Em 14 de setembro de 2026, empresas como Nvidia, C Spire, Northrop Grumman e Novo Nordisk estão sendo associadas a restrições ou condições para o uso de Claude e outros modelos externos de IA. O motivo apontado são dúvidas sobre retenção de dados, metadados técnicos, exposição de propriedade intelectual e garantias de retenção zero — mas isso não equivale a uma proibição geral do Claude.
As respostas variam bastante: há organizações limitando os modelos a tarefas não sensíveis, proibindo dados proprietários, adotando sistemas internos ou mantendo modelos de código aberto em servidores sem conexão externa. A discussão também separa três temas que costumam ser misturados: treinamento dos modelos, retenção de prompts e respostas, e coleta de metadados sobre o uso do serviço.
Empresas impõem limites ao Claude e a outros modelos de IA
A preocupação central é simples de entender: uma empresa pode impedir que seus dados sejam usados para treinar um modelo e, ainda assim, precisar avaliar por quanto tempo prompts e respostas ficam armazenados, quais metadados são coletados e quem pode acessá-los.
O caso atribuído à Nvidia envolve o uso do Fable, da Anthropic, em tarefas que não exigem dados sensíveis, enquanto um sistema interno seria reservado para trabalhos mais delicados. A C Spire, por sua vez, teria mantido preocupações com metadados técnicos mesmo com cláusulas que impedem o treinamento dos provedores sobre seus dados.
Também são citados dois caminhos mais rígidos. A Northrop Grumman estaria usando modelos de código aberto em servidores isolados, conhecidos como servidores air-gapped. Já a Novo Nordisk continuaria usando Claude em algumas tarefas, mas proibiria o uso de dados proprietários pelo modelo.
Outro caso envolve uma grande empresa de serviços públicos dos Estados Unidos, que teria cancelado um teste planejado do Fable depois que a Anthropic não aceitou oferecer uma garantia irrevogável de retenção zero.
Treinamento, retenção e metadados são coisas diferentes
A OpenAI afirma que não usa dados empresariais para treinar seus modelos por padrão. Isso trata do treinamento, não significa que todo tipo de informação operacional desapareça imediatamente após cada solicitação.
A Anthropic também documenta controles de retenção zero (zero data retention, ou ZDR): nos produtos e acordos elegíveis, os dados abrangidos não são usados para treinamento sem autorização expressa. A própria regra, porém, é limitada ao produto, à API e ao contrato que se enquadram nessa condição.
Metadados técnicos formam uma categoria diferente. Eles podem descrever o uso do serviço, as aplicações conectadas ou a atividade entre respostas, enquanto prompts e respostas são o conteúdo enviado e recebido pelo modelo. As preocupações empresariais relatadas surgem justamente da diferença entre impedir o treinamento e controlar todas as informações operacionais associadas ao serviço.
Por isso, a resposta à pergunta “as empresas podem ver suas conversas no Claude?” não é universal. O resultado depende do produto, do tipo de conta, do contrato, das configurações de retenção e dos controles da organização. Uma cláusula de retenção zero não deve ser tratada como uma característica automática de todos os produtos da Anthropic.
O que a retenção zero realmente cobre
A retenção zero reduz a persistência de prompts e respostas quando o produto e o contrato são elegíveis para esse tratamento. Ela não transforma todas as modalidades de Claude ou de outros serviços em ambientes equivalentes, nem elimina a necessidade de examinar metadados, permissões e integrações.
A OpenAI anunciou retenção zero para clientes elegíveis de APIs de modelos de fronteira. Na Anthropic, a documentação restringe os acordos de ZDR a produtos e APIs elegíveis. Em ambos os casos, a proteção depende do escopo contratado e do fluxo de trabalho usado.
Na prática, uma empresa que lida com código proprietário, informações de clientes ou propriedade intelectual precisa separar o tipo de dado enviado do tipo de serviço utilizado. “Não é usado para treinamento” e “não é retido” são promessas diferentes — e nenhuma delas, sozinha, descreve todo o perímetro de privacidade.
Serviços externos, modelos internos e servidores isolados
As estratégias relatadas formam uma escala de controle. Serviços empresariais hospedados oferecem acesso a modelos avançados, mas mantêm parte da operação sob gestão do provedor. A retenção zero reduz a persistência em fluxos elegíveis, embora dependa do produto e do acordo. Modelos internos e servidores isolados deslocam mais controle para a própria organização, ao custo de infraestrutura, operação e governança.
| Abordagem | Limite dos dados | Vantagem prática | Limitação operacional |
| Serviço empresarial com contrato | Os dados passam por um serviço administrado pelo provedor, com exclusões contratuais de treinamento | Acesso a modelos hospedados avançados e controles corporativos | Retenção, metadados e exceções contratuais exigem análise específica |
| Acordo de retenção zero | Prompts e respostas não são retidos quando o produto e o contrato são elegíveis | Reduz o risco de persistência do conteúdo | Não vale automaticamente para todos os produtos, modelos ou fluxos |
| Modelo interno | As tarefas sensíveis permanecem no sistema controlado pela organização | Evita enviar essas informações a um modelo externo | Exige modelo, infraestrutura e governança próprios |
| Servidores isolados | Modelos e dados ficam em um ambiente sem conexão externa | Aumenta a separação em relação aos provedores externos | Pode elevar custo e complexidade operacional e oferecer menos recursos |
O movimento, portanto, não é um abandono uniforme do Claude ou da IA hospedada. É uma tentativa de combinar produtividade com fronteiras de dados mais rígidas: tarefas comuns podem continuar em serviços externos, enquanto informações sensíveis migram para controles internos, contratos específicos ou ambientes isolados.
