Înainte să partajezi: confidențialitatea AI are nevoie de mai mult decât o promisiune

Introducere: conversația începe să devină viața ta

Deschizi un asistent AI ca să redactezi un răspuns dificil. Lipești mesajul, explici relația și adaugi câteva detalii pe care nu le-ai împărtășit în altă parte. Într-o altă zi, încarci un contract, discuți o idee neterminată sau îți conectezi inboxul pentru ca asistentul să înțeleagă ce are nevoie de atenția ta.

Niciuna dintre aceste acțiuni nu pare o publicare. Ceri ajutor.

Totuși, informația poate trece prin infrastructură, sisteme de stocare, procese de revizuire și obligații legale care sunt în mare parte invizibile din fereastra conversației. Un asistent poate părea personal cu mult înainte ca modul în care îți gestionează datele să corespundă acestei așteptări.

Poziția mea este simplă: confidențialitatea AI nu ar trebui să depindă doar de ceea ce promite o companie că va face după ce primește informațiile tale. Ar trebui să depindă și de ceea ce sistemele sale împiedică să ajungă la model încă de la început. Politicile contează. Dar au nevoie de protecții tehnice în spatele lor.

Am pregătit acest articol cu sprijinul echipei Dvina. El examinează incidente documentate și practici actuale din ChatGPT, Claude, Cursor, Perplexity, Manus, Muse de la Meta și Dvina. Scopul este să explice de ce confidențialitatea trebuie să devină o prioritate centrală de inginerie pe măsură ce AI devine tot mai implicată în viețile noastre — și cum abordează Dvina această responsabilitate.

Ce ne spun incidentele

Îngrijorarea nu este ipotetică. Dar tipuri diferite de dovezi scot la iveală probleme diferite. O expunere confirmată de date, o revizuire umană autorizată și o acuzație privind utilizarea abuzivă în cercetare nu ar trebui prezentate ca și cum ar fi același eveniment.

Expunerea ChatGPT din 2023: un eșec al sistemului în sine.

La 20 martie 2023, un bug software a permis unor utilizatori ChatGPT să vadă titluri din istoricul conversațiilor altui utilizator activ. OpenAI a spus că primul mesaj dintr-o conversație nou creată ar fi putut fi, de asemenea, vizibil în anumite circumstanțe. Investigația sa a identificat o posibilă expunere a informațiilor legate de plată pentru 1.2% dintre abonații Plus activi într-o anumită perioadă de nouă ore. Numerele complete ale cardurilor nu au fost expuse. OpenAI a remediat bugul și a notificat utilizatorii afectați. 1

Lecția nu este că aceeași vulnerabilitate a rămas deschisă. Lecția este că un angajament privind confidențialitatea nu poate, de unul singur, să împiedice un sistem să returneze informații persoanei greșite. Izolarea, verificările de acces și cantitatea de informații identificabile disponibile pentru a fi expuse contează toate.

Litigiul The New York Times: ștergerea s-a lovit de o obligație legală.

În 2025, OpenAI s-a confruntat cu un ordin judecătoresc care impunea păstrarea unor date care altfel ar fi fost șterse. Actualizarea sa din octombrie spunea că obligația extinsă de a păstra pe termen nedefinit datele noi s-a încheiat la 26 September 2025, în timp ce un set istoric limitat a rămas sub legal hold. Cerința inițială de păstrare excludea anumite produse și aranjamente de tip zero-data-retention. 2

O evoluție ulterioară trebuie citită separat: în December 2025, Reuters a relatat că un judecător a cerut OpenAI să producă 20 de milioane de jurnale de chat anonimizate în procesul privind drepturile de autor, respingând obiecțiile companiei și bazându-se pe de-identificare și măsuri de protecție. Acesta a fost un ordin de discovery, nu publicarea pe internet a chat-urilor private ale tuturor. 3

Împreună, aceste evenimente arată de ce o setare de ștergere nu tranșează toate întrebările legate de informațiile păstrate. Odată ce există o copie, obligații aflate în afara controlului utilizatorului pot influența ce se întâmplă cu ea. Reducerea păstrării inutile schimbă această expunere înainte ca un litigiu să înceapă.

Revizuire umană: accesul poate fi permis fără să existe o breșă.

Documentația OpenAI pentru consumatori permite în mod explicit acces limitat pentru personal autorizat și furnizori de servicii, în scopuri specificate, inclusiv investigații de securitate, suport, chestiuni juridice și îmbunătățirea eligibilă a modelului. Ghidul Anthropic pentru consumatori permite personalului desemnat să revizuiască conversațiile pentru aplicarea politicilor de utilizare, cu acces separat asociat feedbackului oferit cu consimțământ. 4, 8

Acestea sunt căi de acces documentate, nu zvonuri. Ele nu demonstrează că angajații citesc fiecare conversație. Demonstrează însă că o interfață de chat care pare privată nu este neapărat o barieră tehnică împotriva accesului furnizorului.

Documentația actuală a Anthropic adaugă un exemplu important din zona business. Covered Models desemnate de companie impun păstrarea timp de 30 de zile în anumite implementări care foloseau anterior zero data retention, cu revizuire umană controlată și excepții. Regula are limite legate de model, platformă și eligibilitate; nu este o schimbare generală pentru fiecare produs Claude. Planurile pentru consumatori sunt descrise ca neafectate, deoarece acele suprafețe păstrează deja inputurile și outputurile. 9

Monitorizarea de siguranță are un scop legitim. Provocarea inginerească este să îndeplinești acest scop minimizând în același timp informațiile sensibile disponibile sistemelor de monitorizare și evaluatorilor umani. O justificare de siguranță nu face ca problema confidențialității să dispară.

Controversa matematică: o acuzație nerezolvată, o problemă reală de încredere

Controversa din September 2026 privind anunțul OpenAI despre Navier–Stokes a ridicat o altă îngrijorare: ce se întâmplă când asistentul care ajută la cercetare privată aparține unei companii care desfășoară propria cercetare?

Disputa a privit lucrări matematice nepublicate și atribuirea meritelor. Relatările au descris cum matematicienii Tristan Buckmaster și Levent Alpöge au folosit instrumente AI în munca lor, iar Buckmaster a pus sub semnul întrebării dacă materialul lor privat a contribuit la rezultatul OpenAI. 10

OpenAI contestă această versiune. Răspunsul său publicat spune că nici cercetătorii săi, nici agenții săi nu au văzut lucrarea celor doi înainte de publicare. Într-o actualizare datată 10 September, compania a mai afirmat că o investigație a exclus orice influență din prompturile Codex ale lui Buckmaster în cele două luni precedente, inclusiv prin training. Acea afirmație limitată în timp este mai specifică decât relatarea anterioară din unele articole. 11

Relatările publice rămân contestate. Sursele analizate aici nu stabilesc în mod independent că OpenAI a folosit acele conversații private pentru a produce rezultatul său.

Cu toate acestea, disputa scoate la iveală o întrebare care merită un răspuns clar: când oamenii aduc lucrări neterminate la AI, ce protejează valoarea informațională a acelor lucrări? Eliminarea numelui unui autor dintr-o demonstrație nu elimină demonstrația. De-identificarea unei strategii comerciale nu transformă strategia în proprietate publică.

De aceea, o confidențialitate puternică are nevoie de protecții atât pentru identitate, cât și pentru conținut. Utilizatorii ar trebui să poată înțelege dacă materialul lor poate intra în fluxuri de lucru de training, cercetare, evaluare sau revizuire — și ce controale tehnice impun aceste limite.

Patru întrebări care nu ar trebui niciodată reduse la una singură

O mare parte din confuzie vine din tratarea noțiunii de „privat” ca pe o singură proprietate. În practică, patru întrebări separate determină ce se întâmplă cu o conversație.

Training: Poate conținutul să ajute la dezvoltarea sau îmbunătățirea unui model? O opțiune de excludere schimbă o utilizare permisă a informației. Nu schimbă neapărat dacă informația a fost transmisă sau stocată.

Acces: Ce sisteme și ce persoane îl pot inspecta? Criptarea în timpul transmiterii și stocării este importantă, dar nu împiedică automat un serviciu autorizat să decripteze conținutul pentru procesare sau revizuire.

Păstrare: Ce rămâne, unde și pentru cât timp? Eliminarea unui chat din interfață, ștergerea înregistrărilor de producție, expirarea backupurilor și excluderea datelor din trainingul viitor sunt operațiuni diferite.

Acțiuni: Ce poate citi, modifica sau trimite un asistent conectat? Odată ce poate lucra prin conturile tale, confidențialitatea depinde și de permisiuni și de controalele asupra datelor trimise în exterior.

O comparație utilă a confidențialității păstrează aceste întrebări separate. Un abonament plătit, un comutator pentru antrenare sau o etichetă de sarcină privată nu pot răspunde la toate cele patru.

Cum se compară serviciile

Tabelul de mai jos se concentrează pe utilizarea individuală, cu excepția cazului în care este indicat un alt domeniu de aplicare. El rezumă documentația analizată, nu rezultatele unui audit de securitate independent.

Serviciu	Poziția privind antrenarea	Limita separată care trebuie înțeleasă
ChatGPT	Conținutul individual poate fi folosit pentru îmbunătățire; controalele exclud conversațiile noi și sarcinile Codex. Temporary Chat este exclus. 4, 5	Accesul autorizat și retenția rămân aspecte separate. Codex are și o setare distinctă pentru antrenarea pe întregul mediu.
Claude	Îmbunătățirea modelului pentru consumatori depinde de alegerea utilizatorului; feedbackul și utilizările legate de siguranță au reguli separate. Incognito este exclus din îmbunătățirea generală. 6	Excepțiile privind revizuirea și retenția se aplică în continuare. Anumite Covered Models comerciale au cerințe suplimentare de retenție. 7–9
Cursor	Privacy Mode exclude datele clienților din antrenarea Cursor și descrie acorduri de neretenție pentru furnizori, sub rezerva excepțiilor declarate. 12	Cererile trec în continuare prin backend-ul Cursor. Contează investigațiile privind abuzul, memorarea în cache și notificările specifice modelului.
Perplexity	Colectarea pentru antrenarea AI în regim consumer este activată implicit, inclusiv pentru Pro și Max; utilizatorii pot renunța pentru viitor. 13	Renunțarea nu oprește prelucrarea pentru operațiunile serviciului sau conformitatea legală. Termenii Enterprise sunt diferiți.
Manus	Documentația pentru Team menționează o opțiune de renunțare la antrenare; această analiză nu a putut verifica regula definitivă privind antrenarea pentru planul individual. 15	Faptul că sarcinile individuale sunt private în mod implicit descrie vizibilitatea partajării, nu o restricție completă asupra utilizării de către furnizor. 14
Meta’s Muse	Documentația de lansare descrie implicit antrenarea pe date de interacțiune sanitizate, cu opțiune de renunțare. 16	Sanitizarea înainte de antrenare nu este același lucru cu mascarea înainte de inferență. Restricțiile operatorilor de la lansare diferă de Confidential VM planificat.
Dvina	Conversațiile, fișierele, prompturile și datele din spațiul de lucru nu sunt folosite pentru a antrena modele AI. 17, 18	Mascarea automată abordează o limită anterioară: identificatorii personali detectați sunt înlocuiți înainte de procesarea de către model.

Detaliile de mai jos explică unde devin importante aceste distincții în utilizarea de zi cu zi.

ChatGPT și Claude: acțiunea pe care o faci schimbă regula.

OpenAI le permite utilizatorilor să dezactiveze antrenarea fără a elimina istoricul obișnuit al conversațiilor. Temporary Chat schimbă și mai mult modul de gestionare a unei conversații, dar documentația sa permite în continuare revizuirea pentru abuz și descrie o perioadă de ștergere de 30 de zile. Utilizatorii Codex ar trebui, de asemenea, să distingă între setarea de conținut valabilă la nivelul întregului cont și setarea sa separată pentru întregul mediu. 4, 5

În cazul Claude, feedbackul merită o atenție deosebită. Anthropic spune că un thumbs-up, thumbs-down sau un raport de eroare poate implica stocarea conversației aferente timp de până la cinci ani și utilizarea ei în scopuri care includ antrenarea modelului. Activarea îmbunătățirii generale a modelului permite, de asemenea, ca materialele eligibile de-identificate să rămână în fluxurile de antrenare timp de până la cinci ani. Acestea nu sunt aceleași reguli ca pentru ștergerea obișnuită a conversațiilor. 6, 7

Prin urmare, o persoană poate lua mai multe decizii privind confidențialitatea în interiorul aceluiași produs fără să-și dea seama că sunt decizii separate. Designul produsului ar trebui să facă aceste diferențe clare în punctul de utilizare.

Cursor și Perplexity: o etichetă de produs nu este o limită de prelucrare.

Privacy Mode din Cursor oferă restricții semnificative privind antrenarea și retenția de către furnizor. Nu transformă editorul într-unul exclusiv local: Cursor spune că cererile circulă în continuare prin backend-ul său, chiar și cu o cheie API furnizată de utilizator. Documentația sa descrie, de asemenea, memorarea temporară în cache a fișierelor criptate și excepțiile asociate investigațiilor privind abuzul sau modelelor desemnate. 12

Perplexity ilustrează o distincție diferită. Conturile sale Free, Pro și Max intră sub incidența controalelor consumer privind antrenarea, cu colectarea activată implicit. Opțiunea publicată de renunțare se aplică datelor colectate ulterior, nu eliminării retroactive a datelor de antrenare anterioare. Cumpărarea unui abonament personal nu îl transformă într-un cont Enterprise. 13

În ambele cazuri, întrebarea relevantă este ce schimbă modul și contul selectate — nu ce pare să sugereze numele produsului.

Manus și Muse: spațiile de lucru private au în continuare nevoie de limite explicite.

Manus spune că sarcinile individuale sunt private dacă nu sunt partajate. Documentația sa pentru Team explică, de asemenea, că proprietarii pot accesa conținutul sesiunilor echipei. Acestea sunt reguli utile de vizibilitate, dar nu stabilesc politica pentru antrenarea individuală. Pagina completă de confidențialitate Manus nu a putut fi recuperată pentru această analiză, astfel că această întrebare rămâne neverificată, în loc să fie completată pe baza altui plan. 14, 15

Documentația de lansare a Muse este neobișnuit de explicită în privința diferenței dintre restricțiile operaționale și prevenirea tehnică. Meta spune că Secure VM de la lansare limitează accesul personalului prin politici, dar nu împiedică accesul atunci când este necesar pentru operarea, suportul sau securizarea serviciului. Un Confidential VM menit să împiedice criptografic accesul operatorilor a fost descris ca fiind în pregătire și aflat în testare limitată. O protecție planificată nu ar trebui considerată ca fiind deja disponibilă pentru toată lumea. 16

Muse păstrează, de asemenea, acreditările reale ale conectorilor departe de agentul său principal și plasează aprobările pentru acțiuni sub o autoritate de permisiune separată. Acest lucru ilustrează un principiu valoros: un agent nu ar trebui să primească un secret sau o permisiune doar pentru că ar putea fi convenabil. 16

Mută protecția în punctul de dinaintea expunerii

Excluderea de la antrenare guvernează o utilizare a datelor. Mascarea schimbă datele disponibile pentru prelucrare. Retenția restricționată reduce copiile care rămân. Controalele de permisiune limitează ce poate face un agent. Aceste protecții sunt complementare, iar etapa în care operează fiecare contează.

Luați în considerare o solicitare ilustrativă: redactați un mesaj de follow-up către un client la o anumită adresă de email. Modelul poate avea nevoie de scop, ton și angajamentele relevante. Este posibil să nu aibă nevoie de numele real sau de adresa clientului pentru a redacta mesajul. Înlocuirea acelor identificatori detectați cu substituenți înainte de inferență reduce ceea ce primește modelul, păstrând în același timp structura utilă a sarcinii.

Acest lucru este diferit de a trimite textul original și de a promite că identificatorii vor fi eliminați înainte de o utilizare ulterioară.

Același principiu se extinde dincolo de identificatorii personali. Cercetarea confidențială are nevoie de controale asupra conținutului cercetării în sine; conturile conectate au nevoie de permisiuni strict limitate; înregistrările păstrate au nevoie de durate de viață definite și de restricții de acces aplicabile. Mascarea identității este o componentă a acestui design, nu un substitut pentru protejarea substanței unei invenții sau a unui document.

Există activitate relevantă în întreaga industrie. OpenAI a lansat un Privacy Filter care poate rula local în aprilie 2026, iar documentația Meta pentru Muse descrie izolarea tehnică și un design mai robust de confidential computing aflat în dezvoltare. Aceste eforturi susțin argumentul pentru integrarea confidențialității în sistem. Totuși, lansarea unui instrument sau o foaie de parcurs nu reprezintă, în sine, dovada că fiecare conversație a consumatorilor beneficiază deja de protecția corespunzătoare. 16, 19

Standardul ar trebui să fie protecția pe care o primește o persoană în produsul pe care îl folosește astăzi.

Dvina: faceți din confidențialitate o parte a interacțiunii normale

Abordarea Dvina aduce această protecție mai timpurie în experiența asistentului. Designul său documentat detectează local informațiile personale sensibile pe măsură ce oamenii tastează sau încarcă conținut, criptează datele personale detectate și înlocuiește cu substituenți înainte de procesarea de către model. Modelul lucrează cu acei substituenți, nu cu identificatorii originali detectați. 17, 18

Diferența este practică. Un utilizator nu ar trebui să fie nevoit să întrerupă fiecare sarcină pentru a elimina manual nume și date de contact sau să se bazeze doar pe o promisiune despre ce se va întâmpla după ce modelul le primește. Protecția ar trebui să însoțească interacțiunea.

Dvina exclude, de asemenea, conversațiile utilizatorilor, fișierele, prompturile și datele din spațiul de lucru din antrenarea modelului. Combinația contează: un angajament de neantrenare limitează reutilizarea, în timp ce protecția prin preprocesare limitează informațiile personale expuse modelului încă de la început. 17, 18

Alte straturi susțin această abordare. Dvina descrie stocarea criptată a conversațiilor, separarea dintre mesajele stocate și identitatea utilizatorului, precum și date găzduite în UE cu protecții la nivel GDPR. Fiecare abordează o parte diferită a procesului de gestionare, în loc să ceară unei singure preferințe de antrenare să poarte întreaga povară. 17, 18

Distincția tehnică este precisă: identificatorii personali detectați sunt înlocuiți în inputul modelului, în timp ce sarcina din jur rămâne disponibilă pentru procesare. Confidențialitatea devine parte a fluxului de date, în loc să fie doar o preferință pe care utilizatorii trebuie să-și amintească să o gestioneze.

Pentru mine, aceasta este direcția mai utilă pentru AI: să le permită oamenilor să aducă un context semnificativ în munca lor, proiectând în același timp sistemul astfel încât să dezvăluie mai puțin din identitatea lor decât cere sarcina.

Concluzie: confidențialitatea va determina cât de departe vor lăsa oamenii AI să intre în viața lor

Asistenții AI devin mai utili pe măsură ce înțeleg mai mult din circumstanțele noastre. Acest lucru creează responsabilitatea de a proteja informațiile din spatele acelei înțelegeri. Să le ceri oamenilor un acces mai mare, oferindu-le în schimb doar încă o pagină de setări, nu este un răspuns suficient.

Dovezile indică mai multe riscuri distincte. Software-ul poate expune date între conturi. Conversațiile stocate pot deveni obiectul unor cereri legale. Revizuirea autorizată poate exista fără o breșă de securitate. Litigiile privind cercetarea privată pot submina încrederea chiar și atunci când acuzația nu a fost stabilită independent.

Aceste riscuri necesită muncă de inginerie, nu doar o formulare mai bună. Detectarea datelor sensibile, protecția prin preprocesare, separarea identității, retenția limitată și permisiunile aplicabile ar trebui să primească o atenție susținută ca capabilități fundamentale de siguranță pentru AI. Utilitatea unui asistent și protecția utilizatorului său trebuie să avanseze împreună.

Cu Dvina, contribuim la conducerea acestei schimbări, făcând din protecția înainte de procesarea de către model o parte a fundației produsului. Ambiția nu este să cerem mai multă încredere prin afirmații mai puternice. Este să reducem cât de multă încredere trebuie să se bazeze doar pe o promisiune.

Oamenii ar trebui să poată cere ajutor, să dezvolte o idee și să împărtășească contextul necesar pentru a merge mai departe fără să trateze fiecare conversație ca pe o posibilă renunțare la confidențialitatea lor. Construirea acestei încrederi este una dintre cele mai importante sarcini care urmează pentru AI.

Surse și domeniu de aplicare

Surse revizuite la 22 September 2026. Acest articol se bazează pe documentația furnizorilor și pe relatări atribuite; nu este un audit de securitate independent. Planurile individuale reprezintă principalul domeniu de comparație. Excepțiile comerciale, API și specifice modelului sunt identificate separat. Secțiunea de matematică distinge între preocupările raportate și răspunsul actualizat al OpenAI; niciuna nu este prezentată ca o constatare independentă. Regula Manus privind antrenarea pentru planul individual rămâne neverificată deoarece politica sa completă de confidențialitate nu a putut fi recuperată.