误解一:用模型就要备案

备案针对面向境内公众提供生成式服务的提供者。企业内部的文档助手、代码补全通常不在此列,一旦开放给外部用户使用,性质就变了。判断的关键是服务对象与实际开放范围,而不是有没有用大模型,误判会直接影响预算投向。边界在于内部开放与对外服务的义务清单并不相同。

诊室内的检查设备与座椅
诊室场景:合规与隐私边界自有素材

误解二:开源模型责任更轻

开源只改变获取方式,不改变使用者的义务。语料合法性、内容标识与个人信息处理仍由使用方承担,模型许可协议也不能对抗监管要求。把开源当免责理由,是最容易在检查中失分的一类想法,也会削弱内部对合规判断的信任。为什么这种想法危险:责任不会因为开源而转移。

误解三:加免责声明就够

标识要求包含显式提示与隐式元数据,且不得删除篡改。一句页面底部的免责声明既不显式也不可追溯,起不到标识作用。真正的边界是:标识解决可识别性,不解决内容真实性与侵权责任,两者要分别取证。

误解四:合规是法务一个部门的事

法务能判条款,但语料在业务手里、日志在 IT 手里、发布在运营手里。没有业务与技术配合,合规只能停在意见层面。可行做法是设跨部门小组并指定单一联络人,把判断变成可执行的检查项,否则推动时无人真正负责。怎么推动:先挑一个高频场景跑通,再逐步扩面。

误解五:过了等保就等于合规

等保测评覆盖系统与网络的安全基线;生成式 AI 还涉及语料、标识、算法与个人信息等专门要求。两者是并列关系,不能互相替代,审计时分别取证,客户尽调往往同时索要两类材料,缺一类就要临时补。边界在于两者覆盖的风险范围并不相同。

适用与不适用

适合谁

  • 被各种合规说法困扰、需要判断优先级的负责人
  • 正在做合规预算与范围论证的企业
  • 需要向业务解释为什么不能走捷径的合规人员

不适合谁

  • 期望找到一条通用捷径、不愿区分场景的企业
  • 把合规理解为一次性拿证、拿完就结束的项目

典型场景

某企业的业务部门听说同行 AI 客服做了备案,要求 IT 也去办。合规负责人先确认该系统只对内部员工开放,判定不触发备案,转而要求补语料授权说明与对话字段脱敏,并把结论写进评审记录,在季度会上同步给业务线负责人,避免下次重复讨论。

可执行步骤

  1. 收集内部流传的合规说法,逐条标注出处与适用条件,区分法规要求与同行做法
  2. 对每条说法补上例外情形,特别是服务对象、开放范围与数据流向三个变量
  3. 按本企业业务形态判断是否适用,形成一页书面结论并注明判断依据,并附适用条款出处
  4. 把结论沉淀为内部问答与评审检查项,减少同类问题在部门之间反复讨论
  5. 对确实适用的条款排整改计划,明确责任人与完成期限,每季度复核一次
安全、合规与数据类目结构示意图
类目示意图:安全、合规与数据通用流程示意 · 上岸智源

常见坑

  • 拿同行做法当标准,忽略业务形态与服务对象差异,方案照搬后落地即失效,还要重新解释一遍,方案还得重做一轮
  • 把免责声明当成标识方案,检查时无法举证,也说不清标识的位置与形式,客户追问时更被动,事后也无法追溯
  • 用等保测评报告覆盖所有合规问题,评审时被逐条追问,反而拖长项目周期,信任也被消耗,客户尽调也会扣分
  • 结论只存在个人记忆里,换人后重新争论一遍,判断标准随人而变,交接成本很高,评审结论难以复用
城市夜景与发光的数据锁
安全场景:数据与合规自有素材

自检与验收清单

  • 每条说法是否标注了适用条件,并与例外分开写
  • 结论是否有书面记录,是否有审批人签字确认,可追溯
  • 是否区分了系统安全要求与 AI 专门要求,并分别取证归档
  • 对外口径是否与内部判断一致,有无单独的对外版本

常见问题

同行做了备案,我们是否也要做?

取决于服务是否面向境内公众。内部系统与对外产品的义务不同,建议先写清服务对象、开放范围与内容形态,再对照条款判断,必要时向主管部门或专业机构确认,不要照搬同行结论。

加了 AI 提示还会被追责吗?

提示只解决可识别性,不免除内容真实性与侵权责任。对外发布的营销、报告类内容仍需人工复核与责任人签认,出现问题时企业仍要承担相应后果,不能以已标注为由抗辩。

合规能不能一次性做完?

很难。模型、业务与监管都在变,合规更像持续运行的机制:定期复审、事件触发复审、留痕可查。把它当成项目一次交付,通常半年后就与现状脱节,反而制造虚假安全感,也无法应对新的检查要求。

参考来源

  1. 生成式人工智能服务管理暂行办法(第15号令) 国家互联网信息办公室等七部门 · 2023
  2. 人工智能生成合成内容标识办法(国信办通字〔2025〕2号) 国家互联网信息办公室等四部门 · 2025
  3. GB/T 22239-2019 信息安全技术 网络安全等级保护基本要求 国家市场监督管理总局、国家标准化管理委员会 · 2019