Prije nego što podijelite: privatnosti AI-ja treba više od obećanja

Uvod: razgovor postaje vaš život

Otvorite AI asistenta da napišete težak odgovor. Zalijepite poruku, objasnite odnos i dodate nekoliko detalja koje niste podijelili nigdje drugo. Drugog dana učitate ugovor, razgovarate o nedovršenoj ideji ili povežete svoj inbox kako bi asistent mogao razumjeti šta zahtijeva vašu pažnju.

Ništa od ovoga ne djeluje kao objavljivanje. Tražite pomoć.

Ipak, te informacije mogu proći kroz infrastrukturu, sisteme za pohranu, procese pregleda i pravne obaveze koje su uglavnom nevidljive iz prozora za razgovor. Asistent može djelovati lično mnogo prije nego što način na koji postupa s vašim podacima odgovara tom očekivanju.

Moj stav je jednostavan: privatnost AI-ja ne bi trebala zavisiti samo od onoga što kompanija obeća da će uraditi nakon što primi vaše informacije. Trebala bi zavisiti i od toga šta njeni sistemi sprječavaju da uopće dođe do modela. Politike su važne. Ali iza njih moraju stajati tehničke zaštite.

Ovaj članak pripremio sam uz podršku tima Dvina. On razmatra dokumentovane incidente i aktuelne prakse u ChatGPT-u, Claudeu, Cursoru, Perplexityju, Manusu, Meta’s Muse i Dvina. Cilj je objasniti zašto privatnost mora postati centralni inženjerski prioritet kako AI sve više ulazi u naše živote—i kako Dvina pristupa toj odgovornosti.

Šta nam incidenti govore

Zabrinutost nije hipotetička. Ali različite vrste dokaza otkrivaju različite probleme. Potvrđeno izlaganje podataka, odobreni ljudski pregled i tvrdnja o zloupotrebi u istraživanju ne bi se smjeli predstavljati kao da su isti događaj.

Izlaganje u ChatGPT-u 2023: propust u samom sistemu.

Dana 20. marta 2023, softverska greška omogućila je nekim korisnicima ChatGPT-a da vide naslove iz historije razgovora drugog aktivnog korisnika. OpenAI je naveo da je u određenim okolnostima možda bila vidljiva i prva poruka u novokreiranom razgovoru. Njihova istraga utvrdila je moguću izloženost informacija povezanih s plaćanjem za 1.2% Plus pretplatnika koji su bili aktivni tokom određenog devetosatnog perioda. Puni brojevi kartica nisu bili izloženi. OpenAI je ispravio grešku i obavijestio pogođene korisnike. 1

Pouka nije da je ista ranjivost i dalje otvorena. Pouka je da opredjeljenje za privatnost samo po sebi ne može spriječiti sistem da vrati informacije pogrešnoj osobi. Izolacija, provjere pristupa i količina identifikacionih informacija dostupnih za izlaganje—sve je to važno.

Spor The New York Timesa: brisanje se sudarilo s pravnom obavezom.

U 2025. godini, OpenAI se suočio sa sudskim nalogom koji je zahtijevao čuvanje podataka koji bi inače bili obrisani. U njegovom ažuriranju iz oktobra navedeno je da je široka obaveza neograničenog čuvanja novih podataka završila 26. septembra 2025, dok je ograničeni historijski skup ostao pod pravnim zadržavanjem. Prvobitni zahtjev za čuvanje isključivao je određene proizvode i aranžmane sa zadržavanjem nula podataka. 2

Kasniji razvoj događaja treba čitati odvojeno: u decembru 2025, Reuters je izvijestio da je sudija naložio OpenAI-u da u predmetu o autorskim pravima dostavi 20 miliona anonimiziranih zapisa razgovora, odbacivši njegove prigovore i oslanjajući se na deidentifikaciju i zaštitne mjere. To je bio nalog za izvođenje dokaza, a ne objavljivanje svačijih privatnih razgovora na internetu. 3

Zajedno, ovi događaji pokazuju zašto postavka brisanja ne rješava svako pitanje o zadržanim informacijama. Kada kopija jednom postoji, obaveze izvan korisnikove kontrole mogu utjecati na to šta će se s njom dogoditi. Smanjenje nepotrebnog zadržavanja mijenja tu izloženost prije nego što spor uopće počne.

Ljudski pregled: pristup može biti dopušten i bez povrede.

Potrošačka dokumentacija OpenAI-a izričito dopušta ograničen pristup ovlaštenom osoblju i pružaocima usluga za određene svrhe, uključujući sigurnosne istrage, podršku, pravna pitanja i prihvatljivo unapređenje modela. Potrošačke smjernice Anthropica dopuštaju određenom osoblju da pregleda razgovore radi provođenja pravila korištenja, uz odvojen pristup povezan s povratnim informacijama datim uz pristanak. 4, 8

To su dokumentovani putevi pristupa, a ne glasine. Oni ne dokazuju da zaposlenici čitaju svaki razgovor. Ali pokazuju da sučelje za razgovor koje djeluje privatno nije nužno tehnička prepreka pristupu od strane pružaoca usluge.

Trenutna dokumentacija Anthropica dodaje važan primjer sa poslovne strane. Njegovi označeni Covered Models zahtijevaju zadržavanje od 30 dana u određenim implementacijama koje su ranije koristile zadržavanje nula podataka, uz kontrolisani ljudski pregled i izuzetke. To pravilo ima granice po modelu, platformi i podobnosti; nije riječ o općoj promjeni za svaki Claude proizvod. Za potrošačke planove navodi se da nisu pogođeni jer te površine već zadržavaju ulaze i izlaze. 9

Sigurnosni nadzor ima legitimnu svrhu. Inženjerski izazov je ispuniti tu svrhu uz istovremeno minimiziranje osjetljivih informacija dostupnih sistemima za nadzor i osobama koje pregledaju sadržaj. Sigurnosno opravdanje ne čini pitanje privatnosti nevažnim.

Kontroverza u matematici: neriješena optužba, stvaran problem povjerenja

Kontroverza iz septembra 2026. oko OpenAI-jeve objave o Navier–Stokesu otvorila je drugačiju zabrinutost: šta se dešava kada asistent koji pomaže u privatnom istraživanju pripada kompaniji koja i sama provodi istraživanja?

Spor se ticao neobjavljenog matematičkog rada i zasluga. Izvještaji su opisivali kako matematičari Tristan Buckmaster i Levent Alpöge koriste AI alate u svom radu, te kako je Buckmaster doveo u pitanje da li je njihov privatni materijal doprinio rezultatu OpenAI-a. 10

OpenAI osporava taj prikaz. U svom objavljenom odgovoru navodi da ni njegovi istraživači ni njegovi agenti nisu vidjeli rad tog para prije objave. U ažuriranju od 10. septembra dodatno je naveo da je istraga isključila bilo kakav utjecaj Buckmasterovih Codex upita tokom prethodna dva mjeseca, uključujući i kroz treniranje. Ta vremenski ograničena tvrdnja konkretnija je od ranijeg prikaza u nekim izvještajima. 11

Javni prikazi i dalje su sporni. Ovdje pregledani izvori ne utvrđuju nezavisno da je OpenAI koristio te privatne razgovore da proizvede svoj rezultat.

Spor ipak otvara pitanje na koje vrijedi jasno odgovoriti: kada ljudi donesu nedovršen rad u AI, šta štiti informacijsku vrijednost tog rada? Uklanjanje imena autora iz dokaza ne uklanja sam dokaz. Deidentifikacija komercijalne strategije ne čini tu strategiju javnim dobrom.

Zato snažna privatnost zahtijeva zaštitu i identiteta i sadržaja. Korisnici bi trebali moći razumjeti može li njihov materijal ući u tokove rada za treniranje, istraživanje, evaluaciju ili pregled — i koje tehničke kontrole provode te granice.

Četiri pitanja koja se nikada ne bi smjela svesti na jedno

Velik dio zabune dolazi iz tretiranja “privatnog” kao jedinstvenog svojstva. U praksi, četiri odvojena pitanja određuju šta se dešava s razgovorom.

Treniranje: Može li sadržaj pomoći u razvoju ili unapređenju modela? Isključivanje mijenja jednu dopuštenu upotrebu informacija. To ne mora nužno promijeniti da li su informacije prenesene ili pohranjene.

Pristup: Koji sistemi i ljudi ga mogu pregledati? Enkripcija tokom prijenosa i pohrane je važna, ali ne sprečava automatski ovlaštenu uslugu da dešifruje sadržaj radi obrade ili pregleda.

Zadržavanje: Šta ostaje, gdje i koliko dugo? Uklanjanje razgovora iz sučelja, brisanje produkcijskih zapisa, isticanje sigurnosnih kopija i isključivanje podataka iz budućeg treniranja različite su operacije.

Radnje: Šta povezani asistent može pročitati, promijeniti ili poslati? Kada može raditi kroz vaše naloge, privatnost zavisi i od dozvola i kontrola nad odlaznim podacima.

Korisno poređenje privatnosti ta pitanja drži odvojenima. Plaćena pretplata, prekidač za obuku ili oznaka privatnog zadatka ne mogu odgovoriti na sva četiri.

Kako se servisi porede

Tabela ispod fokusira se na individualnu upotrebu, osim ako nije naveden drugačiji opseg. Ona sažima pregledanu dokumentaciju, a ne rezultate nezavisne sigurnosne revizije.

Servis	Stav o obuci	Zasebna granica koju treba razumjeti
ChatGPT	Pojedinačni sadržaj može se koristiti za unapređenje; kontrole isključuju nove razgovore i Codex zadatke. Temporary Chat je isključen. 4, 5	Ovlašteni pristup i zadržavanje podataka ostaju odvojena pitanja. Codex također ima zasebnu postavku za obuku cijelog okruženja.
Claude	Unapređenje potrošačkog modela zavisi od izbora korisnika; povratne informacije i upotrebe povezane sa sigurnošću imaju zasebna pravila. Incognito je isključen iz općeg unapređenja. 6	I dalje važe izuzeci za pregled i zadržavanje podataka. Određeni komercijalni Covered Models imaju dodatne zahtjeve za zadržavanje. 7–9
Cursor	Privacy Mode isključuje korisničke podatke iz Cursor obuke i opisuje aranžmane bez zadržavanja podataka kod pružalaca usluge, uz navedene izuzetke. 12	Zahtjevi i dalje prolaze kroz Cursor backend. Važne su istrage zloupotrebe, keširanje i obavijesti specifične za modele.
Perplexity	Prikupljanje za obuku potrošačkog AI-ja uključeno je po zadanim postavkama, uključujući Pro i Max; korisnici se mogu unaprijed isključiti. 13	Isključivanje ne zaustavlja obradu za rad servisa ili usklađenost sa zakonom. Uslovi za Enterprise se razlikuju.
Manus	Dokumentacija za Team navodi mogućnost isključivanja iz obuke; ovaj pregled nije mogao potvrditi konačno pravilo obuke za individualni plan. 15	To što su individualni zadaci privatni po zadanim postavkama opisuje vidljivost dijeljenja, a ne potpuno ograničenje upotrebe od strane pružaoca usluge. 14
Meta’s Muse	Dokumentacija pri lansiranju opisuje obuku na sanitiziranim podacima interakcije po zadanim postavkama, uz mogućnost isključivanja. 16	Sanitiziranje prije obuke nije isto što i maskiranje prije inferencije. Ograničenja operatera pri lansiranju razlikuju se od planiranog Confidential VM.
Dvina	Razgovori, datoteke, promptovi i podaci radnog prostora ne koriste se za obuku AI modela. 17, 18	Automatsko maskiranje rješava raniju granicu: otkriveni lični identifikatori zamjenjuju se prije obrade modelom.

Detalji ispod objašnjavaju gdje ove razlike postaju važne u svakodnevnoj upotrebi.

ChatGPT i Claude: radnja koju poduzmete mijenja pravilo.

OpenAI omogućava korisnicima da isključe obuku bez uklanjanja uobičajene historije razgovora. Temporary Chat dodatno mijenja način postupanja s razgovorom, ali njegova dokumentacija i dalje dopušta pregled zbog zloupotrebe i opisuje period brisanja od 30 dana. Korisnici Codexa također trebaju razlikovati postavku sadržaja na nivou naloga od njegove zasebne postavke za cijelo okruženje. 4, 5

Kod Claudea, povratne informacije zaslužuju posebnu pažnju. Anthropic kaže da palac gore, palac dolje ili prijava greške mogu uključivati pohranu povezanog razgovora do pet godina i njegovu upotrebu u svrhe koje uključuju obuku modela. Uključivanje općeg unapređenja modela također omogućava da prihvatljiv deidentificirani materijal ostane u tokovima obuke do pet godina. To nisu ista pravila kao za uobičajeno brisanje razgovora. 6, 7

Osoba zato može donijeti nekoliko odluka o privatnosti unutar jednog proizvoda, a da ne shvati da su to odvojene odluke. Dizajn proizvoda treba te razlike jasno prikazati na mjestu upotrebe.

Cursor i Perplexity: oznaka proizvoda nije granica obrade.

Cursorov Privacy Mode uvodi značajna ograničenja za obuku i zadržavanje podataka kod pružalaca usluge. On ne čini editor isključivo lokalnim: Cursor kaže da zahtjevi i dalje putuju kroz njegov backend, čak i uz API ključ koji dostavi korisnik. Njegova dokumentacija također opisuje privremeno šifrirano keširanje datoteka i izuzetke povezane s istragama zloupotrebe ili određenim modelima. 12

Perplexity ilustruje drugačiju razliku. Njegovi Free, Pro i Max nalozi potpadaju pod kontrole obuke za potrošače, pri čemu je prikupljanje uključeno po zadanim postavkama. Objavljena mogućnost isključivanja odnosi se na podatke prikupljene nakon toga, a ne na retroaktivno uklanjanje ranijih podataka za obuku. Kupovina lične pretplate ne čini nalog Enterprise nalogom. 13

U oba slučaja, relevantno pitanje je šta odabrani režim i nalog mijenjaju — a ne šta naziv proizvoda naizgled sugerira.

Manus i Muse: privatni radni prostori i dalje trebaju eksplicitne granice.

Manus kaže da su individualni zadaci privatni osim ako se ne podijele. Njegova Team dokumentacija također objašnjava da vlasnici mogu pristupiti sadržaju timskih sesija. To su korisna pravila vidljivosti, ali ona ne utvrđuju politiku obuke za individualne korisnike. Potpuna Manus stranica o privatnosti nije se mogla dohvatiti za ovaj pregled, pa to pitanje ostaje nepotvrđeno umjesto da se popuni iz drugog plana. 14, 15

Museova dokumentacija pri lansiranju neobično je eksplicitna u vezi s razlikom između operativnih ograničenja i tehničke prevencije. Meta kaže da Secure VM pri lansiranju ograničava pristup osoblja kroz politike, ali ne sprečava pristup kada je potreban za rad, podršku ili sigurnost servisa. Confidential VM, koji bi trebao kriptografski spriječiti pristup operatera, opisan je kao nadolazeći i u ograničenom testiranju. Planirana zaštita ne treba se računati kao nešto što je već dostupno svima. 16

Muse također drži stvarne akreditive konektora podalje od svog glavnog agenta i odobrenja za radnje stavlja pod zaseban autoritet dozvola. To ilustruje vrijedan princip: agent ne bi trebao dobiti tajnu ili dozvolu samo zato što bi to moglo biti praktično. 16

Premjestite zaštitu na tačku prije izlaganja

Isključenje iz obuke uređuje jednu upotrebu podataka. Maskiranje mijenja podatke dostupne za obradu. Ograničeno zadržavanje smanjuje broj kopija koje ostaju. Kontrole dozvola ograničavaju šta agent može uraditi. Ove zaštite se međusobno dopunjuju, a važna je i faza u kojoj svaka djeluje.

Razmotrite ilustrativan zahtjev: napisati naknadnu poruku klijentu na određenu email adresu. Modelu mogu biti potrebni svrha, ton i relevantne obaveze. Možda mu ne trebaju stvarno ime ili adresa klijenta da sastavi poruku. Zamjena tih otkrivenih identifikatora placeholderima prije inferencije smanjuje količinu podataka koje model prima, uz očuvanje korisne strukture zadatka.

To se razlikuje od slanja originalnog teksta uz obećanje da će identifikatori biti uklonjeni prije neke kasnije upotrebe.

Isti princip se proteže i izvan ličnih identifikatora. Povjerljivo istraživanje zahtijeva kontrole nad samim istraživačkim sadržajem; povezani računi trebaju usko ograničene dozvole; sačuvani zapisi trebaju definisane rokove trajanja i provediva ograničenja pristupa. Maskiranje identiteta je jedna komponenta tog dizajna, a ne zamjena za zaštitu suštine izuma ili dokumenta.

Relevantan rad postoji širom industrije. OpenAI je u aprilu 2026. objavio Privacy Filter koji se može pokretati lokalno, a Meta-ina dokumentacija za Muse opisuje tehničku izolaciju i snažniji dizajn povjerljivog računarstva koji je u razvoju. Ovi napori podupiru argument da privatnost treba inženjerski ugraditi u sistem. Međutim, objava alata ili roadmap sama po sebi nije dokaz da svaki razgovor potrošača već dobija odgovarajuću zaštitu. 16, 19

Standard bi trebala biti zaštita koju osoba prima u proizvodu koji danas koristi.

Dvina: učiniti privatnost dijelom uobičajene interakcije

Dvina-in pristup unosi ovu raniju zaštitu u iskustvo rada s asistentom. Njegov dokumentovani dizajn lokalno otkriva osjetljive lične informacije dok ljudi kucaju ili učitavaju sadržaj, šifrira otkrivene lične podatke i zamjenjuje ih placeholderima prije obrade od strane modela. Model radi s tim placeholderima, a ne s originalnim otkrivenim identifikatorima. 17, 18

Razlika je praktična. Korisnik ne bi trebao morati prekidati svaki zadatak da ručno ukloni imena i kontakt podatke, niti se oslanjati samo na obećanje o tome šta će se desiti nakon što ih model primi. Zaštita bi trebala pratiti samu interakciju.

Dvina također isključuje korisničke razgovore, datoteke, promptove i podatke radnog prostora iz treniranja modela. Ta kombinacija je važna: obaveza da nema treniranja ograničava ponovnu upotrebu, dok zaštita prije obrade ograničava lične informacije koje su modelu uopće izložene. 17, 18

Taj pristup podržavaju i drugi slojevi. Dvina opisuje šifrirano pohranjivanje razgovora, razdvajanje između pohranjenih poruka i identiteta korisnika te podatke hostovane u EU uz zaštite na nivou GDPR-a. Svaki od tih elemenata bavi se drugim dijelom procesa rukovanja podacima, umjesto da se od jedne postavke treniranja traži da nosi cijeli teret. 17, 18

Tehnička razlika je precizna: otkriveni lični identifikatori zamjenjuju se u ulazu za model, dok okolni zadatak ostaje dostupan za obradu. Privatnost tako postaje dio toka podataka, umjesto da bude samo postavka kojom korisnici moraju pamtiti da upravljaju.

Za mene je to korisniji smjer za AI: omogućiti ljudima da u svoj rad unesu smislen kontekst, uz dizajniranje sistema tako da otkriva manje njihovog identiteta nego što zadatak zahtijeva.

Zaključak: privatnost će odrediti koliko daleko će ljudi pustiti AI u svoje živote

AI asistenti postaju korisniji što bolje razumiju naše okolnosti. To stvara odgovornost da se zaštite informacije koje stoje iza tog razumijevanja. Tražiti od ljudi veći pristup, a ponuditi samo još jednu stranicu s postavkama, nije dovoljan odgovor.

Dokazi ukazuju na nekoliko različitih rizika. Softver može izložiti podatke između računa. Pohranjeni razgovori mogu postati predmet pravnih zahtjeva. Ovlašteni pregled može postojati i bez sigurnosnog incidenta. Sporovi oko privatnog istraživanja mogu narušiti povjerenje čak i kada navod nije nezavisno potvrđen.

Ti rizici zahtijevaju inženjerski rad, a ne samo bolje sročene formulacije. Otkrivanje osjetljivih podataka, zaštita prije obrade, razdvajanje identiteta, ograničeno zadržavanje i provedive dozvole trebaju dobiti trajnu pažnju kao temeljne sposobnosti AI sigurnosti. Korisnost asistenta i zaštita njegovog korisnika moraju napredovati zajedno.

Uz Dvina, pomažemo predvoditi taj pomak tako što zaštitu prije obrade od strane modela činimo dijelom temelja proizvoda. Ambicija nije tražiti više povjerenja kroz snažnije tvrdnje. Cilj je smanjiti koliko povjerenja mora počivati samo na obećanju.

Ljudi bi trebali moći potražiti pomoć, razviti ideju i podijeliti kontekst potreban da krenu naprijed, a da svaki razgovor ne doživljavaju kao moguće odricanje od svoje privatnosti. Izgradnja tog povjerenja jedan je od najvažnijih zadataka koji stoje pred AI-em.

Izvori i opseg

Izvori pregledani 22 September 2026. Ovaj članak se oslanja na dokumentaciju pružalaca usluga i atribuirano izvještavanje; ne predstavlja nezavisnu sigurnosnu reviziju. Individualni planovi su glavni opseg poređenja. Komercijalni, API i izuzeci specifični za modele navedeni su odvojeno. Odjeljak o matematici razlikuje prijavljene zabrinutosti od OpenAI-evog ažuriranog odgovora; nijedno se ne predstavlja kao nezavisan nalaz. Manusovo pravilo o treniranju za individualni plan ostaje nepotvrđeno jer njegova puna politika privatnosti nije mogla biti preuzeta.