用個 GPT 比申請經費還麻煩：日本工程師的簽字流程，引來貼吧 3.4 萬則圍觀

當多數人已經把 AI 當成打開就能用的日常工具，在日本某些公司，它仍是需要主管、資安與法務逐一簽字核可才能碰的「制度變更」。

8 月下旬，一張在日本網路流傳的截圖被轉進貼吧 2ch 吧。畫面裡是某日本公司的內部規定：員工想在業務上使用 GPT，得先提出申請，經過直屬主管、資訊部門、法務等多個關卡逐一簽字蓋章，核可之後才準使用。轉貼者問了一句「用個 GPT 要這麼多人簽字蓋章？」，話題「用GPT要簽字，日本技術哥麻了」隨即登上貼吧熱榜第 24 名，即時討論累積 3.4 萬則。榜單簡介寫得直白：日本公司用 GPT 要層層審批簽字，技術哥繃不住了，用個 AI 比申請經費還麻煩。

一張截圖，兩種笑法

圍觀很快分岔。有人調侃日本程式設計師的「抽象」，學園偶像大師吧有人翻出舊圖重提老梗，標題寫著「再一次正確看待了日本程式設計師的廢物程度」；也有人從截圖讀出壓抑，Bilibili 吧的相關貼感嘆「日本公司這麼節能的嗎」，留言直呼這種職場氣氛令人窒息。更固定的支線是日本吧的勸退文，長文勸「大多數國內年輕人真不適合去日本打工」，把這則話題接回中文網路吵了多年的赴日工作論戰。

笑完之後，這張截圖留下兩個值得認真對待的問題：一家公司讓員工用 AI 前要蓋這麼多章，制度究竟在防什麼？以及，這樣的防護值不值得用速度去換？

印章決定的事：稟議制度怎麼運作

要看懂那張申請單，得先看日本企業的決策方式。多數日本公司集體決策走稟議制度：起案人寫好稟議書，載明提案理由、金額與影響範圍，文件接著在各相關部門之間巡迴，每個部門的負責人蓋章表示同意，有異議就附紙說明、退回協商，最後由有決裁權的高層用印拍板。在日本商業實務裡，印章代表職務對文件的正式確認，分量遠高於個人簽名。

在這套邏輯下，導入 GPT 的定性就清楚了。對公司而言，GPT 是一項把內部資料送往境外伺服器的外部服務，涉及資安、個資與智財，屬於標準的制度變更，資安與法務各部門都有自己的章要蓋。工程師看到的是「打個字的事」，制度看到的是一次跨部門的採購與風險評估，兩邊的時間單位天生對不上。

蓋章文化近年鬆動過。2020 年疫情期間，遠端辦公推不動的原因之一，就是印章卡在辦公室，逼得日本政府把「脫印章」搬上數位改革的檯面，並在 2021 年設立數位廳專責推動。行政程序裡的印章要求清掉不少，民間企業的稟議慣性仍在，遇上 AI 這種要把資料送出門的新事物，只會啟動更多關卡。

審批在防的事，確實發生過

層層簽字看起來荒謬，它防的風險卻有真實案底。2023 年生成式 AI 剛爆紅的那幾個月，義大利個資監理機關以資料蒐集爭議暫時封鎖 ChatGPT；三星的工程師把機密程式碼貼進對話框請模型除錯，連續三起外洩後，公司直接禁用生成式 AI 工具；日本軟銀也一度限制員工在業務上使用 ChatGPT。同一年，日本的個人資訊保護委員會對 OpenAI 提出行政指導，關切敏感個人資料可能被納入訓練資料。

這些事件指向同一個問題：輸入的內容去哪裡了。大型語言模型從海量文本學習預測下一個詞，免費帳號的對話內容在預設狀態下，可能成為服務商改進模型的素材，這一點我們在機器預測未來的基本方法一文裡曾詳細說明。換句話說，那張申請單真正要逐關確認的，是哪些資料可以進模型、出了事由誰負責。以 2023 年當時的工具狀態來看，這些疑慮沒有一條是杞人憂天。

管得嚴的代價：影子 AI 與導入落差

防護做到位的同時，代價也開始結算。最直接的是時間：模型以週為單位改版，審批以月為單位巡迴，等章蓋完，申請書上寫的理由可能已經換了一輪。更隱蔽的代價在檯面下：等不及的員工會繞路，改用個人帳號、免費版、自己的手機熱點，把公司規定晾在一邊。資安圈把這種現象叫影子 AI，管制名義上把風險擋在門外，實際上把風險推到看不見的地方，事後連哪些資料流出過都難以追查。

帳還算到競爭面。帝國資料庫歷次調查裡，回答沒有使用生成式 AI 的日本企業始終過半，這個數字成了日本經濟界近兩年反覆檢討的題目。對照之下，中國企業把治理做在平臺層：採購企業版或在地部署，合約寫明資料不用於訓練，模型換成境內服務，「能不能用」從員工的申請書移到公司的採購單上，使用者端幾乎無感。中國同樣有管制，2023 年上路的生成式 AI 服務管理暫行辦法把合規責任壓在服務提供商身上；個人亂用也有界線，亳州男子以 AI 合成照片編造劇情被行拘就是現成案例。差別在於治理放在哪一層，決定了基層拿到的工具體驗。

鬆綁已經開始，問題是速度

日本自己也在解這道題。2025 年 5 月，國會通過第一部 AI 基本法，定位是促進研發與應用，條文沒有罰則，政策方向明顯往鬆綁傾斜。企業端走自建路線：NTT 的輕量日語模型 tsuzumi，以及 NEC、富士通的自製模型，賣點都是可以部署在自家機房，把「資料不出公司」寫進設計，等於從源頭拔掉審批最核心的疑慮。雲端這邊，微軟在日本資料中心提供 Azure OpenAI 服務，OpenAI 的企業方案也承諾商務資料不作為訓練素材，這些現成的契約工具讓資安與法務部門有可以直接勾選的答案，不必讓每個使用者單獨跑一輪印章。

剩下的變數是速度。制度鬆綁按季推進，模型迭代按週計算，中間的落差，正是那位「麻了」的技術哥每天在吸收的東西。

圍觀之後，可以帶走的判斷

貼吧把這件事消化成日本程式設計師的笑話，但對任何要在組織裡用 AI 的人，這則熱榜更像一份對照組。判斷一家公司的 AI 治理，與其看它禁什麼、批什麼，不如看它把答案做在哪一層：做在使用者的申請書上，代表每一項新工具都要重跑一輪流程；做在採購合約與部署架構上，員工才拿得到打開就能用的待遇。至於個人端，在制度跟上之前，餵給任何模型的內容就是自己要認的界線，送出去之前先想一遍。用個 GPT 要簽字，笑點在流程；流程兩端的老問題，資料去哪、責任歸誰，換到哪個職場都躲不掉。