ก่อนที่คุณจะแชร์: ความเป็นส่วนตัวของ AI ต้องการมากกว่าคำสัญญา

บทนำ: บทสนทนากำลังกลายเป็นชีวิตของคุณ

คุณเปิดผู้ช่วย AI เพื่อช่วยเขียนข้อความตอบกลับที่ยากจะเขียน คุณวางข้อความลงไป อธิบายความสัมพันธ์ และเพิ่มรายละเอียดบางอย่างที่คุณยังไม่เคยบอกที่ไหนมาก่อน อีกวันหนึ่ง คุณอัปโหลดสัญญา พูดคุยถึงไอเดียที่ยังทำไม่เสร็จ หรือเชื่อมต่อกล่องจดหมายของคุณเพื่อให้ผู้ช่วยเข้าใจว่าอะไรต้องได้รับความสนใจจากคุณ

ไม่มีการกระทำใดในนี้ที่ให้ความรู้สึกเหมือนการเผยแพร่ต่อสาธารณะ คุณแค่กำลังขอความช่วยเหลือ

แต่ข้อมูลนั้นอาจไหลผ่านโครงสร้างพื้นฐาน ระบบจัดเก็บ กระบวนการตรวจทาน และข้อผูกพันทางกฎหมายที่แทบมองไม่เห็นจากหน้าต่างบทสนทนา ผู้ช่วยอาจให้ความรู้สึกเป็นเรื่องส่วนตัวได้ตั้งนาน ก่อนที่วิธีจัดการข้อมูลของมันจะสอดคล้องกับความคาดหวังนั้นจริง ๆ

จุดยืนของฉันเรียบง่าย: ความเป็นส่วนตัวของ AI ไม่ควรขึ้นอยู่แค่กับสิ่งที่บริษัทสัญญาว่าจะทำหลังจากได้รับข้อมูลของคุณแล้วเท่านั้น แต่ควรขึ้นอยู่กับสิ่งที่ระบบของบริษัทนั้นป้องกันไม่ให้ไปถึงโมเดลตั้งแต่แรกด้วย นโยบายมีความสำคัญ แต่ต้องมีการปกป้องทางเทคนิคคอยรองรับ

ฉันจัดทำบทความนี้โดยได้รับการสนับสนุนจากทีม Dvina บทความนี้พิจารณาเหตุการณ์ที่มีการบันทึกไว้และแนวปฏิบัติในปัจจุบันของ ChatGPT, Claude, Cursor, Perplexity, Manus, Muse ของ Meta และ Dvina จุดประสงค์คือเพื่ออธิบายว่าเหตุใดความเป็นส่วนตัวจึงต้องกลายเป็นลำดับความสำคัญหลักด้านวิศวกรรม เมื่อ AI เข้ามามีบทบาทในชีวิตของเรามากขึ้น—and how Dvina is approaching that responsibility.

เหตุการณ์ต่าง ๆ บอกอะไรเรา

ความกังวลนี้ไม่ใช่เรื่องสมมุติ แต่หลักฐานคนละประเภทก็ชี้ให้เห็นปัญหาคนละแบบ การเปิดเผยข้อมูลที่ได้รับการยืนยันแล้ว การตรวจทานโดยมนุษย์ที่ได้รับอนุญาต และข้อกล่าวหาเรื่องการนำงานวิจัยไปใช้ในทางที่ผิด ไม่ควรถูกนำเสนอราวกับว่าเป็นเหตุการณ์เดียวกัน

การเปิดเผยข้อมูลของ ChatGPT ในปี 2023: ความล้มเหลวในตัวระบบเอง

เมื่อวันที่ 20 มีนาคม 2023 บั๊กของซอฟต์แวร์ทำให้ผู้ใช้ ChatGPT บางรายมองเห็นชื่อบทสนทนาในประวัติการสนทนาของผู้ใช้อีกรายที่กำลังใช้งานอยู่ OpenAI ระบุว่าข้อความแรกของบทสนทนาที่เพิ่งสร้างขึ้นใหม่ก็อาจมองเห็นได้เช่นกันในบางสถานการณ์ การสืบสวนของบริษัทพบว่ามีความเป็นไปได้ที่ข้อมูลเกี่ยวกับการชำระเงินของผู้สมัครสมาชิก Plus จำนวน 1.2% ที่ใช้งานอยู่ในช่วงเวลาเก้าชั่วโมงหนึ่งจะถูกเปิดเผย หมายเลขบัตรเต็มไม่ได้ถูกเปิดเผย OpenAI แก้ไขบั๊กและแจ้งผู้ใช้ที่ได้รับผลกระทบแล้ว 1

บทเรียนไม่ใช่ว่าช่องโหว่แบบเดิมยังคงเปิดอยู่ บทเรียนคือคำมั่นเรื่องความเป็นส่วนตัวเพียงอย่างเดียวไม่อาจป้องกันไม่ให้ระบบส่งคืนข้อมูลไปยังคนผิดได้ การแยกข้อมูล การตรวจสอบสิทธิ์การเข้าถึง และปริมาณข้อมูลที่ระบุตัวตนได้ซึ่งพร้อมจะถูกเปิดเผย ล้วนมีความสำคัญ

คดีความของ The New York Times: การลบข้อมูลต้องเผชิญกับข้อผูกพันทางกฎหมาย

ในปี 2025 OpenAI เผชิญคำสั่งศาลที่กำหนดให้ต้องเก็บรักษาข้อมูลซึ่งตามปกติแล้วจะถูกลบออกไป อัปเดตในเดือนตุลาคมของบริษัทระบุว่า ภาระผูกพันแบบกว้างในการเก็บรักษาข้อมูลใหม่ไว้โดยไม่มีกำหนดได้สิ้นสุดลงเมื่อวันที่ 26 September 2025 ขณะที่ชุดข้อมูลย้อนหลังบางส่วนที่มีขอบเขตจำกัดยังคงอยู่ภายใต้คำสั่งระงับการทำลายข้อมูลตามกฎหมาย ข้อกำหนดการเก็บรักษาเดิมยกเว้นผลิตภัณฑ์บางรายการและข้อตกลงแบบ zero-data-retention บางประเภท 2

พัฒนาการที่เกิดขึ้นภายหลังต้องอ่านแยกกัน: ในเดือน December 2025 Reuters รายงานว่าผู้พิพากษาสั่งให้ OpenAI ส่งมอบบันทึกแชตที่ทำให้ไม่สามารถระบุตัวตนได้จำนวน 20 ล้านรายการในคดีลิขสิทธิ์ โดยปฏิเสธข้อคัดค้านของบริษัทและอาศัยการลบข้อมูลระบุตัวตนรวมถึงมาตรการคุ้มครองต่างๆ นี่เป็นคำสั่งให้เปิดเผยข้อมูลในกระบวนการสืบพยานหลักฐาน ไม่ใช่การเผยแพร่แชตส่วนตัวของทุกคนลงบนอินเทอร์เน็ต 3

เมื่อพิจารณาร่วมกัน เหตุการณ์เหล่านี้แสดงให้เห็นว่าเหตุใดการตั้งค่าการลบจึงไม่ได้ตอบทุกคำถามเกี่ยวกับข้อมูลที่ยังถูกเก็บไว้ เมื่อมีสำเนาเกิดขึ้นแล้ว ภาระผูกพันที่อยู่นอกเหนือการควบคุมของผู้ใช้อาจส่งผลต่อสิ่งที่จะเกิดขึ้นกับข้อมูลนั้น การลดการเก็บรักษาที่ไม่จำเป็นย่อมลดความเสี่ยงดังกล่าวได้ตั้งแต่ก่อนจะเกิดข้อพิพาท

การตรวจสอบโดยมนุษย์: อาจมีการเข้าถึงได้โดยไม่ต้องมีการละเมิดข้อมูลเกิดขึ้น

เอกสารสำหรับผู้บริโภคของ OpenAI ระบุไว้อย่างชัดเจนว่า อนุญาตให้บุคลากรที่ได้รับอนุญาตและผู้ให้บริการเข้าถึงข้อมูลได้อย่างจำกัดเพื่อวัตถุประสงค์ที่กำหนดไว้ รวมถึงการสืบสวนด้านความปลอดภัย การสนับสนุน การดำเนินการทางกฎหมาย และการปรับปรุงโมเดลในกรณีที่เข้าเกณฑ์ แนวทางสำหรับผู้บริโภคของ Anthropic อนุญาตให้เจ้าหน้าที่ที่ได้รับมอบหมายตรวจสอบบทสนทนาเพื่อบังคับใช้นโยบายการใช้งาน โดยมีการเข้าถึงอีกประเภทหนึ่งแยกต่างหากสำหรับข้อเสนอแนะที่ผู้ใช้ให้ความยินยอม 4, 8

นี่คือช่องทางการเข้าถึงที่มีการบันทึกไว้ ไม่ใช่ข่าวลือ มันไม่ได้พิสูจน์ว่าพนักงานอ่านทุกบทสนทนา แต่ก็พิสูจน์ได้ว่าอินเทอร์เฟซแชตที่ดูเหมือนเป็นส่วนตัว ไม่ได้เป็นกำแพงทางเทคนิคที่ป้องกันผู้ให้บริการเข้าถึงได้เสมอไป

เอกสารปัจจุบันของ Anthropic เพิ่มตัวอย่างสำคัญจากฝั่งธุรกิจเข้ามา โมเดลที่อยู่ในกลุ่ม Covered Models ที่กำหนดไว้ต้องมีการเก็บรักษาข้อมูล 30 วันในการใช้งานบางรูปแบบ ซึ่งก่อนหน้านี้ใช้ zero data retention พร้อมการตรวจสอบโดยมนุษย์แบบควบคุมและมีข้อยกเว้น กฎนี้มีขอบเขตจำกัดตามตัวโมเดล แพลตฟอร์ม และคุณสมบัติผู้มีสิทธิ์ ไม่ใช่การเปลี่ยนแปลงแบบครอบคลุมทุกผลิตภัณฑ์ Claude เอกสารยังระบุว่าแผนสำหรับผู้บริโภคไม่ได้รับผลกระทบ เพราะพื้นผิวการใช้งานเหล่านั้นมีการเก็บอินพุตและเอาต์พุตอยู่แล้ว 9

การเฝ้าระวังด้านความปลอดภัยมีวัตถุประสงค์ที่ชอบธรรม ความท้าทายทางวิศวกรรมคือการบรรลุวัตถุประสงค์นั้นไปพร้อมกับลดข้อมูลอ่อนไหวที่ระบบเฝ้าระวังและผู้ตรวจสอบสามารถเข้าถึงได้ให้น้อยที่สุด เหตุผลด้านความปลอดภัยไม่ได้ทำให้คำถามเรื่องความเป็นส่วนตัวหายไป

ข้อถกเถียงทางคณิตศาสตร์: ข้อกล่าวหาที่ยังไม่ได้ข้อยุติ กับปัญหาความไว้วางใจที่มีอยู่จริง

ข้อถกเถียงในเดือน September 2026 เกี่ยวกับการประกาศของ OpenAI เรื่อง Navier–Stokes ทำให้เกิดความกังวลอีกแบบหนึ่ง: จะเกิดอะไรขึ้นเมื่อผู้ช่วยที่ช่วยงานวิจัยส่วนตัวของคุณเป็นของบริษัทที่กำลังทำวิจัยของตัวเองอยู่ด้วย

ข้อพิพาทนี้เกี่ยวข้องกับงานคณิตศาสตร์ที่ยังไม่ได้ตีพิมพ์และเรื่องเครดิต รายงานข่าวระบุว่านักคณิตศาสตร์ Tristan Buckmaster และ Levent Alpöge ใช้เครื่องมือ AI ในการทำงานของตน และ Buckmaster ตั้งคำถามว่าสื่อส่วนตัวของพวกเขาอาจมีส่วนต่อผลลัพธ์ของ OpenAI หรือไม่ 10

OpenAI โต้แย้งคำบอกเล่านั้น คำชี้แจงที่เผยแพร่ของบริษัทระบุว่า ทั้งนักวิจัยของบริษัทและตัวแทนของบริษัทไม่ได้เห็นงานของทั้งคู่ก่อนการตีพิมพ์ ในอัปเดตลงวันที่ 10 September บริษัทยังระบุเพิ่มเติมว่า การสอบสวนได้ตัดความเป็นไปได้ของอิทธิพลใดๆ จากพรอมป์ต์ Codex ของ Buckmaster ในช่วงสองเดือนก่อนหน้านั้นออกไป รวมถึงผ่านการฝึกด้วย ถ้อยแถลงที่มีกรอบเวลาชัดเจนนี้มีความเฉพาะเจาะจงมากกว่าคำบอกเล่าในรายงานบางชิ้นก่อนหน้านี้ 11

คำบอกเล่าในที่สาธารณะยังคงมีข้อโต้แย้งกันอยู่ แหล่งข้อมูลที่ทบทวนในที่นี้ไม่ได้พิสูจน์อย่างอิสระว่า OpenAI ใช้บทสนทนาส่วนตัวเหล่านั้นเพื่อสร้างผลลัพธ์ของตน

ถึงกระนั้น ข้อพิพาทนี้ก็เผยให้เห็นคำถามที่ควรได้รับคำตอบอย่างชัดเจน: เมื่อผู้คนนำงานที่ยังไม่เสร็จเข้าสู่ AI อะไรคือสิ่งที่คุ้มครองคุณค่าทางข้อมูลของงานนั้น? การลบชื่อผู้เขียนออกจากบทพิสูจน์ ไม่ได้ทำให้บทพิสูจน์หายไป การทำให้กลยุทธ์ทางการค้าไม่สามารถระบุตัวตนได้ ก็ไม่ได้ทำให้กลยุทธ์นั้นกลายเป็นทรัพย์สินสาธารณะ

นั่นจึงเป็นเหตุผลว่าทำไมความเป็นส่วนตัวที่เข้มแข็งต้องมีการคุ้มครองทั้งตัวตนและเนื้อหา ผู้ใช้ควรสามารถเข้าใจได้ว่าเนื้อหาของตนสามารถเข้าสู่กระบวนการฝึก วิจัย ประเมินผล หรือการตรวจสอบได้หรือไม่ และมีการควบคุมทางเทคนิคใดที่ใช้บังคับขอบเขตเหล่านั้น

สี่คำถามที่ไม่ควรถูกรวมเป็นเรื่องเดียวกัน

ความสับสนส่วนใหญ่มาจากการมองว่า “private” เป็นคุณสมบัติเดียว แต่ในทางปฏิบัติ มีคำถามแยกกันสี่ข้อที่กำหนดว่าบทสนทนาหนึ่งจะเกิดอะไรขึ้น

การฝึก: เนื้อหานั้นสามารถช่วยพัฒนาหรือปรับปรุงโมเดลได้หรือไม่? การ opt-out เปลี่ยนแปลงการใช้งานข้อมูลที่ได้รับอนุญาตรูปแบบหนึ่ง แต่ไม่ได้จำเป็นต้องเปลี่ยนแปลงว่าข้อมูลนั้นถูกส่งต่อหรือถูกจัดเก็บหรือไม่

การเข้าถึง: ระบบและบุคคลใดบ้างที่สามารถตรวจดูมันได้? การเข้ารหัสระหว่างการส่งและการจัดเก็บเป็นเรื่องสำคัญ แต่ไม่ได้ป้องกันโดยอัตโนมัติไม่ให้บริการที่ได้รับอนุญาตถอดรหัสเนื้อหาเพื่อประมวลผลหรือตรวจสอบ

การเก็บรักษา: อะไรยังคงอยู่ ที่ไหน และนานเท่าใด? การนำแชตออกจากอินเทอร์เฟซ การลบบันทึกในระบบใช้งานจริง การปล่อยให้ข้อมูลสำรองหมดอายุ และการกันข้อมูลออกจากการฝึกในอนาคต เป็นการดำเนินการคนละอย่างกัน

การดำเนินการ: ผู้ช่วยที่เชื่อมต่อกับบริการต่าง ๆ สามารถอ่าน เปลี่ยนแปลง หรือส่งอะไรได้บ้าง? เมื่อมันสามารถทำงานผ่านบัญชีของคุณได้แล้ว ความเป็นส่วนตัวยังขึ้นอยู่กับสิทธิ์อนุญาตและการควบคุมข้อมูลขาออกด้วย

การเปรียบเทียบด้านความเป็นส่วนตัวที่มีประโยชน์ควรแยกคำถามเหล่านั้นออกจากกัน การสมัครใช้งานแบบเสียเงิน สวิตช์สำหรับการฝึก หรือป้ายกำกับงานส่วนตัว ไม่สามารถตอบคำถามทั้งสี่ข้อได้ทั้งหมด

บริการต่าง ๆ เปรียบเทียบกันอย่างไร

ตารางด้านล่างมุ่งเน้นการใช้งานรายบุคคล เว้นแต่จะระบุขอบเขตไว้ต่างออกไป ตารางนี้สรุปจากเอกสารที่ตรวจสอบแล้ว ไม่ใช่ผลลัพธ์จากการตรวจสอบความปลอดภัยโดยอิสระ

บริการ	จุดยืนเรื่องการฝึก	ขอบเขตแยกต่างหากที่ควรทำความเข้าใจ
ChatGPT	เนื้อหารายบุคคลอาจถูกนำไปใช้เพื่อการปรับปรุงได้; ตัวควบคุมจะยกเว้นการสนทนาใหม่และงาน Codex. Temporary Chat ถูกยกเว้น 4, 5	การเข้าถึงที่ได้รับอนุญาตและการเก็บรักษายังคงเป็นคนละประเด็นกัน Codex ยังมีการตั้งค่าการฝึกแบบทั้งสภาพแวดล้อมที่แยกต่างหากด้วย
Claude	การปรับปรุงโมเดลสำหรับผู้บริโภคขึ้นอยู่กับตัวเลือกของผู้ใช้; ฟีดแบ็กและการใช้งานที่เกี่ยวข้องกับความปลอดภัยมีกฎแยกต่างหาก Incognito ถูกยกเว้นจากการปรับปรุงทั่วไป 6	ข้อยกเว้นด้านการตรวจสอบและการเก็บรักษายังคงมีผลอยู่ Covered Models เชิงพาณิชย์บางรายการมีข้อกำหนดการเก็บรักษาเพิ่มเติม 7–9
Cursor	Privacy Mode ยกเว้นข้อมูลลูกค้าออกจากการฝึกของ Cursor และอธิบายข้อตกลงไม่เก็บรักษาข้อมูลของผู้ให้บริการ โดยขึ้นอยู่กับข้อยกเว้นที่ระบุไว้ 12	คำขอยังคงผ่าน backend ของ Cursor การตรวจสอบการใช้งานในทางที่ผิด การแคช และประกาศเฉพาะของโมเดลยังมีความสำคัญ
Perplexity	การเก็บข้อมูลเพื่อฝึก AI สำหรับผู้บริโภคเปิดใช้งานเป็นค่าเริ่มต้น รวมถึงใน Pro และ Max; ผู้ใช้สามารถเลือกไม่เข้าร่วมได้ในอนาคต 13	การเลือกไม่เข้าร่วมไม่ได้หยุดการประมวลผลเพื่อการดำเนินงานของบริการหรือการปฏิบัติตามกฎหมาย เงื่อนไขสำหรับ Enterprise แตกต่างออกไป
Manus	เอกสารสำหรับทีมระบุว่ามีตัวเลือกไม่เข้าร่วมการฝึก; การทบทวนนี้ไม่สามารถยืนยันกฎการฝึกที่ชี้ขาดสำหรับแผนรายบุคคลได้ 15	การที่งานรายบุคคลเป็นส่วนตัวโดยค่าเริ่มต้นอธิบายเรื่องการมองเห็นในการแชร์ ไม่ใช่ข้อจำกัดทั้งหมดต่อการใช้งานโดยผู้ให้บริการ 14
Meta’s Muse	เอกสารช่วงเปิดตัวอธิบายว่ามีการฝึกบนข้อมูลการโต้ตอบที่ผ่านการทำให้ปลอดข้อมูลระบุตัวตนแล้วเป็นค่าเริ่มต้น พร้อมตัวเลือกไม่เข้าร่วม 16	การทำให้ปลอดข้อมูลระบุตัวตนก่อนการฝึกไม่เหมือนกับการปิดบังข้อมูลก่อนการอนุมาน ข้อจำกัดของผู้ปฏิบัติงานในช่วงเปิดตัวแตกต่างจาก Confidential VM ที่วางแผนไว้
Dvina	การสนทนา ไฟล์ พรอมป์ต์ และข้อมูลเวิร์กสเปซจะไม่ถูกนำไปใช้ฝึกโมเดล AI 17, 18	การปิดบังข้อมูลอัตโนมัติแก้ปัญหาขอบเขตก่อนหน้านั้น: ตัวระบุข้อมูลส่วนบุคคลที่ตรวจพบจะถูกแทนที่ก่อนการประมวลผลของโมเดล

รายละเอียดด้านล่างอธิบายว่าความแตกต่างเหล่านี้มีความสำคัญอย่างไรในการใช้งานประจำวัน

ChatGPT และ Claude: การกระทำที่คุณเลือกทำจะเปลี่ยนกฎ

OpenAI อนุญาตให้ผู้ใช้ปิดการฝึกได้โดยไม่ต้องลบประวัติแชตปกติ Temporary Chat เปลี่ยนวิธีจัดการการสนทนาไปอีกขั้น แต่เอกสารของบริษัทก็ยังเปิดทางให้มีการตรวจสอบการใช้งานในทางที่ผิด และระบุระยะเวลาการลบ 30 วัน ผู้ใช้ Codex ควรแยกความแตกต่างระหว่างการตั้งค่าเนื้อหาระดับบัญชี กับการตั้งค่าแบบทั้งสภาพแวดล้อมที่แยกต่างหากของมันด้วย 4, 5

สำหรับ Claude ฟีดแบ็กเป็นจุดที่ควรให้ความสนใจเป็นพิเศษ Anthropic ระบุว่าการกดชอบ กดไม่ชอบ หรือส่งรายงานบั๊ก อาจเกี่ยวข้องกับการจัดเก็บบทสนทนาที่เกี่ยวข้องไว้นานสูงสุดห้าปี และนำไปใช้เพื่อวัตถุประสงค์ต่าง ๆ รวมถึงการฝึกโมเดลด้วย การเปิดใช้การปรับปรุงโมเดลทั่วไปยังทำให้เนื้อหาที่ลบข้อมูลระบุตัวตนแล้วและเข้าเกณฑ์สามารถคงอยู่ในกระบวนการฝึกได้นานสูงสุดห้าปี กฎเหล่านี้ไม่เหมือนกับกฎการลบแชตทั่วไป 6, 7

ดังนั้น คนคนหนึ่งอาจตัดสินใจเรื่องความเป็นส่วนตัวหลายอย่างภายในผลิตภัณฑ์เดียว โดยไม่รู้ว่านั่นเป็นการตัดสินใจที่แยกจากกัน การออกแบบผลิตภัณฑ์ควรทำให้ความแตกต่างเหล่านั้นชัดเจน ณ จุดที่ใช้งาน

Cursor และ Perplexity: ป้ายชื่อของผลิตภัณฑ์ไม่ใช่ขอบเขตของการประมวลผล

Privacy Mode ของ Cursor ให้ข้อจำกัดที่มีความหมายต่อการฝึกและการเก็บรักษาข้อมูลโดยผู้ให้บริการ แต่มันไม่ได้ทำให้ตัวแก้ไขกลายเป็นแบบ local-only: Cursor ระบุว่าคำขอยังคงเดินทางผ่าน backend ของตน แม้จะใช้ API key ที่ผู้ใช้จัดหาเองก็ตาม เอกสารของบริษัทยังอธิบายถึงการแคชไฟล์แบบเข้ารหัสชั่วคราว และข้อยกเว้นที่เกี่ยวข้องกับการตรวจสอบการใช้งานในทางที่ผิดหรือโมเดลที่กำหนดไว้ 12

Perplexity แสดงให้เห็นความแตกต่างอีกแบบหนึ่ง บัญชี Free, Pro และ Max ของบริษัทอยู่ภายใต้การควบคุมการฝึกสำหรับผู้บริโภค โดยเปิดการเก็บข้อมูลไว้เป็นค่าเริ่มต้น การเลือกไม่เข้าร่วมที่เผยแพร่ไว้มีผลกับข้อมูลที่เก็บหลังจากนั้น ไม่ใช่การลบข้อมูลการฝึกก่อนหน้าแบบย้อนหลัง การซื้อการสมัครใช้งานส่วนบุคคลไม่ได้ทำให้บัญชีนั้นกลายเป็นบัญชี Enterprise 13

ในทั้งสองกรณี คำถามที่เกี่ยวข้องคือโหมดและบัญชีที่เลือกเปลี่ยนอะไรบ้าง—not what the product name appears to imply.

Manus และ Muse: เวิร์กสเปซส่วนตัวยังต้องมีขอบเขตที่ชัดเจนอย่างชัดแจ้ง

Manus ระบุว่างานรายบุคคลเป็นส่วนตัว เว้นแต่จะมีการแชร์ เอกสารสำหรับทีมของบริษัทยังอธิบายด้วยว่าเจ้าของสามารถเข้าถึงเนื้อหาเซสชันของทีมได้ กฎเรื่องการมองเห็นเหล่านี้มีประโยชน์ แต่ไม่ได้กำหนดนโยบายการฝึกสำหรับรายบุคคล หน้า privacy ฉบับเต็มของ Manus ไม่สามารถดึงมาใช้ในการทบทวนครั้งนี้ได้ ดังนั้นคำถามนี้จึงยังไม่ได้รับการยืนยัน แทนที่จะเติมคำตอบจากแผนอื่น 14, 15

เอกสารช่วงเปิดตัวของ Muse อธิบายความแตกต่างระหว่างข้อจำกัดเชิงปฏิบัติการกับการป้องกันทางเทคนิคไว้อย่างชัดเจนผิดปกติ Meta ระบุว่า Secure VM ในช่วงเปิดตัวจำกัดการเข้าถึงของพนักงานผ่านนโยบายต่าง ๆ แต่ไม่ได้ป้องกันการเข้าถึงเมื่อจำเป็นต่อการดำเนินงาน การสนับสนุน หรือการรักษาความปลอดภัยของบริการ ส่วน Confidential VM ซึ่งตั้งใจให้ป้องกันการเข้าถึงของผู้ปฏิบัติงานด้วยวิธีการเข้ารหัส ถูกอธิบายว่ายังมาไม่ถึงและอยู่ในช่วงทดสอบแบบจำกัด การป้องกันที่วางแผนไว้ไม่ควรถูกนับว่าเปิดให้ทุกคนใช้งานได้แล้ว 16

Muse ยังแยก credential ของตัวเชื่อมต่อจริงออกจากเอเจนต์หลัก และให้การอนุมัติการดำเนินการอยู่ภายใต้อำนาจสิทธิ์อนุญาตที่แยกต่างหาก สิ่งนี้สะท้อนหลักการที่มีคุณค่า: เอเจนต์ไม่ควรได้รับความลับหรือสิทธิ์อนุญาต เพียงเพราะมันอาจสะดวก 16

ย้ายการปกป้องไปยังจุดก่อนการเปิดเผยข้อมูล

การยกเว้นจากการฝึกควบคุมการใช้ข้อมูลรูปแบบหนึ่ง การปิดบังข้อมูลเปลี่ยนข้อมูลที่พร้อมให้ประมวลผล การจำกัดการเก็บรักษาลดจำนวนสำเนาที่ยังคงอยู่ การควบคุมสิทธิ์อนุญาตจำกัดสิ่งที่เอเจนต์ทำได้ การปกป้องเหล่านี้เสริมกัน และขั้นตอนที่แต่ละอย่างทำงานอยู่ก็มีความสำคัญ

ลองพิจารณาคำขอตัวอย่างนี้: เขียนอีเมลติดตามลูกค้าไปยังที่อยู่อีเมลหนึ่งโดยเฉพาะ โมเดลอาจจำเป็นต้องรู้วัตถุประสงค์ น้ำเสียง และข้อตกลงที่เกี่ยวข้อง แต่ไม่จำเป็นต้องรู้ชื่อลูกค้าจริงหรือที่อยู่จริงเพื่อร่างข้อความ การแทนที่ตัวระบุที่ตรวจพบเหล่านั้นด้วย placeholders ก่อนการอนุมาน จะช่วยลดข้อมูลที่โมเดลได้รับ ขณะเดียวกันก็ยังคงโครงสร้างที่เป็นประโยชน์ของงานไว้ได้

สิ่งนี้แตกต่างจากการส่งข้อความต้นฉบับไปก่อน แล้วค่อยให้คำมั่นว่าจะลบตัวระบุออกก่อนนำไปใช้ในภายหลัง

หลักการเดียวกันนี้ขยายไปไกลกว่าตัวระบุส่วนบุคคล งานวิจัยที่เป็นความลับต้องมีการควบคุมเหนือเนื้อหางานวิจัยนั้นเอง บัญชีที่เชื่อมต่อกันต้องมีสิทธิ์การเข้าถึงที่จำกัดอย่างเฉพาะเจาะจง บันทึกที่เก็บรักษาไว้ต้องมีระยะเวลาการเก็บที่กำหนดชัดเจนและข้อจำกัดการเข้าถึงที่บังคับใช้ได้ การปกปิดอัตลักษณ์เป็นเพียงองค์ประกอบหนึ่งของการออกแบบนั้น ไม่ใช่สิ่งทดแทนการปกป้องสาระสำคัญของสิ่งประดิษฐ์หรือเอกสาร

มีงานที่เกี่ยวข้องเกิดขึ้นทั่วทั้งอุตสาหกรรม OpenAI เปิดตัว Privacy Filter ที่รันได้ในเครื่องเมื่อเดือนเมษายน 2026 และเอกสารของ Muse จาก Meta อธิบายถึงการแยกส่วนทางเทคนิคและการออกแบบ confidential computing ที่แข็งแกร่งยิ่งขึ้นซึ่งกำลังอยู่ระหว่างการพัฒนา ความพยายามเหล่านี้สนับสนุนเหตุผลในการออกแบบความเป็นส่วนตัวให้ฝังอยู่ในระบบ อย่างไรก็ตาม การเปิดตัวเครื่องมือหรือ roadmap เพียงอย่างเดียว ยังไม่ใช่หลักฐานว่าบทสนทนาของผู้บริโภคทุกครั้งได้รับการคุ้มครองในระดับที่สอดคล้องกันแล้ว 16, 19

มาตรฐานที่ควรยึดคือการคุ้มครองที่บุคคลได้รับในผลิตภัณฑ์ที่พวกเขากำลังใช้อยู่ในวันนี้

Dvina: ทำให้ความเป็นส่วนตัวเป็นส่วนหนึ่งของการใช้งานตามปกติ

แนวทางของ Dvina นำการคุ้มครองตั้งแต่ต้นนี้เข้ามาอยู่ในประสบการณ์การใช้งานผู้ช่วย ระบบที่มีการบันทึกไว้ของบริษัทตรวจจับข้อมูลส่วนบุคคลที่อ่อนไหวในเครื่องขณะที่ผู้ใช้พิมพ์หรืออัปโหลดเนื้อหา เข้ารหัสข้อมูลส่วนบุคคลที่ตรวจพบ และแทนที่ด้วย placeholders ก่อนการประมวลผลของโมเดล โมเดลจึงทำงานกับ placeholders เหล่านั้น แทนที่จะใช้ตัวระบุจริงที่ตรวจพบ 17, 18

ความแตกต่างนี้มีผลในทางปฏิบัติ ผู้ใช้ไม่ควรต้องหยุดทุกงานเพื่อมานั่งลบชื่อและรายละเอียดการติดต่อด้วยตนเอง หรือพึ่งพาเพียงคำมั่นว่าจะเกิดอะไรขึ้นหลังจากที่โมเดลได้รับข้อมูลเหล่านั้นแล้ว การคุ้มครองควรมาพร้อมกับการโต้ตอบนั้นเอง

Dvina ยังไม่นำบทสนทนา ไฟล์ prompts และข้อมูล workspace ของผู้ใช้ไปใช้ฝึกโมเดลด้วย การผสานกันนี้สำคัญ: คำมั่นว่าจะไม่ใช้ฝึกโมเดลช่วยจำกัดการนำข้อมูลกลับไปใช้ซ้ำ ขณะที่การคุ้มครองก่อนการประมวลผลช่วยจำกัดข้อมูลส่วนบุคคลที่ถูกเปิดเผยต่อโมเดลตั้งแต่แรก 17, 18

ยังมีชั้นการป้องกันอื่นที่สนับสนุนแนวทางนี้ด้วย Dvina อธิบายถึงการจัดเก็บบทสนทนาแบบเข้ารหัส การแยกข้อมูลระหว่างข้อความที่จัดเก็บกับอัตลักษณ์ของผู้ใช้ และการโฮสต์ข้อมูลในสหภาพยุโรปพร้อมการคุ้มครองในระดับ GDPR แต่ละส่วนจัดการกับคนละช่วงของกระบวนการจัดการข้อมูล แทนที่จะฝากภาระทั้งหมดไว้กับการตั้งค่าการฝึกโมเดลเพียงอย่างเดียว 17, 18

ความแตกต่างทางเทคนิคนี้ชัดเจนและเฉพาะเจาะจง: ตัวระบุส่วนบุคคลที่ตรวจพบจะถูกแทนที่ในข้อมูลนำเข้าของโมเดล ขณะที่งานโดยรอบยังคงพร้อมให้ประมวลผลได้ ความเป็นส่วนตัวจึงกลายเป็นส่วนหนึ่งของการไหลของข้อมูล แทนที่จะเป็นเพียงการตั้งค่าที่ผู้ใช้ต้องคอยจำมาจัดการเอง

สำหรับผม นี่คือทิศทางของ AI ที่มีประโยชน์มากกว่า: ให้ผู้คนนำบริบทที่มีความหมายเข้ามาใช้ในการทำงานได้ พร้อมกับออกแบบระบบให้เปิดเผยอัตลักษณ์ของพวกเขาน้อยกว่าที่งานนั้นจำเป็นต้องใช้

บทสรุป: ความเป็นส่วนตัวจะเป็นตัวกำหนดว่าผู้คนจะยอมให้ AI เข้ามาในชีวิตมากแค่ไหน

ผู้ช่วย AI จะยิ่งมีประโยชน์มากขึ้นเมื่อมันเข้าใจสถานการณ์แวดล้อมของเรามากขึ้น และนั่นก็ก่อให้เกิดความรับผิดชอบในการปกป้องข้อมูลที่อยู่เบื้องหลังความเข้าใจนั้น การขอให้ผู้คนเปิดให้เข้าถึงมากขึ้น แต่ตอบแทนด้วยเพียงหน้า settings อีกหน้าหนึ่ง ไม่ใช่คำตอบที่เพียงพอ

หลักฐานชี้ไปยังความเสี่ยงหลายแบบที่แตกต่างกัน ซอฟต์แวร์อาจเปิดเผยข้อมูลข้ามบัญชีได้ บทสนทนาที่จัดเก็บไว้อาจตกอยู่ภายใต้คำสั่งทางกฎหมาย การตรวจสอบโดยผู้มีสิทธิ์อาจเกิดขึ้นได้แม้ไม่มีการละเมิดความปลอดภัย และข้อพิพาทเกี่ยวกับงานวิจัยส่วนตัวอาจบั่นทอนความไว้วางใจได้ แม้ข้อกล่าวหานั้นยังไม่ได้รับการยืนยันอย่างอิสระก็ตาม

ความเสี่ยงเหล่านั้นต้องการงานวิศวกรรม ไม่ใช่แค่ถ้อยคำที่ดีขึ้น การตรวจจับข้อมูลอ่อนไหว การคุ้มครองก่อนการประมวลผล การแยกอัตลักษณ์ การเก็บรักษาอย่างจำกัด และสิทธิ์การเข้าถึงที่บังคับใช้ได้ ควรได้รับความใส่ใจอย่างต่อเนื่องในฐานะความสามารถพื้นฐานด้านความปลอดภัยของ AI ประโยชน์ใช้สอยของผู้ช่วยและการคุ้มครองผู้ใช้ต้องก้าวหน้าไปพร้อมกัน

ด้วย Dvina เรากำลังช่วยขับเคลื่อนการเปลี่ยนผ่านนี้ โดยทำให้การคุ้มครองก่อนการประมวลผลของโมเดลเป็นส่วนหนึ่งของรากฐานของผลิตภัณฑ์ เป้าหมายไม่ใช่การขอความไว้วางใจเพิ่มขึ้นผ่านคำกล่าวอ้างที่หนักแน่นกว่าเดิม แต่คือการลดระดับที่ความไว้วางใจต้องพึ่งพาเพียงคำมั่นสัญญาอย่างเดียว

ผู้คนควรสามารถขอความช่วยเหลือ พัฒนาไอเดีย และแบ่งปันบริบทที่จำเป็นต่อการก้าวต่อไปได้ โดยไม่ต้องมองว่าทุกบทสนทนาเป็นการยอมสละความเป็นส่วนตัวของตนเอง การสร้างความมั่นใจเช่นนั้นคือหนึ่งในภารกิจที่สำคัญที่สุดของ AI ในอนาคต

แหล่งข้อมูลและขอบเขต

แหล่งข้อมูลได้รับการทบทวนเมื่อวันที่ 22 September 2026 บทความนี้อ้างอิงจากเอกสารของผู้ให้บริการและรายงานข่าวที่มีการระบุแหล่งที่มา ไม่ใช่การตรวจสอบความปลอดภัยโดยอิสระ ขอบเขตการเปรียบเทียบหลักคือแผนสำหรับผู้ใช้รายบุคคล ข้อยกเว้นสำหรับเชิงพาณิชย์, API และเฉพาะโมเดลจะถูกระบุแยกต่างหาก ส่วนคณิตศาสตร์แยกความกังวลที่มีการรายงานออกจากคำชี้แจงล่าสุดของ OpenAI โดยไม่มีส่วนใดถูกนำเสนอว่าเป็นข้อค้นพบโดยอิสระ กฎการฝึกโมเดลของแผนรายบุคคลของ Manus ยังไม่ได้รับการยืนยัน เนื่องจากไม่สามารถดึงนโยบายความเป็นส่วนตัวฉบับเต็มได้