包含内容

这是一个风险清晰的新方向:通过提问内容泄露、对外部服务的依赖,以及数据责任的归属。

沟通服务内容

使用现状调研

摸清员工已经在用哪些服务、都往里放了什么。

使用政策

什么能发、什么不能发、允许用哪些服务。要一份看得懂的文件,而不是一刀切禁止。

去标识化

在发往外部服务之前,自动从提问中剔除个人数据。

本地化部署

对于数据绝不能外流的场景,把模型部署在您自己的环境内。

合同

与服务提供方规范签约,包括个人数据处理委托条款。

日志留存

记录发了什么、收到了什么。既用于排查问题,也用于应对检查。

工作如何开展

我们从摸清现状开始:没有替代方案的禁令不管用,员工只会不再提这件事。

01

调研

查看网络流量并走访各部门。通常会发现,实际使用范围比大家以为的更广。

02

规则

编写政策,并用具体例子讲清楚,而不是笼统表述。

03

安全替代

提供获准使用的工具:企业统一账号,或本地部署的模型。

04

管控

记录日志、定期复盘、更新可用服务清单。

按个人数据法,即便由外部服务处理,数据的责任仍在您这边。员工把带客户姓名的表格粘进聊天机器人,在形式上就构成了个人数据的跨境传输。这正是政策必须先于技术措施的情形。

常见问题

没有替代方案的禁令,结果是员工改用私人设备,您连表面的可见性都失去了。行得通的做法是:给一个获准使用的工具,再加上清楚说明什么能往里发。

相当现实。现代开源模型在一台带显卡的服务器上就能跑,对于文本摘要、文档检索、辅助写邮件这类常见任务,质量是可接受的,而数据全程不出您的环境。

通过网络流量调研:对已知服务的访问、访问频率和数据量都看得到。这个过程不读取提问内容,但使用规模会变得一清二楚。

聊聊如何安全地使用 AI

告诉我们想解决哪些任务、数据的敏感程度如何。我们会给出方案,从制定政策一直到本地模型。