14 września pojawiły się informacje, że Nvidia, C Spire, Northrop Grumman, Novo Nordisk i inne firmy ograniczają albo warunkują korzystanie z zewnętrznych modeli AI, w tym Claude i Fable. Powodem mają być obawy dotyczące przechowywania danych, metadanych technicznych, własności intelektualnej oraz braku nieodwołalnej gwarancji zerowej retencji dla części wrażliwych zastosowań. To nie jest jednak jeden powszechny zakaz Claude: firmy wybierają różne poziomy kontroli.
Trenowanie, przechowywanie i metadane to różne kwestie
Najważniejsze rozróżnienie brzmi: brak trenowania modeli na danych klienta nie oznacza automatycznie braku ich przechowywania ani braku metadanych technicznych. Te kategorie opisują różne etapy i rodzaje informacji.
OpenAI deklaruje, że domyślnie nie wykorzystuje danych biznesowych do trenowania swoich modeli. Firma oferuje też zerową retencję dla kwalifikujących się klientów korzystających z interfejsów API modeli frontier: w ramach odpowiedniego rozwiązania prompty i odpowiedzi modelu nie są przechowywane po zakończeniu żądania.
Anthropic deklaruje z kolei, że dane objęte umową zerowej retencji nie są wykorzystywane do trenowania modeli bez wyraźnej zgody. Zakres tego rozwiązania zależy jednak od produktu, interfejsu API i konkretnej umowy.
Pozostają jeszcze metadane techniczne, czyli informacje o korzystaniu z usługi inne niż treść promptów i odpowiedzi. Wśród opisywanych obaw znalazły się między innymi dane o podłączonych aplikacjach i aktywności modelu między odpowiedziami. Ich obecność nie oznacza, że dostawca trenuje na treści rozmów, ale może mieć znaczenie dla firm kontrolujących przepływ informacji.
Jakie ograniczenia stosują firmy
Opisywane decyzje mają różną skalę. W jednych przypadkach zewnętrzny model może służyć do zadań niewrażliwych, a informacje poufne trafiają do systemu wewnętrznego. W innych firma zabrania przekazywania danych własnościowych albo wybiera modele open source uruchamiane na własnych, odseparowanych serwerach.
Wśród wymienianych przykładów znajdują się Nvidia, C Spire, Northrop Grumman i Novo Nordisk. Nvidia ma ograniczać Fable do zadań niewymagających dostępu do danych wrażliwych i korzystać z wewnętrznego systemu przy bardziej czułych pracach. Northrop Grumman ma używać modeli open source na serwerach odseparowanych od sieci, a Novo Nordisk ma nadal korzystać z Claude przy jednoczesnym zakazie używania danych własnościowych.
C Spire miało zwracać uwagę na zakres metadanych technicznych mimo zapisów wykluczających trenowanie na danych firmy. W innym opisanym przypadku duży amerykański operator energetyczny miał zrezygnować z planowanego testu Fable, ponieważ Anthropic nie zgodził się na nieodwołalną gwarancję zerowej retencji danych.
Te przykłady pokazują praktyczną różnicę między ograniczeniem konkretnego zadania a całkowitym odcięciem usługi. Firma może dopuścić generowanie tekstu bez danych poufnych, ale zablokować dostęp do dokumentacji projektowej, kodu źródłowego albo informacji klientów.
Co naprawdę oznacza zero data retention
Zerowa retencja danych nie jest uniwersalnym przełącznikiem obejmującym każdą usługę Anthropic lub OpenAI. O tym, czy działa, decydują kwalifikujący się produkt, model, interfejs API, konto i treść umowy.
W przypadku Anthropic dokumentacja ogranicza umowy ZDR do określonych produktów i interfejsów API. Dlatego sama nazwa „zero data retention” nie wystarcza do oceny konkretnego przepływu danych. Trzeba rozróżnić usługę konsumencką, środowisko dla organizacji i wybrany interfejs programistyczny.
Podobnie deklaracja OpenAI dotycząca danych biznesowych odnosi się do domyślnego braku trenowania, a oferta zerowej retencji dotyczy kwalifikujących się klientów korzystających z określonych modeli przez API. To dwa powiązane, ale nieidentyczne zabezpieczenia.
Czy firma może zobaczyć rozmowy z Claude? Nie ma jednej odpowiedzi dla wszystkich kont. Znaczenie mają produkt, ustawienia retencji, umowa i zasady organizacyjne. Nawet gdy prompty i odpowiedzi są objęte wyłączeniem z trenowania, osobno należy ocenić metadane techniczne oraz uprawnienia administratorów w firmowym środowisku.
Usługi zewnętrzne, modele wewnętrzne i izolowane serwery
Firmy wybierają między wygodą hostowanych modeli a większą kontrolą nad środowiskiem. Każde podejście przesuwa granicę ryzyka i kosztów w inne miejsce.
| Podejście | Gdzie pozostają dane | Praktyczna zaleta | Ograniczenie operacyjne |
| Usługa Claude lub OpenAI na podstawie umowy dla firm | W zarządzanej przez dostawcę usłudze, zgodnie z umową i ustawieniami retencji | Dostęp do zaawansowanych modeli oraz firmowych mechanizmów kontroli | Trzeba osobno ocenić retencję, metadane i wyjątki umowne |
| Umowa zerowej retencji danych | Prompty i odpowiedzi nie są przechowywane, jeśli produkt i umowa spełniają warunki | Ogranicza ryzyko trwałego przechowywania treści żądań | Nie obejmuje automatycznie każdego produktu, modelu ani sposobu pracy |
| Wewnętrzny model AI | Dane pozostają w systemach organizacji | Wrażliwe zadania nie wymagają wysyłania treści do zewnętrznego dostawcy | Potrzebne są własny model, infrastruktura i nadzór |
| Model open source na serwerach odseparowanych od sieci | Model i dane działają w izolowanym środowisku kontrolowanym przez organizację | Najsilniejsza separacja od zewnętrznych usług | Wyższe koszty operacyjne i możliwie mniejsze możliwości modelu |
Właśnie dlatego przedsiębiorstwa nie muszą wybierać między bezwarunkowym zaufaniem do chmury a całkowitym zakazem AI. Mogą dopuścić Claude lub inne modele do pracy na danych niskiego ryzyka, a zadania dotyczące własności intelektualnej, klientów i projektów przenieść do systemów wewnętrznych albo izolowanych. W praktyce spór dotyczy więc nie tylko tego, czy używać AI, lecz także jak precyzyjnie odseparować użyteczność modelu od najbardziej wrażliwych danych.
