多数人用 AI 写数据删除流程时,直接让它「生成一份删除 SOP」,拿到一份看着齐全、实际没法执行的文档:范围没界定,审批人写的是「相关负责人」,验证环节只有一句「确认删除成功」,留痕则完全没提。这种文档在审计和事故复盘时一文不值。正确做法是把 AI 当成逐项追问的起草助手,由你先把范围、审批、验证、留痕四件事的边界定死,再让它填内容。

先定范围,再让 AI 动笔

判断:删除流程出问题,多半不是删错了,而是没写清删什么、不删什么。范围含糊,后面所有环节都会跟着含糊。

做法:先自己列出数据分类和边界条件,再交给 AI 整理成清单。至少要明确四件事:删的是哪类数据(个人身份信息、日志、备份、衍生报表)、按什么条件触发(用户请求、留存到期、合同终止)、哪些数据明确排除(法定留存、诉讼保全、财务凭证)、以及副本和备份怎么处理。把这四点写成条目喂给 AI,让它检查有没有互相矛盾或遗漏的类别,而不是让它凭空设想范围。

审批链要落到岗位和动作

判断:审批环节最常见的错误是写成「经领导批准」。这种表述无法执行,也无法追责。

做法:让 AI 帮你把审批拆成「谁、看什么、批什么、批不了怎么办」。每条审批都应绑定具体岗位而非人名,说明该岗位核对哪些材料(数据清单、范围依据、影响评估),以及驳回或升级的路径。批量删除、跨系统删除、涉及敏感类别的删除,应设置双人复核。可以让 AI 生成一版审批矩阵,再由你对照组织实际结构删改,不要直接采用它默认的层级设置。

验证要可观测,不能只写「确认成功」

判断:删除是否成功,不能靠执行人自述,必须有可复核的证据。

做法:把验证分成执行前、执行中、执行后三段。执行前核对目标数据条数与范围一致;执行中记录实际删除数量、失败条目及原因;执行后抽查主库、副本、备份、缓存和搜索索引,确认无残留。让 AI 按这个结构列出验证项和每项的通过标准,例如「删除条数与审批清单偏差为零」「抽查样本在备份恢复环境中不可检索」。下面这段提示词可直接复制使用:

你是数据合规流程的起草助手。请基于以下信息,输出一份删除流程的验证清单,不要写背景介绍。
数据类别:____
触发条件:____
涉及系统:主库 / 备份 / 缓存 / 搜索索引 / 下游报表
要求:
1. 按执行前、执行中、执行后三阶段列出验证项;
2. 每项写明检查对象、检查方法、通过标准;
3. 标出哪些项必须由非执行人复核;
4. 对无法自动验证的项,给出人工抽查的最小样本量建议及理由;
5. 若某项缺少可观测证据,明确指出并说明补证方式。

留痕要能还原一次删除的全过程

判断:留痕不是存一份审批邮件,而是让第三方在不询问任何人的情况下,还原这次删除的依据、范围、执行和结果。

做法:让 AI 按「申请—审批—执行—验证—归档」列出每步应产生的记录,并规定字段:时间、操作人、审批人、数据范围标识、执行结果、异常处理、验证结论。记录应写入不可随意修改的日志或工单系统,保留期限与适用法规对齐。涉及用户请求删除的,还要保留请求本身及响应记录。

什么情况下不适用这套流程

这套流程适用于有明确责任人、可枚举数据范围、删除动作可观测的常规场景。以下情况不要照搬:一是数据处于诉讼保全、监管调查或合同争议中,删除本身可能构成违规,应先走法务冻结流程;二是系统不具备删除能力,只能做逻辑标记或匿名化,此时流程重点应转为脱敏验证而非删除验证;三是涉及第三方托管数据,删除需通过对方接口完成,本方流程只能覆盖申请与确认,不能承诺执行细节;四是数据量极小且无敏感属性的临时文件清理,套用完整审批反而增加负担,可简化为登记加抽查。判断标准很简单:如果流程里的验证项拿不出可观测证据,或者审批链找不到真实对应的岗位,就不要用 AI 生成文档来凑数,先解决组织和系统层面的问题。