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

Uvod: razgovor postaje vaš život

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

Ništa od toga ne djeluje kao objavljivanje. Tražite pomoć.

Ipak, te informacije mogu prolaziti kroz infrastrukturu, sustave pohrane, procese pregleda i pravne obveze koje su iz prozora razgovora uglavnom nevidljive. Asistent može djelovati osobno mnogo prije nego što način na koji postupa s vašim podacima odgovara tom očekivanju.

Moj je stav jednostavan: privatnost u AI-ju ne bi smjela ovisiti samo o tome što tvrtka obećava učiniti nakon što primi vaše informacije. Trebala bi ovisiti i o tome što njezini sustavi sprječavaju da uopće dođe do modela. Pravila su važna. Iza njih moraju stajati tehničke zaštite.

Ovaj sam članak pripremio uz podršku tima Dvina. U njemu se razmatraju dokumentirani incidenti i trenutačne prakse u ChatGPT-u, Claudeu, Cursoru, Perplexityju, Manusu, Meta’s Muse i Dvina. Cilj je objasniti zašto privatnost mora postati središnji inženjerski prioritet kako AI sve više ulazi u naše živote—i kako Dvina pristupa toj odgovornosti.

Što nam incidenti govore

Zabrinutost nije hipotetska. No različite vrste dokaza otkrivaju različite probleme. Potvrđeno izlaganje podataka, odobreni ljudski pregled i optužba o zlouporabi u istraživanju ne bi se smjeli prikazivati kao da je riječ o istom događaju.

Izlaganje podataka u ChatGPT-u 2023.: propust u samom sustavu.

Dana 20. ožujka 2023. softverska je pogreška nekim korisnicima ChatGPT-a omogućila da vide naslove iz povijesti razgovora drugog aktivnog korisnika. OpenAI je rekao da je u određenim okolnostima možda bila vidljiva i prva poruka novostvorenog razgovora. Njihova je istraga utvrdila moguću izloženost informacija povezanih s plaćanjem za 1.2% Plus pretplatnika koji su bili aktivni tijekom određenog devetosatnog razdoblja. Puni brojevi kartica nisu bili izloženi. OpenAI je ispravio pogrešku i obavijestio pogođene korisnike. 1

Pouka nije u tome da je ista ranjivost i dalje otvorena. Pouka je da obveza prema privatnosti sama po sebi ne može spriječiti sustav da vrati informacije pogrešnoj osobi. Izolacija, provjere pristupa i količina identifikacijskih informacija dostupnih za izlaganje—sve je to važno.

Parnica The New York Timesa: brisanje je naišlo na pravnu obvezu.

Godine 2025. OpenAI se suočio sa sudskim nalogom koji je zahtijevao očuvanje podataka koji bi inače bili izbrisani. U ažuriranju iz listopada navedeno je da je široka obveza neograničenog čuvanja novih podataka završila 26. rujna 2025., dok je ograničeni povijesni skup ostao pod pravnim zadržavanjem. Izvorni zahtjev za očuvanje isključivao je određene proizvode i aranžmane bez zadržavanja podataka. 2

Kasniji razvoj događaja treba čitati odvojeno: u prosincu 2025. Reuters je izvijestio da je sudac naložio OpenAI-ju da u predmetu o autorskim pravima preda 20 milijuna anonimiziranih zapisnika razgovora, odbacivši njegove prigovore i oslonivši se na deidentifikaciju i zaštitne mjere. To je bio nalog za izvođenje dokaza, a ne objava svačijih privatnih razgovora na internetu. 3

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

Ljudski pregled: pristup može biti dopušten i bez povrede.

Potrošačka dokumentacija OpenAI-ja izričito dopušta ograničen pristup ovlaštenom osoblju i pružateljima usluga u određene svrhe, uključujući sigurnosne istrage, podršku, pravna pitanja i prihvatljivo poboljšanje modela. Anthropicove smjernice za potrošače dopuštaju određenom osoblju pregled razgovora radi provedbe pravila korištenja, uz zaseban pristup povezan s povratnim informacijama danima uz privolu. 4, 8

To su dokumentirani putevi pristupa, a ne glasine. Oni ne dokazuju da zaposlenici čitaju svaki razgovor. Ali pokazuju da sučelje za razgovor koje izgleda privatno nije nužno tehnička prepreka pristupu pružatelja usluge.

Anthropicova trenutačna dokumentacija dodaje važan primjer s poslovne strane. Njegovi određeni Covered Models zahtijevaju 30-dnevno zadržavanje u određenim implementacijama koje su prethodno koristile nulto zadržavanje podataka, uz kontrolirani ljudski pregled i iznimke. Pravilo ima granice prema 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 je izazov ispuniti tu svrhu uz istodobno svođenje na minimum osjetljivih informacija dostupnih sustavima za nadzor i osobama koje pregledavaju sadržaj. Sigurnosno opravdanje ne čini pitanje privatnosti nevažnim.

Kontroverza oko matematike: neriješena optužba, stvaran problem povjerenja

Kontroverza iz rujna 2026. oko OpenAI-jeve objave o Navier–Stokesu otvorila je drukčiju zabrinutost: što se događa kada asistent koji pomaže u privatnom istraživanju pripada tvrtki koja i sama provodi istraživanja?

Spor se odnosio na neobjavljen matematički rad i zasluge za njega. Izvještaji su opisivali kako su matematičari Tristan Buckmaster i Levent Alpöge u svom radu koristili AI alate, a Buckmaster je doveo u pitanje je li njihov privatni materijal pridonio OpenAI-jevu rezultatu. 10

OpenAI osporava taj prikaz. U svom objavljenom odgovoru navodi da ni njegovi istraživači ni njegovi agenti nisu vidjeli rad tog dvojca prije objave. U ažuriranju od 10. rujna dodatno je naveo da je istraga isključila bilo kakav utjecaj Buckmasterovih Codex upita tijekom 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 osporeni. Ovdje pregledani izvori ne utvrđuju neovisno da je OpenAI upotrijebio te privatne razgovore kako bi proizveo svoj rezultat.

Spor ipak razotkriva pitanje na koje vrijedi jasno odgovoriti: kada ljudi donesu nedovršeni rad u AI, što štiti informacijsku vrijednost tog rada? Uklanjanje imena autora iz dokaza ne uklanja sam dokaz. Deidentifikacija komercijalne strategije ne pretvara tu strategiju u javno dobro.

Zato snažna privatnost treba zaštitu i identiteta i sadržaja. Korisnici bi trebali moći razumjeti može li njihov materijal ući u tijekove 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 proizlazi iz tretiranja pojma “privatno” kao jedinstvenog svojstva. U praksi, četiri odvojena pitanja određuju što se događa s razgovorom.

Treniranje: Može li sadržaj pomoći u razvoju ili poboljšanju modela? Isključivanje mijenja jednu dopuštenu upotrebu informacija. Ne mijenja nužno to jesu li informacije prenesene ili pohranjene.

Pristup: Koji ga sustavi i ljudi mogu pregledati? Enkripcija tijekom prijenosa i pohrane važna je, ali ne sprječava automatski ovlaštenu uslugu da dekriptira sadržaj radi obrade ili pregleda.

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

Radnje: Što povezani asistent može pročitati, promijeniti ili poslati? Kad jednom može raditi kroz vaše račune, privatnost ovisi i o dopuštenjima i kontrolama nad odlaznim podacima.

Korisna usporedba privatnosti ta pitanja drži odvojenima. Plaćena pretplata, prekidač za treniranje ili oznaka privatnog zadatka ne mogu odgovoriti na sva četiri.

Kako se usluge uspoređuju

Tablica u nastavku usredotočena je na individualnu upotrebu, osim ako nije naveden drukčiji opseg. Sažima pregledanu dokumentaciju, a ne rezultate neovisne sigurnosne revizije.

Usluga	Stajalište o treniranju	Zasebna granica koju treba razumjeti
ChatGPT	Pojedinačni sadržaj može se koristiti za poboljšanje; kontrole isključuju nove razgovore i Codex zadatke. Temporary Chat je isključen. 4, 5	Ovlašteni pristup i zadržavanje podataka ostaju zasebna pitanja. Codex također ima zasebnu postavku treniranja za cijelo okruženje.
Claude	Poboljšavanje potrošačkog modela ovisi o izboru korisnika; povratne informacije i upotrebe povezane sa sigurnošću imaju zasebna pravila. Incognito je isključen iz općeg poboljšavanja. 6	Iznimke za pregled i zadržavanje i dalje se primjenjuju. Određeni komercijalni Covered Models imaju dodatne zahtjeve za zadržavanje. 7–9
Cursor	Privacy Mode isključuje korisničke podatke iz Cursor treniranja i opisuje dogovore o nezadržavanju podataka kod pružatelja, uz navedene iznimke. 12	Zahtjevi i dalje prolaze kroz Cursorov backend. Važne su istrage zloupotrebe, predmemoriranje i obavijesti specifične za modele.
Perplexity	Prikupljanje za treniranje potrošačkog AI-ja uključeno je prema zadanim postavkama, uključujući na Pro i Max; korisnici se mogu unaprijed isključiti. 13	Isključivanje ne zaustavlja obradu za rad usluge ili usklađenost sa zakonom. Enterprise uvjeti razlikuju se.
Manus	Dokumentacija za Team navodi mogućnost isključivanja iz treniranja; ovaj pregled nije mogao potvrditi konačno pravilo o treniranju za individualne planove. 15	To što su individualni zadaci prema zadanim postavkama privatni opisuje vidljivost dijeljenja, a ne potpuno ograničenje upotrebe od strane pružatelja. 14
Meta’s Muse	Dokumentacija pri lansiranju opisuje treniranje na sanitiziranim podacima o interakciji prema zadanim postavkama, uz mogućnost isključivanja. 16	Sanitizacija prije treniranja nije isto što i maskiranje prije inferencije. Ograničenja za operatere pri lansiranju razlikuju se od planiranog Confidential VM-a.
Dvina	Razgovori, datoteke, promptovi i podaci radnog prostora ne koriste se za treniranje AI modela. 17, 18	Automatsko maskiranje rješava raniju granicu: otkriveni osobni identifikatori zamjenjuju se prije obrade modelom.

Pojedinosti u nastavku objašnjavaju gdje te razlike postaju važne u svakodnevnoj upotrebi.

ChatGPT i Claude: radnja koju poduzmete mijenja pravilo.

OpenAI korisnicima omogućuje isključivanje treniranja bez uklanjanja uobičajene povijesti razgovora. Temporary Chat dodatno mijenja način postupanja s razgovorom, ali njegova dokumentacija i dalje dopušta pregled zbog zloupotrebe i opisuje rok brisanja od 30 dana. Korisnici Codexa također trebaju razlikovati postavku sadržaja na razini računa od njegove zasebne postavke za cijelo okruženje. 4, 5

Kod Claudea povratne informacije zaslužuju posebnu pozornost. Anthropic navodi da palac gore, palac dolje ili prijava greške mogu uključivati pohranu povezanog razgovora do pet godina i njegovu upotrebu u svrhe koje uključuju treniranje modela. Uključivanje općeg poboljšavanja modela također omogućuje da prihvatljiv deidentificirani materijal ostane u cjevovodima za treniranje do pet godina. To nisu ista pravila kao za uobičajeno brisanje razgovora. 6, 7

Osoba stoga može donijeti nekoliko odluka o privatnosti unutar jednog proizvoda, a da ne shvati da je riječ o odvojenim odlukama. Dizajn proizvoda trebao bi te razlike jasno prikazati na mjestu upotrebe.

Cursor i Perplexity: oznaka proizvoda nije granica obrade.

Cursorov Privacy Mode uvodi značajna ograničenja za treniranje i zadržavanje podataka kod pružatelja. Ne čini editor samo lokalnim: Cursor navodi da zahtjevi i dalje putuju kroz njegov backend, čak i uz API ključ koji je dostavio korisnik. Njegova dokumentacija također opisuje privremeno šifrirano predmemoriranje datoteka i iznimke povezane s istragama zloupotrebe ili određenim modelima. 12

Perplexity pokazuje drukčiju razliku. Njegovi računi Free, Pro i Max potpadaju pod potrošačke kontrole treniranja, pri čemu je prikupljanje uključeno prema zadanim postavkama. Objavljena mogućnost isključivanja odnosi se na podatke prikupljene nakon toga, a ne na retroaktivno uklanjanje ranijih podataka za treniranje. Kupnja osobne pretplate ne čini račun Enterprise računom. 13

U oba slučaja relevantno je pitanje što odabrani način rada i račun mijenjaju — a ne što se čini da naziv proizvoda implicira.

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

Manus navodi da su individualni zadaci privatni osim ako se ne podijele. Njegova dokumentacija za Team također objašnjava da vlasnici mogu pristupiti sadržaju timskih sesija. To su korisna pravila vidljivosti, ali ne utvrđuju politiku treniranja za individualne korisnike. Potpunu stranicu o privatnosti za Manus nije bilo moguće dohvatiti za ovaj pregled, pa to pitanje ostaje neprovjereno umjesto da se popuni iz drugog plana. 14, 15

Dokumentacija za lansiranje Musea neobično je izričita o razlici između operativnih ograničenja i tehničkog sprječavanja. Meta navodi da Secure VM pri lansiranju ograničava pristup osoblja pravilima, ali ne sprječava pristup kada je potreban za rad, podršku ili sigurnost usluge. Confidential VM, koji bi trebao kriptografski spriječiti pristup operatera, opisan je kao nadolazeći i u ograničenom testiranju. Planirana zaštita ne bi se trebala računati kao nešto što je već dostupno svima. 16

Muse također drži stvarne vjerodajnice konektora podalje od svojeg glavnog agenta i odobrenja radnji stavlja pod zasebno tijelo za dopuštenja. To ilustrira vrijedno načelo: agent ne bi trebao dobiti tajnu ili dopuštenje samo zato što bi to moglo biti praktično. 16

Premjestite zaštitu na točku prije izlaganja

Isključenje iz treniranja uređuje jednu upotrebu podataka. Maskiranje mijenja podatke dostupne za obradu. Ograničeno zadržavanje smanjuje broj kopija koje ostaju. Kontrole dopuštenja ograničavaju što agent može učiniti. Te su zaštite komplementarne, a važna je i faza u kojoj svaka od njih djeluje.

Uzmimo ilustrativan zahtjev: napisati naknadnu poruku klijentu na određenu adresu e-pošte. Modelu mogu biti potrebni svrha, ton i relevantne obveze. Za sastavljanje poruke možda mu neće trebati stvarno ime ni adresa klijenta. Zamjena tih prepoznatih identifikatora rezerviranim oznakama prije inferencije smanjuje količinu podataka koje model prima, a pritom čuva korisnu strukturu zadatka.

To se razlikuje od slanja izvornog teksta uz obećanje da će se identifikatori ukloniti prije neke kasnije upotrebe.

Isto načelo vrijedi i izvan osobnih identifikatora. Povjerljivo istraživanje zahtijeva kontrole nad samim istraživačkim sadržajem; povezani računi trebaju usko ograničene dozvole; pohranjeni zapisi trebaju definirane rokove čuvanja i provediva ograničenja pristupa. Maskiranje identiteta jedna je sastavnica takvog dizajna, a ne zamjena za zaštitu same biti izuma ili dokumenta.

Relevantan rad postoji diljem industrije. OpenAI je u travnju 2026. objavio Privacy Filter koji se može pokretati lokalno, a dokumentacija za Meta’s Muse opisuje tehničku izolaciju i snažniji dizajn povjerljivog računalstva koji je u razvoju. Ti napori podupiru argument da privatnost treba ugraditi u sustav. No objava alata ili plana razvoja sama po sebi nije dokaz da svaki razgovor potrošača već prima odgovarajuću zaštitu. 16, 19

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

Dvina: učiniti privatnost dijelom uobičajene interakcije

Pristup Dvina unosi tu raniju zaštitu u iskustvo rada s asistentom. Prema dokumentiranom dizajnu, lokalno prepoznaje osjetljive osobne podatke dok ljudi tipkaju ili učitavaju sadržaj, šifrira otkrivene osobne podatke i zamjenjuje ih rezerviranim oznakama prije obrade modelom. Model radi s tim rezerviranim oznakama umjesto s izvornim prepoznatim identifikatorima. 17, 18

Razlika je praktična. Korisnik ne bi trebao morati prekidati svaki zadatak kako bi ručno uklonio imena i kontaktne podatke, niti se oslanjati samo na obećanje o tome što će se dogoditi 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 je kombinacija važna: obveza da se podaci ne koriste za treniranje ograničava ponovnu upotrebu, dok zaštita prije obrade ograničava osobne podatke koji se modelu uopće izlažu. 17, 18

Taj pristup podupiru i drugi slojevi. Dvina opisuje šifriranu pohranu razgovora, odvajanje između pohranjenih poruka i identiteta korisnika te podatke smještene u EU-u uz zaštite na razini GDPR-a. Svaki od tih elemenata bavi se drugim dijelom procesa obrade, umjesto da se od jedne postavke treniranja očekuje da nosi cijeli teret. 17, 18

Tehnička je razlika precizna: prepoznati osobni identifikatori zamjenjuju se u ulazu modela, dok okolni zadatak ostaje dostupan za obradu. Privatnost tako postaje dio toka podataka, a ne samo postavka koju korisnici moraju pamtiti i sami njome upravljati.

Za mene je to korisniji smjer za AI: omogućiti ljudima da u svoj rad unesu smislen kontekst, a pritom sustav osmisliti tako da otkriva manje njihova identiteta nego što zadatak zahtijeva.

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

AI asistenti postaju korisniji što bolje razumiju naše okolnosti. To stvara odgovornost da se zaštite informacije na kojima se to razumijevanje temelji. Tražiti od ljudi veći pristup, a zauzvrat ponuditi samo još jednu stranicu s postavkama, nije dovoljan odgovor.

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

Ti rizici zahtijevaju inženjerski rad, a ne samo bolje sročene formulacije. Prepoznavanje osjetljivih podataka, zaštita prije obrade, odvajanje identiteta, ograničeno zadržavanje i provedive dozvole trebali bi dobivati trajnu pozornost kao temeljne sposobnosti sigurnosti AI-ja. Korisnost asistenta i zaštita njegova korisnika moraju napredovati zajedno.

S Dvina pomažemo predvoditi taj pomak tako što zaštitu prije obrade modelom činimo dijelom temelja proizvoda. Ambicija nije tražiti više povjerenja kroz snažnije tvrdnje. Cilj je smanjiti koliko se povjerenja uopće mora oslanjati samo na obećanje.

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

Izvori i opseg

Izvori pregledani 22 September 2026. Ovaj se članak oslanja na dokumentaciju pružatelja usluga i atribuirano izvještavanje; ne predstavlja neovisnu sigurnosnu reviziju. Glavni opseg usporedbe odnosi se na individualne planove. Komercijalne, API i iznimke specifične za modele navedene su zasebno. Odjeljak o matematici razlikuje prijavljene zabrinutosti od ažuriranog odgovora OpenAI-ja; nijedno se ne predstavlja kao neovisan nalaz. Pravilo treniranja za individualni plan Manus ostaje neprovjereno jer nije bilo moguće dohvatiti njegovu punu politiku privatnosti.