公司的 AI 使用规定通常围绕四个问题展开:谁能用、用在哪些场景、哪些数据不能碰、出了问题谁负责。这四个答案写清楚了,制度就能落地;写不清,规定就会变成贴在墙上的摆设。这篇按真实企业的常见写法拆解条款结构,并给出一份员工须知的模板骨架,供起草时对照使用。
规定通常覆盖哪些条款
一份完整的制度文件,常见条款按顺序排布:目的与适用范围,说明规范谁、管什么工具;工具清单,列出公司认可或已采购的 AI 服务,未列明的新工具需走审批;使用场景,明确鼓励与限制的边界;数据处理规则,划定什么信息禁止输入外部服务;标注要求,对外发布的 AI 生成内容需按平台规则履行 AI 生成内容标识义务;违规处理,对应提醒、通报、追责的梯度。条款数量不必多,关键是每条都能执行、能检查。
允许与禁止的边界划分
边界划分的原则是按数据敏感度划线,而不是按工种一刀切。通常允许的场景:整理会议纪要、润色对外文案初稿、辅助编写常规代码、生成培训材料框架。通常禁止的场景:把客户名单、合同文本、未公开财务数据、员工个人信息输入公共 AI 服务;让 AI 直接生成后不经审核就签署的合同条款;用 AI 批量伪造业务记录。中间地带建议设「需审批」档:例如市场部想把投放数据交给 AI 做分析,先脱敏、再报部门负责人确认。三档结构比两档好用,员工遇到新情况知道该往哪走。
| 档位 | 典型场景 | 怎么处理 |
|---|---|---|
| 允许 | 会议纪要、文案初稿、常规代码、培训框架 | 直接使用,按需标注 |
| 需审批 | 把投放数据交给 AI 做分析 | 先脱敏,再报部门负责人确认 |
| 禁止 | 客户名单、未公开财务数据、员工个人信息 | 不得输入任何公共 AI 服务 |
数据与客户信息的处理要求
数据条款是整套规定里最硬的部分,常见写法包括:分级标准,区分公开、内部、机密三级,机密级禁止输入任何外部 AI 服务;脱敏要求,内部级数据确需使用时,先替换姓名、证件号、账号等直接标识;工具约束,涉及代码的团队优先使用企业版或私有化部署方案,避免代码片段进入公共模型;留存说明,写明对话记录是否被服务商用于训练,以所选服务的官方协议为准。这一节建议附一张速查表,员工不必通读全文就能判断手里的数据属于哪一级。
员工须知模板的骨架
给制度起草者一份可直接改编的骨架:一、为什么有这份规定(一两句即可);二、适用对象与工具范围;三、可以用 AI 做的事(列举五到八项);四、禁止行为(列举后附违规后果);五、数据分级速查表;六、AI 参与内容的标注要求;七、新工具申请流程与联系人;八、违规处理的梯度与申诉渠道。模板的价值在于结构而非措辞,各公司按行业监管要求增删即可,例如金融、医疗行业的机构还需叠加本行业的客户信息保护规则。
制度落地与更新节奏
写完只是开始,落地有三步。先培训:用真实案例讲清红线,比让员工通读文件有效得多;再试点:选一两个部门跑一个月,收集「规定里没覆盖到」的实际场景,补进条款;后纳入流程:把 AI 使用确认嵌进入职培训、外发审核等既有环节,避免制度悬空。更新节奏建议按季度:AI 工具的能力与服务条款变化很快,每季度把工具清单、数据条款核对一遍,过期的及时替换。规定活得久靠的是持续修订,而不是一次写到位。
延伸阅读:员工用 AI 泄密怎么防、代码能直接贴给 AI 吗、员工对话能用来训练吗。
制度落地的五个动作
- 用真实案例培训,别只发文件
- 选一两个部门试点一个月
- 把使用确认嵌进入职与外发审核
- 每季度核对工具清单与数据条款
- 新工具先走审批再进清单
最容易省掉的是试点这一步,没跑过一个月,条款里缺什么根本看不出来。
关于企业 AI 制度的三个追问
- 用 AI 写的东西出了错谁负责?:通行原则是「谁署名谁负责」。AI 只是工具,员工对经手产出的准确性负最终责任,审核义务不因使用了 AI 而免除,制度里应把这句话写成明文。
- 员工用私人账号办公算违规吗?:多数公司的规定将其列为禁止项,因为私人账号脱离企业管理,对话数据去向无从核查。正确路径是申请公司认可的工具,而不是图方便用私人通道。
- 公司还没出规定,员工现在能用 AI 吗?:制度空白期的稳妥做法是只做不涉密、可公开的低风险任务,并把使用情况留痕,等规定出台后按新规校正,避免留下隐患。


