Pre nego što podelite: privatnosti AI-ja treba više od obećanja

Uvod: razgovor postaje vaš život

Otvarate AI asistenta da napišete težak odgovor. Nalepite poruku, objasnite odnos i dodate nekoliko detalja koje niste podelili nigde drugde. Drugog dana otpremite ugovor, razgovarate o nedovršenoj ideji ili povežete svoje sanduče kako bi asistent razumeo šta zahteva vašu pažnju.

Ništa od ovoga ne deluje kao objavljivanje. Tražite pomoć.

Ipak, te informacije mogu proći kroz infrastrukturu, sisteme za skladištenje, procese pregleda i pravne obaveze koji su iz prozora za razgovor uglavnom nevidljivi. Asistent može delovati lično mnogo pre nego što način na koji postupa s vašim podacima ispuni to očekivanje.

Moj stav je jednostavan: privatnost AI-ja ne bi smela da zavisi samo od onoga što kompanija obeća da će uraditi nakon što primi vaše informacije. Trebalo bi da zavisi i od toga šta njeni sistemi sprečavaju da uopšte stigne do modela. Politike su važne. Ali iza njih moraju da stoje tehničke zaštite.

Ovaj članak pripremio sam uz podršku tima Dvina. On razmatra dokumentovane incidente i aktuelne prakse u okviru ChatGPT, Claude, Cursor, Perplexity, Manus, Meta’s Muse i Dvina. Cilj je da objasni 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 ukazuju na različite probleme. Potvrđeno izlaganje podataka, odobren ljudski pregled i tvrdnja o zloupotrebi u istraživanju ne bi trebalo predstavljati kao da su isti događaj.

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

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

Pouka nije u tome da je ista ranjivost i dalje otvorena. Pouka je da obaveza prema privatnosti sama po sebi ne može sprečiti sistem da vrati informacije pogrešnoj osobi. Izolacija, provere pristupa i količina identifikacionih podataka dostupnih za izlaganje — sve je to važno.

Spor sa The New York Times: brisanje je ustupilo mesto pravnoj obavezi.

Godine 2025, OpenAI se suočio sa sudskim nalogom koji je zahtevao čuvanje podataka koji bi inače bili obrisani. U ažuriranju iz oktobra navedeno je da je široka obaveza neograničenog čuvanja novih podataka prestala 26. septembra 2025, dok je ograničeni istorijski skup ostao pod pravnim zadržavanjem. Prvobitni zahtev za čuvanje isključivao je određene proizvode i aranžmane sa nultim zadržavanjem podataka. 2

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

Zajedno, ovi događaji pokazuju zašto podešavanje brisanja ne rešava svako pitanje o zadržanim informacijama. Kada jednom kopija postoji, obaveze van kontrole korisnika mogu uticati na to šta će se s njom dogoditi. Smanjenje nepotrebnog zadržavanja menja tu izloženost pre nego što spor uopšte počne.

Ljudski pregled: pristup može biti dozvoljen i bez povrede bezbednosti.

Potrošačka dokumentacija OpenAI-ja izričito dozvoljava ograničen pristup ovlašćenog osoblja i pružalaca usluga u određene svrhe, uključujući bezbednosne istrage, podršku, pravna pitanja i podobno unapređenje modela. Potrošačke smernice kompanije Anthropic dozvoljavaju određenom osoblju da pregleda razgovore radi sprovođenja pravila korišćenja, uz zaseban pristup povezan sa povratnim informacijama datim uz pristanak. 4, 8

To su dokumentovani putevi pristupa, a ne glasine. Oni ne potvrđuju da zaposleni čitaju svaki razgovor. Ali potvrđuju da interfejs za ćaskanje koji deluje privatno nije nužno tehnička prepreka pristupu od strane pružaoca usluge.

Aktuelna dokumentacija kompanije Anthropic dodaje važan primer sa poslovne strane. Njeni označeni Covered Models zahtevaju zadržavanje od 30 dana u određenim implementacijama koje su ranije koristile nulto zadržavanje podataka, uz kontrolisani ljudski pregled i izuzetke. To pravilo ima granice u pogledu modela, platforme i podobnosti; nije reč o opštoj promeni za svaki Claude proizvod. Za potrošačke planove se navodi da nisu pogođeni, jer te površine već zadržavaju ulaze i izlaze. 9

Praćenje bezbednosti ima legitimnu svrhu. Inženjerski izazov je da se ta svrha ispuni uz istovremeno minimizovanje osetljivih informacija dostupnih sistemima za nadzor i ljudima koji ih pregledaju. Bezbednosno opravdanje ne čini pitanje privatnosti nevažnim.

Kontroverza u matematici: nerešena optužba, stvaran problem poverenja

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 sprovodi istraživanja?

Spor se ticao neobjavljenog matematičkog rada i zasluga. Izveštaji opisuju kako su matematičari Tristan Buckmaster i Levent Alpöge koristili AI alate u svom radu, kao i to da je Buckmaster doveo u pitanje da li je njihov privatni materijal doprineo rezultatu OpenAI-ja. 10

OpenAI osporava taj prikaz. U svom objavljenom odgovoru navodi da ni njegovi istraživači ni njegovi zastupnici nisu videli rad tog para pre objavljivanja. U ažuriranju od 10. septembra dodatno je naveo da je istraga isključila bilo kakav uticaj Buckmasterovih Codex upita tokom prethodna dva meseca, uključujući i kroz obuku. Ta vremenski ograničena tvrdnja konkretnija je od ranijeg prikaza u pojedinim izveštajima. 11

Javni prikazi i dalje su sporni. Izvori razmotreni ovde ne potvrđuju nezavisno da je OpenAI koristio te privatne razgovore da bi došao do svog rezultata.

Spor ipak otvara pitanje na koje vredi jasno odgovoriti: kada ljudi unose nedovršen rad u AI, šta štiti informacionu vrednost tog rada? Uklanjanje imena autora iz dokaza ne uklanja sam dokaz. Deidentifikacija komercijalne strategije ne pretvara tu strategiju u javno dobro.

Zato snažna privatnost zahteva zaštitu i identiteta i sadržaja. Korisnici bi trebalo da mogu da razumeju da li njihov materijal može ući u tokove rada za obuku, istraživanje, evaluaciju ili pregled — i koje tehničke kontrole sprovode te granice.

Četiri pitanja koja nikada ne bi trebalo svoditi na jedno

Velik deo zabune dolazi iz tretiranja „privatnog“ kao jedinstvenog svojstva. U praksi, četiri odvojena pitanja određuju šta se dešava sa razgovorom.

Obuka: Može li sadržaj pomoći u razvoju ili unapređenju modela? Isključivanje menja jednu dozvoljenu upotrebu informacija. To ne mora nužno promeniti da li su informacije prenete ili sačuvane.

Pristup: Koji sistemi i ljudi mogu da ga pregledaju? Šifrovanje tokom prenosa i skladištenja je važno, ali ono ne sprečava automatski ovlašćenu uslugu da dešifruje sadržaj radi obrade ili pregleda.

Zadržavanje: Šta ostaje, gde i koliko dugo? Uklanjanje razgovora iz interfejsa, brisanje produkcionih zapisa, isticanje rezervnih kopija i isključivanje podataka iz buduće obuke različite su operacije.

Radnje: Šta povezani asistent može da pročita, izmeni ili pošalje? Kada jednom može da radi kroz vaše naloge, privatnost zavisi i od dozvola i kontrola nad odlaznim podacima.

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

Kako se servisi porede

Tabela ispod je usmerena na individualnu upotrebu, osim ako nije naveden drugačiji opseg. Ona sažima pregledanu dokumentaciju, a ne rezultate nezavisne bezbednosne revizije.

Servis	Stav o obuci	Zasebna granica koju treba razumeti
ChatGPT	Individualni sadržaj može da se koristi za unapređenje; kontrole isključuju nove razgovore i Codex zadatke. Temporary Chat je isključen. 4, 5	Ovlašćeni pristup i zadržavanje podataka ostaju odvojena pitanja. Codex takođe ima zasebno podešavanje obuke za celo okruženje.
Claude	Unapređenje potrošačkog modela zavisi od izbora korisnika; povratne informacije i upotrebe povezane sa bezbednošću imaju zasebna pravila. Incognito je isključen iz opšteg unapređenja. 6	Izuzeci za pregled i zadržavanje i dalje važe. Određeni komercijalni Covered Models imaju dodatne zahteve za zadržavanje. 7–9
Cursor	Privacy Mode isključuje korisničke podatke iz Cursor obuke i opisuje aranžmane bez zadržavanja kod provajdera, uz navedene izuzetke. 12	Zahtevi i dalje prolaze kroz Cursor backend. Važne su istrage zloupotrebe, keširanje i obaveštenja specifična za modele.
Perplexity	Prikupljanje za obuku potrošačkog AI-ja uključeno je podrazumevano, uključujući Pro i Max; korisnici mogu unapred da se isključe. 13	Isključivanje ne zaustavlja obradu za rad servisa ili usklađenost sa zakonom. Uslovi za Enterprise se razlikuju.
Manus	Dokumentacija za Team navodi isključivanje iz obuke; ovaj pregled nije mogao da potvrdi konačno pravilo obuke za individualni plan. 15	To što su individualni zadaci podrazumevano privatni opisuje vidljivost deljenja, a ne potpuno ograničenje upotrebe od strane provajdera. 14
Meta’s Muse	Dokumentacija pri lansiranju opisuje obuku na sanitizovanim podacima o interakciji podrazumevano, uz mogućnost isključivanja. 16	Sanitizacija pre obuke nije isto što i maskiranje pre inferencije. Ograničenja operatora pri lansiranju razlikuju se od planiranog Confidential VM.
Dvina	Razgovori, fajlovi, promptovi i podaci radnog prostora ne koriste se za obuku AI modela. 17, 18	Automatsko maskiranje rešava raniju granicu: otkriveni lični identifikatori zamenjuju se pre obrade od strane modela.

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

ChatGPT i Claude: radnja koju preduzmete menja pravilo.

OpenAI omogućava korisnicima da isključe obuku bez uklanjanja uobičajene istorije ćaskanja. Temporary Chat dodatno menja način postupanja sa razgovorom, ali njegova dokumentacija i dalje dozvoljava pregled zbog zloupotrebe i opisuje period brisanja od 30 dana. Korisnici Codex-a takođe treba da razlikuju podešavanje sadržaja na nivou naloga od njegovog zasebnog podešavanja za celo okruženje. 4, 5

Kod Claude-a, povratne informacije zaslužuju posebnu pažnju. Anthropic kaže da palac nagore, palac nadole ili prijava greške mogu da podrazumevaju čuvanje povezanog razgovora do pet godina i njegovo korišćenje u svrhe koje uključuju obuku modela. Uključivanje opšteg unapređenja modela takođe omogućava da podoban deidentifikovan materijal ostane u tokovima obuke do pet godina. To nisu ista pravila kao za uobičajeno brisanje razgovora. 6, 7

Osoba zato može da donese nekoliko odluka o privatnosti unutar jednog proizvoda, a da ne shvati da su to odvojene odluke. Dizajn proizvoda treba da te razlike učini jasnim na mestu upotrebe.

Cursor i Perplexity: oznaka proizvoda nije granica obrade.

Cursor-ov Privacy Mode uvodi značajna ograničenja za obuku i zadržavanje kod provajdera. On ne čini editor isključivo lokalnim: Cursor kaže da zahtevi i dalje putuju kroz njegov backend, čak i uz API ključ koji obezbeđuje korisnik. Njegova dokumentacija takođe opisuje privremeno šifrovano keširanje fajlova i izuzetke povezane sa 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 podrazumevano. 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 izabrani režim i nalog menjaju — a ne šta naziv proizvoda naizgled sugeriše.

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

Manus kaže da su individualni zadaci privatni osim ako se ne podele. Njegova Team dokumentacija takođe objašnjava da vlasnici mogu da pristupe sadržaju timskih sesija. To su korisna pravila vidljivosti, ali ona ne uspostavljaju politiku individualne obuke. Potpuna Manus stranica o privatnosti nije mogla da bude preuzeta za ovaj pregled, pa to pitanje ostaje nepotvrđeno umesto da se popuni na osnovu drugog plana. 14, 15

Dokumentacija za lansiranje Muse-a neobično je eksplicitna u pogledu razlike između operativnih ograničenja i tehničkog sprečavanja. Meta kaže da Secure VM u trenutku lansiranja ograničava pristup zaposlenih kroz politike, ali ne sprečava pristup kada je on potreban za rad, podršku ili bezbednost servisa. Confidential VM, namenjen da kriptografski spreči pristup operatora, opisan je kao predstojeći i u ograničenom testiranju. Planirana zaštita ne treba da se računa kao da je već dostupna svima. 16

Muse takođe drži stvarne akreditive konektora podalje od svog glavnog agenta i odobravanja radnji stavlja pod zaseban autoritet dozvola. To ilustruje vredan princip: agent ne bi trebalo da dobije tajnu ili dozvolu samo zato što bi to moglo biti zgodno. 16

Premestite zaštitu na tačku pre izlaganja

Isključivanje iz obuke uređuje jednu upotrebu podataka. Maskiranje menja podatke dostupne za obradu. Ograničeno zadržavanje smanjuje broj kopija koje ostaju. Kontrole dozvola ograničavaju šta agent može da uradi. Ove zaštite se dopunjuju, a važna je i faza u kojoj svaka od njih deluje.

Razmotrite ilustrativan zahtev: napisati naknadnu poruku klijentu na određenu imejl adresu. Modelu mogu biti potrebni svrha, ton i relevantne obaveze. Možda mu nisu potrebni pravo ime ili adresa klijenta da bi sastavio poruku. Zamenom tih otkrivenih identifikatora placeholder-ima pre inferencije smanjuje se ono što model prima, uz očuvanje korisne strukture zadatka.

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

Isti princip se proteže i izvan ličnih identifikatora. Poverljivo istraživanje zahteva kontrole nad samim istraživačkim sadržajem; povezani nalozi zahtevaju usko ograničene dozvole; sačuvani zapisi zahtevaju definisane rokove čuvanja i sprovodiva ograničenja pristupa. Maskiranje identiteta je jedna komponenta tog dizajna, a ne zamena za zaštitu suštine izuma ili dokumenta.

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

Standard treba da bude zaštita koju osoba dobija u proizvodu koji danas koristi.

Dvina: učiniti privatnost delom uobičajene interakcije

Pristup kompanije Dvina unosi ovu raniju zaštitu u iskustvo rada sa asistentom. Njegov dokumentovani dizajn lokalno otkriva osetljive lične informacije dok ljudi kucaju ili otpremaju sadržaj, šifruje otkrivene lične podatke i zamenjuje ih placeholder-ima pre obrade od strane modela. Model radi sa tim placeholder-ima, a ne sa originalnim otkrivenim identifikatorima. 17, 18

Razlika je praktična. Korisnik ne bi trebalo da mora da prekida svaki zadatak kako bi ručno uklonio imena i kontakt podatke, niti da se oslanja samo na obećanje o tome šta će se desiti nakon što ih model primi. Zaštita treba da prati samu interakciju.

Dvina takođe isključuje korisničke razgovore, fajlove, promptove i podatke radnog prostora iz treniranja modela. Ta kombinacija je važna: obaveza da nema treniranja ograničava ponovnu upotrebu, dok zaštita pre obrade ograničava lične informacije koje se modelu uopšte izlažu. 17, 18

Druge slojeve podržavaju taj pristup. Dvina opisuje šifrovano skladištenje razgovora, razdvajanje između sačuvanih poruka i identiteta korisnika, kao i podatke hostovane u EU uz zaštite na nivou GDPR-a. Svaki od tih elemenata bavi se drugim delom procesa rukovanja podacima, umesto da se od jedne postavke za treniranje traži da nosi ceo teret. 17, 18

Tehnička razlika je precizna: otkriveni lični identifikatori zamenjuju se u ulazu za model, dok okolni zadatak ostaje dostupan za obradu. Privatnost postaje deo toka podataka, umesto da bude samo postavka kojom korisnici moraju da pamte da upravljaju.

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

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

AI asistenti postaju korisniji što bolje razumeju naše okolnosti. To stvara odgovornost da se zaštite informacije koje stoje iza tog razumevanja. Tražiti od ljudi veći pristup, a nuditi samo još jednu stranicu sa podešavanjima, nije dovoljan odgovor.

Dokazi ukazuju na nekoliko različitih rizika. Softver može izložiti podatke između naloga. Sačuvani razgovori mogu postati predmet pravnih zahteva. Ovlašćeni pregled može postojati i bez bezbednosnog incidenta. Sporovi oko privatnog istraživanja mogu narušiti poverenje čak i kada navod nije nezavisno potvrđen.

Ti rizici zahtevaju inženjerski rad, a ne samo bolje sročene formulacije. Otkrivanje osetljivih podataka, zaštita pre obrade, razdvajanje identiteta, ograničeno zadržavanje i sprovodive dozvole treba da dobiju trajnu pažnju kao temeljne sposobnosti bezbednosti AI-ja. Korisnost asistenta i zaštita njegovog korisnika moraju napredovati zajedno.

Uz Dvina, pomažemo da predvodimo taj pomak tako što zaštitu pre obrade od strane modela činimo delom temelja proizvoda. Ambicija nije da se traži više poverenja kroz snažnije tvrdnje. Cilj je da se smanji koliko poverenja mora da počiva samo na obećanju.

Ljudi bi trebalo da mogu da potraže pomoć, razviju ideju i podele kontekst potreban da krenu napred, a da svaki razgovor ne doživljavaju kao potencijalno odricanje od svoje privatnosti. Izgradnja tog poverenja jedan je od najvažnijih zadataka koji predstoje za AI.

Izvori i opseg

Izvori pregledani 22 September 2026. Ovaj članak se oslanja na dokumentaciju pružalaca usluga i izveštavanje sa pripisanim izvorima; ne predstavlja nezavisnu bezbednosnu reviziju. Individualni planovi su glavni opseg poređenja. Komercijalni, API i izuzeci specifični za modele identifikovani su odvojeno. Odeljak o matematici razlikuje prijavljene zabrinutosti od ažuriranog odgovora OpenAI-ja; nijedno nije predstavljeno kao nezavisan nalaz. Pravilo Manus-a o treniranju u individualnom planu ostaje nepotvrđeno jer njegova puna politika privatnosti nije mogla biti pribavljena.