企业如何限制大模型访问员工与供应商的敏感信息

模型能够读取员工病历和供应商合同全文。企业需要先回答一个实际问题：谁会使用这项分析，使用后有权改变什么。否则建议再准确也难落地。AI 能帮助企业管理 ESG，却也消耗计算资源并处理敏感信息。项目评估需要把模型本身纳入环境、社会和治理边界，不能只计算它带来的潜在节约。

这类场景需要先校准数据边界。为每项应用记录模型类型、调用量、计算资源、供应商和数据权限。优先使用适合任务的轻量方法；需要推理的复杂问题，再调用更大的模型。初期不妨先按任务只开放必要字段，设置脱敏与访问日志。资料进入系统前，应标清时间、地点、来源和权限；同名指标若定义不同，要先统一再比较。

下一步是把提示转成能执行的决定。建立风险等级与人机分工：低风险摘要可以自动完成，高风险环保处置、员工评价和供应商处罚须经人工复核。访问日志与版本记录可帮助追查错误来源。管理层要明确谁核查、谁批准、谁验证效果，避免提醒在部门之间空转。把建议放进现有经营会议和工单流程，比另建一个无人查看的 AI 看板更有效。

权限测试要覆盖提示词诱导和跨部门检索，而不只检查后台账号是否登录成功。先让负责执行的人参与设计试点，列出他们最需要的证据和最担心的误判。模型只提供候选行动，负责人确认后实施；每周复盘一次，把错误建议和未解决问题留下来。实施记录还应保存使用的数据版本、决策人和被否定的备选方案。复盘时比较自动提示与传统流程各自漏掉了什么，避免只展示成功案例。

判断是否值得推广，需要定期测试提示词越权和数据外泄。效果评价应同时计算业务改善、能耗、用水、员工影响和隐私事件。若模型没有比简单规则或现有流程产生更好结果，就没有理由继续扩大部署。一次试点成功不能证明长期有效，至少应跨越不同班次、季节或业务周期观察。

风险控制也不能缺席：默认不给模型长期保存敏感原文的权限。供应商声明和系统输出都可能不完整。企业应开展偏差测试、越权测试和故障演练，向受影响者提供解释与纠正路径，并设置退出或降级运行方案。出现错误时，先控制可能的影响，再更正数据、通知受影响的人，并检查同类任务是否也被错误结论波及。

把每次异常和修正留在台账里，下一次同类问题出现时才能看到组织是否真的学会了改进。这样形成的 ESG 结果更可解释，也更容易被员工、客户与外部审查者理解。