AI数据安全3档分类+3种方案 #AI财务 #AI办公 #AI职场 #数据安全 #职场干货

我上一期视频播放了十六万，有很多财务、会计都在评论区留言，说数据泄密了怎么办？公司的数据使用AI安全吗？等等，对这类数据安全相关的问题表达了担忧。今天就来说一说数据安全这块的问题。 首先说相关的法律：第一，国家是鼓励用AI的，这是一个大的趋势和方向。第二，用的时候确实是需要对数据进行保护的，尤其是AI的服务器不能在国外。比如你要用国外的GPT这类工具，本身是有安全风险的。但是你要是用国内的豆包、智谱、切问这些，数据服务器都是在国内的，相对来讲还是比较安全的。第三，AI平台是有法定义务不去滥用你的数据，不拿你的数据去做相关的违规操作。 下面就快速过一下有哪些相关的法律法规。第一个就是《会计法》，在2024年修订，它的第八条就明确说明了，国家鼓励用现代信息技术开展会计工作。第二就是《会计信息化工作规范》，在2025年实行，其中的第三十条明确单位可以把会计数据委托给第三方平台，前提是权责明确，确保信息安全。第四十四条呢，就是直接点名了生成式人工智能服务是可以合规使用的。《生成式人工智能服务管理暂行办法》是2023年网信办等七部门发布的，其中第十一条明确了AI服务商的三个不得：第一，不得违规收集你的信息，不得非法留存你的数据，不得非法向他人提供。所以这里三条导向都是鼓励使用AI的，但是数据要做好保护，并且平台是有法定义务的。上述说的这些法律法规相关的条文，大家都可以在网上搜到，自己可以去查证。 那么说完了法律法规相关的内容，再说一说从自己的角度怎么去保护自己的数据，给大家一套直接能用的方法。第一，我们先要对自己的业务场景、自己所涉及处理的一些数据，先去做一个分类，分类完了之后再去制定对应的方案。首先你要判断你的数据是哪一档，自己心里先有一个红绿灯标准：第一就是绿灯，就是一般公开中性的财务数据，这种主要就是指公开的信息、行业知识，不涉及具体的人和具体数字的内容，这种是绿灯，你可以直接拿去使用。第二就是黄灯，就是一些敏感数据，比如说涉及到真实的数字、客户、金额、工资等等，这种是能识别到具体的人或具体业务的信息，这种不是不能用，是可以脱敏之后再用。第三是红灯，主要就是涉密数据，比如说国家的涉密会计资料、政府军工的涉密账户、未公开的核心商业机密等等，这些都是法律明令禁止上传的内容。 第一步，大家根据自己的实际工作和业务场景，先对自己所涉及的数据做一个分类。如果是绿灯数据，那么就可以直接去使用，不用去纠结，让AI根据你的实际业务、实际场景去帮你规划流程，实现你的业务目标。第二种就是黄灯数据，我们要去做脱敏，这种操作很多人可能不清楚。核心思路就是，我们让AI去帮我们处理，但是我们不把真实的数据发过去。你让AI看你的表的结构骨架，但是不给他看实际内容，你可以做一些假数据、模拟数据，让AI根据你的业务逻辑，帮你去写一些本地的脚本，写一些本地的程序，或者是表格里的一些VB、宏这样的工具，帮你来做批量执行。从头到尾AI都没有接触过你的真实数字、真实数据，我们既拿到了效率，同时数据也没有出过我们的电脑。 第三个方案就是本地部署运行。如果我们涉及的数据、业务场景确实是高敏感场景，核心思路就是我们把模型下载到本地，然后断网运行，这样子所有的数据操作都是在我们本地完成的。具体的操作步骤：第一，我们去下载工具，比如说Ollama或者说LM Studio，这种都是免费的一键安装包，Windows和Mac系统都支持。第二，去下载模型，现在国内很多大模型其实都是免费开源的，像通义千问、DeepSeek、GRM这些，我们只要在工具栏里搜索对应的模型，点击下载之后安装到本地就可以了。第三步，我们就可以在断网的状态下使用AI模型，在自己的本机上运行AI，这样子就可以在不把数据传到线上的情况下，也能体验到AI带来的效率提升。当然这样做可能需要付出一些代价，比如说得准备一台配置相对好一点的电脑、性能好一点的显卡，来支撑本地模型的运行，实际使用效率也能得到保障。 所以大多数人的日常工作，我理解方案一、方案二可能就能覆盖百分之八九十的场景。假如说我们遇到高敏数据，也有方案三这条路来解决数据安全的问题。所以说数据安全这个问题，其实不是信不信任AI的问题，而是我们缺一套应对这类数据问题的决策框架。当我们没有决策框架的时候，我们对于安全风险是没有判断依据的，只能模糊感觉到可能有风险、有危险，没有清晰的边界，所以我们出于本能就只能往后退。有了框架之后，我们知道什么样的数据是绿灯，什么样的数据是黄灯，什么样的是红灯，每一步我们都有对应的处理方式，也有对应的预案，那么潜在的危险就转化成了可管理的风险，而风险是可以被管控的。法律已经帮我们把大框架搭好了，所以我们缺的也不是国家层面的安全保证，而是一套自己能落地执行的操作流程。 所以当你在问使用AI安全吗？把数据交给AI会不会带来更多风险这类问题的时候，我们完全可以从自己的实际情况出发，梳理清楚你要处理什么样的数据，对应什么样的场景，你担心哪个环节、哪个环节可能有风险，你愿意付出什么样的成本，我们完全可以从这些点着手，安全地开始使用AI。