人工智能大模型在处理用户个人信息时，应如何设计合法的同意与撤回机制？

蓝典信安 · AI合规服务中心，专注于为企业提供一站式AI合规咨询及治理服务，提供涵盖算法备案、数据安全与伦理审查等全面的合规咨询、评估与审计服务，量身定制内部治理体系与合规流程，致力于将复杂法规转化为清晰指南，助您高效规避AI合规风险，确保您的AI创新业务在合规上行稳致远。合作邮箱：AI@LD-SEC.com

随着人工智能大模型的普及应用，其背后对海量个人数据的处理引发了严峻的合规挑战。其中，获取用户“同意”作为最核心的法律基础之一，其设计是否合法、合规，直接关系到企业的运营风险。本文将深入探讨，一个合法、健壮的用户同意与撤回机制应满足哪些关键要求。

一、 有效的用户同意机制必须满足四大核心要求

根据中国《个人信息保护法》以及欧盟《通用数据保护条例》（GDPR）等国内外法律法规的精神，有效的同意必须是明确、自愿、具体且易于理解的。对于AI大模型这一特定场景，具体要求可细化如下：

1. 明确性与可理解性

   • 告知义务的深化：不能仅使用“为优化服务体验”等模糊表述。必须清晰、如实地向用户告知：

     • 处理目的：明确区分是为了模型训练与调优，还是为了提供实时交互生成内容，或是进行个性化推荐。不同目的可能需要不同层级的同意。

     • 数据类型：具体说明收集的是用户的输入文本、对话历史、上传的图片/文件，还是设备信息、IP地址等元数据。

     • 大模型特性：用通俗语言解释用户数据如何被用于训练，以及生成式AI可能产生的不确定性、幻觉等问题，管理用户预期。

   • 语言表达：坚决避免使用晦涩的技术术语，确保普通用户能够轻松理解其同意的内容是什么。

2. 自愿性

   • 必须保障用户的选择自由，严禁“捆绑同意”或“强制同意”。例如，不得将“点击同意个人信息处理”作为使用基础聊天、问答功能的唯一前提。用户应能在不授权非必要个人信息的情况下，仍能使用服务的核心功能。

   • 界面设计上不应预设勾选同意，或通过视觉误导使用户轻易做出同意的选择。

3. 具体性（禁止“一揽子”同意）

   • 这是AI大模型合规的重中之重。由于大模型的数据处理活动复杂多样，必须将不同目的的处理活动进行拆分，并分别获取用户的单独同意。

   • 典型场景拆分：

     • 基础服务同意：为响应本次对话而进行的必要数据处理。

     • 模型训练同意：是否同意将本次对话内容用于大模型的匿名化训练。

     • 个性化推荐同意：是否同意基于您的使用习惯和内容，提供更个性化的生成结果。

     • 第三方共享同意：如果会将数据提供给第三方用于模型再训练或其他目的，必须单独明确告知并获取同意。

二、 用户撤回同意的权利必须得到充分保障

《个人信息保护法》第十五条明确规定，基于个人同意处理个人信息的，个人有权撤回其同意。这项权利对于大模型服务而言，不是可选项，而是法定强制要求。

1. 撤回渠道必须便捷

   • 企业必须提供清晰、易于操作且成本低廉的撤回渠道。理想的实践包括：

     • 在应用设置或用户中心提供明确的“隐私管理”或“同意管理”入口。

     • 提供在线客服、专用邮箱或表格等渠道，接受用户的撤回请求。

     • 撤回操作应如同给予同意一样方便，不能设置复杂的流程或人工审核障碍。

2. 撤回的后果必须即时且无惩罚

   • 立即停止处理：一旦收到撤回请求，企业应立即停止基于该同意的一切个人信息处理活动。对于大模型，这可能意味着需要将用户的数据从训练队列中移除，或停止基于其历史行为的个性化分析。

   • 禁止“报复性降级”：用户撤回同意后，不得因此降低其基础服务的质量，或限制其使用核心功能。例如，用户撤回模型训练同意后，其正常的对话生成功能应完全不受影响。这确保了用户行使权利时“可进可退”，没有后顾之忧。

   • 例外情况：需要注意的是，如果数据的处理在此刻已不再依赖于用户的同意，而是基于其他法律依据（如为履行合同所必需、为履行法定义务等），则企业可能无需因撤回而停止处理。但对此，企业负有举证责任。

结语

对于提供AI大模型服务的企业而言，构建一个合法、透明、用户友好的同意与撤回机制，不仅是规避法律风险（如高额行政处罚、民事诉讼）的护城河，更是赢得用户信任、实现可持续发展的核心竞争力。在强监管时代，将合规性嵌入产品设计的底层逻辑，是从业者的必然选择。