"内部使用" 不是AI编程合规豁免的理由

寂静回声

内部软件几乎必然接触公司数据 ，业务数据、员工信息、客户资料。AI 开发过程中，代码和数据可能被上传到外部 AI 服务（Claude、ChatGPT 等），构成数据出境和泄露风险。《个人信息保护法》《数据安全法》不区分 "内部" 还是 "外部" 系统，只要处理个人信息和重要数据，就负有合规义务。



AI 训练数据中包含大量开源代码，生成的代码可能隐性复制 GPL/AGPL 等传染性许可证的片段，一旦被识别，公司整个代码库都可能被迫开源；
AI 生成内容的版权归属在多国仍存争议，公司能否主张职务作品权利存在法律不确定性；
未审查的第三方依赖库可能引入专利侵权风险。


AI 生成代码的安全缺陷率显著高于人工审查代码——SQL 注入、硬编码密钥、权限绕过、未经验证的输入处理等问题频发。内部系统往往因为 "不对外" 而被忽视安全加固，但攻击者进入内网后，这些工具就是横向移动的跳板。《网络安全法》要求网络运营者履行安全保护义务，内部系统同样在列。


《生成式人工智能服务管理暂行办法》《算法推荐管理规定》《深度合成规定》构成了 AI 治理的基本框架。如果内部软件涉及：
对员工使用算法进行决策（绩效、排班、考核）；
生成内容用于业务流程（合同、报告、客户沟通）；
处理敏感个人信息；
则可能触发算法备案、安全评估、内容标识等义务，与是否 "内部使用" 无关。



金融、医疗、能源、制造等受监管行业，内部软件直接影响业务合规性。例如：
医疗器械企业用 AI 工具处理设计文档，可能影响 ISO 13485 质量体系的可追溯性；
金融机构内部风控工具未经验证，可能违反审慎经营要求；
上市公司内部财务工具的逻辑错误，可能导致财报错报。

员工用 AI 开发的工具出了问题（数据泄露、业务中断、侵权诉讼），责任由公司承担，而非员工个人。不做审查等于公司在不知情的情况下承担无限连带责任。

完全不审是危险的，但所有内部工具都走正式立项流程也不现实。
个人效率脚本、不接触敏感数据、不影响业务流程，是低风险的，只需要自助登记 + AI 使用声明。
部门级工具、处理一般业务数据、多人使用，这就需要安全扫描 + 开源许可证检查 + 部门负责人审批。
处理个人信息 / 敏感数据、影响核心业务、跨部门使用，完整合规审查（数据、安全、IP、AI 专项）+ 正式立项。
核心原则是：先登记、再分级、按级审。最忌讳的状态是 "影子 IT"，员工悄悄用 AI 搭了个工具，全部门都在用，IT 和法务完全不知道，直到出事。