简短答案
把规则写成能在工作当下回答的决定，而不是抽象口号。至少说明：允许哪些用途；哪些数据不能输入；哪些输出必须核验；AI能否发送、付款或改文件；谁批准高风险事项；要保存什么记录；发生错误怎样停止、报告和补救。规则应短到团队会使用，具体到能判断真实案例，并随工具、模型和工作变化定期更新。
从真实任务开始，不要从“负责任使用AI”开始
“负责任、透明、公平地使用AI”方向正确，却不能告诉员工能否上传客户合同、能否用AI写绩效反馈、能否让代理自动回复外部邮件。规则需要落到动词和对象：总结公开报告、改写内部草稿、分析去标识数据、生成代码建议、发送客户邮件、改变权限。
先列出团队过去一个月实际或计划使用AI的十到二十个任务。记录涉及的数据、受影响者、输出用途、错误后果、验证方法和是否会改变外部状态。按这些任务制定边界，比复制大型机构的通用政策更有效。
澳大利亚政府的AI采用基础指引建议建立责任、理解使用情境和影响、实施风险管理并持续审查。小团队可以用简化形式落实同一逻辑。Australian Government: Guidance for AI Adoption—Foundations
第一部分：定义允许、需批准和禁止的用途
使用三类比长篇文字清楚。绿色用途允许在批准工具中直接进行，例如公开资料头脑风暴、低风险内部草稿、格式整理和个人学习。黄色用途需要指定人员批准或额外控制，例如客户内容、未公开公司资料、招聘辅助、专业建议草稿和共享文件修改。
红色用途禁止，例如输入密码和完整身份资料、用通用AI作出医疗或法律最终决定、未经批准自动付款、批量删除、秘密监控员工、生成欺骗性身份材料，或处理合同明确禁止外传的文件。
分类必须按“具体用途+数据+行动”判断。同一工具可用于公开文案草稿，却不能因此获得客户数据库访问。规则应提供几个边界示例，并给员工快速提问渠道。
第二部分：建立清晰的数据红线
列出不能进入未经特别批准AI服务的数据：密码、密钥、支付凭据、完整身份证明、健康信息、法律特权材料、客户秘密、未公开财务与交易、源代码秘密、受合同限制内容和可识别员工事项。根据业务增加行业类别。
同时说明哪些受控条件下可以使用内部或机密数据：批准的企业账户、特定工作区、最小必要字段、去标识、数据处理协议、访问日志和删除时间。只写“不要上传敏感资料”会让每个人自行定义敏感。
要求上传前检查隐藏元数据、批注、附件和共享链接范围。输出延续输入分类；AI摘要不能因为更短就变成公开资料。
第三部分：按主张与后果规定核验
规则不要笼统写“所有AI输出必须人工检查”，因为这会被解释为快速扫一眼。明确核验对象：事实回到独立来源，引用打开并检查支持关系，数字重新计算，专业结论由合格人员审阅，决定和行动与原始资料确认。
低风险文字可抽样或由作者阅读；公开、客户、财务、法律、安全和健康内容需要更严格检查。资料不足时，允许并要求员工停止，不得用模型的完整语气填补。
将AI输出标为草稿，直到达到指定状态。规定谁能把草稿改为“批准”，以及批准者必须能看到哪些证据。
第四部分：把生成和执行权限分开
规则应直接列出AI不得独立执行的动作：外部发送、公开发布、付款、签署、权限变更、批量删除、生产部署和影响个人权利的决定。AI可以准备提案，最终动作由有权限的人在看到完整对象、内容和后果后批准。
对允许自动执行的低风险动作，设置金额、数量、目录、收件人或环境上限，提供活动记录与撤销。提示词中的“请小心”不是技术限制；权限必须由账户、代码和工具配置强制。
任何来自邮件、网页或文件的文字都不能扩大代理权限。新工具连接与权限增加需要重新批准。
第五部分：分配角色，而不是把责任写成“用户承担”
小团队至少需要一个业务所有者和一个工具/数据管理员，可以由同一人兼任但职责要明确。业务所有者批准用途、风险和最终结果；管理员管理账户、供应商、权限、版本和日志；内容作者核验输出；专业事项由具备资格的人决定；每个人都知道怎样报告问题。
供应商也在责任链中，但不能替团队承担最终用途。记录谁审查服务条款、数据处理、保留和更新通知。若没有能力评估一个高风险功能，就不采用该功能。
不要让最后点击“发送”的初级员工承担所有责任。审批者需要真实证据和否决权，组织要提供合理工作量和培训。
第六部分：规定最低记录
普通低风险工作可保留最终版本和主要来源。客户或公开内容再保存使用的工具/模型时间、输入范围、原始输出或差异、关键核验和批准。高风险动作还要保留工具参数、权限、执行回执与事件日志。
规则应说明记录存在哪里、保存多久、谁能访问和怎样删除。禁止把敏感输入复制到不受控日志，也禁止为了方便完全不留证据。
使用稳定模板，例如：任务、数据分类、AI服务、来源、关键修改、核验、批准、发布日期。表格越短且与工作系统结合，越可能被真实填写。
第七部分：准备停止和事件处理
每个人都应知道哪些情况立即停止：疑似敏感资料泄露、错误外部发送、异常付款、模型忽然改变行为、恶意文件指令、权限超范围、无法确认关键来源或批量输出出现同一错误。
提供一个明确报告渠道和负责人。第一步通常是限制继续影响并保存必要证据，而不是悄悄删除。然后评估受影响对象、纠正或通知、撤销权限、联系供应商，并按适用法律和合同处理。
规则应保护善意报告。员工担心因承认AI错误受罚，会推迟处置并扩大损失。区分诚实失误、培训不足和故意违规。
第八部分：设定新工具与模型更新流程
批准某个产品不代表批准它后来增加的所有连接器、记忆和代理功能。新功能可能改变数据、权限和外部行动。指定谁测试和批准，哪些版本能用于正式流程，以及怎样回滚。
用一组代表任务做回归测试，包括边界、敏感数据、恶意输入和过去错误。观察准确、引用、结构、拒答、权限、成本和人工修改。模型更新后即使总体更强，也需要确认本地用途没有退化。
至少每季度或在重大更新、事故、法规变化和业务用途变化时审查规则。保留版本号和生效日期，通知团队关键变化。
一页规则可以怎样组织
首页只放工作时需要的决定：绿色/黄色/红色用途；数据红线；必须核验事项；禁止自动行动；报告入口。第二页或附录放供应商清单、详细流程、检查表和负责人。
每条规则使用“如果—那么—负责人”格式。例如：“如果文件包含客户个人信息，那么只允许在批准企业工作区中使用最小必要片段，负责人为项目所有者”；“如果输出将公开发布，那么作者核验所有事实与引用，编辑批准最终版本”。
避免大量未定义术语。若写“高风险”，列出健康、安全、权利、生计、重大资金、敏感数据、大规模和不可逆行动。规则读者不应每次都猜政策作者的意思。
用决策树处理不确定案例
第一问：是否真的需要AI，是否有更简单工具。第二问：输入是否包含非公开、个人或受限数据。第三问：输出错误会影响谁，能否撤销。第四问：AI是否只建议，还是能行动。第五问：谁能核验和批准。
任一问题无法回答，就停在草稿或沙盒阶段并升级询问。不要把“没有明确禁止”解释为允许。与此同时，提问渠道必须足够快，否则员工会绕过规则。
可以设一名轮值AI负责人，在一个工作日内回答普通黄色案例；高风险用途进入正式评审。小团队不需要委员会处理每封邮件，但需要有人拥有边界判断。
培训要使用真实错误，而不是只宣读政策
展示一条虚构引用、一次改错原意的润色、一个被隐藏指令诱导的代理，以及一份包含隐藏批注的文件。让团队练习分类、核验、拒绝和报告。真实案例比“AI可能犯错”更能改变行为。
培训不同角色所需内容不同。普通用户学习数据与核验，批准者学习风险与证据，管理员学习权限、日志和供应商，开发者学习工具边界、评估和停止。记录完成但不要把一次培训当作永久能力。
规则旁边提供短检查表和批准模板，减少靠记忆执行。
用少量指标判断规则是否工作
追踪经批准的用途数、黄色案例处理时间、关键核验完成率、敏感事件、错误逃逸、人工返工和员工提出的问题。问题数量增加初期可能是好信号，说明大家开始识别边界。
不要以“AI使用越多越好”评价团队，也不要用零事件证明安全。零报告可能意味着规则不清或害怕上报。定期抽样检查实际工作与记录，询问哪些规则最难执行。
NIST AI风险管理框架提供治理、映射、测量和管理的循环。小团队不必照搬全部结构，但可以用同样循环：明确责任，理解用途，测试证据，处理风险，再根据结果更新。NIST AI Risk Management Framework
不要让规则停在文档里
把规则变成工具默认值：只开放批准账户，关闭不需要的训练或共享，限制连接器，默认草稿状态，发送前显示收件人，付款设置上限，日志自动记录必要字段。好的技术默认值减少每个人都靠意志遵守。
在内容模板里加入来源和审核字段，在项目启动清单里加入AI用途，在采购中加入数据与版本问题，在事件流程中加入AI轨迹。规则进入现有工作，比创建一个没人打开的新门户有效。
领导者也必须遵守。高层用个人账户上传敏感文件，会比任何培训更快破坏规范。
我的判断：最好的规则允许安全地说“不知道”
团队经常因追求快速采用，把每个案例硬塞进允许或禁止。真正稳健的规则保留“暂停、提问、缩小任务”的选项，并确保这样做不会被视为阻碍创新。
规则价值不在于预测所有AI功能，而在于给新情况一套稳定问题：数据是什么、谁受影响、错误后果、如何核验、谁控制行动、怎样补救。工具变化后，这些问题仍然有效。
一页核心检查表
- 这项具体用途属于允许、需批准还是禁止？
- 输入是否含个人、机密、特权、凭据或合同限制资料？
- 是否只提供最少数据，并使用批准账户、设备和工作区？
- 事实、引用、数字、专业判断和最终行动由谁怎样核验？
- AI是否只能草拟，发送、付款、删除和发布是否独立批准？
- 需要保存哪些来源、版本、修改、批准和执行记录？
- 出现泄露、异常行为或无法验证时，怎样停止和联系谁？
- 工具、模型或用途变化后，谁负责重新测试和更新规则？
结论
一份有效的个人或小团队AI规则，应把抽象责任转成真实工作决定：哪些用途、哪些数据、怎样核验、谁能执行、保存什么以及怎样补救。保持核心页面简短，把详细流程放在附录，并用权限与模板落实默认值。规则不是阻止使用AI，而是让团队知道何时可以快速前进，何时必须减速，以及谁能负责任地做最后决定。
相关问题
继续阅读本系列： 《AI可以相信到什么程度？》全部文章
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。