企业使用大模型前要看哪些数据政策？训练使用、保留期与隐私

资料核验日期：2026-08-05。涉及产品版本、地区、价格或政策时，发布前仍应再次检查官方页面。

核心结论

• 产品形态决定条款。个人聊天、企业工作区、API和第三方集成要分别核对。
• 不训练不等于不保留。日志、功能状态、缓存和安全监控仍可能保留数据。
• 连接器权限要最小化。读取邮箱和云盘后，模型的实际数据边界大幅扩大。
• 政策必须版本化。记录核验日期、官方链接、合同版本和管理员配置。
• 技术控制与制度控制都需要。SSO、DLP、审计不能替代员工培训与审批。

第一步：分清消费版、企业版和API

同一品牌的个人聊天产品、商业工作区和API平台，数据使用条款可能不同。企业采购不能用“个人版设置里有一个关闭训练按钮”替代合同审查，也不能把API政策自动套用到第三方集成。OpenAI的企业隐私页面说明商业产品和API默认不使用业务数据训练模型；Google Workspace商业版本也提供与消费版不同的数据保护。^[1][3]

企业至少要核对的十个问题

“默认不训练”为什么还不够？

不训练只回答了一个问题。服务仍可能为了滥用监控、功能状态、日志、缓存、文件处理或法律义务保留部分数据。OpenAI API数据控制文档按端点区分滥用监控日志和应用状态，并说明部分功能与零数据保留不兼容。^[2]

连接器和智能体是新的风险入口

当模型连接邮箱、云盘、日历、CRM或内部数据库时，风险从“把提示发给模型”扩展为“模型能检索哪些数据、能执行哪些动作”。企业应核对OAuth范围、用户权限继承、索引副本、断开后的删除时限、写操作审批和操作审计。

一套可落地的数据分级规则

上线前治理流程

1. 盘点使用场景和数据类型。
2. 为每个产品建立“版本化政策卡片”。
3. 签署DPA并核对分包商与跨境条款。
4. 配置SSO、角色权限、连接器白名单和审计。
5. 用假数据先测试删除、导出、权限继承和越权边界。
6. 建立员工培训、违规上报和定期复核。

建议建立“AI产品数据政策卡”

每个批准使用的AI产品都应有一张内部政策卡，至少记录：产品与计划名称、合同主体、允许用户、允许数据等级、训练使用规则、默认保留时间、可配置保留、数据区域、分包商、连接器权限、删除方法、管理员控制、审计日志、核验日期和负责人。员工不需要阅读几十页条款，但必须能快速知道哪些内容可以输入。

员工使用规则示例

• 公开资料可在批准产品中正常处理；
• 内部资料只能在企业工作区中使用，并遵守项目权限；
• 客户个人信息在发送前应最小化和脱敏；
• 密钥、密码、身份证件和未授权数据禁止输入；
• AI生成的法律、财务和合规结论必须由专业人员复核；
• 发现误传敏感数据时，应立即停止任务并按事件流程上报。

NIST AI风险管理框架强调治理、映射、测量和管理风险。对企业而言，政策卡和操作规则的价值就在于把抽象条款转成可执行控制。^[4]

采购评审会议应输出什么？

评审结束不能只得到“这个工具可以用”。至少要形成五项明确结论：允许哪些团队使用、允许处理哪些数据、禁止哪些功能或连接器、管理员需要开启哪些控制、多久复核一次。对于仍未确认的条款，应列出负责人和截止日期，未完成前不得默认放行。

试点期间还要记录真实数据流：用户上传什么、模型检索什么、结果写回哪里、日志存在哪里、管理员能看到什么。很多风险不是出在模型聊天本身，而是出在同步索引、外部连接器和自动写操作。

常见问题

文章局限

• 本文提供采购与治理检查框架，不构成法律意见。
• 不同国家、行业和合同版本的要求不同，需由法务、隐私和安全团队共同审查。

参考来源

1. OpenAI：企业隐私（核验于 2026-08-05）
2. OpenAI API：Data Controls（核验于 2026-08-05）
3. Google Workspace：Gemini 数据保护说明（核验于 2026-08-05）
4. NIST：AI Risk Management Framework（核验于 2026-08-05）

更新记录

• 2026-08-05：首次整理并核验官方或一手资料，建立可复用流程与检查清单。