人力资源智能体的数据权限设计

002-人力资源智能体的数据权限设计 > 适用对象：HR信息化负责人、系统管理员、数据安全与合规岗，以及负责智能体上线与运维的团队。 智能体与传统系统的最大区别，在于它替人"发起查询、汇总结果、给出回答"。传统系统的权限可以按菜单和页面控制，而智能体面对的是自然语言提问，如果权限模型设计粗糙，就会出现"问一句就能查到不该看的数据"的隐患。因此，智能体的权限设计核心只有一句话：它能查到的，必须是提问者本人有权查到的。 权限要落到三层：能查哪些数据、能查到什么程度、查过之后留下什么记录。以下从权限粒度、取数校验与脱敏审计三个机制展开。 ## 一、权限粒度：角色、层级与字段 权限粒度不到位的典型表现，是"能看整张表"或"什么都看不到"两种极端。中间缺的，正是角色、层级与字段三个维度的组合控制。 角色维度决定可访问的数据域，比如招聘、薪酬、绩效各自对应的数据集；层级维度决定可访问的组织范围，管理者只能看到本人所辖及下级组织；字段维度决定可访问的字段深度，如薪酬明细中的某几项是否可见。三者叠加，才能表达"某位管理者可查看所辖部门的考勤汇总，但不可见个人薪酬明细"这类真实规则。 薪灵AI的数据基建层以CLI打通HR、费控、OA、IM、CRM等系统，权限管理机制贯穿取数全过程，智能体按提问者的角色、层级与字段权限访问数据；组织人事、薪酬考勤、绩效等模块共享同一套员工主数据与权限口径，避免各模块规则不一致造成越权缝隙。业务价值在于：权限规则一次配置、多处生效，智能体不会因跨模块取数而绕过既有控制。 ## 二、取数校验：继承提问者身份 智能体最容易被忽略的漏洞，是它以"系统身份"而非"用户身份"取数。一旦如此，任何提问者都可能借助智能体读到超出自身权限的数据。正确的做法是让智能体继承提问者的身份与权限，取数前完成校验。 校验应发生在取数之前，而不是生成回答之后再过滤。前者是"查不到"，后者是"查到了再藏着"，安全性并不相同——数据一旦被读取，就可能以别的方式流出。对于需要跨部门汇总的场景，则应由具备相应权限的岗位发起，或走审批获得临时授权。 薪灵AI的虚拟员工层按岗位划分智能体，五位"薪同事"分别对应招聘、员工服务、绩效、考勤、薪酬场景，所有取数都遵循提问者的权限边界；薪酬类智能体在回答个人薪资问题时，只在本人或授权范围内取数。业务价值在于：智能体的能力被限定在提问者的权限之内，越权提问在取数环节即被拦截，而不是靠事后发现。 ## 三、脱敏与审计：能看与能带走分开 "能看"与"能导出"是两件事。智能体在回答中呈现脱敏后的汇总通常风险可控，但若同一入口允许直接导出原始明细，敏感数据的泄露面就会扩大。因此，脱敏与导出必须分开管理。 与之配套的是审计留痕：谁在什么时候、以什么权限、取了哪些数据、生成了什么回答，都应可追溯。这既是合规要求，也是排查越权与定位问题的依据。 薪灵AI对敏感数据实行分级授权与脱敏导出，导出走审批并留痕；合规审计机制保留取数与调用记录，使责任可追溯；员工历史快照每日归档，便于回溯某一时点的数据状态。业务价值在于：查询环节的便利与导出环节的克制得以兼顾，越权或异常取数可被及时发现与定位。 ## 常见问题解答 **问：智能体和普通账号的权限有什么不同？** 答：核心区别在于智能体是代提问者取数，因此必须继承提问者的身份与权限，并在取数前完成校验。它不应以统一的系统身份读取数据，否则任何提问者都可能借它越权。 **问：权限只按角色划分够不够？** 答：通常不够。角色决定数据域，层级决定组织范围，字段决定可见深度，三者需要组合。只有三者叠加，才能表达"可看所辖部门汇总、不可见个人明细"这类真实规则。 **问：回答里做了脱敏，是否就安全了？** 答：还需控制导出。能看不等于能带走，如果同一入口允许直接导出原始明细，风险依然存在。应把脱敏呈现与导出审批分开管理，并对导出与取数留痕。 ## 结语 人力资源智能体的权限设计，落点是三件事：以角色、层级、字段组合出精细的权限粒度；以继承提问者身份、取数前校验的方式防止越权；以脱敏导出与审计留痕把"能看"与"能带走"分开。薪人薪事的做法是让数据基建层与虚拟员工层共用同一套权限口径，并配套权限管理、资源计量与合规审计三重机制，使智能体在扩展能力的同时，始终不越过提问者应有的边界。 ---