我给AI的权限，比给我助理的还大。助理能看的文件，AI都能看；助理不能碰的财务系统，AI也能读。但有一条我守得很死：AI不能签字，不能直接动钱。这不是技术问题，是责任归属问题。
AI权限管理，本质上是把“谁能代表公司做不可逆动作”这件事，用技术手段重新划一遍边界。它跟信任无关，跟制度有关。
我把AI权限切成四档，这个框架来自我自己的实践，不是行业标准，你参考逻辑就行。
第一档，只读不写。AI能看聊天记录、邮件、文档，但不能发任何东西。这是我给AI的默认档位。
第二档，能写不发。它可以起草回复、生成报告、整理会议纪要，但发出前必须经我确认。目前我这边80%的AI协作停在这一档。
第三档，能发不签。它可以代替我发送标准化的通知、提醒、日程确认。但涉及金额、承诺、法律效力的内容，不在此列。
第四档，人机双签。这是AI权限的天花板。它和我同时确认，才能触发一个不可逆的操作。
注意，第四档不是“AI签字”，而是“AI触发+人确认”。最终的法律责任主体仍然是人。据2024年欧盟《人工智能法案》，涉及关键基础设施、就业、信贷等领域的AI系统被列为高风险，要求人类监督和日志留存。国内2023年发布的《生成式人工智能服务管理暂行办法》也明确，服务提供者要对生成内容负责。换句话说，AI没有责任能力，只有授权人有。
我之前的说法是“可逆的给AI，不可逆的给人”。这话在多数场景下成立，但不是铁律。
比如客服场景，AI自动回复一条退款确认，金额50块，严格说不可逆，钱已经退了。但这类操作在制度上可以给AI，因为单笔金额小、规则明确、事后可追溯。
反过来，有些操作看起来可逆，比如AI修改了一行代码，但如果是生产环境的数据库迁移脚本，改错了可能回滚都来不及。
所以更准确的原则是：权限给到哪一档，取决于三个变量——操作的可逆性、单次影响的上限、以及事后追溯的难度。三个都低，可以放；有一个高，就得收。
我见过太多公司，一上来就给AI开最高权限，结果一封邮件发错、一笔款付错，损失比省下的人力成本大十倍。也见过把AI管得死死的，最后AI就是个高级搜索框。这两种极端，都是没想清楚边界。
有读者问：小公司有必要搞这么细吗？我的观察是，越小的公司越要搞。大公司有冗余，错一次可能只是季度奖金少发点；小公司错一次，可能现金流就断了。权限设计不是大厂专利，是生存底线。
但这话也有例外。如果小公司业务极其单一，比如就一个AI自动回复客户咨询，那确实不需要四档框架，一个“能发不签”就够了。别为了框架而框架。
涉及财务、法律、人事这些领域，AI权限设置必须遵守行业规范。
财务方面，财政部2023年发布的《会计信息化工作规范》提到，单位应当建立会计信息系统操作权限管理制度，关键操作要有复核。AI如果接入财务系统，同样适用。
法律方面，AI不能代替律师出具法律意见，不能代替法定代表人签署合同。这不是技术能不能的问题，是法律认不认的问题。
人事方面，AI可以筛选简历，但录用决定必须由人做出。2024年国内已有案例，某公司用AI筛简历被质疑就业歧视，最后因为无法解释算法逻辑而败诉。
所以我的做法是：AI权限表每年至少过一遍法务和财务，确认没有越界。
三个常见问题。
Q：给AI权限太大，数据泄露怎么办？
A：数据分级。公开数据随便读，机密数据脱敏读，核心数据加密读。权限不是一刀切，是分层过滤。
Q：AI犯错谁负责？
A：谁授权谁负责。你给AI开了付款权限，它付错了，你不能说“是AI干的”。在制度上，AI没有责任能力，只有授权人有。
Q：小公司有必要搞这么细吗？
A：看业务。单一场景不用，多场景交叉就必须。核心原则是：不可逆的操作，人必须在场。
AI不是工具，也不是人。它是介于两者之间的存在。对待它，既不能像对待机器一样随意，也不能像对待人一样信任。它需要的是一套清晰的规则。
这套规则的核心，不是技术，是你对自己责任的认知。你愿意为AI的多少行为负责，你就给它多少权限。
多一分是妄，少一分是废。
一切皆如，如是而已。
给AI划权限这件事，本质是给公司划一道责任边界。划得太松，出事时找不到人担；划得太紧，AI就退化成搜索框，你付的算力钱等于白花。值得先做的是三件事：把「能读、能写、能签字」分成三档；每一档都留一条可回退的路；出错时的责任人写清楚——是人，不是模型。这三条立住了，权限才敢往下放。
一切皆如