把访谈录音整理成文字已经是深夜十一点，你只想让工具把口语化的重复词去掉、把方言词换成书面表达，于是顺手把两页转写稿粘进对话框。这段文字里有受访者的姓名、工作单位、孩子就读的学校，还有一句"我们小区去年那件事"。你按下回车时，处理的是"语言问题"；但对平台而言，这是一次完整的数据上传。
本科论文里最容易"顺手粘贴"的，往往正是最不该外传的材料：访谈逐字稿、问卷开放题原始作答、导师未发表的课题申请书或手稿、企业委托调研的经营数据、医院或学校的内部记录。下面按风险场景、规范要求、替代做法三条线拆开讲，最后给一份提交前的自查清单。
一、先分清：哪些内容一旦粘贴就已经"出门"
判断标准不是"这段文字重不重要"，而是"它能不能指向具体的人、具体的机构、尚未公开的成果"。可以对照三类：
可识别到个人的材料。 访谈稿中的姓名、职务、住址、联系方式、病历、家庭关系、收入，以及"某县某中学初三班主任"这类看似模糊、实际在熟人圈内唯一指向的描述。去标识化不等于匿名化：删掉姓名后，性别、年龄、职业、地区、事件时间叠加起来，仍可能被再识别，这在质性研究中尤其常见。
承担保密义务的材料。 伦理审查批件和知情同意书里通常写明了数据用途、保存方式和接触范围；企业委托调研往往附有保密条款；部分院系与合作单位的横向课题材料明确标注"内部"。这些材料一旦进入第三方平台，你对它的控制权就基本结束了。
尚未公开的学术成果。 导师的未发表手稿、在投论文、基金申请书、未公开的实验数据与图像，都属于"提前曝光即损失"的内容，风险不只是查重，还包括首发权与署名安排。
三个常见误解
- "我只让它改一句话。" 上传的是上下文，服务端收到的是整段文本和你的账号信息，改几个字并不减少数据量。
- "我关了历史记录、关了模型改进开关。" 开关的默认状态、适用范围、是否可追溯既往数据，各家条款不同，有的只影响"是否展示在你的历史列表里"，不等于不进入训练或日志。
- "免费工具才有这个问题，付费的就没有。" 付费与否影响的是服务等级，不当然等于数据处理条款更严；有公开的条款梳理指出，部分平台的用户协议保留将输入输出用于模型训练或服务改进的权利，且授权范围较宽、撤回在技术上困难。你要看的是协议文本，不是价格。
二、风险落在哪四条线上
第一条是数据留存与再利用。 公开AI工具的常规运营需要保存会话用于风控、审计与模型迭代，具体期限和用途以用户协议和隐私政策为准。你无法确认一段访谈稿在几年后被如何处理，也无法要求删除已被并入训练数据的部分。这里的风险不是"必然泄露"，而是"你失去了对信息的支配权"。
第二条是扩散链条。 现实中的操作往往不止一步：先用A工具转写、再用B工具润色、再用C工具翻译摘要、最后上传到检测平台。每多一个环节，就多一份副本、多一家接收方，也多一条你可能已经忘记的传输路径。
第三条是合规与伦理。 知情同意书里承诺的保密范围、伦理批件载明的数据管理方式、委托方的保密条款，都是你签字确认过的义务。把它们输入公开平台，属于改变数据用途和处理方式，严格说需要重新评估甚至报备。高校层面已有明确表述可参照：中国传媒大学的本科毕业论文AI使用规范实施细则提出"风险可控原则"，直接写明"严禁将保密信息或内部资料输入至公开工具平台"；复旦大学的相关规定同样将"涉密数据的任何上传"列为禁止情形，并要求学生在承诺书中披露AI工具名称、用途与产生的内容，保存关键材料备查。各校尺度不完全一致，但"保密与内部资料不得进公开平台"这条底线是共通的。
第四条是责任归属。 上述规范普遍明确：学生是论文的直接责任主体，AI不能署名为作者，输出内容的真实性与合规性由你承担。也就是说，一旦因为上传导致信息外泄或引发争议，"是工具自动保存的"不构成免责理由。
三、可以怎么替代：把"用AI"和"用真实材料"拆开
多数需求其实不需要原始文本。下面这张表可以直接对照使用。
| 你想做的事 | 直接粘贴原文的风险 | 更稳妥的做法 |
|---|---|---|
| 访谈口语转书面语 | 整段可识别信息外传 | 只描述任务，如"把第一人称访谈改成第三人称转述，给我三种句式"，自己套用 |
| 问卷开放题归类 | 原始作答含个人信息 | 先人工编码，只把编码后的类目名称交给工具讨论 |
| 润色论文段落 | 未发表观点与数据外泄 | 用等价的自写示例句提问，再把结论迁回原文 |
| 处理企业调研数据 | 违反保密条款 | 先取得导师与委托方书面许可；不可行则完全离线处理 |
| 转写录音 | 音频与文本双双上传 | 使用本地离线转写软件，或学校提供的合规环境 |
几条可操作的原则：
最小化输入。 只提供完成任务所必需的信息。你需要的是句式建议，不是让人替你读完整份材料。
虚构替身。 用结构相同、内容虚构的示例替代真实材料。把"某县城40岁女性店主"作为替身写进提示，得到方法后再回到真实文本上操作。这个方法对质性研究的编码、摘要撰写特别有效。
降精度处理。 地名模糊到不影响分析的最小层级，职业做上位类归并，时间改为相对表述。但要始终记住拼接再识别的可能，敏感个案不要依赖脱敏。
权限前置。 涉及他人数据、机构数据、导师课题材料，先问一句"这部分能不能放进外部工具处理"。这句话的成本很低，事后解释的成本很高。
原始文件只读。 保留完整的原始版本，AI只接触副本，任何自动改写都在副本上完成。
四、留痕：万一被问起，你拿得出什么
规范普遍要求"如实披露"和"材料备查"，这两件事需要平时积累，而不是答辩前回忆。
建议在论文工作目录里单独建一个记录文件，逐次记下：日期、工具名称与版本、使用目的、输入内容的范围（例如"仅输入自拟示例句，未输入原始访谈"）、输出如何被使用、由谁核验。同时保留每次修改前的版本，让"哪一段是人写的、哪一段借助了工具、核验过程是什么"可以还原。披露声明写清用途边界，比笼统写"使用了AI辅助"更可信，也更符合"权责一致"的要求。
五、提交前自查清单
- [ ] 论文涉及的所有原始材料，是否已按"可公开／仅校内／保密"分级并标注？
- [ ] 是否曾把访谈逐字稿、问卷原始作答、录音文件上传到任何公开平台？
- [ ] 提示词中是否出现真实姓名、单位、住址、联系方式、病历等可识别信息？
- [ ] 是否用多个工具串联处理过同一份材料？这些平台分别保存了什么？
- [ ] 涉及企业或机构的数据，是否有书面许可支持当前处理方式？
- [ ] 伦理审查批件与知情同意书中的用途、保存方式，与实际操作是否一致？
- [ ] 是否查阅过本校关于本科毕业论文AI使用的具体规定，而非仅凭印象？
- [ ] 使用记录、修改前版本、核验痕迹是否完整可查？
- [ ] 披露声明是否写明了工具名称、用途和生成内容的使用范围？
- [ ] 若明天被要求说明"某段材料的处理过程"，你能否在十分钟内还原？
真正需要提防的不是某个具体平台，而是"顺手粘贴"这个动作本身。把材料分好级、把输入压到最小、把过程记下来，你仍然可以正常使用这些工具，只是不再把不该出门的东西交出去。
