3. 用户知情权与透明度合规

用户知情权与透明度合规，核心不是“把隐私政策写长”，而是让用户在接触AI功能之前、使用过程中、以及被自动化决策影响之后，都能获得与其认知水平相匹配、与风险程度相称的真实信息。监管关注的重点通常落在三条线上：算法说明是否可理解、数据使用告知是否具体、自动化决策披露是否到位。三者不是并列的文档任务，而是同一条信息链上的不同节点。

一、算法说明：从“有算法”到“可理解”

算法说明的实务要求，不是公开模型权重或完整技术文档，而是向用户说明算法在业务中扮演什么角色、依据哪些主要因素、可能带来什么影响。以内容推荐为例，可披露为：“系统会根据你的浏览、停留、点赞和搜索记录，推测你可能感兴趣的内容类型，并调整展示顺序；推荐结果不改变内容本身，但会影响你看到哪些内容。”这类说明包含四个要素：输入信号、处理目的、输出形式、用户影响。

落地时建议采用分层披露：在功能入口用一句话说明“为什么你会看到这个”，在帮助中心提供较完整的算法说明页，在隐私政策中保留技术性更强的描述。三层内容一致，但粒度和语言不同。对于生成式AI，还应说明模型可能产生不准确或虚构内容，以及用户应如何核验。

二、数据使用告知：具体到字段、目的与期限

数据使用告知最容易犯的错误是“笼统授权”。合规写法应尽量落到数据类别、使用目的、处理方式、保存期限、共享对象五个字段。例如，某AI客服产品可写为：“为完成会话摘要，我们会处理你的对话文本和工单编号；对话文本用于生成摘要和质检，保存180天后删除；不会用于训练基础模型，除非你单独勾选授权。”这里的关键是区分“提供服务所必需”与“可选增强用途”，并把选择权交还给用户。

如果涉及生物识别、健康、金融账户、精确位置等敏感个人信息，应单独告知并取得单独同意。若数据用于模型训练，应明确训练数据的来源、是否包含用户内容、是否可撤回，以及撤回后对已训练模型的影响边界。

三、自动化决策披露：让用户知道“谁在决定”

自动化决策披露的重点，是让用户知道是否存在仅由机器作出的、对其权益有显著影响的决定，以及是否有申诉和人工干预渠道。典型场景包括：自动授信、自动定价、自动内容下架、自动简历筛选、自动风险标记。披露内容至少应包含：决策目的、主要逻辑、可能后果、用户权利。

例如，某招聘平台使用AI进行简历初筛，应告知候选人：“系统会根据岗位要求对简历进行匹配度评分，低分简历可能不进入人工查看；你可以申请人工复核。”这里的“申请人工复核”不是装饰性条款，而是透明度合规的实质要求。

四、落地模板：把披露写进产品流程

透明度合规不能只靠法务文档，必须嵌入产品流程。以下是一份可直接改造使用的AI功能透明度披露检查表，按功能上线前、上线中、上线后三个阶段组织。

五、常见误区与判断标准

第一个误区是把“同意”当成“知情”。用户勾选同意，不等于理解了算法如何影响自己。第二个误区是只披露数据收集，不披露数据使用后的决策后果。第三个误区是把自动化决策披露写成免责声明，只写“系统可能自动处理”，却不写处理逻辑和申诉方式。

判断透明度是否达标，可以用一个简单测试：让一位非技术用户阅读披露内容后，回答三个问题——“我的哪些数据被用了？”“系统会怎么影响我？”“我不同意或觉得不对时找谁？”如果三个问题都能得到明确答案，说明披露基本到位；如果只能回答第一个，说明数据使用告知合格，但算法说明和自动化决策披露仍需补强。

最后需要强调，透明度不是一次性动作。算法迭代、数据用途扩展、自动化决策范围变化，都会触发告知更新义务。建议将“透明度影响评估”纳入AI功能变更流程：只要涉及新的数据字段、新的决策场景或新的用户影响，就重新检查三层披露是否仍然准确、完整、可理解。