当政策遭遇真实行为
一名政府承包商承受着压力——FEMA 洪灾救助申请积压成山。他将申请人的姓名、地址和健康记录粘贴进 ChatGPT 以加快处理速度。在他看来，自己并没有违法，只是用了手边最顺手的工具。
结果：一场政府调查和公开披露。
这正是「只靠政策」推行 AI 治理的核心失败所在。政策告诉员工该怎么做，但无法阻止行为本身。
77% 的企业员工至少每周会向 AI 工具分享敏感工作数据——即便政策明令禁止（eSecurity Planet/Cyberhaven 2025）。这些并不是粗心大意的员工，而是在时间压力下选择最快工具的普通人。
政策为何会失效
AI 使用政策依赖员工在输入信息时的临场判断。那一刻非常短暂：员工可能记不起相关政策，可能并不认为这些内容属于「敏感信息」，也可能认为时间节省带来的收益值得承担风险。
Cyberhaven Q4 2025 分析发现，34.8% 的 ChatGPT 输入包含机密业务信息。其中许多用户是知晓政策的，但仍然选择粘贴。
访问控制之所以有效，是因为系统会强制执行。邮件层面的 DLP 之所以有效，是因为系统会自动应用。AI 使用政策在粘贴操作发生的那一刻没有任何执行机制，只能依靠人的判断来填补空缺。大规模场景下，人难免出错。
FEMA 承包商犯的正是这样的错误。他不是恶意行为者，只是政策要求他在效率与规则之间做出选择，而在压力之下，他选择了效率。
技术管控能做到政策无法做到的事
真正能在规模化场景下发挥作用的解决方案，必须在技术层面发挥作用——而不是在培训层面。
浏览器扩展程序可以在剪贴板内容到达任何网页端 AI 之前完成拦截。当承包商将申请人的姓名和地址复制后粘贴进 ChatGPT，扩展程序会检测其中的 PII，完成匿名化处理，并将干净版本发送出去。AI 看到的是 [NAME_1] 和 [ADDRESS_1]，而非真实信息，任务依然得以完成，申请人的隐私数据始终未触及 ChatGPT 的服务器。
这一切都是自动完成的，无需员工记住任何规则。
对于使用 Cursor 或 GitHub Copilot 的开发者，MCP 服务器 提供了相同的防护层：粘贴进 AI 上下文的代码会先经过匿名化引擎处理，凭证和专有标识符被替换为令牌，AI 接收的是干净的输入，仍能给出有用的输出。
请参阅技术对比：拦截 vs 匿名化——浏览器 DLP 方案比较。
技术管控如何改变结果
有了浏览器扩展程序，FEMA 承包商的场景会完全不同：
- 承包商从案件管理系统复制申请人记录
- 扩展程序检测到剪贴板中的 PII
- 预览窗口显示将被替换的内容
- 匿名化版本发送至 ChatGPT
- ChatGPT 处理请求并返回结果
- 承包商获得所需帮助——不会触发任何调查
政策无需修改，培训无需重新开展，拦截层自动完成了一切。
政策培训在边际层面降低风险，技术管控则彻底消除失败模式。FEMA 事件是政策失效，若当时承包商的设备上部署了一个 Chrome 扩展程序，这不过是一件普通的日常小事。
延伸阅读：