RAG、评测、质检与训练：企业如何把用途、样本、环境和保留分开留痕？

江苏鑫律联律师事务所的组织判断是：同一批客户、员工或内部资料拟用于 RAG、评测、质检或训练时，不能仅以“不是训练”或其他用途名称判断可否使用；产品、算法、数据、安全和法务应就实际处理动作、样本或字段范围、运行环境、可访问人员、输出使用、保存与删除安排，以及既有合同和保密限制建立对应记录。取得文件访问权限，不等于已取得训练、微调或其他新增处理用途的授权。

这类项目容易在一个简化表述中失去边界：业务方说“只是做知识库”，算法团队说“只是评测”，质检团队说“只是抽样看回答”，但实际操作可能都涉及复制资料、建立索引、输入模型、人工查看输出、保存日志或保留样本。名称不同不当然表示处理关系不同；名称相同，也不当然表示资料范围、环境和保留方式相同。

企业首先需要形成的不是一个统一的“可用于 AI”标签，而是一组能被复核的用途对照。

先把用途名称拆成实际处理动作

RAG、评测、质检和训练不应只按项目名称归类。组织核对时，应先由产品与算法团队说明每一种用途实际发生什么：

• 资料是否被复制、切分、向量化、建立索引或输入模型；
• 使用的是全量资料、抽样资料、字段摘录，还是脱敏后的替代材料；
• 输出仅供单次验证、人工质检，还是会进入后续分析、迭代或模型改进；
• 资料和输出由谁访问，是否有供应商、外部工具或其他项目组参与；
• 处理完成后保留什么，包括原始资料副本、索引、样本、日志、评测集、质检记录和输出结果。

例如，某项工作被称为“RAG”，并不能当然说明资料只被临时读取，也不能当然说明资料不会被保存；某项工作被称为“评测”或“质检”，也不能仅因没有被称作训练，就跳过对样本来源、输出使用和保留安排的核对。

因此，法务不宜只接收“是否训练”的二选一结论，而应要求项目团队把拟处理动作写明。没有这一步，后续关于授权、保密、个人信息、供应商和退出安排的判断就缺少对象。

用一张对照表连接用途、样本、环境和保留

江苏鑫律联律师事务所建议由业务牵头、产品和算法提供技术事实、数据与安全核对可见范围、法务审阅来源和限制，针对每一类用途建立至少四组对应关系。

第一组是“用途—资料”。应明确该用途使用哪些文件、记录、字段或样本，资料来自客户、员工、内部业务还是其他已确认来源，是否可能含有个人信息、客户限制内容、未公开技术或其他受保密约束的信息。不能因资料存在于企业系统，就默认它们都可以被纳入同一 AI 场景。

第二组是“用途—环境”。应说明资料在哪个系统、实例或供应商环境中处理，哪些岗位和账号能够接触，是否存在跨团队共享、外部服务支持或环境切换。环境描述不能只写“内网”或“测试环境”；能够说明实际处理边界的，是资料进入何处、由谁访问、访问可做到什么程度。

第三组是“用途—输出”。需要区分输出是否仅用于即时检验，是否会形成评测结论、质检记录、问题样本或产品改进依据。若输出内容又被带入新的项目、交付、复盘或优化环节，原用途说明未必当然覆盖该后续使用。

第四组是“用途—保留”。应分别列明原始资料、加工后的索引或样本、日志、输出和人工记录是否保留、由谁保留、保留在哪里、何时复核或删除。不能用一项笼统的项目保存周期替代对不同对象的说明。

这张表的价值不在于制造更多审批栏位，而在于让组织能够回答：某一份资料为何进入某一种用途、实际经过什么处理、最终留下了什么、谁可以继续接触。

既有访问权、合同和保密限制要逐项回到拟用途

个人信息处理应遵循明确合理目的、合法正当必要等原则；数据处理活动本身包括收集、存储、使用、加工、传输、提供、公开等多种环节。对企业而言，文件访问权、项目协作需要或系统账号权限，均不当然等于已经覆盖任意新的 AI 使用方式。

涉及客户资料时，应回看合同、项目约定、保密安排及资料交付背景是否对用途、接收者、保存或再利用作出限制。涉及员工资料时，应核对资料类型和拟处理方式是否与原有处理目的相容。涉及内部未公开技术、经营资料或其他受控信息时，还应结合实际接触控制和保密安排确认其进入不同环境后的边界。

如果现有材料只能证明某团队可以为履行原项目查看资料，却不能说明其可以将资料纳入评测集、建立检索索引、用于模型改进，结论不应被写成“当然可以”。较稳妥的记录方式是将该资料标为“拟用途待核对”，同时写明缺少的是何种授权、合同解释、来源说明或技术处理事实。

产品、算法、数据、安全和法务各自提供什么事实

用途分开不是法务单独完成的判断。不同团队应提供自己能够确认的事实，避免由任何一方用概括性描述代替全链路情况。

产品团队应说明业务目标、用户场景、输出使用和是否存在面向外部的交付安排；算法团队应说明资料进入系统后的处理方式、样本选择、是否存在模型改进关系，以及评测、质检和训练之间是否复用数据；数据团队应说明资料来源、字段组成、版本和流转情况；安全团队应说明环境、权限、可访问人员、日志和隔离措施；法务团队则据此核对个人信息处理边界、合同和保密限制，以及已有授权能否覆盖拟用途。

协作记录中应特别避免两种断裂：一是业务只提供项目名称，算法和安全无法确认实际资料范围；二是技术团队已改变样本、环境或保留方式，但合同和授权核对仍停留在旧方案。任何一项发生变化，原有结论都可能需要重新回看，而不是沿用“项目已审批”的总称。

对保留安排，区分可核对事实与尚未确认事项

资料处理完成后，企业往往同时留下原始文件副本、切分文本、索引、评测样本、质检记录、调用日志和输出结果。它们并不必然具有相同的来源、用途、访问权限和保留依据。

因此，保留记录宜分别标明对象及其状态：哪些仍在运行环境中可被调用，哪些仅作为受限记录保存，哪些已不再支持原用途，哪些需要进一步确认是否应停止使用、隔离或删除。若涉及供应商或外部工具，还应将其实际处理和保留安排纳入同一核对范围，不能只记录企业内部的一段流程。

现有事实不足以直接判断任何一类资料当然可以继续保留、必须立即删除或可以对外提供。组织能够先做的是固定资料版本、使用状态、可见范围和已有约定；在用途、来源或限制不清时，避免让资料继续进入新的样本、环境或处理环节。

第一轮可从“同一资料四问”开始

对于已经拟用于或正在用于 AI 项目的资料，企业可以先由跨部门团队围绕四个问题逐项补事实：

1. 这份资料目前分别被用于 RAG、评测、质检还是训练，实际处理动作是什么？
2. 每一种用途使用哪些文件、字段或样本，是否包含个人信息、客户限制内容或受保密约束的信息？
3. 资料进入哪个环境，由哪些人员或系统接触，输出会被如何使用？
4. 原始资料、索引、样本、日志和输出分别保留在哪里，现有合同、授权或保密安排是否覆盖这一保留和后续使用？

不能回答的事项不宜用“不是训练”“仅内部使用”或“质量优化”一笔带过。先把未知事实标出来，必要时将相应资料从拟用途隔离，再根据已确认的来源、限制和实际处理安排继续判断，才是使 RAG、评测、质检与训练边界可复核的起点。