替换成占位符，模型处理完在出口还原；按密级分库存储，涉密文档物理隔离。分级别搞太细，三级够了：能公开的、内部的、涉密的——分七级的方案我们见过，没一个执行满三个月。还有个容易翻车的细节：占位符替换了，出口还原时要对得上，格式一错，发出去的文件里全是“张三”“13800000000”，客户第一个发现。特别提醒一句：测试环境用的数据也要脱敏。我们见过不止一次，正式环境管得严，测试库里却躺着全量真实客户数据，权限对全体开发敞开——泄露往往从最松的那一环开始，而不是从最严的那一环。
第三道：权限对齐，别让AI成为后门
知识库权限必须继承文档原本的权限：人事制度只有HR问得到，价格体系只有销售问得到，财务报表只有财务问得到。如果所有员工都能通过AI问到全公司所有文档，AI就成了绕过权限体系的后门，前面做的分级全白做。实现上需要在检索层按提问者身份做过滤，这属于工程细节但决定成败，做系统集成的时候就要把账号体系对齐设计进去，事后补很痛。提问者的身份从哪来？最好接企业已有的账号体系，用企微办公的就接企微身份，别为AI单建一套账号——单建的没人维护，三个月后就形同虚设。文档权限本身乱的公司，先整理权限再上AI，把乱账带进AI里，只会烂得更快。
第四道：审计与留存
谁、在什么时间、问了什么、AI答了什么、引用了哪些文档——这条链路要留日志，留存期按公司合规要求定，一般不少于半年。审计日志的价值在事前而不只是事后：批量拉取式的提问，比如短时间内查询大量客户记录，能触发告警，把异常行为拦在半路，而不是等泄露了再翻记录。AI的回答也要留档，不光留问题——复盘“AI为什么这么说”，只有问题是不够的。告警规则头两个月宁紧勿松：先调敏感看两周日志再放宽，比出了事再回溯强。
部署方式是底座，最后定
前面四道都依赖一个前提：数据存在哪、谁碰得到。SaaS方案数据在服务商侧，上线快，靠合同与合规约束兜底；私有化部署数据不出内网，管控最彻底，成本高一些。两边怎么权衡，私有化与SaaS的对比一篇里算得比较细。拿不准的算一笔账：数据泄露一次的期望损失，和私有化多花的钱，摆在一张表上比，多数老板当场就有答案。清单核对下来漏洞多的公司，建议优先补前三道，再谈部署升级——地基本没打，换再好的锁都白搭。
这份清单可以直接拿去开会逐项核对。想找个人陪着对一遍，或者评估私有化部署到底值不值，电话 18616880101，我们按你们的业务形态给个直观的判断。