受监管行业的影子 AI 策略模板

大多数 AI 可接受使用策略最后都以失败收场。它们要么写得太模糊，员工看完直接忽略；要么管得太死，员工只能绕道而行。无论走到哪一头，组织拿到的都是最坏的那个结果：策略摆在那里，没有人真正遵守，而管理层以为问题已经解决了。

本文提供一份完整、可直接落地的策略模板，受监管组织可以拿去按自身情况改写，然后部署实施。它面向医疗、金融服务、法律，以及其他数据处理一旦出错就要承担监管后果的行业。模板的每一节都写明了这样规定的理由，因为一份没人理解的策略，最后就是一份没人遵守的策略。

为什么大多数 AI 策略会失败

在给出模板之前，先弄清楚问题通常出在哪里。

问题 1：由法务部门独自起草，业务运营缺席。 完全交给法律顾问起草的策略，倾向于把一切带风险的行为都禁掉。而所有 AI 使用都多少带点风险，于是最终写出来的，是一份措辞谨慎的事实上的禁令。员工读完得到的信息是"公司不希望我们用 AI"，然后照样用 AI，只是不再告诉任何人。

问题 2：没有给出获批的替代方案。 一份只说"不要用 ChatGPT"、却不说"那就用这个"的策略毫无用处。员工确实需要 AI 工具来干活。策略不解决这个需求，员工就会自己动手解决。

问题 3：缺少数据分类指引。 一句"不要把敏感数据输入 AI 工具"，等于让员工自己去猜什么算敏感。内部会议纪要算敏感吗？一封邮件草稿呢？项目排期表呢？没有具体的判断标准，员工要么把所有东西都当成敏感数据（然后因为这条限制显得不近人情，照用不误），要么干脆什么都不当回事。

问题 4：写完就再没人管。 AI 工具每个月都在变。一月写下的策略，到三月就已经过时。没有固定的复审周期，策略只会越来越脱离现实。

下面这份模板针对上面这四个失败点，逐一给出了应对办法。

---

第 1 节：范围与定义

1.1 目的

本策略规范全体员工、承包商，以及代表 [组织名称] 行事的第三方在使用人工智能工具时的行为。它规定哪些 AI 工具可以使用、可以通过这些工具处理哪些数据，以及如何监控和执行。

1.2 适用范围

本策略适用于：

• 所有由 AI 驱动的软件，包括大语言模型（ChatGPT、Claude、Gemini 等）、代码助手（GitHub Copilot、Cursor 等）、图像生成工具，以及嵌入在现有软件中的 AI 功能
• 公司自有设备、用于办公的个人设备，以及处理公司数据时使用的任何网络或互联网连接
• 直接使用 AI 工具，以及通过内含 AI 处理的第三方服务间接使用

1.3 定义

---

第 2 节：获批工具与申请流程

2.1 获批 AI 工具

AI 治理委员会负责维护一份获批工具清单（见附录 A），并每季度更新一次。清单上的每一个获批工具都会注明：

• 允许处理的数据层级（可以处理哪些数据）
• 获批用途（这个工具可以用来做什么）
• 要求的账号类型（公司许可账号还是个人账号）
• 该工具特有的其他限制

现行获批工具（示例：请按贵组织实际情况调整）：

2.2 申请新增工具

任何员工都可以向 AI 治理委员会提交申请，请求评估一款新的 AI 工具。申请须包含：

1. 工具名称与供应商
2. 预期用途与业务理由
3. 会被处理的数据类型
4. 预计使用人数

委员会在 15 个工作日内按以下标准完成评估：

• 数据处理与存储方式（数据存在哪里、是否用于训练、保留多久）
• 供应商的安全认证（SOC 2、ISO 27001、能否签署 HIPAA BAA）
• 合同层面的数据保护条款
• 对监管合规的影响
• 现有获批工具能否达到同样目的

评估结果分为批准、附条件批准、附理由驳回三种。

---

第 3 节：AI 使用中的数据分类

这是整份策略里最重要的一节。把数据分类写得足够具体，才能消除判断上的模糊地带，而模糊地带正是影子 AI 滋生的土壤。

3.1 数据分类表

3.2 拿不准的时候

员工若不确定某份数据属于哪个层级，规则是：按更高的层级处理，并寻求确认。 联系你的主管或 AI 治理委员会。分类含糊时主动求证，正是策略期望的行为，员工可以放心这样做。

3.3 跨层级混合数据

一条提示词里如果混有不同层级的数据，按其中最严格的层级管理。一个 Tier 3 的调研问题，只要写进了 Tier 1 的客户姓名，就变成 Tier 1 提示词。员工应尽量在提交前把高层级数据剥离出去。

---

第 4 节：可接受使用准则

4.1 通用要求

所有 AI 工具的使用都必须：

• 使用公司账号，不得使用个人账号
• 符合第 3 节的数据分类要求
• 产出的内容在用于任何决策、对外沟通或交付物之前，先经人工审核
• 在这一区别至关重要的场合（例如监管申报、宣誓陈述），不得把 AI 产出当作人工完成的成果对外呈现

4.2 禁止的用途

不论数据属于哪个层级，以下行为一律禁止：

• 向任何 AI 工具提交凭据、API 密钥或身份验证令牌
• 在没有人工复核的情况下，用 AI 工具对个人作出自动化决定（录用、解雇、放贷、临床决策）
• 未经专家人工审核批准，把 AI 输出用于监管申报
• 规避 AI 工具限制（用 VPN 绕过封锁、用个人设备躲避监控）
• 用 AI 工具生成违反任何法律法规的内容

4.3 各部门专属指引

各部门应另行维护一套补充指引，给出与本部门工作相关的具体示例。例如：

工程：AI 助手生成的代码必须经过与人工代码相同的评审流程。不要把专有算法或数据库结构粘贴到外部工具。调试专有代码请使用内部 AI 平台。

法务：客户往来沟通、案件策略和特权材料一律不得粘贴到外部 AI 工具。借助 AI 起草的文书必须经执业律师审核。AI 生成的法律检索结果必须与一手来源核对。

人力资源：员工个人身份信息（姓名 + 薪酬、姓名 + 绩效评级、姓名 + 处分记录）一律不得输入外部工具。用 AI 做分析前先做匿名化处理。

财务：未公布的财务业绩、并购标的和重大非公开信息，不得输入任何 AI 工具。财务建模与分析请使用内部 AI 平台。

---

第 5 节：监控与执行

5.1 监控范围

组织会对 AI 工具的使用情况进行监控，以保护公司数据并确保策略得到遵守。监控内容包括：

• 流向已知 AI 工具域名的网络流量
• 传输至 AI 服务的数据量
• 自动扫描外发提示词中的 Tier 1 数据特征（PII、PHI、凭据）
• 使用模式与异常检测

监控的范围不含逐条阅读提示词内容。自动化系统标记出可能的违规，再由安全团队复核。

5.2 执行框架

5.3 安全港条款

员工在 24 小时内主动上报意外违规的，首次 Tier 2 违规不予纪律处分。设立这一条款是为了鼓励如实上报。涉及 PHI、PII 或其他受监管数据、且存在强制报告义务的 Tier 1 违规不适用本条款。

---

第 6 节：数据泄露的事件响应

6.1 发现违规之后

1. 控制（1 小时内）：撤销该员工对相关 AI 工具的访问权限。若工具支持，请求删除已提交的数据。
2. 评估（24 小时内）：确认泄露了哪些数据、属于哪个分类层级、是否涉及受监管数据（PII、PHI、财务数据），以及受影响的个人数量。
3. 通报（按监管要求）：若涉及受监管数据，启动相应的通报流程：
   • HIPAA：立即通知隐私官。60 天的泄露通报时限可能就此起算。
   • GDPR：涉及欧盟居民个人数据的，须在 72 小时内向监管机构通报。
   • 各州泄露通报法：各司法辖区规定不同，请咨询法务。
   • SEC：涉及重大非公开信息的，立即咨询法务。
4. 补救（7 天内）：联系 AI 供应商要求删除数据，并记录供应商的答复。若数据可能已被吸收进训练集，应记录为不可挽回的泄露。
5. 复盘（30 天内）：做根因分析。是策略写得不清楚？是员工不了解分类规则？还是这个用途本来就没有获批的替代工具？根据结论更新策略与工具配置。

6.2 记录留存

所有事件都必须记入 AI 事件日志，内容包括：日期、涉事员工（汇总报告中做匿名处理）、数据分类、涉及的 AI 工具、泄露的数据、控制措施、监管通报情况、根本原因和补救步骤。

---

第 7 节：培训要求

7.1 必修培训

7.2 培训内容

培训必须涵盖：

• 策略为什么存在（讲清道理，而不只是列规则）
• 如何获取获批的 AI 工具
• 使用 AI 工具前如何为数据分类
• 真实的违规案例及其后果
• 如何上报意外违规（重点讲安全港条款）
• 如何申请新工具或新能力

只讲"这些不许做"的培训会适得其反。开场应当讲"这些可以做，以及怎么安全地做"。

---

第 8 节：复审周期

---

监管覆盖层：HIPAA

适用 HIPAA 的组织须补充以下条款：

• PHI 始终属于 Tier 1。 任何外部 AI 工具都不得输入 PHI，即便对方已签署业务伙伴协议（BAA）也一样，除非该 BAA 明确涵盖 AI 辅助处理，且该工具已就 PHI 用途单独获批。
• 去标识化标准。 按 HIPAA Safe Harbor 方法去标识化（移除 18 项标识符）的数据可按 Tier 2 处理；采用专家判定法去标识化的数据可按 Tier 3 处理。
• 对 AI 供应商的 BAA 要求。 任何获批处理 Tier 2 数据、且可能附带处理 PHI 的 AI 工具，其 BAA 必须涵盖：数据能否用于模型训练（必须禁止）、数据保留与删除、泄露通报时限、审计权，以及分包商义务。
• 最小必要原则。 涉及任何健康相关数据的提示词，只能包含达成该目的所需的最少信息。

监管覆盖层：GDPR

处理欧盟/欧洲经济区居民个人数据的组织须补充：

• 处理的合法基础。 涉及个人数据的 AI 工具使用，须依据 Article 6 确定合法基础。以正当利益为基础的用途，须留存正当利益评估文档。
• 数据跨境传输机制。 由美国公司运营的外部 AI 工具，须具备有效的传输机制（标准合同条款、EU-US Data Privacy Framework 认证，或具有约束力的公司规则）。
• DPIA 要求。 任何 AI 工具在大规模处理个人数据、涉及自动化决策或处理特殊类别数据之前，必须先完成数据保护影响评估（DPIA）。
• 解释权。 当 AI 输出会影响涉及个人的决定时，组织必须能说明其中的逻辑。这要求把 AI 工具在决策流程中的使用情况记录留档。
• 数据主体权利。 员工、客户及其他数据主体对经 AI 工具处理的数据，仍享有访问、更正、删除和可携带的权利。

监管覆盖层：SOC 2

维持 SOC 2 合规的组织须确保：

• 变更管理。 引入新的 AI 工具必须走 SOC 2 控制文档中规定的变更管理流程。
• 访问控制。 AI 工具的账号开通与回收，必须和其他应用一样走统一的身份管理系统。使用个人账号即违反访问控制要求。
• 日志与监控。 AI 工具的使用日志，保留期限须与其他系统访问日志一致（通常至少 12 个月）。
• 供应商风险管理。 AI 供应商必须纳入供应商风险管理程序进行评估，评估结果须留档并每年复核。
• 事件管理。 AI 数据泄露事件必须走现有的事件管理流程，并相应留档。

监管覆盖层：EU AI Act

在欧盟部署 AI 系统的组织须考虑：

• 风险分级。 判定自身的 AI 用途在 EU AI Act 下属于禁止、高风险、有限风险还是最低风险类别。
• 高风险义务。 若某项 AI 使用被判定为高风险（例如用于雇佣决策、信用评估或医疗），将适用额外要求：风险管理体系、数据治理、技术文档、人工监督，以及准确性与稳健性要求。
• 透明度义务。 用户在与 AI 系统交互时必须被明确告知。AI 生成的内容若可能被误认为人工创作，必须加以标注。
• 通用目的 AI 模型。 若使用基础模型（GPT-4、Claude、Llama 等），须满足 Article 53 对通用目的 AI 模型的透明度与文档要求。

---

应用示例：医疗机构的策略

一家拥有 500 张床位、4,000 名员工的医院系统这样改写了本模板：

获批工具：内部 AI 平台（基于 Llama 3.3 构建，本地部署）适用于全部层级。Microsoft Copilot for Microsoft 365（公司许可，仅限 Tier 2 和 Tier 3，明确禁止 PHI）。未批准任何面向消费者的外部 AI 工具。

主要改动：新增一条规定，除非用途已获隐私官批准，否则任何提示词中都不得输入患者标识信息（姓名、病历号、出生日期），内部平台也一样。为 AI 辅助临床决策支持工具单独制定了一份"临床 AI"子策略，与通用 AI 策略分开。要求 AI 治理委员会必须包含首席医疗信息官和一名临床人员代表。

执行效果：内部 AI 平台与策略上线后的 120 天内，临床人员的影子 AI 使用率从估算的 45% 降到 8%。剩下的 8% 主要是医生在用专科医疗 AI 工具，这些工具正在评估，有望进入获批清单。

应用示例：金融服务公司的策略

一家中型投资顾问公司（800 名员工，在 SEC 注册）这样改写了本模板：

获批工具：内部 AI 平台（本地部署，与互联网隔离）适用于全部层级。Bloomberg Terminal 的 AI 功能用于 Tier 2 和 Tier 3 的市场数据。任何用途都未批准面向消费者的外部 AI 工具。

主要改动：明确禁止把重大非公开信息（MNPI）输入任何外部 AI 工具，违规按潜在内幕交易事件处理，须立即交法务审查。要求 AI 生成的投资研究在所有面向客户的材料中标注"AI 辅助"。量化交易策略开发中使用的任何 AI 工具，都须事先报备核准。

执行效果：90 天内把所有 AI 使用收拢到内部平台。第一季度发生两起事件：都是 Tier 2 违规（内部报告被输入到一款带 AI 功能的未获批浏览器扩展），都由端点监控发现，都通过重新培训解决。

---

执行力度的悖论

AI 策略最难的地方在于执行力度的拿捏。悖论在于：

• 太严：员工觉得策略不近人情，遵守率下降，影子使用上升，策略只剩纸面效力。
• 太松：策略提供不了实质保护，监管机构会认为它形同虚设，事件发生时也没有可依循的响应框架。

目标是找到一个可执行的中间地带。策略要严到足以挡住真正的损害，也要宽到员工在不明显损失效率的前提下能够遵守。

策略拿捏得当，最有力的信号是：员工会通过安全港条款主动上报意外违规，会走正式流程申请新工具，内部 AI 平台的使用量逐月增长。

如果没人用安全港，没人申请工具，内部平台使用量持平，说明策略太严，员工正在绕道。如果频繁出现 Tier 1 违规，说明策略太松，或者培训不到位。

持续衡量、持续调整、持续迭代。策略是一份需要不断更新的活文档，而不是一座纪念碑。