保持清醒：局限与责任

1学习目标

本节学习目标

2知识讲解

LLM 是强大的工具，但「工具好用」不等于「可以不加判断地使用」。在物流工作场景中，使用 LLM 有四条必须了解的局限与边界。

6.1 四大局限

记忆口诀：AI 起草人审核，关键事实查原文，隐私数据不外传，责任始终在人端。

3案例 / 场景

红线案例：把客户隐私输入公开模型，造成数据泄露风险

某快递网点操作员想提高理赔处理效率，把客户的投诉工单（含：姓名、手机号、身份证号、收件地址、货物内容）直接粘贴进公开版 ChatGPT，要求 AI「帮我填写理赔申请表」。

违规事实： - 将包含个人身份信息（姓名+身份证号+手机号）的数据输入第三方平台，违反《个人信息保护法》 - 公开版 AI 可能将输入数据用于模型训练（取决于服务条款） - 即使 AI 没有泄露，网络传输本身也存在风险
正确做法： - 脱敏处理：「客户A，手机尾号1234，投诉破损，金额500元」 - 使用企业内部部署的 AI 系统 - 或者只让 AI 生成模板框架，人工填入具体信息
后果：若发生数据泄露，企业面临监管处罚，操作员个人也可能承担法律责任

教训：AI工具的便利性容易让人降低警惕。「贴进去发出去」的操作习惯，在普通文件里问题不大，但在涉及个人隐私的场景里可能是严重违规。养成「脱敏再输入」的习惯，是职业底线。

4练习互动

步骤 1 · 讨论

哪些输出可以「AI起草、人审核」？哪些不能全自动放行？

步骤 2 · 思考与记录

列出你认为在物流岗位中「可以AI起草+人审核」的3个场景，以及「必须人工决策、AI只能辅助」的3个场景，说明判断依据

检测中完成步骤1和步骤2后，点左侧按钮获取对你回答的评价和改进建议。也可以选快捷追问或自由提问。