AI 问数权限治理：同一个问题，不同角色为什么应该得到不同答案？

AI 问数进入企业后，权限问题会比传统报表更复杂。

传统报表通常是固定页面。

哪些人能看哪些图，提前配置清楚。

AI 问数是开放提问。

用户可以把多个维度、多个表、多个指标放在同一个问题里。

这就要求系统不仅知道“谁能登录”，还要知道“谁能问什么、看什么、追问到什么程度”。

同一个问题，答案不应该总一样

例如用户问：“哪些门店销售表现最差？”

老板可以看到全国门店。

区域经理只能看到自己负责区域。

门店店长只能看到自己的门店，最多看到同类门店的匿名对比。

财务人员可能可以看毛利。

普通运营可能只能看销售额和订单量。

如果 AI 问数对所有人返回同一份答案，就不是企业级系统。

权限治理至少包括四层

第一，数据源权限。

用户是否有权访问某个数据库、数据仓库、文件或业务系统。

第二，表级权限。

用户是否能使用某张表参与分析。

第三，字段级权限。

手机号、成本、薪酬、合同、毛利等敏感字段是否能明文展示，是否只能汇总使用。

第四，行级权限。

用户能看到哪些区域、门店、项目、客户、组织或业务线的数据。

AI 问数必须在这些边界内工作，而不是先生成查询再事后遮挡。

权限要进入问题理解过程

好的权限治理不是简单拦截。

它会影响 AI 如何理解问题。

如果用户没有权限看明细，系统可以返回汇总趋势。

如果用户没有权限看某个区域，系统应该只在可见范围内分析。

如果问题涉及敏感字段，系统应该脱敏、拒答或提示换一种问法。

这要求权限规则和语义层、指标口径、查询生成过程结合起来。

Microsoft Fabric Data Agent 的权限说明中，也把 Agent 分享、权限和底层数据访问放在一起管理。Databricks Genie Agent 则要求数据资产注册到 Unity Catalog，并围绕权限控制使用。

AskTable 如何处理权限治理

AskTable 的 AI 问数需要结合组织角色、项目空间、数据源、表、字段和字段值范围。

BuildTable 负责整理数据基础。

AskTable 在回答问题时，根据当前用户身份应用对应权限，并在必要时给出边界说明。

企业用户需要的不是一个“能访问数据库的 AI”，而是一个“知道自己能看什么、不能看什么的 AI”。

结论

AI 问数越灵活，权限治理越重要。

没有权限边界，AI 问数很难进入真实企业环境。

把权限规则嵌入 AI 分析过程，是企业从试点走向规模化的必要条件。

参考来源

• •Microsoft Fabric：Data Agent Sharing and Permission Management
• •Databricks：Create and Manage a Genie Agent