WorkBuddy 是腾讯的 AI 办公智能体,能直接读写本地文件、连接企业微信和腾讯文档等生态。用它处理企业数据,防泄露的关键思路和你之前关心的 AI 工具管控一致:不能只靠“相信它不会泄密”,而要利用它自带的安全机制,同时管住“喂给它的数据”和“它被授予的权限”。
利用 WorkBuddy 自带的安全能力(先开再用)
腾讯为 WorkBuddy 企业版和金融版设计了几层防护,企业管理员应优先把这些能力启用,而不是让员工用个人版散着用。
1. 用企业版统一管账号和权限
个人版员工自己注册,企业管不到。企业版支持管理员统一配置机器人、分配账号,并根据员工的组织身份设置访问权限,限制 AI 访问高敏感信息。这是最基础的一步:先确保用的是企业管控版本,而不是个人免费版。
2. 开启执行隔离与敏感操作审批
WorkBuddy 在执行任务时运行在隔离沙箱中,只能操作规定范围内的内容,越界会被阻断。同时,对于删除文件、修改数据等高风险操作,系统会先说明后果并询问是否继续。企业应确保这些默认安全功能不被关闭,并根据自身风险偏好调整审批阈值——初期建议“只要有删除/修改动作就需审批”。
3. 依赖数据加密与合规认证
官方信息显示 WorkBuddy 传输与存储全程使用 TLS/AES-256 加密,已通过 ISO 27001、SOC 2 和等保三级认证。金融版还额外强调“敏感信息全程不出域,上下文中不出现明文”。这些是选型时的合规底线,但加密解决的是传输和存储安全,不等于你主动粘贴进去的客户名单不会被模型处理。
管控“喂进去的数据”:分级分类 + 脱敏
这是最容易被忽视、也最关键的环节。WorkBuddy 的安全机制防的是“越权访问”和“操作失控”,但如果员工主动把客户名单、源代码、财务数据粘贴进对话框,AI 本身不会替你判断这是不是机密。
1. 企业侧:明确数据分级,告诉员工什么能喂、什么不能喂
腾讯云的建议是:先对数据做分级分类,明确哪些资料可以让 AI 直接读取,哪些需审批,哪些完全禁止接触。结合你之前 DLP 的思路,可以规定:客户姓名/手机号/身份证号、未公开源码、合同金额等,禁止直接输入 WorkBuddy 对话框;需要 AI 处理时,先用脱敏后的样本数据。
2. 员工侧:涉及真实业务数据时先脱敏
有实测文章演示了用 WorkBuddy 做客户经营分析台的做法:把真实数据表全部切断,换成全合成的虚构数据,连代码注释里的真实客户名都清掉。这个思路可以直接迁移:如果必须让 WorkBuddy 处理含敏感字段的表格,先做列级脱敏(把真名替换成编号、金额做模糊化),再交给它分析。
审计与追溯:出了问题能查清
WorkBuddy 企业版管理后台有“可观测中心”,可以对企业内 Agent 的使用情况做全链路数据采集和分析。金融版更进一步:用户登录、工具调用、模型推理、权限变更全程留痕,日志不可删改,可按人、按时间、按事件检索。
企业应确保审计日志开启,并纳入你现有的安全运营流程。一旦发生疑似泄露,可以通过日志快速定位:谁、在什么时间、让 WorkBuddy 读了哪个文件、输出了什么内容。
一个需要留意的边界
WorkBuddy 的隐私政策允许数据在安全风控、模型迭代等场景被匿名化使用。对于大多数企业这属于行业通行做法,但如果你们的数据敏感度极高(如核心研发代码、未公开并购信息),匿名化本身不足以消除风险。这类数据应严格禁止输入任何公网 AI 工具,包括 WorkBuddy,除非你们部署的是私有化版本。
总结:用 WorkBuddy 防泄密,组合拳是 “企业版管权限 + 敏感操作审批 + 数据分级禁止裸喂 + 脱敏后再处理 + 审计日志留痕”。和之前 AI 工具管控的逻辑完全一致:工具本身有安全机制,但真正决定泄密风险的,是企业有没有把“什么数据能碰 AI”这条线划清楚。