员工把公司数据粘贴到外部大模型，怎么从技术和制度上管控？
面试怎么回答
一刀切禁止不现实，员工会用个人设备偷偷用，风险更看不见。我的思路是先提供安全合规的替代方案，再管控高风险行为。第一步采购企业版 AI 服务或通过模型网关提供内部助手，合同明确数据不用于训练、保留期限和存储位置，统一身份认证，并让它足够好用。第二步结合数据分级制定简单具体的规则：内部数据只能用认可的工具，个人信息、财务、客户数据和核心代码禁止发往外部模型。第三步技术管控：网络层对未批准的 AI 域名控制或告警，DLP 检测发往 AI 服务的敏感内容并拦截或脱敏，内部调用走网关做审计。第四步做培训，提供安全使用指南。之后持续统计使用和拦截情况，扩充官方工具、更新规则。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
员工为了提高效率，把客户名单、财务数据、内部代码直接粘贴到各种外部 AI 工具里。这类「影子 AI」已经是很多公司的真实风险。面试官问这题（尤其是数据负责人岗位），想看你能不能在「禁止」和「放任」之间，找到让员工安全地用 AI 的方法。
一刀切禁止为什么不行
- 员工确实能从 AI 工具中获得很大的效率提升，禁止了也会偷偷用（用个人设备、个人账号）；
- 越禁止越看不见，风险反而更不可控。
更好的思路是：提供安全合规的替代方案，再对高风险行为做管控。
第一步：提供官方的 AI 工具
- 采购企业版的 AI 服务，合同中明确数据不会被用于训练、数据保留期限、数据存储位置；
- 或者通过公司的模型网关提供内部 AI 助手；
- 统一登录，按员工身份授权；
- 让官方工具足够好用，员工才不会去找别的。
第二步：数据分级和使用规则
- 结合公司的数据分级制度，明确哪一级数据可以用于哪类 AI 工具：
- 公开数据：任何工具；
- 内部数据：仅限公司认可的企业版工具；
- 敏感和高度敏感数据（个人信息、财务、客户数据、源代码核心部分）：禁止发送给外部模型，只能用内部部署的模型或者不能用；
- 规则要简单、具体、有例子，员工才能执行。
第三步：技术管控
- 网络层：对未经批准的 AI 服务域名做访问控制或告警；
- 数据防泄漏（DLP）：在浏览器、终端或网关检测发往 AI 服务的内容，识别身份证、手机号、客户名单等敏感数据，进行拦截或脱敏；
- 网关层：公司内部的 AI 调用统一经过模型网关，做敏感数据检测、审计；
- 审计：记录谁在什么时间使用了什么工具、发送了多大量的数据（注意员工隐私，审计内容和范围要合规、透明）。
第四步：培训和文化
- 告诉员工风险是什么、为什么有这些规则；
- 提供「怎么安全地用 AI」的指南和示例，比如先脱敏再提问；
- 出现违规时以教育为主，严重的按制度处理。
持续运营
- 定期统计 AI 工具的使用情况、拦截事件；
- 根据员工的需求扩充官方工具的能力；
- 规则随新工具、新法规更新。