负责任的人工智能实践

让 AI 帮助行动,
同时保持可控

在上线前明确数据、权限与自主性边界;上线后持续衡量质量、追踪变更,并保留停止、替换或安全绕过模型的能力。

控制措施依据具体场景、风险与司法辖区设计

实践立场

不是承诺绝不出错,
而是建立可验证的治理闭环

AI 模型具有概率性。可靠性来自数据、架构、测试、人的责任与运营机制的共同作用。

PURPOSE

限定用途

记录系统解决什么问题、服务哪些用户,以及哪些情形必须经过额外核验。

EVIDENCE

基于真实场景评估

使用客户实际出现的流程、文档、语言和故障模式评估质量。

CONTROL

人保留最终权限

重要、不可逆或敏感操作必须获得明确人工确认,除非另有更严格的约定。

CHANGE

变更意味着新风险

模型、提示词、知识库或工具变更在发布前需要重新评估和回归测试。

数据与模型

先对数据分类,
再选择部署环境

不存在普遍适用的“全部上云”或“只能本地”。每个项目都应建立数据、处理目的、存储位置、供应商和授权用户矩阵。

OPEN

公开及已授权材料

公开文档、自有模板及已确认使用权的数据。

可在批准的服务中使用,同时遵守许可、著作权和供应商条款。
INTERNAL

内部工作数据

制度、说明、通信及其他限制内部访问的资料。

仅进入批准环境,并配置角色权限、数据最小化和明确保留期。
SENSITIVE

个人及机密数据

个人信息、商业秘密及受合同或行业规则限制的信息。

只有在存在合法依据并落实脱敏、隔离、日志和导出控制后才可处理。
RESTRICTED

密钥及特殊监管数据

密码、密钥、支付凭据、国家、银行、医疗及其他受保护信息。

不得发送给通用模型;确需处理时须单独设计并批准专用保护环境。

最终决策取决于用途、数据来源、合同、威胁模型和适用法律,而不是分类名称本身。

部署方式

架构应服从
业务约束

选择能够清晰证明数据路径、责任边界、可用性和全生命周期成本的方案,而不是简单追逐流行模式。

LOCAL

本地或隔离环境

模型、RAG、日志和集成运行在客户现场或专用环境中,不发生不受控的外部交换。

控制力最高 · 基础设施与更新责任更大
PRIVATE

私有托管环境

采用专用环境,并约定数据地域、网络路径、容灾和运营模式。

兼顾控制与托管运营
CLOUD

受控云 API

在核查请求保留、训练用途、地域、分包方、删除机制及其他供应商条款后使用。

快速获得模型能力 · 必须评估供应商

人与 AI 的权限

自动化的是速度,
不是责任

自主程度由错误后果决定。授权必须由目标系统执行,不能依赖模型生成的文字判断。

ASSIST

建议与草拟

AI 负责检索、总结、分类或生成草稿,用户在使用前判断结果。

CONFIRM

确认后执行

AI 提出操作及参数,但发送、发布或更改数据需要人工确认。

AUTO

有限自动化

仅用于明确边界内可逆、低风险的操作,并具备日志、监控和停止机制。

生命周期

控制不会在
演示结束后停止

每个阶段都留下可核验成果:用途说明、数据矩阵、测试记录、发布决定和监控计划。

MAP

描述场景

用途、用户、错误代价、受影响流程和责任人。

BOUND

设定边界

数据、角色、工具、供应商、禁止操作和人工接管条件。

MEASURE

测量

测试集、准确性、依据、拒答、鲁棒性、泄露和指令攻击。

RELEASE

批准发布

责任人接受剩余风险,并在界面与文档中说明限制。

OBSERVE

监控与变更

收集反馈、质量漂移、事件和版本信息,变更前重新测试。

页面语言会改变下方展示的区域参考,但不会自动决定适用法律。项目要求应依据部署与使用国家、行业、数据类型及各方角色确定。以下内容仅为设计参考,不代表 Virtek 或客户已获得相关认证。

运营控制

能够被
看到、验证和调整

控制范围随风险而变化,但基线覆盖质量、访问、日志、供应商和安全失败。

EVAL

质量与回归

维护代表性案例以及正确性、来源依据、完整性、安全拒答、安全性和延迟指标。关键指标下降时必须经过明确发布决策。

TRACE

日志与可观测性

记录模型和流程版本、工具、RAG 来源、错误、延迟与重要操作。若完整提示词日志会增加风险,则应脱敏或不保存正文。

ACCESS

数据与工具访问

分别控制调用模型、读取来源和执行操作的权限。工具仅获得最小功能、限额与短期凭据,目标系统再次校验授权。

PORT

模型选择与替换

维护模型与供应商清单,使业务逻辑不绑定单一 API,并在同一测试集上比较候选方案。版本替换按受控变更处理。

GROUND

错误与幻觉

在可行时让回答基于可核验来源并向用户展示。证据不足时,系统应停止、说明不确定性或转交专家。

SECURE

AI 系统安全

测试提示词注入、数据泄露、不安全输出处理、过度权限和依赖风险。模型不是安全边界,也不能自行决定访问权限。

错误与事件

异常输出是
流程信号

质量错误、策略违规、泄露、不安全操作和供应商中断,需要不同的响应时间和纠正措施。

记录

记录场景、时间、版本、可用日志和影响,同时避免再次传播敏感数据。

遏制

停止高风险工具、路径或版本,必要时切换到安全模式或人工处理。

分析

判断来源是数据、检索、提示词、模型、集成、权限、供应商变更还是用户操作。

修复与验证

增加测试、调整控制、执行回归,通过后再恢复能力。

严重性标准、联系人、通知时限和责任范围在项目文档及支持模式中约定。

反馈渠道

报告错误、风险或
非预期操作

请说明服务或项目、时间、预期与实际行为。不要在普通工单中填写密码、密钥或其他秘密。已启动的项目应使用约定的安全渠道和事件优先级。

这是公开的工程方法说明。具体保证、日志内容、保留期限、指标、SLA、角色和适用要求,均在每个项目的合同和项目文档中单独确定。

负责任上线

从场景、数据与
错误代价开始

我们协助选择部署环境、确定 AI 权限、建立测试计划,并让系统进入可管理的运营阶段。

讨论应用场景