作者认为企业里模型表现最常被一个开工前的环节决定——进入流水线的数据本身。数据不只是被系统消费的东西，它是架构的一部分，和模型、提示词一样具有结构性。企业数据最丰富也最敏感：合规与安全团队按内外政策用工具检测敏感信息，然后脱敏、掩码或令牌化，他们的职责是确保没有敏感信息被暴露或泄露，而不是检查数据还有没有用，于是悖论出现——数据集之所以有价值，正因为它的具体性以及它代表着一家公司的客户、成功与失败，而承载这些信号的字段却最先被去掉，留下斑驳的蓝图。如果数据是蓝图，脱敏就是拿黑笔在图纸上涂：房间布局还在，但尺寸、承重墙和材料不全或受损。波恩大学与 Fraunhofer IAIS 的研究给出了量级：同一份推理基准，原始文本得分 0.73，脱掉个人细节后掉到 0.52，换成一致的假名后回到 0.70。他主张把问题从「什么算敏感」换成「模型要表现好必须保留什么」，把隐私措施当作像模型、提示词与检索一样需要设计的东西。