AI治理进阶之二：数据、权限与审计：AI 系统最怕边界不清
会不会回答错误，只是问题之一。
更大的问题常常是：它到底看了什么、动了什么、谁批准的、事后还能不能查回来。
先给结论
AI 一旦接入真实系统，治理重点会立刻从“模型回答质量”扩展到：
- 数据边界
- 权限边界
- 审计留痕
这三件事里，只要有一件没做好，后面几乎一定出事故。
数据边界：先分清什么能给模型看
不是所有数据都适合直接进模型。
至少要分：
- 公共数据
- 内部数据
- 敏感数据
- 高敏感数据
不同等级的数据，应该有不同处理方式：
- 可否上传
- 可否长期存储
- 可否用于检索
- 可否用于日志
如果这些没分，后面最容易发生的不是模型答错，而是数据泄露或违规留痕。
权限边界：别给“万能钥匙”
AI 系统最危险的设计之一，就是给一个角色太大的权限范围。
更稳的做法是：
- 按工具拆权限
- 按动作拆权限
- 按环境拆权限
- 按人群拆权限
能只读，就别先给可写。
能局部授权，就别先给全局授权。
审计留痕：事后必须查得回来
一条完整的审计链，至少应该回答：
- 谁发起的
- 模型做了什么判断
- 调了哪些工具
- 带了什么参数
- 结果是什么
- 最后谁批准的
如果这些查不回来，后续再多解释都不够。
一句带走
AI 治理里最怕的不是“偶尔答错”，而是“边界不清、权限过大、出了问题还查不回来”。