给AI整理客户访谈纪要时，如何删除敏感信息又保留决策线索

把客户访谈交给 AI 整理，效率确实会上去，但风险也跟着变大：录音转写里的姓名、公司、报价、未公开路线图，很容易被一并送进模型，再随纪要扩散到协作群。真正难的不是“删掉姓名和电话”，而是在去掉可识别、可追责信息的同时，把影响产品判断、销售策略和研究方向的原始线索留下来。下面这套做法，适合产品、销售和用户研究在上传前、输出后、共享时分三段处理。

先分清三类信息，再谈删不删

动手替换之前，先把材料里的内容分成三类，避免一刀切。

第一类是身份信息。除了姓名、手机、邮箱、工号，还包括能反推到人的组合：岗位加城市、独特口音描述、公司内部昵称、会议链接里的个人账号等。单独看无害的细节，叠在一起就可能定位到具体受访者。

第二类是商业敏感信息。竞品未公开价格、合同条款、内部指标、客户名单、未发布功能、渠道返点、组织架构变动等。这类内容不一定能直接指向某个人，但一旦外泄，会伤害商务关系或战略节奏，也不适合进入通用 AI 工具的上下文。

第三类是对决策有价值的原始表述。用户怎么骂某个流程、用什么比喻描述痛点、在哪个步骤卡住、愿意为哪类结果付费、拒绝某方案时的真实理由——这些语气、顺序和细节，往往比“用户体验不佳”之类的抽象结论更有用。脱敏的目标是保护前两类，尽量原样保留第三类。

一个实用判断标准是：删掉之后，团队是否仍能回答“谁在什么场景下遇到什么阻碍、为什么、影响有多大”。如果答案变成空话，说明你删过了；如果还能点名到人、公司机密或具体商务数字，说明你删不够。

上传前：用替换，而不是空白涂黑

直接把敏感词挖成“*”，模型容易补全错乱，后续阅读也会断档。更稳妥的做法是建立一场访谈专用的代号表，在本地完成替换后再上传。

身份信息用稳定代号。例如把受访者写成“受访者A（中型电商运营负责人）”，把公司写成“客户甲（零售行业）”。同一人在全文保持同一代号，避免 AI 把多人混成一人。能指向个人的组合信息，只保留研究需要的一层属性，例如行业、大致公司规模、角色类型，去掉工号、具体门店名、可检索的对外头衔原文。

商业敏感信息改成量级或关系描述。报价不必写成精确数字，可改为“显著高于现有方案”“接近对方心理上限”；未公开功能可写成“对方路线图中的下一代协作能力”；合同条款可概括为“对数据出境限制很严”。这样既挡住机密，又留下商务与产品判断所需的方向感。

对决策有价值的原话尽量不动。抱怨、犹豫、比较竞品时的口语、操作复述中的卡点，应原样保留，只去掉夹在句子里的人名、公司全称和精确金额。若一句里身份与洞察缠在一起，拆成“保留洞察句 + 代号替换身份”两步，而不是整句删掉。

上传前再扫一遍附件与元数据：文件名、文档属性、聊天导出里的账号、截图里的工牌和桌面通知，经常比正文更容易漏。录音若必须上传，优先使用已确认合规的处理路径；能本地转写再脱敏文本的，通常更可控。

给 AI 的指令也要写清楚边界：说明材料已经过代号替换；要求区分“事实陈述 / 受访者原话 / 整理者推断”；禁止还原或猜测真实姓名与公司；输出中保留代号并单独列出“仍可能敏感、需人工确认”的句子。这样比只说“帮我总结访谈”更安全。

输出后：对照原件做一次“线索审计”

AI 纪要常见两类问题：一类是把该留的原话洗成空泛结论；另一类是在摘要、标题或标签里又拼出可识别信息。因此输出后不要直接转发，先做短时核对。

先核对敏感残留。搜索真实姓名片段、手机号样式、邮箱、内部项目号、精确金额、客户独有产品名。注意模型是否用“那位在某城负责某条业务线的人”这类描述，把多个属性重新拼成可识别画像。

再核对决策线索是否还在。对照你最关心的问题：触发购买或流失的原因、关键任务链路中的摩擦点、对竞品的具体比较维度、未满足需求的原话、受访者自己提出的解决想象。若这些只剩下“体验有待提升”“希望更智能”，说明摘要过度概括，应要求模型按主题回填原话摘录，且继续使用代号。

最后核对结构是否可复用。一份便于团队接力的纪要，通常包含：访谈目的与受访者画像（仅属性）、关键原话摘录、问题与机会点、与当前假设的印证或反证、待验证问题、下一步动作。原话与推断分开写，避免把模型的总结误当成客户原意。

共享时分级，而不是一份纪要打天下

同一场访谈，面向不同角色应有不同粒度。全量脱敏转写（含代号表）只给需要回溯证据的研究或核心产品伙伴；决策版纪要给更广的产品与业务同学，保留原话线索和结论，不附可还原身份的对照表；对外或跨部门通报再收一层，只保留模式级发现，例如“三名中型零售运营都在对账环节反复导出表格”，去掉单场细节中的偶然标识。

代号表与正文分开放。正文进知识库或群聊时，不要把“受访者A = 真名”的对照表贴在同一文档。谁有权看对照表，应比谁有权看结论更严格。若使用 AI 生成的标签、人物画像或自动聚类，也要检查它是否把不同场次的属性拼成了“唯一可能的那个人”。

若访谈涉及较高合规要求，还需与法务或安全同事确认：哪些内容不得进入外部模型、保存多久、是否可被用于模型改进。通用博客场景下不必展开成合规手册，但原则应明确——工具省的是整理时间，替不了你对数据去向的判断。

可复用的一条龙流程

可以把日常动作收成固定顺序：访谈结束，先在本地转写或导出文本；建立本场代号表，完成身份与商业敏感替换，保留决策向原话；用明确边界的提示词让 AI 出结构化纪要；人工做敏感残留与线索完整性双检查；按读者权限输出全量版、决策版或模式版；代号表单独授权存放；最后把“可公开的模式结论”与“仍待验证的假设”写进研究日志，而不是把原始包一键丢进大群。

AI 适合承担转写、归类、提炼和对照假设的重活，尤其在主持人难以边聊边记的时候，能减轻会后回忆负担。但“什么能进模型、什么必须留下、谁可以看哪一版”，仍然要由人来定。当你开始按信息类型处理，而不是只删姓名电话时，脱敏就从删减动作，变成了可重复的研究基本功：既护住客户与商务安全，也把真正能推动决策的声音留在团队手边。