2. AI应用场景与数据流盘点

数据隐私合规的起点不是写制度，而是把企业里真实运行的AI应用“摊开来看”。很多企业做合规时容易陷入一个误区：先写一份通用隐私政策，再套到所有AI系统上。但推荐系统、风控模型、智能客服和生成式AI对个人信息的依赖方式完全不同——推荐系统关心行为轨迹，风控关心身份与信用，客服关心对话内容，生成式AI则可能把上述所有信息都“吃”进去。因此，本节的核心任务是完成一份可落地的AI应用数据映射表，把每个AI场景涉及的个人信息类型、数据来源、处理环节和流转路径逐一标注清楚。

一、先分类：四类典型AI应用的数据特征

企业内AI应用虽然形态各异，但从个人信息处理角度看，可以归为四类，每类的数据特征和合规敏感点差异明显。

推荐类应用（商品推荐、内容推荐、广告投放）主要处理行为数据：浏览记录、点击序列、停留时长、购买历史、搜索关键词。这些数据本身不直接标识自然人，但通过用户ID、设备ID可以间接关联到个人。推荐系统的数据来源通常是埋点日志和业务数据库，处理环节包括特征抽取、向量化、召回排序，流转路径一般是“客户端埋点→日志采集→特征平台→模型服务→推荐结果返回”。

风控类应用（信贷审批、反欺诈、交易监控）处理的是身份与信用数据：身份证号、手机号、银行卡号、设备指纹、IP地址、征信记录、联系人信息。这类数据敏感度高，且往往涉及第三方数据源（征信机构、公安核验接口）。处理环节包括规则引擎、模型评分、人工复核，流转路径更复杂，可能跨系统、跨机构。

客服类应用（智能问答、语音客服、工单分类）处理的是对话与交互数据：用户提问文本、语音录音、通话记录、订单号、账号信息。如果客服系统接入大模型，对话内容还可能被用于模型微调或上下文缓存，这是容易被忽略的二次使用风险。

生成式AI应用（文档生成、代码辅助、营销文案、知识问答）处理的是用户主动输入的内容：提示词、上传的文档、粘贴的表格、对话历史。风险在于用户可能无意中把客户名单、合同条款、员工信息粘贴进对话框，导致个人信息进入第三方模型服务商。

二、数据映射表的字段设计

一份可用的数据映射表，至少应包含以下字段：AI应用名称、业务归属部门、个人信息类型（区分直接标识、间接标识、敏感个人信息）、数据来源（用户直接提供、系统自动采集、第三方共享、内部衍生）、处理环节（采集、存储、使用、加工、传输、提供、删除）、流转路径（从哪个系统到哪个系统，是否出境，是否经过第三方模型）、法律依据（同意、合同必要、法定义务等）、风险等级与备注。

字段不必一次求全，但“个人信息类型—来源—处理环节—流转路径”这四列是核心，缺一不可。下面这张SVG图展示了四类AI应用在数据流上的典型差异，可作为盘点时的参照框架。

三、盘点实操：从系统清单到映射表

实际盘点时，建议按以下顺序推进，避免遗漏。

第一步，拉系统清单。从IT资产台账、采购合同、云服务账单中提取所有涉及AI能力的系统。注意，AI能力可能以API形式嵌入在业务系统中，不一定有独立的“AI系统”名称。例如，CRM里调用了第三方情感分析API，这也算一个AI处理环节。

第二步，逐系统访谈。找业务负责人和开发人员确认：这个AI功能用了哪些数据字段？数据从哪来？经过哪些中间系统？有没有调用外部模型？日志保留多久？访谈时不要只问“有没有个人信息”，而要问具体字段名，因为开发人员对“个人信息”的法律定义往往不敏感。

第三步，画流转路径。用“系统A→系统B→系统C”的方式标注数据流向，特别标注跨境传输、第三方共享、模型训练复用三个高风险节点。如果数据流经第三方大模型API，要确认该服务商是否将数据用于模型改进，以及数据存储位置。

第四步，标注法律依据与风险等级。对每个处理环节，标注依据是“同意”“合同必要”还是“法定义务”。敏感个人信息（身份证号、生物识别、金融账户、行踪轨迹、不满十四周岁未成年人信息）必须单独标注，并检查是否取得单独同意。

四、一个简化的映射表示例

以下表格展示某电商企业部分AI应用的数据映射结果，字段经过简化，实际使用时可根据企业情况扩展。

AI应用	个人信息类型	数据来源	关键处理环节	流转路径	风险等级
商品推荐	浏览记录、点击序列、用户ID	客户端埋点	特征抽取、召回排序	埋点→日志平台→特征库→推荐服务	中
信贷风控	身份证号、手机号、征信记录	用户提交、征信接口	规则引擎、模型评分	业务系统→风控平台→第三方征信→决策引擎	高
智能客服	对话文本、订单号、账号	用户对话、CRM	意图识别、回复生成	对话入口→NLP服务→大模型API→回复	中高
营销文案生成	提示词中的客户姓名、产品信息	员工输入	上下文拼接、模型推理	员工端→API网关→第三方模型服务商	高

五、盘点结果的后续用途

数据映射表不是一次性文档，而是后续合规工作的基础底稿。它直接支撑四件事：隐私政策撰写（明确告知用户哪些数据被AI处理）、个人信息保护影响评估（对高风险场景启动PIA）、数据出境申报（识别是否涉及跨境传输）、供应商管理（确认第三方模型服务商的数据处理条款）。建议每季度更新一次，尤其在新增AI功能或更换模型服务商时同步修订。

完成盘点后，企业应当能够回答一个基本问题：“我们的AI系统里，到底有哪些个人信息，从哪里来，经过谁的手，最后去了哪里？”如果这个问题答不清楚，后续的合规措施就缺乏根基。下一阶段的工作，将围绕盘点结果展开风险分级与整改优先级排序。