中國的《個人資訊保護法》（PIPL）自2021年11月1日起施行，但許多企業仍在追趕其對AI系統的具體要求。PIPL不僅管資料存在哪裡，更規範個人資訊在自動化決策、使用者分析與模型訓練中的使用方式；違規最高可被處以5,000萬元人民幣或上一年度營業額5%的罰款。
PIPL對AI系統提出了哪些要求？
與AI系統直接相關的PIPL條款可以歸納為四類。同意：個人必須知情並同意其資料用於自動化決策與使用者畫像；透明度：當AI作出影響個人的決定時，個人必須被告知並有權要求解釋；選擇退出：個人可以拒絕基於使用者畫像的推送與自動化決策；資料本地化：在中國境內收集的個人資訊原則上必須儲存在中國境內。
這四類要求對AI產品的影響是結構性的：資料採集環節需要重做同意流程，模型推理環節需要支援“解釋”能力，營銷系統需要提供退訂與人工申訴入口。把合規要求當成上線前的補丁，成本遠高於在架構設計階段就內建這些能力——補丁式的合規，往往以更高的代價重複返工。
企業還應注意PIPL與《資料安全法》《網路安全法》以及2025年1月1日起施行的《網路資料安全管理條例》之間的銜接：不同法規對資料分類分級、重要資料保護與事件報告的要求相互補充，合規體系應當按“資料分類分級—合規要求對映—控制措施落地”的思路整體設計，而不是逐條應對、頭痛醫頭。
資料本地化在實踐中如何落地？
對於處理中國居民個人資訊的AI系統，資料必須存放在位於中國境內的伺服器上。這意味著包含個人資訊的訓練資料、模型輸入與預測輸出都不得出境；跨境傳輸必須通過安全評估、標準合同或認證等法定路徑。企業應在架構設計初期就規劃境內資料節點，而不是在業務擴充套件後再做改造。
實踐中有兩個常見誤區：一是認為“加密後就能出境”，實際上加密並不能豁免本地化義務；二是把客戶資料的合規責任完全推給雲廠商，而PIPL下的個人資訊處理者責任仍由企業自身承擔。與合規顧問和法務協同、在資料地圖基礎上做架構規劃，是更穩妥、成本也更低的起點。
對於確有跨境需求的企業，可以採取的合規路徑包括：通過國家網信部門的安全評估、簽訂標準合同或取得專業機構認證。2024年出台的《促進和規範資料跨境流動規定》進一步明確了免於評估的若干情形，例如不含個人資訊或重要資料的一般業務資料，企業應結合自身的資料處理活動逐項對照，確定適用路徑。
自動化決策需要滿足哪些合規要求？
當AI系統作出對個人有重大影響的決定——信用評分、招聘篩選、動態定價——PIPL要求：告知個人AI正在作出決策；解釋決策邏輯；提供拒絕自動決策並請求人工複核的機制。這些能力應當構建在應用層，而不是事後補救，否則每個新場景上線都要面臨合規返工。
落地這些能力還有一個容易被忽略的配套動作：員工培訓。客服、銷售與運營人員直接面對使用者的同意詢問與解釋請求，他們對隱私政策的理解程度，直接決定合規要求能否在日常觸點中兌現。把合規意識納入崗位培訓，是成本最低的合規投入之一，也是很多企業最容易遺漏的一環。
實現上並不複雜：決策前彈出說明頁面、決策後提供“申訴”入口、在系統中保留人工複核工作流。真正困難的是組織層面的協同——產品、法務、資料團隊必須就“什麼算重大影響”“解釋到什麼程度”達成一致，否則每個新場景都要重新爭論，合規工作將陷入無休止的扯皮。
企業該如何建立審計追蹤與問責機制？
PIPL要求組織留存個人資訊處理活動的記錄。對AI系統而言，這意味著記錄：哪些個人資料被使用、用於什麼目的、由哪個模型處理、作出了什麼決定、誰對此負責。具備內建審計追蹤的平台可以自動滿足其中大部分要求——每一次查詢、每一次資料訪問、每一次模型預測都被記錄在案。
審計記錄的價值不止於合規本身。當使用者投訴、監管問詢或模型事故發生時，完整的日誌讓企業能夠快速定位原因、出具證據、啟動整改；反過來，審計盲區往往意味著一旦出現問題就無法自證清白。把審計能力與資料血緣結合，還能順帶提升模型治理與資料質量，形成一舉多得的正向迴圈。
審計記錄的粒度也需要斟酌：過細會帶來儲存與效能壓力，過粗又無法滿足監管追溯。通常的做法是分層記錄——操作級日誌即時記錄每一次訪問與預測，彙總級報告按月生成，關鍵事件的詳細上下文單獨歸檔，在成本與可追溯性之間取得平衡。
合規工作應該從哪裡開始？
建議從資料地圖開始：梳理企業收集了哪些個人資訊、存放在哪裡、流向何處、由誰處理。沒有資料地圖，同意管理、本地化、審計追蹤都無從談起。第二步是按風險排序，優先處理影響面最大、監管關注度最高的場景，例如涉及大規模使用者資料的營銷與風控系統。
多數企業的合規改造工作量並不像想像中那麼大：以資料地圖為基礎，大約60%至70%的整改項集中在同意流程、跨境傳輸與日誌留存三類問題上。蜂啟諮詢可以幫助企業快速完成資料梳理與差距評估，並規劃分階段的落地路徑，讓合規建設與AI業務發展同步推進，而不是互相拖累。
合規不是一次性的專案，而是持續的過程：法規在更新、業務在擴充套件、資料處理活動在變化，企業應當建立定期覆盤的機制，例如每季度重新審視一次資料地圖與差距清單，把新場景納入既有合規框架，避免風險隨業務增長而悄悄累積。
本文的核心要點是什麼？
- 同意、透明度、選擇退出與本地化是AI合規的四項地基。
- 境記憶體儲與法定跨境路徑必須在架構期規劃。
- 重大影響的自動決策必須可解釋、可申訴、可人工複核。
- 以資料地圖為起點，分階段推進合規改造。
企業導入PIPL合規的下一步是什麼？
PIPL不是阻礙AI落地的枷鎖，而是倒逼資料能力走向成熟的契機。合規的AI系統，恰恰是使用者信任與企業長期競爭力的來源，把合規做好，本身就是一種差異化優勢。
合規建設的關鍵在於把要求內建到架構與流程之中，而不是留到上線前突擊。蜂啟諮詢在AI系統規劃階段即介入合規設計，幫助企業以可控的成本滿足PIPL要求，同時保持AI交付的節奏與質量，讓安全與速度兼得。
AI系統中的個人信息應該如何盤點？
要讓AI系統符合PIPL，必須先掌握個人信息實際流向何處；多數企業會發現，其AI系統接觸到的個人信息量與路徑，都遠超過既有的文件記錄。這項工作是數據流程盤點，而且必須涵蓋五個階段，而不只是通常被關注的兩個。
接入——所有把個人信息帶入平台的來源：CRM、人力資源系統、客服工單、聊天記錄、網站分析、第三方數據。訓練與微調——使用了哪些數據集、其中是否包含個人信息、以及在使用前是否做了匿名化或去標識化處理，因為PIPL對去標識化數據與匿名化數據的處理方式不同。檢索與紮根——RAG系統在查詢時把哪些文件拉進上下文，這是最常被完全忽略的路徑：一個只用公開數據訓練的模型，仍可能透過檢索在推理時帶出個人信息。推理與輸出——模型回傳了什麼、給了誰，以及輸出本身是否構成個人信息。日誌與評估——提示詞、回應與人工複核佇列，這些往往在業務目的結束後仍長期保留個人信息。
產出是每個系統的處理活動記錄，而這正是PIPL所要求的產物：個人信息的類別、處理目的、法律依據、保存期限、接收方、跨境傳輸情況，以及安全措施。逐系統建立這份記錄，是合規工作的主要內容，也是讓其他所有義務——同意、本地化、自動化決策規則、審計追蹤——都能被回答的前提。
AI場景下的合法性基礎與同意應該如何設計？
PIPL允許多種處理依據，同意只是其中之一。對AI系統而言，實務問題是每項處理活動適用哪一種依據，因為判斷錯誤會把合法的系統變成不合法的系統。
合同履行與人力資源管理涵蓋了企業AI應用的很大一部分：為運行內部系統而處理員工數據，或為交付客戶已購買的服務而處理客戶數據。當AI的使用超出個人在該關係中合理預期的範圍時，就需要單獨同意，而且必須是具體的——同意「改善我們的服務」並不涵蓋用客戶的客服對話來訓練模型。對於敏感個人信息——生物識別、健康、金融帳戶、行蹤軌跡，以及未成年人的個人信息——要求進一步提高，在大多數情況下需要特定目的與必要性，並取得單獨同意。
這帶來兩項設計上的結果。第一，同意的取得必須是細粒度且帶版本記錄的：記錄同意的內容、時間、用語，以及它授權了哪些處理活動。第二，撤回必須在營運上真正可行。當個人撤回同意時，系統必須能停止將其數據用於受影響的目的；在AI情境下，這可能意味著將其排除於未來的訓練之外，在某些解讀下還需處理已納入模型的數據。把訓練語料與提供服務的模型分開的架構——使得在移除該個人的數據後能重新產出模型——在營運上明顯比做不到的架構更容易。
PIPL合規工作應該如何排序？
排序很重要，因為各項義務彼此牽動：本地化決策限制架構選擇，而架構決策又決定了需要取得哪種同意。可行的順序如下：
- 第1至4週——範圍與盤點。判斷PIPL是否適用，然後為範圍內的AI系統建立數據流程盤點與處理活動記錄。在這些完成之前，其他問題都無法被正確回答。
- 第5至8週——分類與放置。為每個數據類別分類，決定哪些必須留在中國境內，並為跨境的數據確定傳輸機制。這是架構變更成本最低的時點。
- 第9至12週——同意、解釋與審計。讓同意的取得與實際處理活動對齊，建立自動化決策的解釋能力，並建置審計追蹤：用了什麼數據、出於什麼目的、由哪個模型處理、做出什麼決定、誰負責。
- 持續——監控與重新評估。對高風險處理活動進行個人信息保護影響評估，定期檢視傳輸機制，並在系統目的或數據來源發生重大變化時重新評估。
處理得最好的企業，是把這些當成架構需求，而不是法務審查的關卡。本地化、按目的限制的訪問、可解釋性與可審計性，正是讓AI平台能在中國市場運作的特性，同時也建立客戶與監管機構的信任。
如何對AI系統開展PIPL合規評估？
一項務實的PIPL評估是一套結構化的走查，而不是一次性的勾選。從數據清單開始：識別系統收集的每一類個人信息、每一類的合法性基礎（同意、合同或法定義務），以及是否有任何屬於會觸發更嚴格條件的敏感個人信息。梳理完整生命週期——收集、存儲、跨境傳輸、自動化決策與刪除——並標記每一處附有PIPL義務的點。
接下來，針對這份地圖測試控制措施。確認同意是具體且可撤回的；跨境傳輸使用了標準合同條款或認證等經批准的機制；任何對個體有重大影響的自動化決策都提供了人工複核的通道。把評估結果記錄下來，指定負責人，並在模型、數據或法規發生變化時安排週期性複審。目標是一份監管者能夠接受的舉證軌跡，而不是一份積灰的文檔——因為在PIPL之下，缺乏可證明的責任本身即構成違規。
