企业开始接入大模型后，法务和合规团队最常被问到的问题是：我们只是内部员工用，算不算提供生成式 AI 服务？要不要备案？要不要安全评估？这个问题不能简单回答“算”或“不算”，关键要看服务对象、开放范围、业务角色和输出影响。
先看规则的适用边界
《生成式人工智能服务管理暂行办法》第二条将适用范围指向“利用生成式人工智能技术向中华人民共和国境内公众提供生成文本、图片、音频、视频等内容的服务”。同条还明确，行业组织、企业、教育和科研机构等研发、应用生成式人工智能技术，未向境内公众提供生成式人工智能服务的，不适用该办法规定。
这句话非常关键。企业内部自用大模型，例如员工用来总结会议、生成代码草稿、检索内部制度、辅助客服写回复，通常不等于向境内公众提供生成式 AI 服务。但“不适用该办法”不等于没有合规义务。个人信息保护、数据安全、商业秘密、劳动管理、网络安全、合同保密仍然适用。
四类场景要分开判断
| 场景 | 是否更接近提供生成式 AI 服务 | 主要风险 |
|---|---|---|
| 纯内部工具 | 较低 | 商业秘密、个人信息、权限、留痕 |
| 向员工开放统一入口 | 通常仍属内部应用 | 员工输入敏感数据、越权检索 |
| 嵌入客户服务流程 | 风险升高 | 输出影响客户权益、告知和审核 |
| 面向公众开放文本/图片生成 | 高 | 生成式 AI 服务监管、内容安全、备案评估 |
判断时不要只看技术形态，而要看外部用户是否能使用、输出是否直接面向公众、企业是否以服务提供者身份组织和控制生成过程。如果只是采购第三方模型给内部员工使用，重点是内部控制和供应商管理；如果把模型能力包装成产品功能提供给客户或公众，就要进入更严格的服务合规框架。
内部自用不等于可以随便用
内部大模型最常见的问题，是员工把客户资料、合同、源代码、未公开经营信息、身份证件、案件材料直接贴进外部模型。即使企业没有向公众提供服务，也可能构成个人信息处理不当、商业秘密泄露或违反客户合同保密义务。
企业至少要做三件事。第一，明确哪些数据禁止输入外部模型，例如敏感个人信息、未脱敏客户数据、涉密或高保密商业资料。第二，区分模型部署方式：公有云 API、私有化部署、本地模型、企业版 SaaS 的数据使用承诺不同。第三，保留必要日志，记录谁在什么时候调用了什么模型、访问了哪些知识库、输出用于什么业务。
向员工开放统一入口，要做权限和知识库隔离
很多公司会建设内部 AI 助手，接入制度库、合同库、工单库、客户资料库。这里的合规重点不在“是不是公众服务”，而在“模型有没有放大内部越权”。员工本来不能看某份合同，不能因为 AI 助手能检索就绕过权限；员工只能看自己负责客户，不能通过自然语言问答拿到全量客户信息。
知识库问答必须继承原系统权限。RAG 检索、向量库、缓存、提示词、日志，都要纳入权限设计。输出页面最好展示来源文档和权限依据，避免模型编造。对高风险场景，例如法律意见、财务结论、人事处分、风控拒绝，应当保留人工复核。
面向客户使用，要关注告知、审核和责任
如果大模型嵌入客服、营销、投顾、医疗、教育、人事测评等业务，即便用户看到的是客服窗口或业务系统，而不是“AI 聊天机器人”，企业仍要关注输出对个人权益的影响。模型可能生成错误承诺、歧视性建议、违法内容或不准确解释。
这类场景至少要设置：使用提示、输出审核、敏感问题拒答、人工转接、知识库边界、投诉纠错、留痕追溯。涉及个人信息画像、自动化决策或对个人权益有重大影响的，还要结合个人信息保护法评估必要性、透明度和拒绝权。
面向公众开放，监管义务明显上升
如果企业把生成文本、图片、音频、视频等能力作为网站、小程序、App 或 API 面向公众提供，就更接近《生成式人工智能服务管理暂行办法》的直接适用场景。此时需要关注训练数据合法性、内容安全、个人信息保护、未成年人保护、投诉举报、标识、服务协议、算法备案或安全评估等要求。深度合成、推荐算法等规则也可能叠加适用。
对企业来说，风险不在于“用了哪个模型”，而在于“你是否组织服务并向公众提供”。即使底层模型来自第三方，面向用户提供功能的一方也可能承担相应的平台和服务管理义务。
API 集成和插件生态要特别小心
有些企业说“我们没有提供 AI 服务，只是调用第三方 API”。这只能说明底层能力外包，不能当然排除自身责任。如果你的产品通过 API 把生成结果交付给用户，用户感知的服务提供者仍可能是你。插件、工作流、自动代理也一样：如果它们可以调用企业系统、读取用户数据、自动发送邮件或提交订单，就必须设置权限、确认和日志。
一套实用判断框架
可以用五个问题快速判断：第一，使用者是谁，是内部员工、特定客户，还是不特定公众？第二，输出给谁看，是内部辅助，还是直接交付外部用户？第三，是否处理个人信息、商业秘密或重要数据？第四，输出是否可能影响个人权益、交易结果或公共传播？第五，企业是否控制模型、提示词、知识库、审核和发布流程？
如果五个问题的答案逐步指向外部、公众、权益影响和企业控制，合规要求就应相应升级。
结语：不要只问“算不算”，要问“风险落在哪里”
企业内部使用大模型，通常不等于向公众提供生成式 AI 服务；但只要接入真实业务和真实数据，就已经进入合规治理范围。正确做法不是等监管问题出现后再补制度，而是从内部使用阶段就建立数据输入规则、供应商审查、权限隔离、日志留存、输出审核和人工兜底。大模型越像基础设施，越需要像基础设施一样治理。