La conservazione dei dati di Anthropic Fable spinge Nvidia e Palantir a limitare l’uso del modello

Le regole di conservazione dei dati di Anthropic Fable avrebbero spinto Nvidia, Palantir e altre aziende a limitare l’uso del modello nonostante le sue capacità avanzate. Il conflitto è iniziato dopo che Anthropic ha imposto una conservazione di 30 giorni per determinate attività di Fable, citando la necessità di individuare abusi sofisticati.

Le restrizioni non dimostrano che Anthropic addestri i modelli sui segreti aziendali. Anthropic afferma di non utilizzare i dati conservati per addestrare nuovi modelli Claude né per finalità estranee alla sicurezza. Tuttavia, alcuni clienti aziendali restano a disagio con qualsiasi conservazione esterna di codice proprietario, ricerca o informazioni operative.

Questa distinzione è diventata il fulcro di una disputa sull’AI aziendale. I fornitori di modelli desiderano visibilità sufficiente per indagare su attacchi che si sviluppano attraverso molteplici interazioni. I clienti vogliono un controllo vincolante sulle informazioni che costituiscono il loro vantaggio competitivo.

Secondo le restrizioni dei clienti, alcune aziende ora riservano Fable a lavori che non coinvolgono dati sensibili. Altre vorrebbero garanzie più solide di zero data retention prima di rendere il modello disponibile attraverso i propri prodotti.

Anthropic ha già offerto una risposta tecnica chiamata Enterprise Frontier Safeguards. Questa trasferisce l’attività conservata in un’infrastruttura controllata dal cliente. La risposta è rilevante, ma le restrizioni riportate mostrano che l’architettura della privacy è diventata parte delle prestazioni di un modello.

Cosa dice il rapporto sulle restrizioni adottate dalle aziende

Il cambiamento immediato non è un divieto aziendale universale su Claude. È una limitazione degli ambiti in cui i nuovi modelli Fable possono essere considerati affidabili.

The Information riferisce che Nvidia utilizza Fable solo per attività che non espongono informazioni sensibili. Per lavori più riservati, Nvidia si rivolgerebbe a un sistema AI interno. Nvidia non ha risposto a Tom’s Hardware prima che la pubblicazione diffondesse il proprio resoconto.

Palantir ha adottato una posizione diversa perché fornisce modelli ai clienti tramite la sua Artificial Intelligence Platform. L’azienda, secondo quanto riportato, non renderà Fable disponibile attraverso quel software finché Anthropic non fornirà garanzie di zero data retention che non possano essere revocate in seguito.

Secondo il rapporto, i clienti possono ancora stipulare contratti direttamente con Anthropic. La restrizione di Palantir riguarda ciò che è disposta a offrire e supportare all’interno della propria piattaforma.

Questa distinzione è importante. Palantir integra diversi fornitori di modelli in ambienti in cui le organizzazioni analizzano dati operativi sensibili. Le condizioni di conservazione di un modello possono quindi incidere sugli obblighi di Palantir verso i propri clienti.

Il Chief Technology Officer di Palantir, Bill Vass, avrebbe affermato che l’azienda evita Anthropic in un piccolo numero di casi che coinvolgono proprietà intellettuale. La sua preoccupazione non era una prova di addestramento improprio. Era la possibilità che codice sensibile potesse essere esposto a un processo che il cliente non può controllare completamente.

Booz Allen Hamilton è stata inoltre citata tra le aziende che stanno riducendo o limitando l’uso dei modelli più avanzati di Anthropic. I dettagli pubblici sulle sue restrizioni esatte restano limitati. Questa incertezza richiede una formulazione prudente, poiché non tutte le decisioni sottostanti sono state documentate in modo indipendente.

Altri esempi riportati mostrano come le aziende stiano suddividendo il lavoro con l’AI in base alla sensibilità dei dati. Novo Nordisk consentirebbe l’uso di Claude per documenti pubblici e bozze generiche, ma vieterebbe l’inserimento di informazioni proprietarie nel modello.

C Spire dispone di protezioni contrattuali che impediscono a OpenAI e Anthropic di addestrarsi sui suoi dati aziendali, afferma il rapporto. Tuttavia, l’azienda di telecomunicazioni resta preoccupata per le informazioni tecniche sull’utilizzo che i contratti consentono ai fornitori di raccogliere.

Una grande utility statunitense avrebbe annullato un test pianificato di Fable relativo a infrastrutture energetiche essenziali. L’azienda voleva un impegno irrevocabile di zero data retention, che Anthropic non ha fornito nell’ambito della politica originaria di Fable.

Questi casi rappresentano controlli diversi, non un boicottaggio coordinato. Un’azienda instrada le attività sensibili verso modelli interni. Un’altra blocca gli input proprietari. Un fornitore di piattaforme trattiene il modello dai clienti in attesa di condizioni contrattuali più solide.

Il modello riportato resta comunque significativo. Gli acquirenti aziendali trattano la scelta del modello come una decisione di governance dei dati, anziché come una semplice competizione sui punteggi dei benchmark.

Questo approccio è particolarmente rilevante quando i dipendenti collegano un sistema AI a repository di codice sorgente, documenti interni, registri di laboratorio o database dei clienti. Il modello può ricevere informazioni molto più preziose di una tradizionale applicazione per il lavoro.

Le aziende che stanno già costruendo sistemi ricercabili a partire da documenti tecnici locali affrontano una questione di confine simile. Devono sapere quali informazioni escono dal loro ambiente controllato, dove vanno e per quanto tempo restano accessibili.

Una restrizione può quindi essere circoscritta e avere comunque conseguenze commerciali sostanziali. Un modello avanzato perde gran parte del proprio valore aziendale se i dipendenti non possono applicarlo al lavoro più importante dell’organizzazione.

Perché la conservazione dei dati di Anthropic Fable è cambiata a giugno

Anthropic ha introdotto la regola dei 30 giorni come controllo di sicurezza per un modello più capace, non come autorizzazione ad addestrarsi sui prompt aziendali.

Anthropic ha lanciato Fable 5 nel giugno 2026 con misure di protezione rafforzate per i rischi di cybersicurezza e biologici. L’azienda ha concluso che alcuni attacchi non potevano essere rilevati in modo affidabile esaminando una singola richiesta isolatamente.

Un utente malevolo potrebbe suddividere un progetto dannoso in molti scambi. I singoli prompt potrebbero sembrare ordinari, mentre la sequenza combinata rivela un tentativo di aggirare le protezioni.

Anthropic ha quindi imposto la conservazione delle attività Fable coperte su una base mobile di 30 giorni. La sua politica di lancio del modello affermava che le informazioni avrebbero supportato il monitoraggio della sicurezza e la ricerca sui jailbreak.

L’azienda ha inoltre dichiarato che non avrebbe utilizzato questo materiale per addestrare nuovi modelli Claude né per finalità non correlate. Anthropic ha descritto protezioni che includevano la registrazione degli accessi umani e la cancellazione dei dati dopo 30 giorni nella quasi totalità dei casi.

È qui che due concetti distinti si sono intrecciati. La conservazione dei dati significa mantenere informazioni per un periodo definito. L’addestramento del modello significa utilizzare informazioni per modificare i parametri o il comportamento futuro di un modello.

Un fornitore può conservare i prompt per analisi di sicurezza senza addestrarsi su di essi. Un’azienda può comunque rifiutare questa configurazione perché la conservazione stessa crea esposizione, attività di conformità e incertezza contrattuale.

Le pratiche di conservazione pubblicate da Anthropic hanno applicato il cambiamento alle organizzazioni che già utilizzavano configurazioni di zero data retention in diversi servizi coperti. Tra questi figuravano workspace Claude Console idonei e determinate implementazioni cloud.

Zero data retention, spesso abbreviato in ZDR, significa che un fornitore non conserva prompt o risposte dopo il completamento della richiesta. Le esclusioni esatte e i metadati tecnici variano in base al servizio e al contratto.

Per gli acquirenti, il cambiamento di giugno ha messo in discussione un presupposto fondamentale. Molte aziende avevano progettato i propri controlli AI sulla convinzione che il traffico dei modelli approvati non sarebbe rimasto nei sistemi di un fornitore.

La nuova regola è arrivata perché Fable comportava un potenziale maggiore di abuso. Tuttavia, la sua motivazione di sicurezza non ha eliminato l’onere operativo imposto ai clienti.

Un team di sicurezza doveva comunque identificare quali repository i dipendenti potessero esporre. I team legali dovevano interpretare se gli accordi esistenti coprissero la nuova politica. I team della privacy dovevano valutare ubicazione dei dati, cancellazione, accesso e scenari di violazione.

Le aziende regolamentate affrontavano ulteriori interrogativi. La conservazione poteva interagire con norme che disciplinano cartelle cliniche, dati finanziari, informazioni sulle telecomunicazioni, segreto professionale o protezione dei dati europea.

La preoccupazione non era limitata ai caricamenti deliberati. I sistemi di AI agentica possono recuperare file, richiamare strumenti, interrogare database e conservare il contesto di lavoro mentre completano un’attività.

Un dipendente potrebbe chiedere a un agente di eseguire il debug di un’applicazione senza rendersi conto che il flusso di lavoro invia codice sorgente, log, credenziali o record dei clienti. L’interfaccia del modello nasconde gran parte di questo movimento.

Man mano che il modello diventa più utile, la sua superficie dati si espande. Questo crea l’inversione centrale di questa storia: le capacità che rendono Fable interessante aumentano anche la sensibilità dei suoi input.

La politica di Anthropic cercava di gestire l’abuso del modello. I clienti aziendali hanno interpretato lo stesso meccanismo come una nuova fonte di rischio informativo.

La disputa riguarda il controllo, non solo l’addestramento del modello

I clienti aziendali chiedono chi controlli il percorso dei dati quando il monitoraggio della sicurezza e il lavoro riservato convivono nello stesso sistema.

Il timore riportato che un modello possa “imparare” dalla proprietà intellettuale aziendale può sembrare impreciso. Può riferirsi a diversi esiti tecnicamente distinti.

Il fornitore potrebbe addestrare un modello futuro sui contenuti del cliente. Potrebbe consentire ai dipendenti di esaminare prompt conservati durante un’indagine di sicurezza. Potrebbe ricavare modelli di utilizzo aggregati dai metadati tecnici.

Un modello potrebbe anche riprodurre contenuti all’interno di una conversazione archiviata senza incorporarli nell’addestramento. Ogni scenario comporta probabilità, protezioni e conseguenze legali diverse.

Anthropic afferma che i dati aziendali coperti dalla regola di conservazione di Fable non vengono utilizzati per l’addestramento. Analogamente, OpenAI afferma che input e output aziendali sono esclusi dall’addestramento per impostazione predefinita, salvo adesione esplicita dei clienti.

Questi impegni rispondono a una domanda. Non rispondono pienamente a dove finiscano i metadati operativi, chi possa accedere ai contenuti conservati o se le condizioni contrattuali possano cambiare.

I dati tecnici sull’utilizzo possono includere informazioni sull’attività del servizio senza riprodurre prompt completi. A seconda della loro portata, potrebbero rivelare quali applicazioni si collegano a un modello, con quale frequenza i team lo utilizzano o quali funzionalità invocano.

I fornitori necessitano di alcuni metadati per gestire servizi affidabili. I clienti desiderano comunque definizioni precise, poiché i modelli di attività possono esporre priorità aziendali.

Un improvviso aumento delle chiamate al modello da una divisione di ricerca potrebbe segnalare un’iniziativa non divulgata. Una nuova connessione a un repository di codice sorgente potrebbe rivelare dove si stanno spostando le risorse di sviluppo.

Ciò non significa che Anthropic o OpenAI utilizzino i metadati per competere con i clienti. Nessuna prova verificata presentata nei rapporti dimostra una condotta di questo tipo.

La questione è se le promesse contrattuali, la progettazione del sistema e le prove di audit riducano sufficientemente tale possibilità rispetto alla soglia di rischio di un cliente.

La richiesta riportata di Palantir per una garanzia irrevocabile coglie questa preoccupazione. Una regola di conservazione che può cambiare in seguito è difficile da integrare in un’architettura di sicurezza permanente.

Il cliente può impiegare mesi per approvare un modello, classificare i dati consentiti e integrare il servizio. Una successiva revisione della politica può costringerlo a ripetere quel lavoro o a disabilitare l’integrazione.

La restrizione incide anche sulla responsabilità. Se si verifica un incidente relativo ai dati, un’azienda deve spiegare dove siano transitate le informazioni e quale parte ne detenesse il controllo.

Una dichiarazione generale sull’anonimizzazione potrebbe non soddisfare tale obbligo. I team di sicurezza e compliance di solito necessitano di periodi di conservazione, dettagli sulla crittografia, registri di accesso, comportamento di eliminazione e procedure di gestione degli incidenti.

Questo spiega perché la privacy dei modelli non può essere ridotta a una singola casella “utilizzato per l’addestramento”. L’esclusione dall’addestramento è essenziale, ma è soltanto uno strato della governance dei dati aziendali.

I clienti devono inoltre comprendere il ruolo dei subappaltatori, delle regioni cloud, del monitoraggio degli abusi, della revisione umana e della gestione dei contenuti segnalati dai sistemi automatizzati.

C’è un’altra ragione per essere cauti. Le restrizioni riportate si basano in larga parte su fonti anonime e negoziazioni private con i clienti.

Nvidia non ha illustrato pubblicamente le proprie regole interne di instradamento. Booz Allen non ha descritto pubblicamente ogni limitazione attribuitale. Non è stata identificata l’azienda di servizi pubblici che ha annullato la propria sperimentazione.

I lettori dovrebbero quindi distinguere tra le policy confermate dei fornitori e le azioni dei clienti riportate. La regola dei 30 giorni di Anthropic è documentata. L’esatta portata delle restrizioni di ogni azienda non lo è.

Questa lacuna di verifica non rende la tendenza priva di significato. Significa che la conclusione più solida riguarda il comportamento negoziale delle imprese, non una comprovata condotta scorretta da parte di un fornitore di IA.

OpenAI ha trasformato l’architettura della privacy in una risposta competitiva

La risposta di OpenAI ha reso la conservazione zero dei dati un elemento distintivo del prodotto, anziché un termine legale di secondo piano.

Anthropic non è la sola a sostenere che i modelli avanzati richiedano un monitoraggio migliore. OpenAI ha affermato che rischi gravi possono emergere lungo una sequenza di interazioni, anziché all’interno di un singolo prompt.

Tuttavia, OpenAI ha proposto un’architettura diversa. Il suo sistema Private Safety Processing è progettato per analizzare attività correlate senza consentire al personale di OpenAI di accedere ai contenuti sottostanti del cliente.

Per le implementazioni a conservazione zero, i contenuti rimangono su un’infrastruttura controllata dal cliente. I sistemi automatizzati possono analizzarli e inviare a OpenAI un segnale di sicurezza limitato quando individuano un rischio.

Il sistema di sicurezza privata di OpenAI descrive anche un’alternativa che utilizza lo storage del fornitore, crittografato con chiavi controllate dal cliente. Il personale di OpenAI non disporrebbe di tali chiavi.

L’azienda afferma che i clienti API idonei ricevono una chiara promessa che prompt e risposte non vengono conservati dopo l’elaborazione. Dichiara inoltre che i dati aziendali non vengono utilizzati per l’addestramento, salvo adesione esplicita del cliente.

OpenAI identifica comunque un’eccezione per le immagini che sembrano contenere materiale relativo ad abusi sessuali su minori. Tali immagini possono richiedere conservazione, revisione manuale e segnalazione prevista dalla legge.

L’architettura più ampia ha offerto agli acquirenti enterprise un punto di riferimento. Ha suggerito che il monitoraggio della sicurezza tra sessioni e i dati controllati dal cliente non debbano necessariamente escludersi a vicenda.

Anthropic si è ora mossa in una direzione simile con Enterprise Frontier Safeguards, noto come EFS. Il sistema archivia l’attività rilevante all’interno di un’infrastruttura cloud controllata dal cliente.

Anthropic afferma che il monitoraggio automatizzato identifica schemi sospetti e invia avvisi al cliente. Il personale del cliente conduce la revisione, salvo che un abuso verificato giustifichi un processo diverso.

L’azienda ha sviluppato EFS con oltre 100 clienti in settori quali sanità, finanza, manifattura, diritto, telecomunicazioni, retail e pubblica amministrazione.

Le sue misure di protezione enterprise sono previste per un rilascio graduale a partire dall’autunno 2026. Anthropic afferma che i clienti idonei possono ottenere accesso ZDR provvisorio a Fable 5 e Fable 5.1.

Questo annuncio complica la narrazione principale. Anthropic non sta semplicemente insistendo affinché tutto il traffico sensibile di Fable rimanga sui suoi sistemi.

Ha riconosciuto il problema del controllo da parte del cliente e proposto un’architettura pensata per risolverlo. La vera domanda è se il rilascio arriverà abbastanza rapidamente e offrirà garanzie sufficientemente durature.

La posizione riportata di Palantir suggerisce che la sola capacità tecnica non chiuderà ogni negoziazione. I grandi clienti vogliono anche clausole contrattuali che impediscano al fornitore di ritirare le protezioni in seguito.

L’approccio di OpenAI aggiunge pressione competitiva perché i clienti possono confrontare i termini di privacy insieme ad accuratezza, latenza, costo e capacità del modello.

Secondo quanto riportato, Palantir e altri clienti hanno ottenuto accesso ZDR al GPT-6 Astra di OpenAI. Palantir è quindi disposta a fornire quel modello pur trattenendo Fable dalla propria piattaforma, secondo The Information.

Questo confronto non dimostra che il sistema di OpenAI sia più sicuro sotto ogni aspetto. Private Safety Processing era ancora in fase di test con i primi clienti al momento dell’annuncio.

La sua efficacia dipende dalla capacità del monitoraggio automatizzato di identificare abusi complessi senza esporre i contenuti. OpenAI non aveva ancora pubblicato il white paper tecnico promesso quando è apparso l’annuncio iniziale.

Il sistema di Anthropic affronta un test simile. EFS deve funzionare in ambienti cloud controllati dai clienti, preservando al contempo protezioni utili e requisiti di implementazione gestibili.

Entrambi i fornitori cercano di risolvere lo stesso conflitto attraverso l’isolamento tecnico. La loro competizione dipenderà dai dettagli dell’implementazione, dalla convalida indipendente e dalla solidità degli impegni contrattuali.

Il caso di Anthropic sulla sicurezza merita comunque un esame approfondito

I clienti non dovrebbero presumere che né la conservazione di 30 giorni né la conservazione zero producano automaticamente un’implementazione sicura.

L’argomentazione di Anthropic sulla sicurezza ha una chiara base tecnica. Gli attacchi coordinati possono essere difficili da identificare quando ogni prompt viene valutato separatamente.

Un utente che sondi le protezioni di cybersecurity potrebbe distribuire le richieste tra sessioni o account. Un classificatore automatizzato necessita di un contesto più ampio per riconoscere tale schema.

La conservazione può anche supportare le indagini dopo la comparsa di un nuovo jailbreak. I ricercatori possono esaminare interazioni precedenti e identificare come un attaccante si sia mosso attraverso il sistema.

I vantaggi richiedono comunque prove. Anthropic ha descritto la logica della policy, ma gli osservatori esterni non dispongono di informazioni complete su quanto i contenuti conservati migliorino concretamente il rilevamento.

Non è inoltre chiaro con quale frequenza i revisori umani debbano ispezionare prompt completi dei clienti. Un segnale automatizzato circoscritto crea un’esposizione diversa rispetto all’accesso di routine ai contenuti grezzi.

Anthropic afferma che i suoi controlli registrano gli accessi umani e limitano i dati conservati a finalità di sicurezza. Le imprese probabilmente richiederanno prove di audit a supporto di tali affermazioni.

EFS modifica il design assegnando ai clienti la responsabilità della revisione. Ciò protegge la riservatezza, ma può anche trasferire lavoro operativo a team di sicurezza che già gestiscono numerosi avvisi.

Le organizzazioni dovranno decidere chi esamina l’attività segnalata, con quale rapidità risponde e quando condivide le prove con Anthropic. Controlli con personale insufficiente possono esistere sulla carta senza funzionare efficacemente.

I falsi positivi rappresentano un’altra sfida. I ricercatori di sicurezza legittimi discutono regolarmente di malware, vulnerabilità, tecniche di sfruttamento e test difensivi.

Un sistema automatizzato può scambiare una ricerca autorizzata per attività dannosa. Misure di protezione eccessivamente aggressive potrebbero bloccare lavori di valore o creare indagini interne non necessarie.

I falsi negativi comportano il rischio opposto. Un attaccante sofisticato potrebbe distribuire attività dannose tra identità, fornitori o sistemi self-hosted, senza lasciare a un singolo monitor un contesto sufficiente.

Né la posizione dello storage risolve da sola questo problema. Le protezioni devono identificare le relazioni tra gli eventi senza creare un sistema di sorveglianza più ampio.

Anche il linguaggio contrattuale richiede attenzione. Una promessa disponibile solo per clienti idonei lascia le organizzazioni più piccole nell’incertezza sulla possibilità di ricevere una protezione equivalente.

Un’eccezione provvisoria può ridurre il rischio immediato pur restando meno affidabile di una clausola contrattuale permanente. I clienti devono sapere se l’accesso possa essere revocato e a quali condizioni.

Le restrizioni attribuite a Nvidia e Palantir potrebbero quindi riflettere una posizione razionale negli acquisti, anziché “paranoia”. Le organizzazioni sensibili spesso limitano un servizio finché i suoi controlli non superano una revisione tecnica e legale.

Tuttavia, le aziende possono anche sopravvalutare il pericolo. La conservazione non dimostra che un fornitore stia sottraendo proprietà intellettuale o addestrando segretamente i propri sistemi sulle informazioni dei clienti.

Anthropic ha esplicitamente negato di utilizzare i dati enterprise conservati di Fable per addestrare nuovi modelli Claude. Nessuna prova credibile nella documentazione disponibile contraddice tale affermazione.

La conclusione responsabile si colloca tra questi estremi. I clienti non dovrebbero trattare l’esclusione dall’addestramento dichiarata da un fornitore come una garanzia completa di privacy. Né dovrebbero descrivere la conservazione come prova di addestramento non autorizzato.

La risposta pratica è la separazione dei carichi di lavoro. La ricerca pubblica, la stesura generica e l’analisi a bassa sensibilità possono utilizzare un percorso.

Codice sorgente, ricerca clinica, dati dei clienti, piani strategici e infrastrutture critiche possono richiedere ZDR, storage controllato dal cliente, un modello privato o nessun modello esterno.

È già così che operano diversi clienti riportati. La decisione sulla policy segue i dati, non il nome del marchio.

Cosa dovrebbero osservare ora gli acquirenti enterprise di IA

La prossima fase sarà misurata attraverso i termini di implementazione e il comportamento dei clienti, non con un’altra serie di promesse sulla privacy.

Il primo segnale è il rilascio di EFS da parte di Anthropic. I clienti dovrebbero osservare se il sistema diventerà ampiamente disponibile durante l’autunno 2026 e come viene definita l’idoneità.

Un rilascio riuscito rafforzerebbe l’affermazione di Anthropic secondo cui il monitoraggio avanzato degli abusi possa coesistere con lo storage controllato dal cliente. Ritardi o accesso limitato rafforzerebbero le preoccupazioni riportate.

Gli acquirenti dovrebbero esaminare dove viene archiviata l’attività, chi detiene le chiavi di crittografia e quali segnali automatizzati lasciano l’ambiente del cliente. Hanno inoltre bisogno di procedure documentate per l’eliminazione e la risposta agli incidenti.

Il secondo segnale è la permanenza degli impegni di conservazione zero dei dati. Secondo quanto riportato, Palantir desidera garanzie che Anthropic non possa revocarli in seguito.

Se Anthropic offrirà termini ZDR duraturi nelle implementazioni di Fable, Palantir potrebbe riconsiderare la propria restrizione. Un disaccordo persistente dimostrerebbe che l’ostacolo è contrattuale e non meramente tecnico.

Il terzo segnale è l’adozione competitiva. Private Safety Processing di OpenAI deve dimostrare di poter rilevare abusi su più interazioni mantenendo i contenuti dei clienti inaccessibili al personale del fornitore.

Una solida pubblicazione tecnica, una valutazione indipendente o una grande implementazione regolamentata rafforzerebbero la posizione di OpenAI. Risultati deboli nel rilevamento sosterrebbero l’argomento originario di Anthropic a favore della conservazione lato fornitore.

Le aziende dovrebbero anche osservare se l’instradamento dei modelli diventerà uno standard. Le imprese potrebbero selezionare sempre più modelli diversi in base alla classificazione dei dati, anziché dichiarare un unico fornitore approvato per ogni attività.

Questa configurazione favorisce le piattaforme in grado di passare tra modelli ospitati, controllati dal cliente e gestiti internamente. Riduce inoltre la dipendenza dai termini variabili di qualsiasi fornitore.

La controversia ha già cambiato gli acquisti enterprise di IA. La leadership nei benchmark non è più sufficiente quando il miglior modello non può ricevere i dati necessari per l’incarico di maggior valore.

La conservazione dei dati di Anthropic Fable ha messo in luce un difficile compromesso tra privacy e monitoraggio della sicurezza. Anthropic afferma che la conservazione aiuta a difendersi da nuovi attacchi. I clienti affermano che le loro informazioni più preziose devono rimanere sotto il loro controllo.

EFS e Private Safety Processing offrono ora risposte concorrenti. Entrambi promettono analisi della sicurezza senza accesso di routine del fornitore ai contenuti dei clienti. Nessuno dei due dovrebbe essere accettato senza prove di implementazione e termini applicabili.

Per gli acquirenti aziendali, l’azione immediata è semplice. Mappare ogni workflow AI ai dati che può esporre, quindi verificare separatamente archiviazione, accesso, addestramento, metadati ed eliminazione.

Chiedetevi se ogni promessa resiste a un aggiornamento delle policy. Se la risposta non è chiara, limitate il carico di lavoro finché il contratto e l’architettura non forniranno un confine affidabile.