AI 数据标注外包，交付前要核对哪五件事

先给判断：验收了标注结果，不等于取得后续训练使用权

企业把图片、文本、语音、工单或客户资料交给外包团队做 AI 数据标注时，最容易漏掉的不是标注准确率，而是“这批数据能否这样处理、由谁处理、交付后还能怎样用”。外包合同写了“完成标注并交付”，也不当然覆盖模型训练、微调、评测、再次委托或留存。

交付前应当把五个节点连成一条可回溯的链路：数据来源与授权、外包人员权限、标注处理方式、交付与留存、训练或二次使用。任何一个节点说不清，后续把标注集投入模型都可能超出原来的处理或授权边界。

一、先对原始数据：外包拿到数据，不证明数据可被用于训练

第一步不是把文件发给供应商，而是确认这批原始数据从哪里来、允许做什么。采购的数据集，要把供应商承诺交付的数据，与其实际有权授予的使用范围分开核对；尤其要看数据集范围、允许用途、期限、地域、能否转授权或委托处理，以及更新和退出安排。

如果原始数据含有文字、图片、音视频、代码或数据库内容，还不能把“已经取得数据”直接写成“可以用于训练”。相关作品或资料的授权范围、第三方合同限制和保密约定，可能只允许某一项目使用，未必覆盖外包标注，更未必覆盖后续训练或商业化使用。

二、再对人员权限：供应商签约，不等于每名标注人员都有权限

外包团队不是一个抽象主体。对含个人信息、客户资料或内部资料的标注任务，应当明确供应商可接触的处理目的、处理方式、数据种类、保存期限和保护措施，并把实际接触数据的人员、账号、权限范围和保密要求对应起来。

这里会改变判断的事实是：标注人员是否只能在受控环境查看，是否可以下载、复制或用个人工具处理数据。若合同只约定“供应商负责保密”，但没有把人员权限、访问方式和留痕落到项目实际，交付时就很难说明数据始终处于约定边界内。

三、再看标注处理：标注规则和工具不能悄悄改变处理目的

标注任务要写清楚：哪些字段进入标注、采用什么规则、使用什么工具、输出什么格式，以及哪些内容必须过滤或脱敏。把客服记录中的姓名、联系方式、身份证件信息与业务标签一并导出，和只在受控环境中处理已完成必要处理的数据，并不是同一种项目。

《中华人民共和国数据安全法》规范数据处理活动；《中华人民共和国个人信息保护法》对个人信息处理以及委托处理中的目的、方式、种类、期限和保护措施提出要求。因此，标注规则不能只由算法团队临时调整。凡是新增字段、换用外部工具、扩大可访问人员或改变交付形式，都应重新核对是否仍在既定处理边界内。

四、交付验收要同时验收“去向”和“留存”，不只验收标签文件

交付清单至少要能对应原始数据范围、标注版本、交付位置、验收结果和留存安排。特别是供应商侧的工作副本、缓存、备份和日志，应明确在什么条件下返还、删除或继续保存；不能只写“交付后删除”，却不说明删除对象、完成时间和可核对的记录。

这一步的关键不是增加一张万能清单，而是让每一批交付物都能回答：数据从哪里来、谁处理过、产生了哪个版本、当前还存在哪些位置。这样发生样本泄露、权属争议或客户核查时，企业才能从交付记录还原处理链路。

五、最后单列训练或二次使用：标注完成不是用途的终点

标注集后续进入训练、微调、评测、RAG 或客户项目时，应当单列判断，而不是把它视为原标注合同的自动延伸。企业级 AI 服务的约定需要把输入资料、输出结果、是否用于训练或改进、个人信息处理关系、安全措施、保存删除和责任分配分别说清；“数据归客户”或“服务商不训练”一句话通常覆盖不了全部边界。

如果训练结果面向公众提供生成式人工智能服务，还要回到《生成式人工智能服务管理暂行办法》核对训练数据来源合法性、知识产权、个人信息处理和标注质量等要求。它针对的是面向公众提供生成式人工智能服务的情形，不能被扩大为所有内部标注项目都当然适用同一套外部服务要求。

交付前，把五类材料按同一项目编号对齐

企业下一步可先核对五类材料：原始数据来源与授权材料；供应商及实际标注人员的权限和保密记录；标注规则、工具和字段变更记录；交付版本、验收、返还或删除记录；训练、微调、评测或再利用的单独批准与约定。它们应能对应同一批数据、同一项目和同一版本，而不是散落在采购、算法和供应商的不同文件夹中。

吕箐翎律师提示：数据标注外包的风险不在于“有没有签合同”这一句，而在于合同、权限、实际处理和后续用途能否对得上。先把这条链路补齐，再决定标注集能否进入下一步模型使用。