企业数据走第三方 API 的合规边界

先明确：这不是法律意见

本文讲的是技术选型中的合规考量，帮你识别风险点、知道该向法务问什么问题。具体合规判断需要结合你的行业、数据类型与业务所在地 —— 请咨询专业人士。

三个独立的风险维度

很多人把「合规」当成一件事，实际上是三件：

三者独立：一个请求可能内容无害但跨境，也可能内容敏感但不跨境。

维度一：数据内容

最容易被忽略的是「内部」这一档。 很多人觉得内部文档不敏感，但代码库、客户名单这类信息的商业价值很高。

维度二：数据路径

用国内中转站时，链路通常是：

你的服务器（境内）→ 中转站（境内）→ 上游（可能在境外）→ 模型厂商

注意两点：

1. 数据会到中转站 —— 它是链路里的一个可见点
2. 可能跨境 —— 上游如果对接到海外厂商，就涉及数据出境

跨境这一项在不同行业的监管要求差别很大，需要按你的具体情况判断。可以向服务方确认：请求转发到哪里、是否跨境、是否有境内处理选项。

维度三：可追责性

出事的时候，你能不能找到人。

企业采购的一个硬门槛是：能不能签合同。 不能签合同意味着出了问题你没有依据 —— 这一条经常直接决定选型，与价格无关。

一个可操作的评估流程

1. 列出你实际会送进去的数据类型
        ↓
2. 每一类标上敏感度档位
        ↓
3. 对「敏感」以上的类别，问三个问题：
   · 能否脱敏后再送？（能 → 降档处理）
   · 能否拆分，只送必要部分？
   · 能否改为本地模型或自建？
        ↓
4. 对剩下的第三方调用，要求服务方书面确认：
   · 数据处理与留存政策
   · 是否跨境、转发到哪些地区
   · 能否签数据处理协议
        ↓
5. 把结论写进你的技术选型文档，留档

第 5 步很重要：合规判断需要留痕。半年后有人问「为什么当时选了这个方案」，你得有依据。

三个降低风险的技术手段

一、请求前脱敏。

import re
def mask(text):
    text = re.sub(r'1[3-9]\d{9}', '[手机号]', text)
    text = re.sub(r'\d{17}[\dXx]', '[身份证]', text)
    text = re.sub(r'[\w.-]+@[\w.-]+', '[邮箱]', text)
    return text

对结构化数据效果很好，成本极低。

二、最小化传输。 不要把整份文档送进去，只送需要处理的那一段。

三、分层处理。

敏感部分 → 本地模型 / 官方平台
非敏感部分 → 第三方中转站

很多业务其实可以这样拆开，既控制了风险，也控制了成本。

什么情况下应该放弃第三方

• 数据里有明确的个人信息，且无法脱敏
• 行业有强监管要求（金融、医疗等），且服务方无法提供合规文件
• 无法接受数据跨境
• 业务对可追责性有硬性要求，而服务方无法签协议

这几种情况下，自建网关 + 官方上游，或者本地部署开源模型，是更稳的选择。

一个务实的观点

合规不是「能不做就不做」的成本项，也不是「做了就万无一失」的保险。

它的实际作用是：让你在做技术选型时知道风险的边界在哪，并把可控的部分控制住。

多数企业不需要因此完全放弃第三方 API —— 需要的只是分类处理：把真正敏感的部分隔离出来，其余的照常使用。

相关阅读

• 你的请求经过了谁：中转站链路里的数据边界
• 自建网关 vs 用现成中转站：成本对比与适用边界
• 企业采购 API 中转站：开票、合同、合规与风险控制