Trước khi bạn chia sẻ: Quyền riêng tư AI cần nhiều hơn một lời hứa

Mở đầu: cuộc trò chuyện đang dần trở thành cuộc sống của bạn

Bạn mở một trợ lý AI để viết một lời hồi đáp khó khăn. Bạn dán tin nhắn vào, giải thích mối quan hệ, rồi thêm vài chi tiết mà bạn chưa chia sẻ ở đâu khác. Vào một ngày khác, bạn tải lên một hợp đồng, bàn về một ý tưởng còn dang dở, hoặc kết nối hộp thư đến để trợ lý có thể hiểu điều gì đang cần bạn chú ý.

Không hành động nào trong số này tạo cảm giác như đang công khai thông tin. Bạn đang tìm kiếm sự giúp đỡ.

Thế nhưng thông tin đó có thể đi qua hạ tầng, hệ thống lưu trữ, quy trình rà soát và các nghĩa vụ pháp lý mà phần lớn đều vô hình từ cửa sổ trò chuyện. Một trợ lý có thể mang lại cảm giác rất riêng tư từ rất sớm, ngay cả khi cách nó xử lý dữ liệu của bạn chưa đáp ứng được kỳ vọng đó.

Quan điểm của tôi rất đơn giản: quyền riêng tư AI không nên chỉ phụ thuộc vào những gì một công ty hứa sẽ làm sau khi nhận được thông tin của bạn. Nó cũng phải phụ thuộc vào những gì hệ thống của họ ngăn không cho đến được mô hình ngay từ đầu. Chính sách là quan trọng. Nhưng chúng cần có các biện pháp bảo vệ kỹ thuật đứng phía sau.

Tôi đã chuẩn bị bài viết này với sự hỗ trợ từ đội ngũ Dvina. Bài viết xem xét các sự cố đã được ghi nhận và những thực hành hiện tại trên ChatGPT, Claude, Cursor, Perplexity, Manus, Muse của Meta và Dvina. Mục đích là giải thích vì sao quyền riêng tư phải trở thành một ưu tiên kỹ thuật cốt lõi khi AI ngày càng tham gia sâu hơn vào cuộc sống của chúng ta—và Dvina đang tiếp cận trách nhiệm đó như thế nào.

Những gì các sự cố cho chúng ta biết

Mối lo ngại này không phải là giả định. Nhưng các loại bằng chứng khác nhau lại cho thấy những vấn đề khác nhau. Một vụ lộ dữ liệu đã được xác nhận, một đợt rà soát bởi con người được cho phép và một cáo buộc về việc lạm dụng nghiên cứu không nên bị trình bày như thể đó là cùng một sự việc.

Vụ lộ dữ liệu của ChatGPT năm 2023: một thất bại ngay trong chính hệ thống.

Vào ngày 20 March 2023, một lỗi phần mềm đã khiến một số người dùng ChatGPT có thể nhìn thấy tiêu đề trong lịch sử trò chuyện của một người dùng đang hoạt động khác. OpenAI cho biết tin nhắn đầu tiên của một cuộc trò chuyện mới tạo cũng có thể đã hiển thị trong một số trường hợp nhất định. Cuộc điều tra của họ xác định khả năng lộ thông tin liên quan đến thanh toán của 1.2% người đăng ký Plus đang hoạt động trong một khoảng thời gian chín giờ cụ thể. Số thẻ đầy đủ không bị lộ. OpenAI đã vá lỗi và thông báo cho những người dùng bị ảnh hưởng. 1

Bài học ở đây không phải là cùng một lỗ hổng đó vẫn còn mở. Mà là một cam kết về quyền riêng tư, tự thân nó, không thể ngăn hệ thống trả thông tin về cho nhầm người. Cơ chế cô lập, kiểm tra quyền truy cập và lượng thông tin định danh sẵn có để bị lộ đều rất quan trọng.

Vụ kiện của The New York Times: việc xóa dữ liệu đã vấp phải một nghĩa vụ pháp lý.

Vào năm 2025, OpenAI phải đối mặt với một lệnh của tòa án yêu cầu lưu giữ dữ liệu lẽ ra đã bị xóa. Bản cập nhật tháng 10 của công ty cho biết nghĩa vụ rộng về việc lưu giữ dữ liệu mới vô thời hạn đã chấm dứt vào ngày 26 September 2025, trong khi một tập dữ liệu lịch sử giới hạn vẫn bị giữ lại theo yêu cầu pháp lý. Yêu cầu lưu giữ ban đầu loại trừ một số sản phẩm nhất định và các thỏa thuận không lưu giữ dữ liệu. 2

Một diễn biến sau đó cần được đọc tách biệt: vào December 2025, Reuters đưa tin rằng một thẩm phán đã yêu cầu OpenAI cung cấp 20 triệu nhật ký trò chuyện đã được ẩn danh trong vụ kiện bản quyền, bác bỏ các phản đối của công ty và dựa vào việc khử định danh cùng các biện pháp bảo vệ. Đây là một lệnh cung cấp chứng cứ trong quá trình tố tụng, không phải việc công bố các cuộc trò chuyện riêng tư của mọi người lên internet. 3

Khi đặt cạnh nhau, các sự kiện này cho thấy vì sao một cài đặt xóa không thể giải quyết mọi câu hỏi về thông tin được lưu giữ. Một khi bản sao đã tồn tại, những nghĩa vụ nằm ngoài tầm kiểm soát của người dùng có thể ảnh hưởng đến điều gì sẽ xảy ra với nó. Giảm việc lưu giữ không cần thiết sẽ làm thay đổi mức độ phơi lộ đó trước khi tranh chấp bắt đầu.

Rà soát bởi con người: có thể được cho phép mà không cần xảy ra vi phạm.

Tài liệu dành cho người dùng phổ thông của OpenAI nêu rõ rằng nhân sự được ủy quyền và các nhà cung cấp dịch vụ có thể được phép truy cập ở mức giới hạn cho những mục đích xác định, bao gồm điều tra an ninh, hỗ trợ, các vấn đề pháp lý và cải thiện mô hình trong những trường hợp đủ điều kiện. Hướng dẫn dành cho người dùng phổ thông của Anthropic cho phép nhân sự được chỉ định rà soát các cuộc trò chuyện để thực thi chính sách sử dụng, với quyền truy cập riêng biệt gắn với phản hồi mà người dùng đã đồng ý cung cấp. 4, 8

Đây là những con đường truy cập đã được ghi nhận trong tài liệu, không phải tin đồn. Chúng không chứng minh rằng nhân viên đọc mọi cuộc trò chuyện. Nhưng chúng có cho thấy rằng một giao diện chat trông có vẻ riêng tư không nhất thiết là rào cản kỹ thuật ngăn nhà cung cấp truy cập.

Tài liệu hiện tại của Anthropic bổ sung một ví dụ quan trọng ở phía doanh nghiệp. Các Covered Models được chỉ định của hãng yêu cầu lưu giữ 30 ngày trong một số triển khai trước đây từng áp dụng zero data retention, với cơ chế rà soát bởi con người có kiểm soát và các ngoại lệ. Quy định này có các ranh giới theo mô hình, nền tảng và điều kiện đủ tiêu chuẩn; đây không phải là thay đổi áp dụng đồng loạt cho mọi sản phẩm Claude. Các gói dành cho người dùng phổ thông được mô tả là không bị ảnh hưởng vì các bề mặt đó vốn đã lưu giữ đầu vào và đầu ra. 9

Giám sát an toàn có một mục đích chính đáng. Thách thức về mặt kỹ thuật là đáp ứng mục đích đó trong khi giảm thiểu lượng thông tin nhạy cảm mà các hệ thống giám sát và người rà soát có thể tiếp cận. Một lý do an toàn không làm cho câu hỏi về quyền riêng tư biến mất.

Tranh cãi toán học: một cáo buộc chưa được giải quyết, một vấn đề niềm tin có thật

Tranh cãi vào September 2026 xoay quanh thông báo Navier–Stokes của OpenAI đã làm dấy lên một mối lo khác: điều gì xảy ra khi trợ lý hỗ trợ nghiên cứu riêng tư của bạn lại thuộc về một công ty cũng đang tự tiến hành nghiên cứu?

Tranh chấp liên quan đến công trình toán học chưa công bố và vấn đề ghi nhận công lao. Các bài tường thuật cho biết hai nhà toán học Tristan Buckmaster và Levent Alpöge đã sử dụng các công cụ AI trong công việc của họ, và Buckmaster đặt câu hỏi liệu tài liệu riêng tư của họ có đã góp phần vào kết quả của OpenAI hay không. 10

OpenAI bác bỏ cách tường thuật đó. Phản hồi đã công bố của công ty nói rằng cả các nhà nghiên cứu lẫn các tác nhân của họ đều không nhìn thấy công trình của hai người trước khi công bố. Trong một bản cập nhật đề ngày 10 September, công ty còn cho biết một cuộc điều tra đã loại trừ mọi ảnh hưởng từ các prompt Codex của Buckmaster trong hai tháng trước đó, bao gồm cả thông qua huấn luyện. Tuyên bố có giới hạn thời gian này cụ thể hơn so với cách tường thuật trước đó trong một số bài báo. 11

Các tường thuật công khai vẫn còn bị tranh cãi. Những nguồn được xem xét ở đây không tự mình xác lập một cách độc lập rằng OpenAI đã sử dụng các cuộc trò chuyện riêng tư đó để tạo ra kết quả của mình.

Dù vậy, tranh chấp này vẫn phơi bày một câu hỏi đáng được trả lời rõ ràng: khi mọi người mang công việc còn dang dở đến với AI, điều gì bảo vệ giá trị thông tin của công việc đó? Xóa tên tác giả khỏi một bản chứng minh không làm bản chứng minh biến mất. Khử định danh một chiến lược thương mại không biến chiến lược đó thành tài sản công cộng.

Đó là lý do quyền riêng tư mạnh cần có các biện pháp bảo vệ cho cả danh tính lẫn nội dung. Người dùng cần có khả năng hiểu liệu tài liệu của họ có thể đi vào các quy trình huấn luyện, nghiên cứu, đánh giá hoặc rà soát hay không—và những biện pháp kiểm soát kỹ thuật nào thực thi các ranh giới đó.

Bốn câu hỏi không bao giờ nên bị gộp làm một

Phần lớn sự nhầm lẫn xuất phát từ việc coi “riêng tư” là một thuộc tính duy nhất. Trên thực tế, có bốn câu hỏi riêng biệt quyết định điều gì xảy ra với một cuộc trò chuyện.

Huấn luyện: Nội dung đó có thể giúp phát triển hoặc cải thiện một mô hình không? Việc từ chối tham gia thay đổi một cách sử dụng thông tin vốn được cho phép. Nó không nhất thiết làm thay đổi việc thông tin đó có được truyền đi hoặc lưu trữ hay không.

Truy cập: Những hệ thống và con người nào có thể kiểm tra nó? Mã hóa trong quá trình truyền và lưu trữ là quan trọng, nhưng điều đó không tự động ngăn một dịch vụ được ủy quyền giải mã nội dung để xử lý hoặc rà soát.

Lưu giữ: Điều gì còn lại, ở đâu và trong bao lâu? Xóa một cuộc trò chuyện khỏi giao diện, xóa hồ sơ trong môi trường production, làm hết hạn các bản sao lưu và loại trừ dữ liệu khỏi hoạt động huấn luyện trong tương lai là những thao tác khác nhau.

Hành động: Một trợ lý được kết nối có thể đọc, thay đổi hoặc gửi những gì? Khi nó có thể làm việc thông qua các tài khoản của bạn, quyền riêng tư còn phụ thuộc vào quyền cấp phép và các biện pháp kiểm soát đối với dữ liệu đi ra ngoài.

Một phép so sánh quyền riêng tư hữu ích cần tách riêng các câu hỏi đó. Gói thuê bao trả phí, công tắc huấn luyện hay nhãn tác vụ riêng tư không thể trả lời cả bốn câu hỏi.

Cách các dịch vụ được so sánh

Bảng dưới đây tập trung vào việc sử dụng cá nhân, trừ khi có nêu phạm vi khác. Bảng này tóm tắt tài liệu đã được rà soát, không phải kết quả của một cuộc kiểm toán bảo mật độc lập.

Dịch vụ	Lập trường về huấn luyện	Ranh giới riêng cần hiểu
ChatGPT	Nội dung cá nhân có thể được dùng để cải thiện; các biện pháp kiểm soát loại trừ các cuộc trò chuyện mới và các tác vụ Codex. Temporary Chat được loại trừ. 4, 5	Truy cập được cấp quyền và lưu giữ vẫn là những vấn đề riêng biệt. Codex cũng có một cài đặt huấn luyện toàn môi trường riêng.
Claude	Việc cải thiện mô hình cho người dùng cá nhân phụ thuộc vào lựa chọn của người dùng; phản hồi và các mục đích liên quan đến an toàn có quy tắc riêng. Incognito được loại khỏi việc cải thiện chung. 6	Các ngoại lệ về rà soát và lưu giữ vẫn áp dụng. Một số Covered Models thương mại có thêm yêu cầu về lưu giữ. 7–9
Cursor	Privacy Mode loại trừ dữ liệu khách hàng khỏi việc huấn luyện của Cursor và mô tả các thỏa thuận không lưu giữ của nhà cung cấp, tùy theo các ngoại lệ đã nêu. 12	Yêu cầu vẫn đi qua backend của Cursor. Việc điều tra lạm dụng, bộ nhớ đệm và các thông báo theo từng mô hình đều quan trọng.
Perplexity	Việc thu thập dữ liệu để huấn luyện AI cho người dùng cá nhân được bật mặc định, bao gồm cả trên Pro và Max; người dùng có thể chọn không tham gia cho tương lai. 13	Việc chọn không tham gia không ngăn xử lý dữ liệu cho vận hành dịch vụ hoặc tuân thủ pháp lý. Điều khoản Enterprise thì khác.
Manus	Tài liệu Team nêu có tùy chọn không tham gia huấn luyện; bài rà soát này không thể xác minh quy tắc huấn luyện dứt khoát cho gói cá nhân. 15	Việc các tác vụ cá nhân mặc định là riêng tư mô tả khả năng hiển thị khi chia sẻ, chứ không phải một giới hạn đầy đủ đối với việc sử dụng của nhà cung cấp. 14
Meta’s Muse	Tài liệu ra mắt mô tả việc huấn luyện trên dữ liệu tương tác đã được làm sạch theo mặc định, kèm tùy chọn không tham gia. 16	Làm sạch trước khi huấn luyện không giống với che giấu trước khi suy luận. Các hạn chế đối với vận hành viên ở thời điểm ra mắt khác với Confidential VM được lên kế hoạch.
Dvina	Các cuộc trò chuyện, tệp, prompt và dữ liệu workspace không được dùng để huấn luyện các mô hình AI. 17, 18	Việc che giấu tự động xử lý một ranh giới sớm hơn: các định danh cá nhân được phát hiện sẽ được thay thế trước khi mô hình xử lý.

Các chi tiết dưới đây giải thích những điểm phân biệt này trở nên quan trọng ở đâu trong quá trình sử dụng hằng ngày.

ChatGPT và Claude: hành động bạn thực hiện sẽ thay đổi quy tắc.

OpenAI cho phép người dùng tắt huấn luyện mà không xóa lịch sử trò chuyện thông thường. Temporary Chat còn thay đổi thêm cách một cuộc trò chuyện được xử lý, nhưng tài liệu của họ vẫn cho phép rà soát lạm dụng và nêu thời hạn xóa là 30 ngày. Người dùng Codex cũng nên phân biệt cài đặt nội dung áp dụng cho toàn tài khoản với cài đặt toàn môi trường riêng của nó. 4, 5

Với Claude, phản hồi cần được chú ý đặc biệt. Anthropic cho biết một lượt thích, không thích hoặc báo lỗi có thể bao gồm việc lưu cuộc trò chuyện liên quan trong tối đa năm năm và sử dụng nó cho các mục đích bao gồm huấn luyện mô hình. Việc bật cải thiện mô hình nói chung cũng cho phép tài liệu đủ điều kiện đã được khử định danh tiếp tục nằm trong các pipeline huấn luyện trong tối đa năm năm. Đây không phải là các quy tắc giống với việc xóa trò chuyện thông thường. 6, 7

Vì vậy, một người có thể đưa ra nhiều quyết định về quyền riêng tư trong cùng một sản phẩm mà không nhận ra đó là các quyết định tách biệt. Thiết kế sản phẩm nên làm rõ những khác biệt đó ngay tại thời điểm sử dụng.

Cursor và Perplexity: nhãn sản phẩm không phải là ranh giới xử lý.

Privacy Mode của Cursor đưa ra những giới hạn có ý nghĩa đối với huấn luyện và việc lưu giữ của nhà cung cấp. Nó không biến trình soạn thảo thành chỉ chạy cục bộ: Cursor cho biết các yêu cầu vẫn đi qua backend của họ, ngay cả khi dùng khóa API do người dùng cung cấp. Tài liệu của họ cũng mô tả việc lưu tạm thời tệp được mã hóa và các ngoại lệ liên quan đến điều tra lạm dụng hoặc các mô hình được chỉ định. 12

Perplexity cho thấy một kiểu phân biệt khác. Các tài khoản Free, Pro và Max của họ thuộc các biện pháp kiểm soát huấn luyện cho người dùng cá nhân, với việc thu thập được bật mặc định. Tùy chọn không tham gia được công bố áp dụng cho dữ liệu được thu thập sau đó, chứ không phải việc xóa hồi tố dữ liệu huấn luyện trước đó. Việc mua một gói thuê bao cá nhân không biến nó thành tài khoản Enterprise. 13

Trong cả hai trường hợp, câu hỏi liên quan là chế độ và loại tài khoản được chọn thay đổi điều gì — chứ không phải tên sản phẩm dường như gợi ý điều gì.

Manus và Muse: workspace riêng tư vẫn cần các ranh giới rõ ràng.

Manus cho biết các tác vụ cá nhân là riêng tư trừ khi được chia sẻ. Tài liệu Team của họ cũng giải thích rằng chủ sở hữu có thể truy cập nội dung phiên của nhóm. Đây là những quy tắc hữu ích về khả năng hiển thị, nhưng chúng không xác lập chính sách huấn luyện cho cá nhân. Trang quyền riêng tư đầy đủ của Manus không thể được truy xuất cho bài rà soát này, vì vậy câu hỏi đó vẫn chưa được xác minh thay vì được điền vào từ một gói khác. 14, 15

Tài liệu ra mắt của Muse nêu rất rõ sự khác biệt giữa các hạn chế trong vận hành và việc ngăn chặn bằng kỹ thuật. Meta cho biết Secure VM ở thời điểm ra mắt giới hạn quyền truy cập của nhân viên thông qua các chính sách nhưng không ngăn truy cập khi cần để vận hành, hỗ trợ hoặc bảo mật dịch vụ. Một Confidential VM nhằm ngăn quyền truy cập của vận hành viên bằng mật mã được mô tả là sắp ra mắt và đang trong giai đoạn thử nghiệm hạn chế. Một biện pháp bảo vệ mới được lên kế hoạch không nên được tính là đã sẵn có cho tất cả mọi người. 16

Muse cũng giữ thông tin xác thực connector thực sự tránh xa tác nhân chính của mình và đặt việc phê duyệt hành động dưới một cơ quan cấp quyền riêng biệt. Điều đó minh họa một nguyên tắc có giá trị: một tác nhân không nên nhận được một bí mật hoặc một quyền chỉ vì điều đó có thể tiện hơn. 16

Đưa biện pháp bảo vệ đến điểm trước khi bị lộ

Việc loại trừ khỏi huấn luyện điều chỉnh một cách sử dụng dữ liệu. Việc che giấu làm thay đổi dữ liệu sẵn có để xử lý. Việc hạn chế lưu giữ làm giảm số bản sao còn tồn tại. Các biện pháp kiểm soát quyền hạn giới hạn những gì một tác nhân có thể làm. Những biện pháp bảo vệ này bổ trợ cho nhau, và giai đoạn mà mỗi biện pháp hoạt động là điều quan trọng.

Hãy xét một yêu cầu minh họa: viết email theo dõi gửi cho một khách hàng tại một địa chỉ email cụ thể. Mô hình có thể cần mục đích, giọng điệu và các cam kết liên quan. Nhưng để soạn tin nhắn, nó có thể không cần tên thật hay địa chỉ thật của khách hàng. Việc thay các định danh được phát hiện bằng placeholder trước khi suy luận sẽ giảm lượng dữ liệu mô hình nhận được, đồng thời vẫn giữ nguyên cấu trúc hữu ích của tác vụ.

Điều đó khác với việc gửi nguyên văn nội dung ban đầu rồi hứa sẽ xóa các định danh trước một lần sử dụng nào đó về sau.

Nguyên tắc này cũng mở rộng ra ngoài các định danh cá nhân. Nghiên cứu mật cần có cơ chế kiểm soát đối với chính nội dung nghiên cứu; các tài khoản được kết nối cần quyền truy cập được giới hạn chặt chẽ theo phạm vi; các hồ sơ được lưu giữ cần có thời hạn xác định và các hạn chế truy cập có thể thực thi. Che giấu danh tính là một thành phần của thiết kế đó, chứ không phải là thứ thay thế cho việc bảo vệ bản chất của một phát minh hay tài liệu.

Trong toàn ngành đã có những nỗ lực liên quan. OpenAI đã phát hành Privacy Filter có thể chạy cục bộ vào tháng 4 năm 2026, và tài liệu về Muse của Meta mô tả cơ chế cô lập kỹ thuật cùng một thiết kế điện toán bảo mật mạnh hơn đang được phát triển. Những nỗ lực này củng cố lập luận rằng quyền riêng tư cần được đưa vào hệ thống ngay từ khâu kỹ thuật. Tuy nhiên, việc phát hành một công cụ hoặc công bố lộ trình, tự nó, không phải là bằng chứng cho thấy mọi cuộc trò chuyện của người dùng phổ thông hiện đã được hưởng cơ chế bảo vệ tương ứng. 16, 19

Tiêu chuẩn nên là mức độ bảo vệ mà một người thực sự nhận được trong sản phẩm họ đang dùng hôm nay.

Dvina: biến quyền riêng tư thành một phần của tương tác thông thường

Cách tiếp cận của Dvina đưa lớp bảo vệ sớm này vào ngay trải nghiệm trợ lý. Theo thiết kế được công bố, hệ thống phát hiện thông tin cá nhân nhạy cảm ngay trên thiết bị khi người dùng gõ hoặc tải nội dung lên, mã hóa dữ liệu cá nhân được phát hiện, và thay thế bằng placeholder trước khi mô hình xử lý. Mô hình làm việc với các placeholder đó thay vì các định danh gốc đã được phát hiện. 17, 18

Khác biệt này mang tính thực tế. Người dùng không nên phải ngắt quãng mọi tác vụ để tự tay xóa tên và thông tin liên hệ, hoặc chỉ dựa vào một lời hứa về những gì sẽ xảy ra sau khi mô hình đã nhận được chúng. Sự bảo vệ nên đi cùng chính tương tác đó.

Dvina cũng loại trừ các cuộc trò chuyện, tệp, prompt và dữ liệu workspace của người dùng khỏi việc huấn luyện mô hình. Sự kết hợp này rất quan trọng: cam kết không huấn luyện sẽ hạn chế việc tái sử dụng, còn cơ chế bảo vệ trước xử lý giúp giới hạn lượng thông tin cá nhân bị lộ cho mô hình ngay từ đầu. 17, 18

Các lớp khác cũng hỗ trợ cho cách tiếp cận đó. Dvina mô tả việc lưu trữ cuộc trò chuyện dưới dạng mã hóa, tách biệt giữa tin nhắn được lưu và danh tính người dùng, cùng dữ liệu được lưu trữ tại EU với các mức bảo vệ tương đương GDPR. Mỗi lớp xử lý một phần khác nhau của quy trình xử lý dữ liệu, thay vì đặt toàn bộ gánh nặng lên một tùy chọn huấn luyện duy nhất. 17, 18

Khác biệt về mặt kỹ thuật ở đây rất rõ ràng: các định danh cá nhân được phát hiện sẽ được thay thế trong đầu vào của mô hình, trong khi phần tác vụ xung quanh vẫn sẵn sàng để xử lý. Quyền riêng tư trở thành một phần của luồng dữ liệu, thay vì chỉ là một tùy chọn mà người dùng phải nhớ tự quản lý.

Với tôi, đây là hướng đi hữu ích hơn cho AI: để mọi người có thể mang ngữ cảnh thực sự có ý nghĩa vào công việc của mình, đồng thời thiết kế hệ thống sao cho tiết lộ ít hơn về danh tính của họ so với mức tác vụ thực sự đòi hỏi.

Kết luận: quyền riêng tư sẽ quyết định con người cho phép AI đi xa đến đâu trong cuộc sống của họ

Các trợ lý AI trở nên hữu ích hơn khi chúng hiểu nhiều hơn về hoàn cảnh của chúng ta. Điều đó tạo ra trách nhiệm phải bảo vệ thông tin đứng sau sự thấu hiểu ấy. Yêu cầu mọi người mở quyền truy cập nhiều hơn trong khi chỉ đưa ra thêm một trang cài đặt nữa không phải là câu trả lời đủ thỏa đáng.

Các bằng chứng cho thấy có nhiều rủi ro riêng biệt. Phần mềm có thể làm lộ dữ liệu giữa các tài khoản. Các cuộc trò chuyện được lưu trữ có thể trở thành đối tượng của các yêu cầu pháp lý. Việc rà soát được cho phép có thể tồn tại ngay cả khi không hề có vi phạm bảo mật. Tranh chấp về nghiên cứu riêng tư có thể làm xói mòn niềm tin ngay cả khi cáo buộc đó chưa được xác lập một cách độc lập.

Những rủi ro đó đòi hỏi công việc kỹ thuật, chứ không chỉ là cách diễn đạt tốt hơn. Phát hiện dữ liệu nhạy cảm, bảo vệ trước xử lý, tách biệt danh tính, lưu giữ có giới hạn và quyền truy cập có thể thực thi cần được quan tâm bền bỉ như những năng lực nền tảng của an toàn AI. Tính hữu ích của một trợ lý và sự bảo vệ dành cho người dùng của nó phải cùng tiến lên.

Với Dvina, chúng tôi đang góp phần dẫn dắt sự chuyển dịch đó bằng cách biến cơ chế bảo vệ trước khi mô hình xử lý thành một phần nền tảng của sản phẩm. Tham vọng ở đây không phải là đòi hỏi nhiều niềm tin hơn bằng những tuyên bố mạnh mẽ hơn. Mà là giảm bớt mức độ niềm tin phải chỉ dựa vào một lời hứa.

Mọi người nên có thể tìm kiếm sự trợ giúp, phát triển một ý tưởng và chia sẻ ngữ cảnh cần thiết để tiến lên mà không phải xem mỗi cuộc trò chuyện như một lần có thể đánh đổi quyền riêng tư của mình. Xây dựng được sự tin cậy đó là một trong những nhiệm vụ quan trọng nhất phía trước của AI.

Nguồn và phạm vi

Các nguồn được rà soát vào ngày 22 September 2026. Bài viết này dựa trên tài liệu của nhà cung cấp và các bài tường thuật có quy nguồn; đây không phải là một cuộc kiểm toán bảo mật độc lập. Các gói dành cho cá nhân là phạm vi so sánh chính. Các ngoại lệ liên quan đến gói thương mại, API và từng mô hình cụ thể được nêu riêng. Phần toán học phân biệt giữa các quan ngại được tường thuật và phản hồi cập nhật của OpenAI; không bên nào được trình bày như một kết luận độc lập. Quy tắc huấn luyện của gói cá nhân của Manus vẫn chưa được xác minh vì không thể truy xuất đầy đủ chính sách quyền riêng tư của hãng.