【TechCrunch 2026年1月12日讯】生成式AI的“数据饥渴”正引发新的合规风险。据《Wired》报道，OpenAI正联合训练数据公司Handshake AI，要求第三方外包人员上传过往及当前工作中的真实成果文件——从Word报告、Excel表格到代码仓库，覆盖白领工作全场景。此举被解读为OpenAI加速“白领工作自动化”的关键布局，但知识产权律师直言，这种高度依赖外包人员自判机密性的模式，让OpenAI“站在法律高风险边缘”。
截至发稿，OpenAI发言人未回应置评请求，但其推荐的ChatGPT“Superstar Scrubbing”脱敏工具已引发争议——该工具能否彻底清除敏感信息、外包人员是否具备准确识别机密的能力，均成为行业质疑的焦点。
一、数据收集细则：要“原始文件”不要“摘要”，覆盖多类白领产出
根据《Wired》获取的OpenAI内部演示文稿，此次数据收集有着明确且严格的要求，核心是获取“真实场景下的完整工作成果”，而非经过加工的样本：
1. 文件类型：瞄准白领核心产出
外包人员需上传的“真实工作成果”涵盖六大类，几乎覆盖主流白领岗位的核心产出物：
-
办公文档：Word报告（如项目计划书、会议纪要）、PDF合同/方案、PowerPoint演示文稿（含演讲备注）；
-
数据工具：Excel表格（含公式、宏命令）、SQL查询语句、数据可视化图表；
-
代码资产：GitHub代码仓库、API接口文档、软件测试报告；
-
设计文件：UI/UX设计稿（Figma源文件）、产品原型图、Logo源文件；
-
多媒体素材：工作场景照片（如活动记录、设备实拍）、培训视频片段；
-
行业专属文件：金融领域的财务模型、法律领域的合同草案、教育领域的课程大纲。
演示文稿特别强调：“必须是具体产出物，而非文件摘要或描述”，例如上传完整的项目预算Excel表，而非仅说明“制作过预算表”。
2. 脱敏要求：依赖外包人员+ChatGPT工具
为规避合规风险，OpenAI要求外包人员删除文件中的两类信息，并提供工具支持：
-
强制删除内容：公司专有信息（如内部流程、未公开产品计划）、个人身份信息（PII，如姓名、邮箱、电话、工号）；
-
推荐工具：使用ChatGPT“Superstar Scrubbing”功能自动识别并抹除敏感信息，该工具宣称可“精准定位98%的PII数据”。
但实操中存在明显漏洞。一位不愿具名的外包人员向TechCrunch透露：“有些文件里的‘专有信息’很模糊，比如公司内部常用的项目命名规则，我不确定是否需要删除；而且工具偶尔会误删正常数据，手动核对又很耗时。”
二、战略意图：瞄准“白领自动化”，构建专属高质量数据集
OpenAI此举并非孤立行为，而是AI行业争夺“高质量训练数据”的缩影。随着基础模型能力逼近瓶颈，“更贴近真实工作场景的数据”成为突破关键，尤其是能支撑“白领工作自动化”的专项数据：
1. 弥补现有数据短板
此前，OpenAI训练代码模型多依赖GitHub公开代码，但这类数据存在两大缺陷：
-
缺乏上下文：仅包含代码本身，缺少“为什么这么写”的自然语言解释，难以支撑AI理解编程逻辑；
-
场景局限性：公开代码多为个人项目或开源工具，与企业内部的复杂业务场景（如财务系统开发、客户管理系统维护）差距较大。
而此次收集的“真实工作文件”恰好填补空白。例如一份包含“需求文档+代码+测试报告”的完整项目文件，能让AI学习“从业务需求到技术实现”的全链路逻辑，这正是自动化白领工作（如程序员、产品经理、分析师）的核心能力。
2. 行业竞争倒逼数据策略
据行业调研机构PitchBook数据，2025年全球AI公司在“高质量训练数据”上的投入同比增长120%，谷歌、Anthropic等竞品均在通过类似方式收集垂直领域数据：
-
谷歌去年底招募金融从业者上传财报分析报告，用于训练AI财务助手；
-
Anthropic则聚焦法律领域，收集律师的合同审查文档与法律意见书。
在此背景下，OpenAI的动作被视为“争夺白领自动化赛道话语权”的关键一步。一位AI行业分析师指出：“谁先掌握足够多的真实工作数据，谁就能在‘AI替代白领’的竞赛中抢占先机，这直接关系到未来10年的商业格局。”
三、合规风暴：律师警告“风险失控”，三大隐患浮出水面
尽管OpenAI强调“脱敏处理”，但知识产权律师与行业专家普遍认为，这种数据收集模式存在难以规避的法律与伦理风险：
1. 机密判断依赖外包人员，失误率高
最核心的风险在于“机密信息的界定权交给了外包人员”。知识产权律师埃文·布朗（Evan Brown）在接受《Wired》采访时直言：“外包人员并非法律或合规专家，他们无法准确判断哪些信息属于商业机密、哪些受版权保护。比如一份看似普通的项目周报，可能包含公司未公开的战略规划，这种误判会让OpenAI陷入侵权纠纷。”
更严峻的是，部分外包人员可能为完成任务“心存侥幸”。TechCrunch获取的一份外包沟通记录显示，有人员询问“能否隐去公司名称后上传内部流程文档”，而中介机构的回复是“只要不包含明显标识即可”，未进行严格审核。
2. 脱敏工具无法彻底消除风险
OpenAI推荐的ChatGPT“Superstar Scrubbing”工具并非万能。网络安全公司Mandiant的测试显示，该工具对“显性PII”（如完整姓名、电话）的识别率达95%，但对“隐性敏感信息”（如通过数据组合可反推的公司机密、客户信息）识别率不足30%：
-
例如一份客户满意度Excel表，即使删除客户姓名，通过“购买产品+地区+消费金额”的组合，仍可能匹配到具体客户；
-
代码文件中的“变量命名规则”“接口地址格式”等细节，可能成为黑客攻击企业系统的线索。
“脱敏不是简单的‘删除关键词’，需要对数据进行深度匿名化处理，而当前工具显然达不到这个标准。”Mandiant高级安全研究员艾米丽·陈（Emily Chen）表示。
3. 责任归属模糊，纠纷难解
一旦发生数据泄露或侵权，责任界定将成为难题：
-
OpenAI的免责逻辑：声称“已要求外包人员删除敏感信息，且提供了脱敏工具”，试图将责任转移给外包人员；
-
外包人员的困境：多数人签署的合同中未明确“数据合规失误的赔偿条款”，却可能因操作不当面临法律追责；
-
原雇主的潜在损失：若公司机密通过这种方式流入OpenAI，可能导致商业竞争劣势，甚至引发知识产权诉讼。
目前，已有两家美国科技公司表示“正在核查内部文件是否被外泄”，不排除对OpenAI采取法律行动。
四、行业反思：AI数据收集需建立“合规框架”
OpenAI的争议事件，再次暴露了生成式AI行业“重技术、轻合规”的通病。要解决这一问题，仅靠企业“自我约束”远远不够，需构建多维度的规范体系：
1. 明确数据收集的“负面清单”
行业需联合制定“不可收集的数据类型”，例如：
-
受保密协议保护的文件（如企业并购方案、专利申请材料）；
-
包含个人敏感信息的工作成果（如员工绩效评估、客户隐私数据）；
-
涉及国家安全或公共利益的内容（如政府项目文档、关键基础设施设计图）。
2. 引入第三方合规审核
建议AI公司在收集数据时引入独立的合规机构，而非依赖内部或外包团队自审：
-
第三方机构需具备法律、数据安全、行业知识的复合能力；
-
对每批收集的数据进行抽样审核，确保脱敏达标；
-
建立“数据溯源机制”，一旦出现问题可快速定位责任方。
3. 加强外包人员合规培训
在招募外包人员时，需增加“数据合规”的强制培训与考核：
-
讲解商业机密、版权、隐私保护的基本法律常识；
-
提供具体案例教学（如“哪些文件绝对不能上传”“如何识别隐性敏感信息”）；
-
建立“违规举报机制”，鼓励外包人员对可疑要求说“不”。
结语：数据竞赛不应以合规为代价
OpenAI的此次数据收集行动，本质上是AI行业“高速发展与合规滞后”矛盾的集中爆发。追求“白领工作自动化”的目标无可厚非，但这不能成为“忽视数据安全与法律边界”的借口。
对OpenAI而言，若不能妥善解决合规风险，不仅可能面临巨额罚款与诉讼，更会损害用户与合作伙伴的信任——这恰恰是AI公司最宝贵的资产。而对整个行业来说，只有建立“技术创新与合规保障并行”的发展模式，才能让AI真正赋能白领工作，而非引发新的信任危机。
截至发稿，已有美国参议员呼吁联邦贸易委员会（FTC）对OpenAI的数据收集行为展开调查，TechCrunch将持续关注事件进展。
