Kabla Hujashiriki: Faragha ya AI Inahitaji Zaidi ya Ahadi

Utangulizi: mazungumzo yanazidi kuwa maisha yako

Unafungua msaidizi wa AI ili kuandika jibu gumu. Unabandika ujumbe, unaeleza uhusiano, na kuongeza maelezo machache ambayo hujashiriki mahali pengine. Siku nyingine, unapakia mkataba, unajadili wazo ambalo bado halijakamilika, au unaunganisha kikasha chako cha barua pepe ili msaidizi aelewe kinachohitaji umakini wako.

Hakuna kati ya hatua hizi inayohisi kama kuchapisha hadharani. Unaomba msaada.

Hata hivyo, taarifa hiyo inaweza kupita kwenye miundombinu, mifumo ya uhifadhi, michakato ya ukaguzi, na wajibu wa kisheria ambao kwa kiasi kikubwa hauonekani kutoka kwenye dirisha la mazungumzo. Msaidizi anaweza kuhisi kuwa wa binafsi muda mrefu kabla namna anavyoshughulikia data yako haijalingana na matarajio hayo.

Msimamo wangu ni rahisi: Faragha ya AI haipaswi kutegemea tu kile ambacho kampuni inaahidi kufanya baada ya kupokea taarifa zako. Inapaswa pia kutegemea kile ambacho mifumo yake inazuia kisifike kwa modeli tangu mwanzo. Sera ni muhimu. Zinahitaji ulinzi wa kiufundi unaoziunga mkono.

Niliandaa makala hii kwa msaada wa timu ya Dvina. Inachunguza matukio yaliyorekodiwa na mbinu za sasa katika ChatGPT, Claude, Cursor, Perplexity, Manus, Muse ya Meta, na Dvina. Lengo ni kueleza kwa nini faragha lazima iwe kipaumbele cha msingi cha uhandisi kadiri AI inavyozidi kuhusika katika maisha yetu—na jinsi Dvina inavyolikabili jukumu hilo.

Matukio haya yanatuambia nini

Wasiwasi huu si wa kinadharia. Lakini aina tofauti za ushahidi zinaonyesha matatizo tofauti. Uvujaji wa data uliothibitishwa, ukaguzi wa kibinadamu ulioidhinishwa, na tuhuma kuhusu matumizi mabaya ya utafiti havipaswi kuwasilishwa kana kwamba ni tukio lilelile.

Uvujaji wa ChatGPT wa 2023: hitilafu ndani ya mfumo wenyewe.

Mnamo 20 Machi 2023, hitilafu ya programu iliruhusu baadhi ya watumiaji wa ChatGPT kuona vichwa vya historia ya mazungumzo ya mtumiaji mwingine aliyekuwa hai. OpenAI ilisema kuwa ujumbe wa kwanza wa mazungumzo mapya ulioundwa huenda pia ulionekana katika hali fulani. Uchunguzi wake ulibaini uwezekano wa kufichuliwa kwa taarifa zinazohusiana na malipo kwa 1.2% ya waliojisajili kwenye Plus waliokuwa hai katika kipindi maalum cha saa tisa. Nambari kamili za kadi hazikufichuliwa. OpenAI ilirekebisha hitilafu hiyo na kuwajulisha watumiaji walioathirika. 1

Funzo hapa si kwamba udhaifu huohuo bado uko wazi. Ni kwamba ahadi ya faragha haiwezi, yenyewe tu, kuzuia mfumo kurudisha taarifa kwa mtu asiye sahihi. Utenganishaji, ukaguzi wa ufikiaji, na kiasi cha taarifa zinazoweza kumtambulisha mtu kilichopo ili kufichuliwa vyote vina umuhimu.

Kesi ya The New York Times: ufutaji ulikutana na wajibu wa kisheria.

Mnamo 2025, OpenAI ilikabiliwa na amri ya mahakama iliyohitaji kuhifadhi data ambayo vinginevyo ingefutwa. Taarifa yake ya mwezi Oktoba ilisema kwamba wajibu mpana wa kuhifadhi data mpya kwa muda usio na kikomo ulikuwa umeisha tarehe 26 Septemba 2025, huku seti ndogo ya kihistoria ikiendelea kubaki chini ya zuio la kisheria. Sharti la awali la uhifadhi halikujumuisha bidhaa fulani na mipangilio ya kutohifadhi data kabisa. 2

Maendeleo ya baadaye yanapaswa kusomwa kando: mnamo Desemba 2025, Reuters iliripoti kwamba jaji alihitaji OpenAI kutoa rekodi za mazungumzo milioni 20 zilizofanywa zisizotambulisha watu katika kesi ya hakimiliki, akiyakataa mapingamizi yake na kutegemea uondoaji wa utambulisho na hatua za ulinzi. Hii ilikuwa amri ya ugunduzi wa ushahidi, si uchapishaji wa mazungumzo ya faragha ya kila mtu kwenye intaneti. 3

Kwa pamoja, matukio haya yanaonyesha kwa nini mpangilio wa kufuta haujibu kila swali kuhusu taarifa zinazobaki zimehifadhiwa. Nakala ikishakuwepo, wajibu ulio nje ya udhibiti wa mtumiaji unaweza kuathiri kinachotokea kwake. Kupunguza uhifadhi usio wa lazima hubadilisha kiwango hicho cha uwekaji wazi kabla mgogoro haujaanza.

Mapitio ya binadamu: ufikiaji unaweza kuruhusiwa bila kuwepo kwa uvunjaji.

Nyaraka za watumiaji za OpenAI zinaruhusu wazi ufikiaji wa kiwango maalum kwa wafanyakazi walioidhinishwa na watoa huduma kwa madhumuni yaliyobainishwa, yakiwemo uchunguzi wa usalama, usaidizi, masuala ya kisheria, na uboreshaji wa modeli unaostahiki. Mwongozo wa watumiaji wa Anthropic unaruhusu wafanyakazi walioteuliwa kukagua mazungumzo kwa ajili ya utekelezaji wa sera za matumizi, huku ufikiaji tofauti ukihusishwa na mrejesho uliotolewa kwa ridhaa. 4, 8

Hizi ni njia za ufikiaji zilizoandikwa, si uvumi. Hazithibitishi kwamba wafanyakazi husoma kila mazungumzo. Lakini zinathibitisha kwamba kiolesura cha mazungumzo kinachoonekana kuwa cha faragha si lazima kiwe kizuizi cha kiufundi dhidi ya ufikiaji wa mtoa huduma.

Nyaraka za sasa za Anthropic zinaongeza mfano muhimu wa upande wa biashara. Covered Models zake zilizoteuliwa zinahitaji uhifadhi wa siku 30 katika baadhi ya utekelezaji ambao hapo awali ulitumia kutohifadhi data kabisa, pamoja na mapitio ya binadamu yanayodhibitiwa na vighairi. Sheria hiyo ina mipaka ya modeli, jukwaa, na ustahiki; si mabadiliko ya jumla kwa kila bidhaa ya Claude. Mipango ya watumiaji inaelezwa kuwa haijaathiriwa kwa sababu sehemu hizo tayari huhifadhi maingizo na matokeo. 9

Ufuatiliaji wa usalama una kusudi halali. Changamoto ya kihandisi ni kutimiza kusudi hilo huku ukipunguza taarifa nyeti zinazopatikana kwa mifumo ya ufuatiliaji na wakaguzi. Uhalalisho wa usalama hauondoi swali la faragha.

Mzozo wa hisabati: tuhuma ambayo haijatatuliwa, tatizo halisi la uaminifu

Mzozo wa Septemba 2026 kuhusu tangazo la OpenAI la Navier–Stokes uliibua wasiwasi tofauti: nini hutokea pale msaidizi anayesaidia utafiti wa faragha anapomilikiwa na kampuni inayofanya utafiti wake yenyewe?

Mgogoro huo ulihusu kazi ya hisabati ambayo haikuwa imechapishwa na suala la sifa. Taarifa za habari zilieleza wanahisabati Tristan Buckmaster na Levent Alpöge wakitumia zana za AI katika kazi yao, na Buckmaster akihoji iwapo nyenzo zao za faragha zilichangia matokeo ya OpenAI. 10

OpenAI inapinga maelezo hayo. Jibu lake lililochapishwa linasema kwamba wala watafiti wake wala mawakala wake hawakuona kazi ya wawili hao kabla ya kuchapishwa. Katika sasisho lenye tarehe 10 Septemba, ilisema zaidi kwamba uchunguzi ulikuwa umeondoa uwezekano wa ushawishi wowote kutoka kwa vichocheo vya Codex vya Buckmaster katika kipindi cha miezi miwili iliyotangulia, ikiwemo kupitia mafunzo. Kauli hiyo yenye kikomo cha muda ni mahususi zaidi kuliko maelezo ya awali katika baadhi ya taarifa za habari. 11

Maelezo ya umma bado yanabishaniwa. Vyanzo vilivyopitiwa hapa havithibitishi kwa kujitegemea kwamba OpenAI ilitumia mazungumzo hayo ya faragha kuzalisha matokeo yake.

Hata hivyo, mgogoro huo unaweka wazi swali linalostahili kujibiwa kwa uwazi: watu wanapoleta kazi ambayo haijakamilika kwa AI, ni nini kinacholinda thamani ya taarifa ya kazi hiyo? Kuondoa jina la mwandishi kutoka kwenye uthibitisho wa kihisabati hakuondoi uthibitisho wenyewe. Kufanya mkakati wa kibiashara usimtambulishe mtu hakuufanyi kuwa mali ya umma.

Ndiyo maana faragha imara inahitaji ulinzi kwa utambulisho na maudhui pia. Watumiaji wanapaswa kuweza kuelewa iwapo nyenzo zao zinaweza kuingia katika michakato ya mafunzo, utafiti, tathmini, au mapitio—na ni vidhibiti gani vya kiufundi vinavyotekeleza mipaka hiyo.

Maswali manne ambayo hayapaswi kamwe kubanwa kuwa moja

Sehemu kubwa ya mkanganyiko hutokana na kuchukulia “faragha” kama sifa moja tu. Kwa vitendo, maswali manne tofauti huamua nini hutokea kwa mazungumzo.

Mafunzo: Je, maudhui yanaweza kusaidia kuendeleza au kuboresha modeli? Kujiondoa hubadilisha matumizi yanayoruhusiwa ya taarifa. Si lazima kubadilishe iwapo taarifa hiyo ilitumwa au kuhifadhiwa.

Ufikiaji: Ni mifumo na watu gani wanaoweza kuikagua? Usimbaji fiche wakati wa utumaji na uhifadhi ni muhimu, lakini hauzuii moja kwa moja huduma iliyoidhinishwa kufungua usimbaji wa maudhui kwa ajili ya uchakataji au mapitio.

Uhifadhi: Ni nini kinabaki, wapi, na kwa muda gani? Kuondoa mazungumzo kutoka kwenye kiolesura, kufuta rekodi za uzalishaji, kufanya nakala za akiba zipoteze muda wake, na kutenga data isitumike katika mafunzo ya baadaye ni shughuli tofauti.

Vitendo: Msaidizi aliyeunganishwa anaweza kusoma, kubadilisha, au kutuma nini? Mara tu anapoweza kufanya kazi kupitia akaunti zako, faragha pia hutegemea ruhusa na udhibiti wa data inayotoka.

Ulinganisho wa faragha wenye manufaa huweka maswali hayo tofauti. Usajili wa kulipia, swichi ya mafunzo, au lebo ya kazi ya faragha haviwezi kujibu yote manne.

Jinsi huduma zinavyolinganishwa

Jedwali lililo hapa chini linaangazia matumizi ya mtu binafsi isipokuwa pale upeo tofauti umetajwa. Linatoa muhtasari wa nyaraka zilizopitiwa, si matokeo ya ukaguzi huru wa usalama.

Service	Training position	The separate boundary to understand
ChatGPT	Maudhui ya mtu binafsi yanaweza kutumika kwa uboreshaji; vidhibiti huondoa mazungumzo mapya na kazi za Codex. Temporary Chat haijumuishwi. 4, 5	Ufikiaji ulioidhinishwa na uhifadhi bado ni mambo tofauti. Codex pia ina mpangilio tofauti wa mafunzo wa mazingira kamili.
Claude	Uboreshaji wa modeli ya watumiaji hutegemea chaguo la mtumiaji; maoni na matumizi yanayohusiana na usalama yana kanuni tofauti. Incognito haijumuishwi katika uboreshaji wa jumla. 6	Isipokuwa za ukaguzi na uhifadhi bado zinatumika. Baadhi ya Covered Models za kibiashara zina mahitaji ya ziada ya uhifadhi. 7–9
Cursor	Privacy Mode huondoa data ya mteja kwenye mafunzo ya Cursor na hueleza mipangilio ya kutohifadhi ya watoa huduma, kwa kuzingatia isipokuwa zilizotajwa. 12	Maombi bado hupitia backend ya Cursor. Uchunguzi wa matumizi mabaya, caching, na notisi mahususi za modeli ni muhimu.
Perplexity	Ukusanyaji wa mafunzo ya AI ya watumiaji umewezeshwa kwa chaguomsingi, ikiwemo kwenye Pro na Max; watumiaji wanaweza kujiondoa kwa data ya baadaye. 13	Kujiondoa hakusimamishi uchakataji kwa shughuli za huduma au utiifu wa kisheria. Masharti ya Enterprise ni tofauti.
Manus	Nyaraka za Team zinaorodhesha chaguo la kujiondoa kwenye mafunzo; tathmini hii haikuweza kuthibitisha kanuni ya mwisho ya mafunzo kwa mpango wa mtu binafsi. 15	Kazi za mtu binafsi kuwa za faragha kwa chaguomsingi hueleza mwonekano wa kushiriki, si kizuizi kamili cha matumizi ya mtoa huduma. 14
Meta’s Muse	Nyaraka za uzinduzi zinaeleza mafunzo kwenye data ya mwingiliano iliyosafishwa kwa chaguomsingi, pamoja na chaguo la kujiondoa. 16	Kusafisha kabla ya mafunzo si sawa na kuficha kabla ya inference. Vizuizi vya waendeshaji wakati wa uzinduzi ni tofauti na Confidential VM iliyopangwa.
Dvina	Mazungumzo, faili, prompts, na data ya workspace hazitumiki kufundisha modeli za AI. 17, 18	Kuficha kiotomatiki hushughulikia mpaka wa awali zaidi: vitambulishi vya kibinafsi vinavyotambuliwa hubadilishwa kabla ya uchakataji wa modeli.

Maelezo yaliyo hapa chini yanafafanua mahali ambapo tofauti hizi huwa muhimu katika matumizi ya kila siku.

ChatGPT na Claude: hatua unayochukua hubadilisha kanuni.

OpenAI inaruhusu watumiaji kuzima mafunzo bila kuondoa historia ya kawaida ya mazungumzo. Temporary Chat hubadilisha zaidi jinsi mazungumzo yanavyoshughulikiwa, lakini nyaraka zake bado zinaruhusu ukaguzi wa matumizi mabaya na zinaeleza kipindi cha kufutwa cha siku 30. Watumiaji wa Codex wanapaswa pia kutofautisha mpangilio wa maudhui wa akaunti nzima na mpangilio wake tofauti wa mazingira kamili. 4, 5

Kwa Claude, maoni yanastahili kuangaliwa kwa makini hasa. Anthropic inasema kuwa alama ya kupenda, kutopenda, au ripoti ya hitilafu inaweza kuhusisha kuhifadhi mazungumzo husika kwa hadi miaka mitano na kuyatumia kwa madhumuni yanayojumuisha mafunzo ya modeli. Kuwasha uboreshaji wa jumla wa modeli pia huruhusu nyenzo zinazostahiki ambazo hazijatambulishwa kubaki katika mifumo ya mafunzo kwa hadi miaka mitano. Hizo si kanuni zilezile kama kufutwa kwa kawaida kwa mazungumzo. 6, 7

Kwa hiyo, mtu anaweza kufanya maamuzi kadhaa ya faragha ndani ya bidhaa moja bila kutambua kuwa ni maamuzi tofauti. Muundo wa bidhaa unapaswa kufanya tofauti hizo ziwe wazi wakati wa matumizi.

Cursor na Perplexity: lebo ya bidhaa si mpaka wa uchakataji.

Privacy Mode ya Cursor hutoa vizuizi vya maana kwenye mafunzo na uhifadhi wa watoa huduma. Haifanyi editor kuwa ya ndani pekee: Cursor inasema maombi bado husafiri kupitia backend yake, hata kwa API key iliyotolewa na mtumiaji. Nyaraka zake pia zinaeleza caching ya muda ya faili iliyosimbwa na isipokuwa zinazohusiana na uchunguzi wa matumizi mabaya au modeli zilizoteuliwa. 12

Perplexity inaonyesha tofauti ya aina nyingine. Akaunti zake za Free, Pro, na Max ziko chini ya vidhibiti vya mafunzo ya watumiaji, huku ukusanyaji ukiwa umewezeshwa kwa chaguomsingi. Chaguo la kujiondoa lililochapishwa linatumika kwa data itakayokusanywa baadaye, si kuondoa kwa nyuma data ya awali ya mafunzo. Kununua usajili wa binafsi hakuifanyi kuwa akaunti ya Enterprise. 13

Katika hali zote mbili, swali muhimu ni nini hali na akaunti iliyochaguliwa hubadilisha—si kile ambacho jina la bidhaa linaonekana kuashiria.

Manus na Muse: workspace za faragha bado zinahitaji mipaka iliyo wazi.

Manus inasema kazi za mtu binafsi ni za faragha isipokuwa zishirikishwe. Nyaraka zake za Team pia zinaeleza kuwa wamiliki wanaweza kufikia maudhui ya session ya timu. Hizi ni kanuni muhimu za mwonekano, lakini haziweki sera ya mafunzo ya mtu binafsi. Ukurasa kamili wa faragha wa Manus haukuweza kupatikana kwa tathmini hii, kwa hivyo swali hilo bado halijathibitishwa badala ya kujazwa kutoka mpango mwingine. 14, 15

Nyaraka za uzinduzi za Muse ziko wazi kwa njia isiyo ya kawaida kuhusu tofauti kati ya vizuizi vya uendeshaji na uzuiaji wa kiufundi. Meta inasema Secure VM ya wakati wa uzinduzi inapunguza ufikiaji wa wafanyakazi kupitia sera lakini haizuii ufikiaji unapohitajika kuendesha, kusaidia, au kulinda huduma. Confidential VM iliyokusudiwa kuzuia kwa njia ya kriptografia ufikiaji wa waendeshaji ilielezwa kuwa inakuja na iko katika majaribio machache. Ulinzi uliopangwa haupaswi kuhesabiwa kana kwamba tayari unapatikana kwa kila mtu. 16

Muse pia huweka credentials halisi za connector mbali na agent yake kuu na huweka idhini za vitendo chini ya mamlaka tofauti ya ruhusa. Hilo linaonyesha kanuni yenye thamani: agent hapaswi kupewa siri au ruhusa kwa sababu tu inaweza kuwa rahisi. 16

Hamisha ulinzi hadi hatua ya kabla ya kufichuliwa

Kutengwa kwa mafunzo kunasimamia matumizi ya data. Kuficha hubadilisha data inayopatikana kwa uchakataji. Uhifadhi wenye vizuizi hupunguza nakala zinazobaki. Vidhibiti vya ruhusa hupunguza kile ambacho agent anaweza kufanya. Ulinzi huu unakamilishana, na hatua ambayo kila mmoja hufanya kazi ni muhimu.

Fikiria ombi la mfano: andika ujumbe wa ufuatiliaji kwa mteja kwenye anwani fulani ya barua pepe. Huenda modeli ikahitaji madhumuni, mtindo wa mawasiliano, na ahadi husika. Huenda isihitaji jina halisi la mteja au anwani yake ili kuandaa ujumbe. Kubadilisha vitambulishi hivyo vilivyotambuliwa kwa viwakilishi kabla ya uchakataji hupunguza kile modeli inapokea huku ikihifadhi muundo muhimu wa kazi hiyo.

Hilo ni tofauti na kutuma maandishi ya awali na kuahidi kuondoa vitambulishi kabla ya matumizi fulani ya baadaye.

Kanuni hiyo hiyo inaenea zaidi ya vitambulishi vya kibinafsi. Utafiti wa siri unahitaji udhibiti juu ya maudhui ya utafiti wenyewe; akaunti zilizounganishwa zinahitaji ruhusa zenye upeo mwembamba; rekodi zinazohifadhiwa zinahitaji muda wa kuhifadhi uliofafanuliwa na vizuizi vya ufikiaji vinavyoweza kutekelezwa. Kuficha utambulisho ni sehemu moja ya muundo huo, si mbadala wa kulinda kiini cha uvumbuzi au hati.

Kuna kazi husika katika sekta nzima. OpenAI ilitoa Privacy Filter inayoweza kuendeshwa ndani ya mfumo wa mtumiaji mnamo Aprili 2026, na nyaraka za Muse za Meta zinaeleza utenganishaji wa kiufundi na muundo imara zaidi wa confidential-computing unaoendelezwa. Juhudi hizi zinaunga mkono hoja ya kujenga faragha ndani ya mfumo. Hata hivyo, kutolewa kwa zana au ramani ya maendeleo si ushahidi wenyewe kwamba kila mazungumzo ya mtumiaji tayari yanapata ulinzi huo unaolingana. 16, 19

Kiwango kinachopaswa kutumika ni ulinzi ambao mtu anapata katika bidhaa anayotumia leo.

Dvina: fanya faragha kuwa sehemu ya mwingiliano wa kawaida

Mbinu ya Dvina huleta ulinzi huu wa mapema ndani ya uzoefu wa msaidizi. Muundo wake uliorekodiwa hutambua taarifa nyeti za kibinafsi ndani ya kifaa cha mtumiaji watu wanapoandika au kupakia maudhui, husimba data ya kibinafsi iliyotambuliwa, na hubadilisha kwa viwakilishi kabla ya modeli kuchakata. Modeli hufanya kazi na viwakilishi hivyo badala ya vitambulishi halisi vilivyotambuliwa. 17, 18

Tofauti hiyo inaonekana katika matumizi ya vitendo. Mtumiaji hapaswi kulazimika kusitisha kila kazi ili kuondoa majina na maelezo ya mawasiliano kwa mkono, au kutegemea tu ahadi kuhusu kitakachotokea baada ya modeli kuvipokea. Ulinzi unapaswa kuandamana na mwingiliano wenyewe.

Dvina pia haijumuishi mazungumzo ya watumiaji, faili, prompts, na data ya workspace katika mafunzo ya modeli. Muunganiko huo ni muhimu: ahadi ya kutotumia kwa mafunzo huzuia matumizi ya baadaye, huku ulinzi wa kabla ya uchakataji ukipunguza taarifa za kibinafsi zinazofichuliwa kwa modeli tangu mwanzo. 17, 18

Tabaka nyingine pia zinaunga mkono mbinu hiyo. Dvina inaeleza uhifadhi wa mazungumzo uliosimbwa, utenganishaji kati ya ujumbe uliohifadhiwa na utambulisho wa mtumiaji, na data inayohifadhiwa ndani ya EU yenye ulinzi wa kiwango cha GDPR. Kila moja hushughulikia sehemu tofauti ya mchakato wa ushughulikiaji badala ya kutegemea chaguo moja la mafunzo kubeba mzigo wote. 17, 18

Tofauti ya kiufundi ni sahihi kabisa: vitambulishi vya kibinafsi vilivyotambuliwa hubadilishwa katika ingizo la modeli huku kazi inayozunguka ikiendelea kupatikana kwa uchakataji. Faragha inakuwa sehemu ya mtiririko wa data, badala ya kuwa tu chaguo ambalo watumiaji wanapaswa kukumbuka kulisimamia.

Kwangu mimi, huu ndio mwelekeo wenye manufaa zaidi kwa AI: kuwawezesha watu kuleta muktadha wenye maana katika kazi yao huku mfumo ukibuniwa kufichua sehemu ndogo zaidi ya utambulisho wao kuliko kazi inavyohitaji.

Hitimisho: faragha itaamua ni kwa kiwango gani watu watairuhusu AI iingie katika maisha yao

Wasaidizi wa AI huwa na manufaa zaidi kadiri wanavyoelewa zaidi hali zetu. Hilo linazalisha wajibu wa kulinda taarifa zilizo nyuma ya uelewa huo. Kuwaomba watu watoe ufikiaji mkubwa zaidi huku ukitoa tu ukurasa mwingine wa mipangilio si jibu la kutosha.

Ushahidi unaonyesha hatari kadhaa tofauti. Programu inaweza kufichua data kati ya akaunti. Mazungumzo yaliyohifadhiwa yanaweza kuwa chini ya matakwa ya kisheria. Ukaguzi ulioidhinishwa unaweza kuwepo hata bila ukiukaji wa usalama. Migogoro kuhusu utafiti wa faragha inaweza kudhoofisha imani hata pale dai lenyewe halijathibitishwa kwa njia huru.

Hatari hizo zinahitaji kazi ya kihandisi, si maneno bora tu. Utambuzi wa data nyeti, ulinzi wa kabla ya uchakataji, utenganishaji wa utambulisho, uhifadhi wa muda mfupi, na ruhusa zinazoweza kutekelezwa vinapaswa kupewa uangalizi wa kudumu kama uwezo wa msingi wa usalama wa AI. Manufaa ya msaidizi na ulinzi wa mtumiaji wake lazima yaendelee pamoja.

Kwa Dvina, tunasaidia kuongoza mabadiliko hayo kwa kufanya ulinzi kabla ya uchakataji wa modeli kuwa sehemu ya msingi wa bidhaa. Lengo si kuomba uaminifu zaidi kupitia madai makubwa zaidi. Ni kupunguza kiwango ambacho uaminifu huo unapaswa kutegemea ahadi pekee.

Watu wanapaswa kuweza kutafuta msaada, kuendeleza wazo, na kushiriki muktadha unaohitajika ili kusonga mbele bila kuchukulia kila mazungumzo kama uwezekano wa kusalimisha faragha yao. Kujenga imani hiyo ni mojawapo ya kazi muhimu zaidi zilizo mbele kwa AI.

Vyanzo na upeo

Vyanzo vilipitiwa tarehe 22 September 2026. Makala hii inategemea nyaraka za watoa huduma na taarifa zenye maelezo ya chanzo; si ukaguzi huru wa usalama. Mipango ya watu binafsi ndiyo upeo mkuu wa ulinganisho. Vighairi vya kibiashara, API, na vya modeli mahususi vimetambuliwa kando. Sehemu ya hisabati inatofautisha kati ya wasiwasi ulioripotiwa na majibu yaliyosasishwa ya OpenAI; hakuna kati ya hayo yanayowasilishwa kama hitimisho huru. Sheria ya mafunzo ya mpango wa mtu binafsi wa Manus bado haijathibitishwa kwa sababu sera yake kamili ya faragha haikuweza kupatikana.