先别急着把公司机密,喂给 ChatGPT

前几天,我听了一期播客。

说实话,GDPR、数据保护这类话题,我一般听十分钟就走神。术语太密,条文太多。

但这一期,我从头听到了尾,整整 52 分钟。

因为嘉宾是个"叛徒"。他做了二十多年营销,管过多国市场,后来专门跑去考了数据保护官(DPO)的证,还是个持证董事。一个营销人,站到了"管营销的人"那一边。

他在节目里讲了一个场景,我听完,后背有点凉。

你想想看:

周五,下午四点半。你脑子里已经在想周末了,手上还剩一封群发邮件,收件人一千个客户。发完就能走。

点下发送。

这一千个地址,填进了"抄送",不是"密送"。

一千个客户,互相看见了彼此的邮箱。有的还带着姓名和公司。

这就是一次数据泄露。

按他给的数字,多达九成的数据泄露,源头是人为失误。不是黑客,也不是系统漏洞。

是人。

天呐。最危险的那个漏洞,原来是周五下午、最累的那个人。

那,一个营销人,为什么放着好好的增长不追,要去考数据保护官?

因为这几年的游戏规则,变了。变成什么样?他说,主要两件事。

一、GDPR 长成了全球模板

GDPR 2018 年生效时,所有人只记住了两个数字:全球营业额的 4%,或者 2000 万欧元。很多公司连夜培训员工、盘点数据,像应付一场大考。

八年过去,大考变成了日常。

监管机构的罚单开了不少,大头打在大科技公司身上。金额前十的罚单,八九张属于 Meta、Google、Amazon、TikTok、LinkedIn、Uber 这类公司。名单摊开,基本就是你手机第一屏的 App。

最重的一张,给了 Meta:12 亿欧元。2023 年,爱尔兰数据保护委员会开出。

普通公司呢?没有被豁免。中小企业照样被罚,只是金额按体量来,几千、几万欧元,上不了头条而已。

这八年,GDPR 还干成了另一件事:全球扩散。加州跟着出了 CCPA,新加坡、南非也各自立了法。全世界的数据保护法里,多少都有 GDPR 的影子。

一部法律最好的成绩单,是被全世界抄作业。

二、AI 来了,还带着一个黑箱

2022 年之后,ChatGPT、Claude、Perplexity 这些大模型,成了很多营销人的日常工具。写文案、出方案,确实好用。

但嘉宾有句话让我印象很深:这是一种"黑箱"技术。算法怎么算、某个结果怎么来的,连开发者自己都未必说得清。

个人数据,就这样流进了一个说不清道不明的黑箱。

欧盟的回应,是《人工智能法案》(EU AI Act)。2024 年 8 月生效,条款分阶段开始适用。

什么叫风险分级?就是按"出了事,后果有多重"来管。

最顶上一档,直接禁用。往下一档是高风险,比如用 AI 筛简历、决定谁能获得教育机会,这些真正影响一个人命运的系统,必须留人工把关。再往下,要求逐级放宽。

很多人以为 AI 法案是"新 GDPR"。

不是。它管的是 AI 产品本身的安全性;只要系统碰了个人数据,该来的还是 GDPR。两部法律,叠加生效。

还有域外效力。你在不在欧盟,不重要。只要你的 AI 产品进了欧盟市场,或者你处理了欧盟居民的数据,它就够得着你。

躲,是躲不掉的。

你开会的时候,AI 已经坐在旁边了

主持人在节目里讲了一个观察,我猜很多人没意识到。

现在开 Zoom 或者 Google Meet,会议里常常有一位 AI 助手在默默转录。它自己"入会",不一定有人告诉你。你说的每一句话,正在流向 OpenAI 或 Google 的服务器。

嘉宾接着讲了个更扎心的例子。

一所学校,老师用一张 Excel 表格管理学生数据。现在 Excel 里有 Copilot,一键整理表格,多顺手。

点一下。

整张表的学生数据,去了微软、OpenAI 或者 Anthropic 的服务器,被处理,没准还进了训练集。

老师有错吗?他只是发现了一个好用的新功能。你不能指望每位老师都懂大模型的数据流向。

工具聪明到没人看得懂它怎么聪明的时候,风险就从"谁故意",变成了"谁不知道"。

"影子 AI",和 15 年前的 Dropbox

这事儿有个新词,叫 shadow AI,影子 AI:员工自己带工具上班。

为什么?"公司配的 AI 不好用,我自己的 ChatGPT 记得我的偏好。"于是客户名单、内部方案,顺手贴进了个人账号。

听着新鲜?一点都不。15 年前就上演过一轮:公司不让用,大家就把文件丢进自己的 Dropbox、Google Drive;黑莓手机太难用,就自己拿 iPhone 收公司邮件。公司在后面追着灭火,像赶一群猫。

区别只在量级。当年烧掉的,是一份文件;今天一个顺手,可能把整个客户数据库喂给了别人家的模型。

怎么办?

他的建议朴素得不像建议:先立一条政策,哪怕很粗糙。

有政策,大家至少知道边界在哪。没政策,每个部门按自己的风险偏好行事:销售看增长,法务看雷区,公司活在西部荒野里。

立完,拿去跟各团队聊,拿到认同,再一遍遍改。技术在变,政策就得跟着长。

配套的动作,还有几件。

找一位"数据冠军"。不用专职,团队里那个对这事真有兴趣、愿意盯立法变化的人就行,让他定期和法务、和外部专家碰头。

把这事挂在议程上。周会、月会都行,别让它每次都被"更急的事"挤掉。

摸清家底。盘点你在用哪些工具、哪些在碰个人数据。注意,一次性做完就锁进抽屉的清单是死的,它得是活的。ChiefMartec 那份每年更新的报告,最新数字是一万四:营销人能接触的数字平台,超过 14000 个。连工具都列不全,谈什么管住数据?

还有培训。这一条,值得单开一节。

九成的事故,防在培训里

开头那九成的人为失误,怎么防?答案无聊,但有效:培训。新人入职教,老人定期回炉。

因为你的合规水平,等于团队里最没受过训练的那个人。

GDPR 有 99 条条文,别想着从头读。抓两个抓手:每一次数据处理,有没有合法依据?七条基本原则,守没守住?

还有一个营销人一听就犯困、一出事就要命的东西:数据保留期限。

以前营销团队比的是谁的数据库大。GDPR 把这个 KPI 拆了:这几万条冷线索,当初征得同意了吗?活动都结束三年了,凭什么还攥着人家的姓名电话?万一泄露,责任全是你的。

老观念是数据越多越好。新观念是,拿得越少,睡得越稳。

说白了这就是"数据最小化":订个 newsletter,要人家邮箱就够了,别要生日,更别要母亲婚前姓氏。

那到底能不能把文件贴进 ChatGPT?

回到标题那件事。

嘉宾给了一条拇指规则,我原样转述:凡是你的公司不愿意寄给外部的东西,就别贴进公网的 ChatGPT。

机密文件、商业敏感数据,要玩,在公司内部部署的大模型里玩。内部版可能没最新的公网版聪明,这点损失,认了,值。

主持人还补了一刀:离线模型越来越能打。他自己在用一个叫 LM Studio 的免费开源工具,跑 Google、Meta、IBM、DeepSeek 的模型,全程断网。再配上 RAG,把你自己的文档喂给本地模型当资料库,敏感数据一步都不出门。

一个邮箱,换 20 个字段

再说个营销圈正在爆发的品类:数据增强,data enrichment。

原理大概是这样:你手里有一个潜在客户的邮箱,AI 去全网爬,把碎片拼起来:他在哪家公司,大概什么职位,电话可能是多少。一个字段进去,20 个字段出来。

作为营销人,太香了。画像、定向、个性化,全线升级。

嘉宾照样泼了冷水。问题的核心就一条:当事人知道吗?有透明的告知吗?有合法依据吗?在当事人不知情的情况下、大规模地做画像,这就是灰色地带,而且是最危险的那种。

细抠起来也分场景。在英国和爱尔兰,B2B 营销对着对方的工作邮箱发与其工作相关的内容,通行做法是"可退订",回旋余地大一些;B2C 则完全是另一套规则。但绕来绕去,最后都要落到同一个问题:这么拿到数据,依据是什么?

会有人来敲门吗?

很多老板心里真正想问的是这个:我不做,谁来查?

看行业。金融、医疗,盯得紧。普通行业的小公司,被上门检查的概率确实低。

但有两件事得知道。

第一,罚金之外还有别的处罚。爱尔兰数据保护委员会就常用一招:一段时间内,禁止你处理某类数据。对一家靠数据吃饭的公司,这可能比罚款更疼。

第二,真出事时,查你的时候往往已经晚了,而且拉的是线头。你有处理活动记录吗?上次数据审计是什么时候?员工受过培训吗?数据访问请求都在 30 天内答复了吗?一问连着一问,雪球越滚越大。

所以他的结论很朴素:与其祈祷没人敲门,不如把对的事一件件做起来,让文化慢慢长出来。

合规和增长,别选边站

播客里有一组概念,我觉得特别好用:conformance,守规;performance,业绩。

管理层最容易犯两个方向的错。一头扎进合规,增长机会全部放过,这是一种风险;一路猛冲,监管的雷挨个踩遍,那是另一种。舒服的位置在中间。

落到操作上,就是把公司的风险偏好说清楚、写下来。比如,销售和营销用 AI,胆子可以大一点;招聘和 HR 用 AI,必须保守。写进政策,大家有章可循。

那,接下来监管会松吗?

他的判断:不会。我听完,同意。

2024 年的德拉吉报告就在提醒:欧盟企业背的合规包袱,可能在拖累创新。欧盟自己也确实在 2025 年按了暂停键,搁置了电子隐私法规的更新。风向看上去有点松动。

但换个角度想,个人数据是现代经济的硬通货,围着它的立法只会更多。

而消费者这一头,风向是收紧。15 年前没人讨论隐私;后来一次次大泄露,把大家吓醒了。现在连 VPN 都上了电视广告,Apple 干脆把隐私当核心卖点打。2025 年初,爱尔兰监管机构做了一次公众调查,73% 的受访者担心自己的数据,被用在他们不同意、也看不懂的地方。

接下来五到十年,真正的硬仗在别处:怎么把一个黑箱讲明白,让人看得懂。连开发者都不完全清楚系统内部发生了什么,凭什么指望普通人读通隐私条款?

三条忠告

节目最后,嘉宾留了三条忠告,我一条条记了下来。

一,从项目第一天就把隐私设计进去。有个现成工具,叫"数据保护影响评估"(DPIA):先答 12 到 13 道筛选题,命中两三道高风险,就升级成完整评估。网上有免费模板,英国的信息专员办公室(ICO)就提供了很好的版本。在图纸阶段改一笔,总好过楼盖到一半再拆。

二,把培训当常态,别当入职时的一次性仪式。

三,想清楚你的公司在数据和 AI 上的风险胃口,多大,写下来,配上护栏,然后允许它一版一版地改。

回到开头那封周五下午的邮件。

工具一夜之间就能变聪明,习惯只能一天一天地养。

祝你发出去的每一封群发邮件,都用对了密送。

更祝你的公司,永远不用在一千个客户互相看见彼此邮箱之后,挨个打电话道歉。