01 · 问题
安全部门禁止把代码和数据发送到外部服务——这样做没错。但只有禁令而没有替代方案，结果是大家照样使用 AI，只是转到了看不见的地方。
替代方案是存在的：在这样的体系中，敏感数据由本地模型处理，数据传输规则由企业自己制定和管控。
02 · 适用场景
- AI 工具被安全部门禁止或限制使用
- 代码和数据不能发送到外部服务
- 存在监管机构或客户的要求，或行业限制
- 需要控制 AI 成本和对供应商的依赖
03 · 分析内容
- 数据类别及其处理规则
- AI 应用场景及对模型质量的要求
- 可用的基础设施及其成本
- 安全、审计和访问控制要求
- 哪些任务本地模型能胜任、哪些不能——实事求是
04 · 工作方式
-
步骤 01
需求梳理
与安全部门一起明确数据类别和规则——什么数据可以去哪里、给谁。
-
步骤 02
架构设计
模型网关、按数据类别路由、审计、密钥保护、访问控制。
-
步骤 03
模型选型
用您的任务和代码测试本地模型——不依赖别人的基准测试。
-
步骤 04
上线推广
先在一个团队试点，再结合规则和度量指标推广。
05 · 交付成果
具体交付内容在诊断之后确定。我不会事先承诺效果数字——它们取决于起点，并作为成果标准写入计划。
- 01AI 使用政策与数据分类分级
- 02私有化 AI 体系架构
- 03模型在您任务上的测试结果
- 04基础设施要求及总体拥有成本（TCO）估算
- 05上线与推广计划