开题报告写到第三章，导师在群里发了一条通知：凡使用 AI 辅助的段落，提交时需单独说明工具与环节。这条通知让半个实验室停下来翻学生手册——规定到底怎么写的，此前没人认真看过。学校和企业的要求差别很大，落到具体场景又各有各的边界。下面按四类场景拆开，讲清通常怎么要求、边界卡在哪，以及规定没写清时该怎么处理。
先定位自己落在哪一类规定里
机构对 AI 的态度大致分四档：完全禁止、允许但须声明、限定环节、不作规定。完全禁止的那一档正在变少，因为难以执行——一篇稿子里哪句话经过工具润色，几乎无法举证。限定环节的规定更常见：语言润色、格式检查、资料检索通常放行，生成内容、数据分析、结论推导通常不放行。
不作规定的那一档最麻烦。它不意味着自由，只意味着出事时由你来解释。遇到这种情况，主动问一句的成本，远低于事后被认定为违规的成本。
四类场景，要求与边界各不相同
| 场景 | 通常怎么要求 | 边界在哪 |
|---|---|---|
| 课程作业 | 多数允许查资料、理思路、语言润色，要求在提交时注明工具与使用环节 | 直接提交生成文本、把它的分析当成自己的论证，通常按抄袭处理；改写过但观点是它给的，同样说不清 |
| 学位论文 | 更严：选题、文献综述、实验设计、结论通常要求本人完成，工具限于语言与格式 | 方法章节或致谢里要写明使用情况；隐瞒使用比使用本身更容易被追究 |
| 考试与测验 | 多数明确禁止，闭卷尤其；开卷是否允许联网，看监考规则里的单独说明 | 规则没提 AI 不等于允许；带联网的在线考试，通常按「是否借助外部信息」判断 |
| 工作交付 | 按数据分级与工具白名单管：公开信息可放宽，客户数据与未公开经营信息通常禁止输入 | 交付物出问题，追的是署名的人；工具给错不能作为解释 |
四行的共同点：要求写在「能不能用」，边界写在「用了之后怎么交代」。多数人只关心前者，卡住的往往是后者。
声明写到什么程度才算清楚
「使用了 AI 辅助」这句话信息量接近于零。有效的声明包含三样：哪个工具、用在哪个环节、对结果做了什么处理。例如「用某工具对第二章做语言润色，术语与数据未改动，润色后逐段校对」——这样写，读者能判断哪些部分是你的判断、哪些是工具的表述。
声明的位置也有讲究。课程作业通常写在文末或附录；论文多写在方法章节或致谢；企业交付物则看内部模板，有的要求写在文档属性里。位置错了，等于没写。
学校与企业，约束的来源不同
学校的约束来自学术诚信：核心是「贡献归谁」。选题、论证、结论、数据分析的判断，这些构成学术贡献，交给工具就等于把贡献让出去。所以学校的规定往往不纠缠工具，只追问哪部分是你的。
企业的约束来自信息边界：核心是「什么能出去」。客户名单、未公开的经营数据、源代码，一旦输入外部服务，就脱离了公司的控制范围，训练数据是怎么被收集和使用的解释了这层风险为何难以撤回。所以企业更在意工具是不是统一采购的、账号是不是公司的、日志留不留。
规定没写清时的三个动作
先问人：导师、主管、教务，问的时候把场景说具体——「我要用它把访谈录音转成文字，再自己整理成章节」，比「我能不能用 AI」更容易得到明确答复。问完留个记录，邮件或群消息都行，日后有争议时这是最省事的凭据。
再查层级：同一件事可能同时受课程规定、院系规定、学校规定约束，取严的那一层。企业同理，部门惯例之外还有行业要求，尤其是涉及对外披露的内容。
最后做保守选择：三层都问不到时，按最严的那档执行，并且把使用过程留痕。这条不聪明，但它把不确定性从「会不会被认定违规」换成了「少用了一点」。
规定管不到的两件事
规定能约束行为，约束不了质量。工具写出来的文献综述可能引用了不存在的文献，模型为什么会一本正经地编造引用是这类问题的根源，而规定里通常不会写「你必须核对每一条参考文献」。
规定也管不了偏向。让它帮你找文献，返回的往往是英文主流期刊，中文文献、区域研究、反面证据出现得少，长期依赖会让综述的视野变窄，AI 偏见从哪里来讲的是同一个机制。这类偏差不会触发任何违规判定，却会悄悄改变你的论证结构。
还有一层：它给结论的过程通常说不清。同一个数据集，换个问法就换一个结论，你没法追问它为什么，可解释性为什么难是这件事的技术背景。所以数据分析的判断必须自己下，工具只能给候选。
速查：学术与职场怎么用 AI
- 先查规定，再动手；四档里先确认自己在哪一档
- 声明三要素：工具、环节、对结果做了什么处理
- 学校问贡献归谁，企业问什么能出去，两套逻辑
- 规定含糊时：问人、查层级、取严执行并留痕
- 引用与数据自己核，工具给的只是候选
