Ennen kuin jaat: tekoälyn yksityisyys tarvitsee enemmän kuin lupauksen

Johdanto: keskustelusta on tulossa elämäsi

Avaat tekoälyavustajan kirjoittaaksesi vaikean vastauksen. Liität viestin, selität suhteen taustan ja lisäät muutaman yksityiskohdan, joita et ole kertonut muualla. Toisena päivänä lataat sopimuksen, keskustelet keskeneräisestä ideasta tai yhdistät sähköpostisi, jotta avustaja ymmärtäisi, mikä vaatii huomiotasi.

Mikään näistä teoista ei tunnu julkaisemiselta. Pyydät apua.

Silti tieto voi kulkea infrastruktuurin, tallennusjärjestelmien, tarkistusprosessien ja oikeudellisten velvoitteiden läpi, jotka jäävät pitkälti näkymättömiin keskusteluikkunasta katsottuna. Avustaja voi tuntua henkilökohtaiselta kauan ennen kuin sen tapaa käsitellä tietojasi vastaa tätä odotusta.

Oma kantani on yksinkertainen: tekoälyn yksityisyyden ei pitäisi riippua vain siitä, mitä yritys lupaa tehdä saatuaan tietosi. Sen pitäisi riippua myös siitä, mitä sen järjestelmät estävät päätymästä mallille alun perin. Käytännöillä on merkitystä. Niiden tueksi tarvitaan teknisiä suojauksia.

Valmistelin tämän artikkelin Dvina-tiimin tuella. Siinä tarkastellaan dokumentoituja tapauksia ja nykyisiä käytäntöjä ChatGPT:n, Clauden, Cursorin, Perplexityn, Manusin, Meta’s Musen ja Dvinan osalta. Tarkoituksena on selittää, miksi yksityisyydestä on tultava keskeinen tekninen prioriteetti tekoälyn kietoutuessa yhä tiiviimmin elämäämme — ja miten Dvina lähestyy tätä vastuuta.

Mitä tapaukset kertovat meille

Huoli ei ole hypoteettinen. Mutta erilaiset todisteet paljastavat erilaisia ongelmia. Vahvistettua tietovuotoa, sallittua ihmistarkastusta ja väitettä tutkimuksen väärinkäytöstä ei pitäisi esittää ikään kuin ne olisivat sama tapahtuma.

ChatGPT:n vuoden 2023 tietovuoto: vika itse järjestelmässä.

On 20 March 2023, a software bug allowed some ChatGPT users to see titles from another active user’s conversation history. OpenAI said the first message of a newly created conversation might also have been visible in certain circumstances. Its investigation identified possible exposure of payment-related information for 1.2% of Plus subscribers active during a particular nine-hour period. Full card numbers were not exposed. OpenAI patched the bug and notified affected users. 1

Opetus ei ole se, että sama haavoittuvuus olisi yhä avoinna. Opetus on se, ettei yksityisyyttä koskeva sitoumus yksin voi estää järjestelmää palauttamasta tietoa väärälle henkilölle. Eristys, käyttöoikeustarkistukset ja se, kuinka paljon tunnistettavaa tietoa on ylipäätään saatavilla paljastettavaksi, ovat kaikki tärkeitä.

The New York Times -oikeudenkäynti: poistaminen kohtasi oikeudellisen velvoitteen.

Vuonna 2025 OpenAI joutui noudattamaan oikeuden määräystä, joka edellytti sellaisen datan säilyttämistä, joka olisi muuten poistettu. Sen lokakuun päivityksen mukaan laaja velvoite säilyttää uutta dataa toistaiseksi päättyi 26. syyskuuta 2025, kun taas rajattu historiallinen aineisto jäi edelleen oikeudellisen säilytysvelvoitteen piiriin. Alkuperäinen säilytysvaatimus ei koskenut tiettyjä tuotteita eikä nolladatan säilytysjärjestelyjä. 2

Myöhempi kehitys on luettava erillisenä asiana: joulukuussa 2025 Reuters kertoi, että tuomari määräsi OpenAI:n toimittamaan tekijänoikeusjutussa 20 miljoonaa anonymisoitua chat-lokia, hyläten sen vastalauseet ja nojaten de-identifiointiin sekä suojaaviin turvatoimiin. Kyse oli todistelua koskevasta määräyksestä, ei kaikkien yksityisten keskustelujen julkaisemisesta internetissä. 3

Yhdessä nämä tapahtumat osoittavat, miksi poistamisasetus ei ratkaise kaikkia säilytettyä tietoa koskevia kysymyksiä. Kun kopio on kerran olemassa, käyttäjän vaikutusvallan ulkopuoliset velvoitteet voivat vaikuttaa siihen, mitä sille tapahtuu. Tarpeettoman säilyttämisen vähentäminen muuttaa tätä altistusta jo ennen kuin riita alkaa.

Ihmistarkastus: pääsy voidaan sallia ilman tietomurtoa.

OpenAI:n kuluttajadokumentaatio sallii nimenomaisesti rajatun pääsyn valtuutetulle henkilöstölle ja palveluntarjoajille määriteltyihin tarkoituksiin, kuten turvallisuustutkintoihin, tukeen, oikeudellisiin asioihin ja kelpoiseen mallin parantamiseen. Anthropicin kuluttajaohjeistus sallii nimetyille työntekijöille keskustelujen tarkastelun käyttöehtojen valvontaa varten, ja erillinen pääsy liittyy suostumukseen perustuvaan palautteeseen. 4, 8

Nämä ovat dokumentoituja pääsyreittejä, eivät huhuja. Ne eivät osoita, että työntekijät lukisivat jokaisen keskustelun. Ne kuitenkin osoittavat, että yksityiseltä vaikuttava chat-käyttöliittymä ei välttämättä ole tekninen este palveluntarjoajan pääsylle.

Anthropicin nykyinen dokumentaatio lisää tärkeän esimerkin yrityspuolelta. Sen nimetyt Covered Models -mallit edellyttävät tietyissä käyttöönottoympäristöissä 30 päivän säilytystä, vaikka niissä käytettiin aiemmin nolladatan säilytystä, sekä hallittua ihmistarkastusta ja poikkeuksia. Säännöllä on malliin, alustaan ja kelpoisuuteen liittyvät rajat; kyse ei ole yleisestä muutoksesta kaikkiin Claude-tuotteisiin. Kuluttajapakettien kuvataan pysyvän ennallaan, koska niissä syötteitä ja tulosteita säilytetään jo ennestään. 9

Turvallisuusvalvonnalla on oikeutettu tarkoitus. Tekninen haaste on täyttää tuo tarkoitus samalla, kun valvontajärjestelmien ja tarkastajien saatavilla olevan arkaluonteisen tiedon määrä minimoidaan. Turvallisuusperuste ei poista yksityisyyttä koskevaa kysymystä.

Matematiikkakiista: ratkaisematon väite, todellinen luottamusongelma

Syyskuun 2026 kiista OpenAI:n Navier–Stokes-julkistuksen ympärillä nosti esiin toisen huolen: mitä tapahtuu, kun yksityisessä tutkimuksessa auttava avustaja kuuluu yritykselle, joka tekee myös omaa tutkimustaan?

Kiista koski julkaisematonta matemaattista työtä ja ansioiden jakautumista. Uutisoinnin mukaan matemaatikot Tristan Buckmaster ja Levent Alpöge käyttivät työssään AI-työkaluja, ja Buckmaster kyseenalaisti, oliko heidän yksityinen aineistonsa vaikuttanut OpenAI:n tulokseen. 10

OpenAI kiistää tämän kuvauksen. Sen julkaistun vastauksen mukaan sen tutkijat tai niiden edustajat eivät nähneet kaksikon työtä ennen julkaisua. Lisäksi se totesi 10. syyskuuta päivätyssä päivityksessä, että tutkinta oli sulkenut pois Buckmasterin Codex-kehotteiden vaikutuksen edeltäneiden kahden kuukauden aikana, myös koulutuksen kautta. Tämä ajallisesti rajattu lausuma on täsmällisempi kuin joissakin uutisoinneissa esitetty aiempi kuvaus. 11

Julkiset kuvaukset ovat edelleen kiistanalaisia. Tässä tarkastellut lähteet eivät itsenäisesti osoita, että OpenAI olisi käyttänyt näitä yksityisiä keskusteluja tuloksensa tuottamiseen.

Kiista paljastaa silti kysymyksen, johon kannattaa saada selkeä vastaus: kun ihmiset tuovat keskeneräistä työtä AI:lle, mikä suojaa tuon työn informaatioarvoa? Tekijän nimen poistaminen todistuksesta ei poista itse todistusta. Kaupallisen strategian de-identifiointi ei tee strategiasta julkista omaisuutta.

Siksi vahva yksityisyydensuoja tarvitsee suojan sekä identiteetille että sisällölle. Käyttäjien pitäisi voida ymmärtää, voiko heidän aineistonsa päätyä koulutus-, tutkimus-, arviointi- tai tarkastusprosesseihin — ja mitkä tekniset kontrollit valvovat näitä rajoja.

Neljä kysymystä, joita ei pitäisi koskaan sulauttaa yhdeksi

Suuri osa sekaannuksesta johtuu siitä, että “yksityinen” käsitellään yhtenä ominaisuutena. Käytännössä neljä erillistä kysymystä määrää, mitä keskustelulle tapahtuu.

Koulutus: Voiko sisältö auttaa mallin kehittämisessä tai parantamisessa? Kieltäytymisasetus muuttaa tiedon sallittua käyttötapaa. Se ei välttämättä muuta sitä, onko tieto välitetty tai tallennettu.

Pääsy: Mitkä järjestelmät ja ihmiset voivat tarkastella sitä? Salaus siirron ja tallennuksen aikana on tärkeää, mutta se ei automaattisesti estä valtuutettua palvelua purkamasta sisältöä käsittelyä tai tarkastusta varten.

Säilytys: Mitä jää jäljelle, minne ja kuinka pitkäksi aikaa? Keskustelun poistaminen käyttöliittymästä, tuotantotietueiden poistaminen, varmuuskopioiden vanhentuminen ja datan sulkeminen pois tulevasta koulutuksesta ovat eri toimenpiteitä.

Toiminnot: Mitä yhdistetty avustaja voi lukea, muuttaa tai lähettää? Kun se voi toimia tiliesi kautta, yksityisyys riippuu myös käyttöoikeuksista ja lähtevän datan hallinnasta.

Hyödyllinen yksityisyysvertailu pitää nämä kysymykset erillään. Maksullinen tilaus, koulutusta koskeva kytkin tai yksityisen tehtävän merkintä ei voi vastata kaikkiin neljään.

Näin palvelut vertautuvat

Alla oleva taulukko keskittyy yksityiskäyttöön, ellei toisin mainita. Se tiivistää tarkastellun dokumentaation, ei riippumattoman tietoturva-auditoinnin tuloksia.

Palvelu	Koulutuskäytäntö	Erillinen raja, joka on syytä ymmärtää
ChatGPT	Yksittäistä sisältöä voidaan käyttää parantamiseen; hallintatoimet sulkevat pois uudet keskustelut ja Codex-tehtävät. Temporary Chat on rajattu pois. 4, 5	Valtuutettu pääsy ja säilytys ovat edelleen erillisiä kysymyksiä. Codexilla on myös erillinen koko ympäristöä koskeva koulutusasetus.
Claude	Kuluttajamallin parantaminen riippuu käyttäjän valinnasta; palautteella ja turvallisuuteen liittyvillä käyttötavoilla on erilliset säännöt. Incognito on rajattu pois yleisestä parantamisesta. 6	Tarkastelua ja säilytystä koskevat poikkeukset ovat silti voimassa. Tietyillä kaupallisilla Covered Models -malleilla on lisäksi omia säilytysvaatimuksia. 7–9
Cursor	Privacy Mode sulkee asiakasdatan pois Cursorin koulutuksesta ja kuvaa palveluntarjoajien no-retention-järjestelyjä ilmoitettujen poikkeusten puitteissa. 12	Pyynnöt kulkevat silti Cursorin taustajärjestelmän kautta. Väärinkäytöstutkinnat, välimuisti ja mallikohtaiset ilmoitukset ovat merkityksellisiä.
Perplexity	Kuluttaja-AI:n koulutusdatan keruu on oletuksena käytössä, myös Pro- ja Max-tasoilla; käyttäjät voivat kieltäytyä tästä jatkossa. 13	Kieltäytyminen ei estä käsittelyä palvelun toiminnan tai lakisääteisen noudattamisen tarpeisiin. Enterprise-ehdot ovat erilaiset.
Manus	Team-dokumentaatiossa mainitaan mahdollisuus kieltäytyä koulutuksesta; tämä arvio ei voinut varmistaa yksilöpaketin lopullista koulutussääntöä. 15	Se, että yksittäiset tehtävät ovat oletuksena yksityisiä, kuvaa jakamisen näkyvyyttä, ei täydellistä rajoitusta palveluntarjoajan käytölle. 14
Meta’s Muse	Julkaisudokumentaatio kuvaa oletuksena tapahtuvaa koulutusta puhdistetulla vuorovaikutusdatalla sekä mahdollisuutta kieltäytyä siitä. 16	Datan puhdistaminen ennen koulutusta ei ole sama asia kuin peittäminen ennen inferenssiä. Julkaisuvaiheen operaattorirajoitukset eroavat suunnitellusta Confidential VM:stä.
Dvina	Keskusteluja, tiedostoja, kehotteita ja työtiladataa ei käytetä AI-mallien kouluttamiseen. 17, 18	Automaattinen peittäminen käsittelee aiempaa rajaa: havaitut henkilötunnisteet korvataan ennen mallin käsittelyä.

Alla olevat yksityiskohdat selittävät, missä nämä erot tulevat tärkeiksi arjen käytössä.

ChatGPT ja Claude: tekemäsi toimi muuttaa sääntöä.

OpenAI antaa käyttäjien poistaa koulutuksen käytöstä ilman, että tavallinen keskusteluhistoria poistuu. Temporary Chat muuttaa keskustelun käsittelyä vielä pidemmälle, mutta sen dokumentaatio sallii silti väärinkäytösten tarkastelun ja kuvaa 30 päivän poistojakson. Codexin käyttäjien kannattaa myös erottaa tilinlaajuinen sisältöasetus sen erillisestä koko ympäristöä koskevasta asetuksesta. 4, 5

Clauden kohdalla palautteeseen kannattaa kiinnittää erityistä huomiota. Anthropicin mukaan peukku ylös, peukku alas tai bugiraportti voi tarkoittaa siihen liittyvän keskustelun säilyttämistä jopa viiden vuoden ajan ja sen käyttämistä tarkoituksiin, joihin kuuluu mallin koulutus. Yleisen mallin parantamisen salliminen mahdollistaa myös sen, että kelvollinen tunnisteista puhdistettu aineisto voi pysyä koulutusputkissa jopa viisi vuotta. Nämä eivät ole samoja sääntöjä kuin tavallisen keskustelun poistaminen. 6, 7

Ihminen voi siis tehdä yhden tuotteen sisällä useita yksityisyyttä koskevia päätöksiä huomaamatta, että ne ovat erillisiä päätöksiä. Tuotesuunnittelun pitäisi tehdä nämä erot selviksi käyttöhetkellä.

Cursor ja Perplexity: tuotemerkintä ei ole käsittelyn raja.

Cursorin Privacy Mode asettaa merkityksellisiä rajoituksia koulutukselle ja palveluntarjoajan säilytykselle. Se ei tee editorista vain paikallisesti toimivaa: Cursorin mukaan pyynnöt kulkevat edelleen sen taustajärjestelmän kautta, vaikka käytössä olisi käyttäjän oma API-avain. Sen dokumentaatio kuvaa myös tilapäistä salattua tiedostovälimuistia sekä poikkeuksia, jotka liittyvät väärinkäytöstutkintoihin tai nimettyihin malleihin. 12

Perplexity havainnollistaa toisenlaista eroa. Sen Free-, Pro- ja Max-tilit kuuluvat kuluttajakäyttöä koskevien koulutushallintojen piiriin, joissa keruu on oletuksena käytössä. Julkaistu kieltäytymismahdollisuus koskee myöhemmin kerättävää dataa, ei aiemmin koulutuksessa käytetyn datan takautuvaa poistamista. Henkilökohtaisen tilauksen ostaminen ei tee siitä Enterprise-tiliä. 13

Molemmissa tapauksissa olennainen kysymys on, mitä valittu tila ja tilityyppi muuttavat — ei se, mitä tuotteen nimi näyttää antavan ymmärtää.

Manus ja Muse: yksityiset työtilatkin tarvitsevat selkeät rajat.

Manus sanoo, että yksittäiset tehtävät ovat yksityisiä, ellei niitä jaeta. Sen Team-dokumentaatio selittää myös, että omistajat voivat päästä käsiksi tiimin istuntojen sisältöön. Nämä ovat hyödyllisiä näkyvyyssääntöjä, mutta ne eivät määritä yksilökäytön koulutuskäytäntöä. Manusin täydellistä tietosuojasivua ei saatu haettua tätä arviota varten, joten tämä kysymys jäi varmistamatta sen sijaan, että siihen olisi täydennetty vastaus toisesta paketista. 14, 15

Musen julkaisudokumentaatio tekee poikkeuksellisen selväksi eron toiminnallisten rajoitusten ja teknisen estämisen välillä. Meta sanoo, että julkaisuvaiheen Secure VM rajoittaa henkilöstön pääsyä käytäntöjen avulla, mutta ei estä pääsyä silloin, kun sitä tarvitaan palvelun operointiin, tukemiseen tai suojaamiseen. Confidential VM, jonka tarkoitus on estää operaattorin pääsy kryptografisesti, kuvattiin tulevana ja rajatussa testauksessa olevana. Suunniteltua suojausta ei pidä laskea mukaan ikään kuin se olisi jo kaikkien saatavilla. 16

Muse myös pitää todelliset liitinten tunnistetiedot poissa pääagentiltaan ja asettaa toimintojen hyväksynnät erillisen käyttöoikeusauktoriteetin alle. Tämä havainnollistaa arvokasta periaatetta: agentille ei pitäisi antaa salaisuutta tai käyttöoikeutta vain siksi, että se saattaisi olla kätevää. 16

Siirrä suojaus kohtaan ennen altistumista

Koulutuksesta poissulkeminen säätelee yhtä datan käyttötapaa. Peittäminen muuttaa käsittelyyn saatavilla olevaa dataa. Rajoitettu säilytys vähentää jäljelle jäävien kopioiden määrää. Käyttöoikeushallinta rajoittaa sitä, mitä agentti voi tehdä. Nämä suojaukset täydentävät toisiaan, ja sillä, missä vaiheessa kukin niistä toimii, on merkitystä.

Ajatellaan havainnollistavaa pyyntöä: kirjoita jatkoviesti asiakkaalle tiettyyn sähköpostiosoitteeseen. Malli saattaa tarvita viestin tarkoituksen, sävyn ja asiaankuuluvat sitoumukset. Se ei välttämättä tarvitse asiakkaan oikeaa nimeä tai osoitetta viestin laatimiseen. Kun havaitut tunnistetiedot korvataan paikkamerkeillä ennen päättelyä, mallille välittyvän tiedon määrä vähenee samalla kun tehtävän hyödyllinen rakenne säilyy.

Tämä on eri asia kuin alkuperäisen tekstin lähettäminen ja lupaus tunnistetietojen poistamisesta vasta jotakin myöhempää käyttöä ennen.

Sama periaate ulottuu henkilötunnisteita laajemmalle. Luottamuksellinen tutkimus edellyttää hallintakeinoja itse tutkimussisällölle; yhdistetyt tilit tarvitsevat tarkasti rajatut käyttöoikeudet; säilytetyille tiedoille on määriteltävä säilytysajat ja toimeenpantavat pääsyrajoitukset. Identiteetin peittäminen on yksi osa tätä suunnittelua, ei korvike keksinnön tai asiakirjan sisällön suojaamiselle.

Aiheeseen liittyvää työtä tehdään koko toimialalla. OpenAI julkaisi paikallisesti ajettavan Privacy Filterin huhtikuussa 2026, ja Metan Muse-dokumentaatio kuvaa teknistä eristystä sekä kehitteillä olevaa vahvempaa luottamuksellisen laskennan mallia. Nämä toimet tukevat näkemystä siitä, että yksityisyys on rakennettava järjestelmään sisään. Työkalun julkaisu tai tiekartta ei kuitenkaan yksinään ole näyttö siitä, että jokainen kuluttajakeskustelu saisi jo vastaavan suojan. 16, 19

Standardin tulisi olla se suoja, jonka ihminen saa siinä tuotteessa, jota hän käyttää tänään.

Dvina: tee yksityisyydestä osa normaalia vuorovaikutusta

Dvina:n lähestymistapa tuo tämän varhaisemman suojan osaksi avustajakokemusta. Sen dokumentoidussa suunnittelussa arkaluonteiset henkilötiedot tunnistetaan paikallisesti ihmisten kirjoittaessa tai ladatessa sisältöä, havaitut henkilötiedot salataan, ja ne korvataan paikkamerkeillä ennen mallin käsittelyä. Malli työskentelee näiden paikkamerkkien kanssa alkuperäisten havaittujen tunnisteiden sijaan. 17, 18

Ero on käytännöllinen. Käyttäjän ei pitäisi joutua keskeyttämään jokaista tehtävää poistaakseen nimet ja yhteystiedot käsin tai luottamaan pelkästään lupaukseen siitä, mitä tapahtuu sen jälkeen kun malli on jo vastaanottanut ne. Suojan pitäisi kulkea vuorovaikutuksen mukana.

Dvina sulkee myös käyttäjien keskustelut, tiedostot, kehotteet ja työtiladatan pois mallin koulutuksesta. Yhdistelmä on tärkeä: koulutuksesta pois jättäminen rajoittaa uudelleenkäyttöä, kun taas esikäsittelysuoja rajoittaa sitä, kuinka paljon henkilötietoa ylipäätään altistuu mallille. 17, 18

Muut kerrokset tukevat tätä lähestymistapaa. Dvina kuvaa salattua keskustelujen tallennusta, tallennettujen viestien ja käyttäjäidentiteetin erottamista toisistaan sekä EU:ssa isännöityä dataa GDPR-tasoisen suojan piirissä. Kukin näistä kohdistuu käsittelyprosessin eri osaan sen sijaan, että koko taakka jätettäisiin yhden koulutusasetuksen varaan. 17, 18

Tekninen ero on täsmällinen: havaitut henkilötunnisteet korvataan mallin syötteessä samalla kun ympäröivä tehtävä säilyy käsiteltävissä. Yksityisyydestä tulee osa datavirtaa sen sijaan, että se olisi vain asetus, jonka käyttäjien on muistettava hallita.

Minusta tämä on hyödyllisempi suunta tekoälylle: annetaan ihmisten tuoda työhönsä merkityksellistä kontekstia ja suunnitellaan samalla järjestelmä paljastamaan heidän identiteetistään vähemmän kuin tehtävä edellyttää.

Johtopäätös: yksityisyys ratkaisee, kuinka pitkälle ihmiset päästävät tekoälyn elämäänsä

Tekoälyavustajista tulee hyödyllisempiä sitä mukaa, kun ne ymmärtävät enemmän olosuhteistamme. Se luo vastuun suojata tämän ymmärryksen taustalla olevia tietoja. Ei ole riittävä vastaus pyytää ihmisiltä laajempaa pääsyä ja tarjota vastineeksi vain yksi uusi asetussivu.

Näyttö viittaa useisiin erillisiin riskeihin. Ohjelmistot voivat paljastaa tietoja tilien välillä. Tallennetut keskustelut voivat joutua oikeudellisten vaatimusten kohteeksi. Valtuutettu tarkastelu voi olla mahdollista ilman tietoturvaloukkausta. Kiistat yksityisestä tutkimuksesta voivat heikentää luottamusta, vaikka väitettä ei olisi riippumattomasti vahvistettu.

Nämä riskit vaativat insinöörityötä, eivät vain parempaa muotoilua. Arkaluonteisen datan tunnistamiseen, esikäsittelysuojaan, identiteetin erottamiseen, rajattuun säilytykseen ja toimeenpantaviin käyttöoikeuksiin pitäisi kohdistaa jatkuvaa huomiota tekoälyn turvallisuuden perustavanlaatuisina kyvykkyyksinä. Avustajan hyödyllisyyden ja sen käyttäjän suojan on edettävä yhdessä.

Dvina:ssa autamme viemään tätä muutosta eteenpäin tekemällä mallin käsittelyä edeltävästä suojasta osan tuotteen perustaa. Tavoitteena ei ole pyytää enemmän luottamusta vahvemmilla väitteillä. Tavoitteena on vähentää sitä, kuinka paljon luottamuksen on nojattava pelkkään lupaukseen.

Ihmisten pitäisi voida pyytää apua, kehittää ideaa ja jakaa etenemiseen tarvittava konteksti ilman, että jokaista keskustelua on pidettävä mahdollisena yksityisyyden luovuttamisena. Tämän luottamuksen rakentaminen on yksi tekoälyn tärkeimmistä tulevista tehtävistä.

Lähteet ja rajaus

Lähteet tarkistettu 22 September 2026. Tämä artikkeli perustuu palveluntarjoajien dokumentaatioon ja nimettyyn raportointiin; se ei ole riippumaton tietoturva-auditointi. Vertailun pääasiallinen rajaus koskee yksittäisten käyttäjien tilauksia. Kaupalliset, API- ja mallikohtaiset poikkeukset on yksilöity erikseen. Matematiikkaa käsittelevä osio erottaa raportoidut huolenaiheet OpenAI:n päivitetystä vastauksesta; kumpaakaan ei esitetä riippumattomana havaintona. Manus:n yksittäisten käyttäjien tilauksia koskeva koulutussääntö on edelleen vahvistamatta, koska sen täydellistä tietosuojakäytäntöä ei saatu haettua.