在GDPR合规环境中完成去标识化，并通过内部策略与内容安全两道检查决定自动回复或转人工

生成式AI正被越来越多企业用于提升运营效率、处理复杂问题，但数据隐私随之成为不可回避的挑战。Synology近日分享其AI驱动客户支持系统的实践称，企业若希望借助AI提高生产力，就必须同时控制数据泄露风险。其做法是在工作流程中引入全面去标识化技术和严格防护机制，以确保客户信息得到负责任处理，并维持数据安全与隐私保护标准。

Synology援引案例称，今年3月，一家韩国企业集团曾解除生成式AI使用禁令，但数周后因员工分享专有代码、会议录音等敏感内部信息而重新实施禁令。这一事件表明，AI效率与隐私管控需要同步推进。

以RAG系统提升技术支持准确性

Synology表示，其开发了检索增强生成（RAG）系统，用于提高技术支持效率与准确性。该公司还建立了过去一年经认证的支持案例数据库，内容由专业技术支持工程师审核，针对Synology产品与解决方案提供最新洞察。收到新请求后，RAG系统会分析客户问题，并从数据库中检索相关解决方案。相比基于公开数据训练的生成式AI，这一方式可生成更高质量的回复。

该系统以保护客户隐私为基础。过去案例和新收到工单中的数据，在使用前均需经过全面去标识化处理。具体机制包括：通过正则表达式识别支持工单中的电子邮件、电话号码等模式；利用自然语言处理部署命名实体识别，结合上下文检测实体；通过校验和验证确保模式准确性；分析周围文本以提高检测置信度；并对检测到的敏感信息实施匿名化保护。

Synology强调，这一去标识化流程在符合GDPR的环境中执行，以确保监管合规和数据匿名化。

两道防护栏约束AI输出

经过去标识化再处理后，所有AI生成回复还需通过两道防护栏进行策略检查，防止无意披露敏感信息或给出可能有害的建议。第一道为内部策略检查，用于识别违反内部政策或可能给用户带来数据丢失风险的情况。例如，当工单请求可能影响用户现有环境的安装文件、DSM或应用程序版本，请求协助处理常见漏洞和暴露（CVE）问题，或引用其他支持工单时，系统将停止回复，并向技术支持工程师提供指导该决定的主要因素摘要，以便视情况升级处理。

第二道为内容安全检查，确保生成回复不包含控制台命令、远程访问详情，或其他在特定场景下可能不可用或不适当的上下文准确数据。通过该检查后，系统再决定是自动回复，还是将工单转交支持人员审核。

响应时间提升20倍，强调隐私优先

Synology称，这一自动化AI支持流程显著提高了回复准确性和相关性，使响应时间提升20倍。通过严格去标识化流程和稳健防护机制，该公司确保数据保密并遵守隐私协议。Synology表示，开发AI客户支持系统的经验使其认识到，AI虽具备强大的问题解决能力，但必须通过控制与审核机制加以约束，才能实现效率与隐私的平衡。未来，Synology将继续坚持隐私优先承诺，在利用AI潜力的同时保护客户数据。