Andy Yen, współzałożyciel i dyrektor generalny Proton, uważa, że AI i prywatność mogą współistnieć. Lumo, asystent AI Proton uruchomiony 23 lipca 2025 roku, pokazuje jednak, dlaczego nie wystarczy przeczytać jednej obietnicy o „poufnej rozmowie”. Brak logów, szyfrowanie zapisanych czatów, ochrona danych podczas obliczeń na GPU oraz uprawnienia przyznane agentowi to osobne problemy.
Proton i obietnica prywatnej AI
Yen nie proponuje odrzucenia sztucznej inteligencji. Jego argument jest bardziej pragmatyczny: skoro AI staje się częścią codziennych usług, trzeba budować ją tak, aby ograniczać retencję danych, wykorzystywać szyfrowanie i jasno określać, co dzieje się z treścią użytkownika.
W tym modelu Lumo ma być alternatywą dla asystentów, w których rozmowa może stać się elementem większego ekosystemu danych. Proton przedstawia swój produkt jako usługę nastawioną na prywatność, działającą na otwartych modelach w europejskich centrach danych.
To ważne rozróżnienie: „prywatna AI” nie oznacza jednego magicznego przełącznika. Oznacza zestaw decyzji dotyczących przechowywania, trenowania modeli, dostępu do danych i samego miejsca, w którym model przetwarza polecenie.
Co Proton deklaruje w sprawie Lumo
Proton deklaruje, że Lumo nie przechowuje serwerowych logów rozmów i nie wykorzystuje rozmów ani danych wejściowych użytkownika do trenowania modeli językowych. Zapisane czaty mają być chronione szyfrowaniem zero-access, co według Proton oznacza, że firma nie może ich odczytać. Usługa oferuje także tryb ghost mode, w którym bieżąca rozmowa znika po zamknięciu, opcjonalne wyszukiwanie w sieci oraz analizę przesłanych plików bez zachowywania ich kopii — zgodnie z opisem Proton.
Każda z tych funkcji odpowiada na inne pytanie:
| Warstwa prywatności | Co Proton deklaruje w przypadku Lumo | Co to oznacza dla użytkownika | Praktyczny skutek |
| Retencja rozmów | Brak serwerowych logów rozmów | Treść nie ma być przechowywana jako historia po stronie serwera | Mniejsze ryzyko związane z późniejszym dostępem do rozmowy |
| Zapisane czaty | Szyfrowanie zero-access | Proton twierdzi, że nie może odczytać zapisanych rozmów | Ochrona dotyczy przechowywanej historii, nie każdej fazy obliczeń |
| Trenowanie modeli | Rozmowy i dane wejściowe nie mają służyć do trenowania modeli | Treść użytkownika nie powinna zasilać procesu uczenia modeli | Nadal trzeba uważać na dane wysyłane w konkretnej sesji |
| Przetwarzanie | Operacje odbywają się w europejskich centrach danych Proton | Lokalizacja infrastruktury jest częścią modelu prywatności Proton | Europejskie centrum danych nie oznacza automatycznie pełnej ochrony kryptograficznej |
| Wyszukiwanie i pliki | Wyszukiwanie jest opcjonalne, a przesłane pliki nie mają być zachowywane po analizie | Użytkownik może ograniczyć dodatkowe źródła danych | Wrażliwe treści nadal warto minimalizować przed wysłaniem |
| Dostęp agenta | Szyfrowanie nie zatrzyma agenta, któremu użytkownik da zbyt szerokie uprawnienia | Bezpieczeństwo zależy także od konfiguracji dostępu | Agent powinien mieć wyłącznie uprawnienia potrzebne do zadania |
Te informacje opisują stanowisko i projekt Proton, ale nie są równoznaczne z niezależnie potwierdzoną gwarancją każdej fazy przetwarzania. To właśnie tutaj zaczyna się najważniejsza część historii.
Dlaczego przetwarzanie na GPU jest osobną kwestią
Szyfrowanie zapisanej rozmowy chroni dane w magazynie. Nie odpowiada jednak samo w sobie na pytanie, co dzieje się z poleceniem w chwili, gdy model generuje odpowiedź.
Podczas obliczeń tekst musi trafić do środowiska, które wykonuje wnioskowanie — czyli oblicza odpowiedź modelu na podstawie promptu. W przypadku chmurowej AI tym środowiskiem są serwery wyposażone w procesory graficzne, czyli GPU. To osobna granica zaufania niż baza zapisanych rozmów.
W rozmowie poświęconej Lumo Andy Yen powiedział, że infrastruktura potrzebna do silniejszej ochrony kryptograficznej była w dużej mierze zbudowana, ale brakowało jeszcze elementu łączącego ją z GPU. To wypowiedź dotycząca stanu w chwili rozmowy, a nie potwierdzenie obecnego statusu tej funkcji.
Wniosek jest prosty, choć łatwo go przeoczyć: szyfrowanie zero-access zapisanych czatów nie powinno być utożsamiane z kompleksowym szyfrowaniem danych podczas każdego etapu wnioskowania. Jedno zabezpiecza przechowywaną historię, drugie dotyczy obliczeń wykonywanych w czasie rzeczywistym.
To nagranie przedstawia stanowisko Proton z perspektywy jego dyrektora generalnego. Pomaga zrozumieć deklarowane zasady produktu, ale sama prezentacja firmy nie zastępuje technicznej gwarancji dla każdej warstwy systemu.
Granica, której nie pokona żadne szyfrowanie
Yen zwraca uwagę na jeszcze inny problem: nawet bardzo mocne szyfrowanie nie ochroni danych, jeśli użytkownik da agentowi dostęp do poczty, plików lub kont, a agent następnie ujawni informacje.
To nie jest wada charakterystyczna wyłącznie dla Lumo. To ograniczenie całej kategorii agentów AI. Agent, który potrafi nie tylko odpowiadać, lecz także wykonywać działania w imieniu użytkownika, potrzebuje uprawnień. Im szerszy dostęp, tym większy potencjalny skutek błędu, złej konfiguracji albo niepożądanego działania modelu.
Dlatego pytanie „czy AI jest prywatna?” powinno brzmieć dokładniej: jakie dane otrzymuje, gdzie są przetwarzane, jak długo pozostają zapisane i do czego agent może sięgnąć po uzyskaniu dostępu?
Chmura, lokalna AI i granica zaufania
Lokalne modele mogą ograniczyć ekspozycję promptów na zewnętrznego dostawcę, ponieważ wnioskowanie odbywa się na urządzeniu użytkownika. Andy Yen wskazuje, że rozwój sprzętu konsumenckiego może z czasem ułatwić uruchamianie mniejszych, wydajnych modeli lokalnie.
Nie oznacza to jednak, że lokalna AI jest automatycznie prywatna. Nadal znaczenie mają aktualizacje, malware, konfiguracja sieci, aplikacja uruchamiająca model oraz narzędzia i konta podłączone do agenta. Model działający na własnym komputerze nie naprawi urządzenia, które jest zainfekowane, ani agenta z dostępem do całego dysku.
Najrozsądniejszy podział wygląda więc tak:
- Dane bardzo wrażliwe: lokalne przetwarzanie, jeśli sprzęt i konfiguracja rzeczywiście na to pozwalają.
- Zwykłe zadania w chmurze: jak najmniej danych, bez haseł, kluczy API, dokumentów tożsamości i tajnych informacji.
- Agenci: osobne, ograniczone poświadczenia i dostęp tylko do niezbędnych usług.
- Usługi chmurowe: sprawdzenie zasad retencji i trenowania modeli przed wysłaniem treści.
Nie istnieje usługa, która jednym kliknięciem pozwala zwykłemu użytkownikowi całkowicie sprawdzić wszystkie operacje dostawcy. W praktyce trzeba łączyć dokumentację, warunki usługi, ewentualne audyty i ograniczanie danych zaufanych zewnętrznemu systemowi.
Dlaczego prywatność nie jest kwestią jednej partii
Yen twierdzi, że zainteresowanie prywatnością rosło w Proton zarówno podczas prezydentury Donalda Trumpa, jak i Joe Bidena. W jego interpretacji prywatność nie jest tematem przypisanym jednej stronie politycznego sporu, ponieważ zmiana władzy może zmienić to, jak instytucje definiują ryzyko i dostęp do danych.
Dla użytkownika technologii ważniejszy jest praktyczny sens tej obserwacji: prywatność nie zależy wyłącznie od tego, kto aktualnie sprawuje władzę. Dane pozostają w systemach długo po zmianie politycznych priorytetów, dlatego ograniczanie ich zbierania i dostępności ma znaczenie niezależnie od bieżącego klimatu.
Co z tego wynika dla użytkownika
Czy AI i prywatność mogą współistnieć? Tak, ale nie dzięki jednej etykiecie ani jednej funkcji. Potrzebne są jednocześnie ograniczona retencja, jasna polityka dotycząca trenowania, ochrona zapisanych danych, kontrola nad przetwarzaniem oraz rozsądne uprawnienia agentów.
Lumo przedstawia interesujący model: Proton deklaruje brak serwerowych logów rozmów, brak trenowania na rozmowach użytkowników, szyfrowanie zero-access dla zapisanych czatów i przetwarzanie w europejskiej infrastrukturze. To jednak różne obietnice, a nie jeden dowód pełnej prywatności podczas całego działania systemu. W szczególności wypowiedź Yena o brakującym interfejsie GPU pokazuje, że ochrona danych w trakcie wnioskowania jest trudniejsza niż bezpieczne przechowywanie historii.
Najlepsza zasada pozostaje mało efektowna, za to skuteczna: nie wysyłaj do chmury sekretów, których utraty nie możesz zaakceptować. Jeśli musisz użyć AI, ogranicz dane, odseparuj poświadczenia i dobieraj uprawnienia agenta z taką samą ostrożnością jak uprawnienia człowieka. Prywatna AI jest możliwa — ale dopiero wtedy, gdy przestaniemy traktować „prywatność” jako pojedynczą funkcję w menu.
