只读与分析
读取、搜索、总结和分析。
数据安全与治理
安全不是一句“数据很安全”，而是能被技术负责人逐项检查的边界。
每条工作流程在连接真实系统前，都需要说明数据流、身份权限、模型路径、人工审批、操作记录和异常处理。
控制体系
先定义 AI 不能做什么。
先建立边界，再讨论自动化程度。高风险动作不因为模型能力变强就自动获得更大权限。
01
数据边界
先定义哪些数据可以读取，哪些必须隔离。
安全控制02
身份与权限
每次调用都对应到明确的人、角色或服务身份。
安全控制03
最小授权
只授予完成当前任务所需的最小权限。
安全控制04
人工审批
高风险、资金、承诺和外部执行保留人工审批。
安全控制05
操作记录
记录关键读取、判断、审批与执行，支持追踪。
安全控制06
模型调度
按数据敏感等级、任务质量和成本选择模型路径。
安全控制07
暂停与回滚
异常时可以暂停流程、收回权限并回滚到安全状态。
安全控制AI 执行权限
权限逐级开放，而不是一次性交给 AI。
不同工作流可以停在不同级别。涉及资金、合同承诺、外部发送或高敏感数据时，默认需要更严格的审批与授权。
企业技术评审
进入采购或 IT 评审前，至少把这六件事讲清楚。
以下是正式项目需要逐项确认的评审清单，不用模糊的“私有化”“不训练”等口号替代真实配置。
数据流
哪些数据从哪里读取、经过哪些系统、发送到哪个模型或服务、最终写回哪里。
模型与供应商
正式项目明确所选模型、供应商与部署路径；是否用于训练、保留策略等以真实供应商条款和项目配置为准，不做空泛承诺。
身份与权限
谁能读取、谁能审批、AI 可以执行到哪一级，以及服务身份和人工账号如何区分。
日志与留存
哪些关键读取、判断、审批和执行需要留痕；日志保留范围和周期按项目风险与客户要求确定。
异常与回滚
出现错误、越权、模型异常或外部系统故障时，如何暂停、人工接管、收回权限并回到安全状态。
部署边界
公有云、客户云、混合或本地部署各自的数据路径、成本与运维责任需要在上线前写清楚。
部署方式
部署方式服从数据边界、合规、成本和运维能力。
不是所有流程都需要最高成本的本地部署，也不是所有数据都适合公共云。正式方案会把数据路径和责任边界写进项目范围。
公有云（Cloud）客户云（Customer Cloud）混合部署（Hybrid）本地部署（On-Premise）
先选一条最值得改的业务流程。
把最费人、最慢、最容易出错，或最影响收入与回款的一项工作告诉我们。先判断值不值得做，再决定是用现有软件、自动化，还是进入 AI 小范围验证。
联系 FDE 做业务诊断无需提前准备技术方案。先从真实业务问题开始。