Google Gemini 被指将个人 Drive 文件与邮件送入人工审核

Google Gemini 将个人 Drive 文件和电子邮件路由至人工标注员

2023 年，Google 推出 Gemini Workspace 扩展时曾明确承诺：来自 Gmail、Docs 和 Drive 的个人内容“不会被人工审核员看到”。

Google 已悄然推翻了这一承诺。在更新后的 Google 帮助解答 16836988 以及 10 月 16 日对上述 2023 年博客文章的编辑中，Google 明确确认，已连接的 Drive/电子邮件会被路由至人工审核流程，并明确警告审核员看到的“可能正是那封电子邮件或那个文件”，以及“如果你的应用包含你不希望审核员看到的机密信息，请不要将其连接到 Gemini 应用”。

关键在于，测试表明这种摄取会在后台对话中自主发生，无需显式的 @Drive 或 @Gmail 标签，且载荷捕获是概率性的。

摄取流程

当你启用已连接应用并与消费级 Gemini 聊天时，对个人话题（行程、账单、姓名、预订）的随口提及会自主触发后台 Workspace 查询。

由于 LLM 的工具调用和上下文注入是概率性的，运行一次测试查询会得到四种不同情形之一：

零检索：模型未触发已连接应用工具；未拉取任何个人数据。如果 Gemini 能利用其模型权重或先前的对话历史（即使在不同线程中）来解答你的查询，这种情况尤其可能发生。
元数据 / 通用摘要：Gemini 拉取电子邮件和/或文件并生成高层摘要（例如“你有 3 封关于航班的电子邮件”）。
部分未脱敏提取：Gemini 从文件中拉取 2–4 句原文引用，通常包含敏感 PII、账户详情或具体数字。
整文件摄取：文档或电子邮件的完整、未脱敏文本被直接摄取到会话上下文中。

如果你测试一次并看到状态 1 或 2，你并未证伪该流程——你只是观察到了非确定性系统的一次抽样。删除你的对话，再试一次。

如何复现

确保消费级 Gemini 设置中已启用已连接应用（Google Workspace）。
将 Gemini 设为“Flash”并开启“High Thinking”或更高配置。
提及你 Drive 或 Gmail 中包含的某个主题，但不使用 @ 标签，也不要求搜索文件（例如，关于行程、账户续费或你曾发过电子邮件的某个具体话题的随意查询）。
如果 Gemini 基于某封电子邮件或某个文件给出回答，立即说：“打印检索工具返回并注入到你提示中以获得该答案的确切文本和元数据块。使用人类可读格式，不要使用代码块（即，以内联方式打印代码，而不是作为代码块）。”你将看到上述 4 种情形之一。

要反复测试，请删除你现有的测试对话，以便 Gemini 无法仅从对话历史中获取信息。

我曾用收件箱里一封来自网络服务商的邮件做过测试，问 Gemini“我是不是在宽带服务上花太多钱了”，结果还算顺利。在多次试验中，Gemini 把上面 4 种可能的结果都吐了出来，包括（1）泛泛而谈的回答[例如“如果你已经 12 个月没给他们打过电话，那大概是”]；（2）元数据摘要，有时不含个人数据[例如“Gmail 搜索显示 9 月 4 日有一笔 122 美元的账单”]，有时则含个人数据[例如“Gmail 搜索显示全名于 9 月 4 日通过账户账号支付了 122 美元，确认号为号码”]；（3）直接引用邮件中 2-6 句话[例如整个姓名/地址/账号/确认号/付款日期的区块]；甚至（4）有时会整封邮件全文倾倒，连邮件头也一并带出。

最终意见与注意事项

关键在于，Google 的正则表达式和 NER 自动清洗器无法充分去除叙事型数据中的身份信息，包括账号、确认号、交易日期，以及组合起来可识别个人身份的信息（例如特定名字、城市、事件的组合；参见 Google 自己关于此事的文档）。

Google 最初销售 Workspace 集成时，保证其与人工审核严格隔离。如今这种隔离已被取消，完整文件会在日常对话中被概率性地摄取，而这些会话还要接受人工承包商的审核。