AI时代的"代码裸奔"——你把公司的底裤交给了谁

9月18日，知乎热榜第一是个技术圈的瓜：智谱的编程产品 ZCode 被质疑"静默上传用户的全量 Git 操作"。官方很快回应，说问题源于"代码库索引"功能，Repo Wiki 生成时可能触发仓库数据上传，已修复，并将开源代码库、引入第三方审查。

技术圈在吵"到底传没传全量"，我关心的不是这个。我关心的是：有多少家公司，是在这条新闻出来之后，才第一次意识到"我们的代码可能一直在往外走"？

这才是真正的管理问题。不是智谱对不对，是——你把公司的核心资产，交给了一个你根本看不懂的黑箱，而且你签字的时候没觉得这是件事。

我给这个现象起了个名字：代码裸奔。

一、本质：信任被"外包"给了工具，而不是被"设计"在架构里

先说一个判断：把数据交给第三方工具，从来不是信任问题，是架构问题。而绝大多数组织，把它当成了信任问题。

什么叫当成信任问题？就是"我们选了个大厂的产品，应该没问题吧"。这句话的性质，跟"这个人看起来挺老实的"一模一样。靠感觉判断风险，是个体行为；靠架构控制风险，才是组织行为。

AI时代最危险的变化是：过去工具只处理边缘数据，现在工具直接接触组织的命根子。代码、客户名单、财务底稿、员工信息、战略文档——这些过去锁在保险柜里的东西，现在被塞进了一个个"提升效率"的SaaS里。而组织连这些工具的数据流向都说不清。

二、为什么这个问题在AI时代被放大了十倍

• 工具的门槛低到"人人可接入"。十年前上一套系统要走IT审批、走安全评估；现在一个工程师 pip install 一下，数据就有了新的出口。审批的速度，永远追不上装工具的速度。
• AI工具"越聪明"越需要越多数据。它要帮你写代码，就得读你的代码；要帮你做知识库，就得吞下你的所有文档。"能力"和"数据接触面"是同一枚硬币。你想要它更强，就得让它看得更多。
• 默认开启，是行业的普遍操作。就像这次事件里，被认为有问题的功能"上线初期默认开启"。默认值不是技术细节，默认值是设计者的价值观声明——它默认你不会去关，默认你不在乎。
• 组织的检查能力没跟上。大多数中小企业没有安全团队，连"我们的数据流经哪些工具"这张图都画不出来。你无法管理一张你画不出来的图。

三、三种正在裸奔的组织

自查一下，你属于哪一种。

1. "反正我们没什么可偷的"型

中小企业最容易这么想。但真正的风险不是"被偷"，而是合规责任和客户信任。你客户的合同条款里写着数据不得出境，你用的工具服务器在哪儿，你说得清吗？

2. "选了大厂就安全"型

大厂是更好的选择，不是免检的保证。这次出事的也是头部公司。把风险判断外包给品牌，等于把判断力也一起外包了。

3. "效率优先，安全以后再说"型

这是最普遍、最危险的一种。"以后再说"的结果就是永远不说，直到出事。安全不是效率的对立面，安全是效率的地基——地基塌了，楼越高摔越惨。

四、破法：把"信任"换成"可核查"

不是让你不用AI工具，那等于因噎废食。是让你把"信任"这件事，从态度层面挪到架构层面。

• 画一张数据流向图。把组织在用的所有AI工具列出来，标注：数据进什么、出什么、存哪儿、谁能看。这张图画不出来，说明你根本没在管理这件事。我建议每季度更新一次。
• 分级授权，而不是一刀切。核心代码库、客户数据、财务系统，必须走审批、必须用私有部署或明确承诺不训练的通道；边缘的、公开的信息，可以放开。让风险跟资产价值挂钩，而不是跟"谁先装"挂钩。
• 强制检查"默认值"。接入任何工具前，先问三个问题：默认开的是什么？默认传的是什么？默认存多久？把这三个问题写进接入清单，比喊一百遍"注意安全"都管用。
• 建立退出机制。任何工具，都要有"如果明天停用，数据怎么拿回来"的预案。没有退出机制的合作，不是合作，是人质。
• 把责任落到具体的人。不是"公司要重视安全"，是"某某负责这件事，每季度出报告"。没有具体责任人的安全，就是纸糊的安全。

五、给培训师和管理者的一句话

这次事件真正值得写进培训课件的，不是"数据安全很重要"这种正确的废话，而是一个提问方式：当你把一个能力交给AI工具时，你同时也交出了什么？

效率是显性的，代价是隐性的。员工不会告诉你"我们把客户数据喂给了某个工具"，管理者也不会主动汇报"我接入了一个没走审批的系统"。隐性的代价不会自己浮上来，得有人主动去问。

AI时代，组织最贵的能力不是"会用多少工具"，而是"清楚地知道每个工具拿走了什么"。能说清这件事的组织，才有资格谈效率。

你的公司现在在用多少个AI工具？数据都流向了哪里？——如果这个问题你答不上来，那不是技术问题，是管理还没开始。