Andy Yen, medeoprichter en CEO van Proton, zegt dat AI en privacy kunnen samengaan. Zijn eigen product Lumo maakt tegelijk duidelijk waarom dat geen simpele ja-of-neekwestie is: geen logs, versleutelde opgeslagen chats en geen training op gesprekken zijn andere beschermingslagen dan de verwerking van een prompt door GPU’s. En zelfs de beste encryptie helpt niet wanneer een gebruiker een agent te veel toegang geeft tot een apparaat of account.
Protons inzet op privé-AI
Yen ziet AI als een technologie die te nuttig is om te negeren. Zijn antwoord is daarom niet om cloud-AI af te wijzen, maar om een alternatief te bouwen waarin privacy vanaf het ontwerp meetelt. Proton lanceerde Lumo op 23 juli 2025 als privacygerichte AI-assistent.
Dat past bij de voorgeschiedenis van Proton. Het bedrijf werd volgens de eigen ontstaansgeschiedenis in 2014 opgericht door wetenschappers die bij CERN werkten. Yen bouwt al langer aan hetzelfde idee: beveiliging moet niet alleen voor experts beschikbaar zijn, maar ook begrijpelijk en bruikbaar worden voor gewone gebruikers.
De interessante vraag is dus niet alleen of Proton privacy belooft. De vraag is: welke laag van het AI-systeem wordt precies beschermd?
Wat Lumo volgens Proton met gegevens doet
Proton zegt dat Lumo geen server-side gesprekslogs bewaart en gesprekken of invoer niet gebruikt om de taalmodellen te trainen. Opgeslagen chats zouden worden beschermd met zero-access-encryptie: Proton zegt de inhoud daarvan niet te kunnen lezen. Lumo draait volgens Proton op open-source modellen in Europese datacenters.
Daarnaast is web zoeken optioneel en door de gebruiker te activeren. Proton zegt ook dat geüploade bestanden na analyse niet worden bewaard. Voor ingelogde gebruikers is er bovendien een ghostmodus waarbij de huidige chat na het sluiten verdwijnt.
Dat zijn relevante eigenschappen, maar ze beantwoorden verschillende vragen. Geen bewaartermijn is iets anders dan geen toegang tijdens verwerking. Encryptie van opgeslagen chats is iets anders dan bescherming van een prompt op het moment dat een model die prompt uitvoert. En een beleid om gesprekken niet voor training te gebruiken is iets anders dan technische onmogelijkheid om gegevens te bekijken.
Waarom GPU-inferentie een aparte vraag is
Een AI-assistent moet een prompt verwerken voordat hij antwoord kan geven. In de cloud gebeurt die inferentie — het uitvoeren van het model — op gespecialiseerde GPU’s. Daar ontstaat een andere vertrouwensgrens dan bij het opslaan van een chat.
Tijdens een interview op 18 augustus 2026 zei Yen dat Proton de infrastructuur voor sterkere cryptografische bescherming grotendeels had gebouwd, maar dat de laatste koppeling met de GPU’s nog ontbrak. Dat was zijn beschrijving op dat moment; het is geen uitspraak over de huidige status van Lumo.
Daarmee ontstaat een onderscheid dat in veel privacyclaims gemakkelijk verdwijnt:
| Privacylaag | Wat Proton over Lumo zegt | Wat dit betekent | Praktisch gevolg |
| Bewaren van gesprekken | Er worden volgens Proton geen server-side gesprekslogs bijgehouden. | Een gesprek hoort niet als gewone chatgeschiedenis op de server te blijven staan. | Geef alsnog zo weinig mogelijk gevoelige informatie prijs; niet bewaren is niet hetzelfde als nooit verwerken. |
| Opgeslagen chats | Opgeslagen chats gebruiken volgens Proton zero-access-encryptie. | Proton zegt de opgeslagen inhoud niet te kunnen lezen. | De bescherming geldt voor opgeslagen chats, niet automatisch voor elke stap daarvoor of daarna. |
| Modeltraining | Proton zegt gesprekken en invoer niet voor modeltraining te gebruiken. | De inhoud zou niet worden ingezet om de modellen verder te trainen. | Controleer dit als beleidsbelofte, maar verwar het niet met bescherming tijdens inferentie. |
| GPU-inferentie | Yen beschreef de GPU-interface voor sterkere cryptografische bescherming als de ontbrekende laatste laag tijdens het interview. | Verwerking door het model is een eigen technisch vraagstuk. | Een privacyvriendelijke opslagarchitectuur maakt verwerking niet automatisch volledig afgeschermd. |
| Agentrechten | Yen waarschuwde dat encryptie niet voorkomt dat een agent met brede apparaat- of accounttoegang gegevens naar buiten brengt. | De gebruiker en de gekoppelde agent vormen zelf een veiligheidsgrens. | Beperk machtigingen en geef een agent geen toegang tot geheimen die hij niet nodig heeft. |
De tabel is geen detail voor fijnproevers. Dit is precies het verschil tussen een dienst die weinig bewaart en een dienst waarbij niemand tijdens elke verwerkingsstap bij de prompt kan komen. Voor wie gevoelige informatie verwerkt, maakt dat verschil uit.
De grens die geen encryptie kan oplossen
Yen noemt nog een andere beperking: encryptie beschermt gegevens niet tegen een agent die met toestemming toegang krijgt tot een apparaat of account en die informatie vervolgens deelt. Dat is geen tekortkoming die je oplost door alleen de opslag beter te versleutelen.
Denk aan een digitale assistent die toegang krijgt tot je mailbox, cloudopslag en wachtwoordbeheer. Zelfs als die diensten hun opgeslagen data goed beschermen, kan een agent met ruime rechten de informatie gebruiken op een moment dat jij hem daarvoor toestemming hebt gegeven. De zwakke plek zit dan niet per se in de server, maar in de combinatie van machtigingen, softwaregedrag en gebruikerskeuzes.
Daarom is “privé” voor een AI-assistent geen alles-of-nietslabel. Je moet minstens vier vragen uit elkaar houden: wordt de invoer bewaard, wordt die voor training gebruikt, wie kan erbij tijdens de verwerking en welke acties mag een gekoppelde agent uitvoeren?
Lokale AI verkleint de vertrouwensgrens
Lokale AI — een model dat op je eigen computer of telefoon draait — kan de blootstelling aan een externe AI-aanbieder verkleinen, omdat prompts in principe op het eigen apparaat kunnen blijven. Yen ziet betere hardware en kleinere modellen als ontwikkelingen die lokale verwerking praktischer kunnen maken.
Maar lokaal betekent niet automatisch privé. Malware kan op het apparaat meekijken, een onveilig netwerk kan gegevens lekken en een applicatie rond het model kan alsnog informatie doorsturen. Ook lokale agenten houden hun rechten: wie toegang geeft tot bestanden, mail of accounts, moet ervan uitgaan dat die toegang gevolgen heeft.
De praktische rangorde is daarom minder spectaculair, maar wel bruikbaar:
- gebruik lokale verwerking wanneer de informatie zeer gevoelig is en de technische kennis en beveiliging daarvoor aanwezig zijn;
- stuur naar cloud-AI zo weinig mogelijk gegevens;
- verwijder wachtwoorden, API-sleutels en andere geheimen uit prompts;
- kies diensten met duidelijke regels over bewaartermijnen en modeltraining;
- geef agenten alleen de minimale rechten die nodig zijn en houd herstelcodes en kritieke toegangsmiddelen gescheiden.
Er bestaat geen dienst die gewone gebruikers met één vinkje volledige controle geeft over elke interne gegevensstroom. In de praktijk moet je vertrouwen combineren met beleid, technische documentatie, contractuele afspraken, controles waar die beschikbaar zijn en — voor de gevoeligste taken — lokale verwerking.
Waarom privacy volgens Yen geen partijpolitiek onderwerp is
Yen zegt dat de vraag naar privacy onder verschillende politieke omstandigheden toenam. Hij beschreef zowel een “Trump-bump” als een “Biden-bump” voor Proton. Zijn punt: privacybelangen lopen niet netjes langs één politieke scheidslijn.
Voor Lumo is dat vooral relevant als positionering. Proton verkoopt niet alleen een AI-assistent, maar ook een visie op vertrouwen in Europese technologie. Dat maakt de privacybelofte onderdeel van het product én van het bedrijfsmodel. Het verandert echter niets aan de technische hoofdvraag: welke bescherming geldt voor welke fase?
Wat je hieruit moet concluderen
Ja, AI en privacy kunnen samengaan — maar alleen wanneer je retentie, opslag, modeltraining, GPU-inferentie en agentrechten afzonderlijk beoordeelt. Lumo heeft volgens Proton een privacygerichter ontwerp dan een assistent die gesprekken standaard bewaart en voor training gebruikt. Dat maakt het ontwerp relevant, maar het is geen bewijs dat elke verwerkingsstap cryptografisch ontoegankelijk is.
Voor dagelijks gebruik is Lumo daardoor vooral interessant voor lezers die cloud-AI willen gebruiken met minder gegevensretentie en een duidelijker privacykader. Voor uiterst gevoelige informatie blijft de strengste regel simpel: stuur het niet naar een externe dienst als je het risico niet kunt accepteren. Privacy begint niet bij de marketingbelofte — en ook niet bij de encryptie — maar bij de grens die je zelf rond je gegevens en agenten trekt.
