数据使用的伦理边界：从三个案例看趋势

过去两年，关于数据使用的讨论明显变了。2021年之前，行业会议上的高频词是“打通”“标签”“精准”；到了2024年，同一批从业者开始问：这个数据该不该用？变化不是来自文件，而是来自具体事件。某外卖平台2023年因推荐算法过度采集位置信息被点名，次日股价跌了约4%。数据用得好是效率，用过头就是风险。

第一个摩擦点，是“必要”和“方便”的边界。一个健康管理App要用户授权步数，合理；还要通讯录和相册，就值得追问。2024年某调研机构对120款常用App做过统计，平均每个App申请权限11.3项，其中与核心功能直接相关的约5项。多出来的部分，往往被包装成“提升体验”。体验确实提升了，代价是用户不知道自己的数据被拼成了什么。

第二个摩擦点，是预测的权力。数据本身不伤人，用数据做预测并据此区别对待才会。2023年有媒体报道，某招聘平台用历史数据训练模型筛选简历，结果对某一类院校的候选人系统性降权。平台后来回应说模型只是“辅助”。但辅助也是判断。当预测被包装成中性工具，使用的人容易忘记：模型输出的不是事实，是倾向。

第三个摩擦点，是“已授权”的错觉。用户点了同意，不等于理解。2024年一项针对一线城市用户的问卷显示，68%的人承认从未读完隐私条款，平均停留时间不到40秒。平台因此获得法律上的许可，但伦理上的许可并没有自动成立。观察这个领域的走势，会发现监管和舆论正在往同一个方向走：从“有没有告知”转向“用了之后公不公平”。

具体案例更能说明问题。某银行2022年上线一套基于消费数据的信用评分，初期通过率提高了12%，但半年后投诉量上升三成，集中在“为什么我被降额”。调查发现，模型把深夜消费和频繁更换设备当作风险信号，而这两类行为在年轻租户群体中很常见。数据没错，解读错了。后来银行调整了变量权重，投诉回落。

从趋势上看，数据使用的伦理边界不是在收紧，而是在细化。以前讨论的是“能不能采集”，现在讨论的是“采集之后怎么用、用多久、谁来解释”。2023年国内发布的相关规范中，有超过六成条款涉及使用环节，而不是采集环节。这个比例在五年前不到三成。方向很清楚：边界从入口移到了过程。

对做数据的人来说，有一条判断线索比较实用：问自己三个问题——这个数据用在这里，用户如果知道，会不会意外？这个预测如果作用在我身上，我能不能接受？这个结论如果被公开解释，我能不能说清楚？三个问题里有一个答不上来，就值得停一下。数据是工具，不是理由。边界不在技术里，在每一次具体的使用决定里。