2026年的职场中，悄然出现了一类三年前还不存在的事件：工程师把源代码粘贴到ChatGPT中，引发审计；销售人员把客户名单交给会议总结工具；人力资源经理用个人AI账户起草裁员通知，事后却无法保证文本保留在何处或有谁看过。这些都算不上轰动性的数据泄露事件，却真实、常见，而且完全可以避免。
本文是“如何在工作中安全使用AI”的实用版本。它不是政策文件——此类文件已经存在，你也应该遵守公司的政策——而是一套工作层面的规则，用来防止日常错误。
如果团队没有获批的AI工具，员工通常会私下使用个人账户。切实可行的管控方式不是禁止，而是提供获批工具、制定明确的数据规则，并通过工作流让安全做法更加便捷。
根本问题
在大多数司法管辖区，当你把内容粘贴到消费者级AI工具时，默认会发生三件事：
- 内容会发送给第三方提供商。
- 内容会在其服务器上保留一段时间。
- 根据服务层级和设置，内容可能被用于改进未来的模型。
对于大多数个人用途，这没有问题。对于工作用途，则完全取决于粘贴的内容。客户数据、内部财务信息、源代码、受保密协议约束的合同、员工信息，以及任何受GDPR或行业法规约束的内容，都需要采用不同的处理方式。
一条规则
有一条规则能够防止95%的工作场景AI使用错误：
任何与工作相关的内容，都应使用公司正式批准并为工作用途配置的AI工具处理。
就是这么简单。如果公司使用Microsoft 365 with Copilot、ChatGPT Enterprise、Claude for Work、Google Workspace with Gemini Enterprise或类似的企业服务，就用它来处理一切与工作相关的内容，不要例外。
这些企业服务层级提供消费者服务层级所没有的合同保障：
- **你的对话不会用于训练模型。**这是明确的合同条款，而不只是一个复选框。
- 数据驻留可以进行配置（欧洲公司通常可选择仅限欧盟）。
- SOC 2、ISO 27001及类似认证能够满足采购和安全团队的要求。
- 可审计的使用记录可供IT团队监控合规情况。
- 更严格的访问控制——你的经理不会意外看到你的AI对话。
如果公司尚未批准任何工具，你有两个选择：不使用AI处理工作内容，或在公司内部推动审批。不要折中采用个人账户，“只处理一点小事”也不行。
对于管理者而言，这意味着政策必须写明具体工具，而不能只说明原则。如果没人知道哪个工具获批，“使用获批工具”就没有意义。
30秒敏感性检查
在把任何内容粘贴到任何AI工具之前，请进行以下检查：
-
**其中是否包含任何人的个人数据？**姓名、电子邮件地址、住址、身份证件号码、电话号码、健康信息、财务信息。如果是 → 只能使用企业工具，并考虑能否先移除个人数据。
-
**其中是否包含公司的专有信息？**源代码、财务数字、客户名单、战略文件、受保密协议约束的合同。如果是 → 只能使用企业工具。
-
**其中是否包含你不希望被截图和分享的内容？**内部讨论、坦率评论，以及任何一旦泄露便会让你或公司难堪的内容。如果是 → 使用企业工具，并尽可能采用临时聊天模式。
-
**数据是否受特定法规约束？**GDPR、HIPAA、金融监管规定、出口管制。如果是 → 在使用AI处理之前，请咨询数据保护官或合规团队。
-
**能否用匿名化的示例数据替代？**AI通常不需要真实客户姓名或真实账号——占位数据同样有效。如果可以 → 先做匿名化处理，再粘贴。
这只需要30秒，却能在问题发生前拦截几乎所有风险。
绝不能粘贴到个人AI账户的三类内容
下面是一份简短清单。无论个人ChatGPT使用起来多么方便，这些内容都不应出现在其中：
**1. 真实客户数据。**哪怕只包含一位客户的姓名和一项信息也不行。综合风险——违反GDPR、违反客户合同、违反劳动合同——远远大于那一点便利。
**2. 雇主代码仓库中的源代码。**大多数劳动合同都包含知识产权条款，因此这样做会带来问题。请使用雇主提供的GitHub Copilot、采用公司配置的Cursor，或团队已标准化使用的其他工具。
**3. 标记为机密的内部文件。**战略演示文稿、财务信息、并购讨论、法律通信。有时，这些内容根本不存在可用的企业级AI方案——这时就不要使用AI处理。
实用的数据分类
采用以下四个类别：
| 类别 | 示例 | AI使用规则 |
|---|---|---|
| 公开 | 已发布的网站文本、公开文档、公开招聘广告 | 通常可以使用任何主流工具 |
| 内部 | 内部流程笔记、匿名化示例、通用模板 | 优先使用工作场所获批工具 |
| 机密 | 客户数据、源代码、合同、财务信息、战略 | 仅限获批的企业工具，并且确有使用需要 |
| 受限 | 健康数据、人力资源调查、受法律特权保护的信息、受监管数据 | 使用AI前咨询法务/安全团队 |
与本文配套的检查清单是这张表格的操作版本。
几种实用工具和模式
**针对一次性的敏感问题，使用临时/无痕聊天。**ChatGPT提供Temporary Chat，Claude也有类似功能。这些对话不会保存，不会加入记忆，也不会用于训练。如果只需要询问一次敏感问题且不希望保留，应该使用这种模式。
**关闭“使用我的对话改进模型”。**即使没有使用企业服务层级，这一项设置（ChatGPT中的Settings → Data Controls，其他工具中也有类似设置）也能消除最大的隐私顾虑。它不会影响存储哪些内容，也不会改变谁可以访问这些内容，但能防止你的内容被用于训练。
**粘贴前先做匿名化处理。**用占位符替换姓名，用大致数字替换精确数字，用“[Company A]”替换公司名称。很多时候，AI处理匿名化数据的效果出奇地好——重要的是结构和问题，而不是具体身份。
**对高度敏感的内容使用本地AI。**如果内容确实机密——例如正在谈判的合同、个人医疗问题或法律事务——而你又希望得到AI帮助，本地模型（Ollama，或通过LM Studio使用已下载的模型）可以让一切数据都留在你的设备上。对于大多数用例，这种做法有些过度；但对于某些用例，它就是正确答案。
**谨慎上传文件。**包含客户数据的电子表格、包含财务数字的演示文稿、内部报告PDF——这些文件的上传风险高于一条聊天消息，因为其中包含的内容往往比你记得的更多。打开文件，查看内容，再做决定。
关于编程的特别说明
编程场景比较特殊，因为风险确实存在，诱惑也很大。遇到程序错误时，你会想把相关代码粘贴到ChatGPT中，询问哪里出了问题。但这些代码属于雇主的知识产权。
2026年的正确做法是：
- 使用雇主批准的编程AI——GitHub Copilot Business / Enterprise、企业服务层级的Cursor，或通过公司账户使用的Claude Code。这些工具配置了知识产权保护措施，不会将内容用于训练。
- 对于本地开发，即便使用公司批准的AI，处理最敏感的代码时也应尽可能优先在本地运行AI（Ollama、本地LM Studio）。
- 如果确实别无选择，只能用个人AI账户处理工作代码，请仅粘贴能够重现问题的最小片段，并移除所有标识信息（更改函数名、删除注释、抽象业务逻辑）。这并非理想方案，但总比毫无处理要好。
关于面向客户的AI的特别说明
如果你在面向客户的工作中使用AI——起草客户邮件、回复客户支持请求、生成提案——需要考虑的问题有所不同。具体包括：
- **披露。**当客户接触AI生成的内容时，许多司法管辖区正逐步引入相关披露要求。你需要了解公司政策以及所在司法管辖区的规定。
- **草稿中的客户数据。**客户的账号、个人情况以及与你的往来历史——只能粘贴到企业级工具中，绝不能粘贴到个人账户。
- **下游影响。**由AI起草并以你的名义发送的客户邮件，无论说了什么，作出承诺的人都是你。发送前逐字阅读。
到2026年，大多数团队最终采用的模式是：使用已载入客户上下文的企业级AI工具（通过MCP、连接器或集成），让AI生成经过校准的回复，无需每次手动粘贴客户详细信息。这正是你的CRM团队应该构建的配置。
面向客户的AI输出仍然是你的输出。起草的邮件、提案或支持答复可能形成承诺、披露错误信息或损害信任。除非工作流已明确获批可以自动运行，否则必须在发送前审核。
有疑问就询问
如果某个用例处于模糊地带——你不确定其敏感程度是否足以要求使用企业工具，不确定监管机构是否会反对，也不确定经理是否会批准——那就询问。提问的成本很低；成为“不要这样做”培训中的反面案例，代价却很高。
具体而言，公司内可以回答这些问题的人包括：
- 数据保护官：负责GDPR、客户数据和员工数据问题。
- IT或安全团队：负责工具审批问题。
- 法务团队：负责合同、NDA和知识产权问题。
- 你的经理：负责判断“这类事情可以使用AI吗？”
给正确的人发送一条简短的Slack消息，要比处理事件便宜得多。
本文不主张什么
本文并不是说“不要在工作中使用AI”。这会是非常糟糕的建议——AI是2026年最显著的生产力提升手段之一，拒绝使用会让你和公司损失真正的价值。
本文也不是说“什么都用AI，不必思考”。这样做会惹出麻烦。
本文主张的是中间道路：认真而广泛地使用AI，同时养成一些小习惯——30秒检查、根据数据选择正确工具、进行匿名化处理——让AI成为可持续的工作实践，而不是一连串有惊无险的事故。
核心要点
一条规则（使用获批工具处理工作数据）、一个习惯（进行30秒敏感性检查），以及绝不能粘贴到个人账户的三类内容（客户数据、源代码、机密文件）。做到这些，你几乎可以毫无顾虑地使用AI处理其他任何工作。
数据卫生只需一点点努力，收益却很大。因在工作中滥用AI而被解雇或起诉的人，并不是那些在粘贴前花30秒思考的人，而是那些根本没有思考的人。
