AI行为分析把摄像头、麦克风等采集到的信号转化为“多人出镜”“离开座位”或“异常声音”等风险判断。隐私合规的难点不只在于采集了什么，还在于这些判断会如何影响个人，以及数据是否被用于原定目的之外。
在线考试是典型场景：为维护考试秩序，机构可能需要识别异常行为；但持续录制、扩大监控范围，或把数据用于考核、纪律处分等其他目的，都会增加对个人权益的影响。尤其当系统同时处理人脸、视频或声音时，可能涉及高度敏感的信息，不能因为技术上可实现，就默认有必要收集。
另一项风险是把算法提示当成事实。环境噪声、网络中断、设备角度或正常动作，都可能造成误判。若仅凭模型结果取消成绩、认定作弊或启动处分，错误就会从技术偏差变成实质性不利后果。系统输出应作为复核线索，而非自动定论，并保留人工核查和申诉渠道。
合规设计应从目的和必要性出发：明确分析要解决的问题，选择侵扰更小的手段；事前说明采集内容、分析目的、使用范围和保存安排；限制访问权限，设定合理的删除机制，并审查外部服务商如何处理数据。若新增人脸核验、全程录制或行为评分，应重新评估风险，而不是把功能叠加视为默认升级。
判断一项行为分析是否合适，可以追问三件事：不采集这些数据，目标是否仍能实现？模型误判时，谁来复核并纠正？考试结束后，数据是否还需要保留？这几项答不清，技术效果再好，也不足以证明方案稳妥。
