A Retenção de Dados do Anthropic Fable Leva Nvidia e Palantir a Restringir o Uso do Modelo

As regras de retenção de dados do Anthropic Fable teriam levado Nvidia, Palantir e outras empresas a restringir o modelo, apesar de seus recursos avançados. O conflito começou depois que a Anthropic exigiu a retenção por 30 dias de determinadas atividades do Fable, citando a necessidade de detectar usos indevidos sofisticados.

As restrições não estabelecem que a Anthropic treina modelos com segredos empresariais. A Anthropic afirma que não usa os dados retidos para treinar novos modelos Claude nem para fins não relacionados à segurança. Ainda assim, alguns clientes corporativos continuam desconfortáveis com qualquer retenção externa de código proprietário, pesquisa ou informações operacionais.

Essa distinção tornou-se o centro de uma disputa sobre IA empresarial. Provedores de modelos querem visibilidade suficiente para investigar ataques que se desenvolvem em várias interações. Clientes querem controle vinculante sobre informações que geram sua vantagem competitiva.

Segundo restrições de clientes, algumas empresas agora reservam o Fable para trabalhos que não envolvem dados sensíveis. Outras supostamente querem garantias mais fortes de retenção zero de dados antes de disponibilizar o modelo por meio de seus produtos.

A Anthropic já ofereceu uma resposta técnica chamada Enterprise Frontier Safeguards. Ela transfere a atividade retida para uma infraestrutura controlada pelo cliente. Essa resposta é importante, mas as restrições relatadas mostram que a arquitetura de privacidade passou a fazer parte do desempenho do modelo.

O Que o Relatório Diz que as Empresas Restringiram

A mudança imediata não é uma proibição corporativa universal do Claude. É uma limitação dos contextos em que os modelos Fable mais recentes podem ser considerados confiáveis.

O The Information informa que a Nvidia usa o Fable apenas para tarefas que não expõem informações sensíveis. Para trabalhos mais confidenciais, a Nvidia supostamente recorre a um sistema interno de IA. A Nvidia não respondeu ao Tom’s Hardware antes de a publicação divulgar sua reportagem.

A Palantir adotou uma posição diferente porque fornece modelos a clientes por meio de sua Artificial Intelligence Platform. A empresa supostamente não disponibilizará o Fable nesse software até que a Anthropic forneça garantias de retenção zero de dados que não possam ser revogadas posteriormente.

Os clientes ainda podem contratar diretamente com a Anthropic, segundo o relatório. A restrição da Palantir diz respeito ao que ela está disposta a oferecer e dar suporte dentro de sua própria plataforma.

Essa distinção é importante. A Palantir integra vários provedores de modelos em ambientes nos quais organizações analisam dados operacionais sensíveis. Os termos de retenção de um modelo podem, portanto, afetar as obrigações da Palantir perante seus próprios clientes.

O diretor de tecnologia da Palantir, Bill Vass, teria dito que a empresa evita a Anthropic em um pequeno número de casos envolvendo propriedade intelectual. Sua preocupação não era uma prova de treinamento inadequado. Era a possibilidade de que código sensível fosse exposto a um processo que o cliente não consegue controlar plenamente.

A Booz Allen Hamilton também foi citada entre as empresas que reduzem ou limitam o uso dos modelos mais avançados da Anthropic. Os detalhes públicos sobre suas restrições exatas permanecem limitados. Essa incerteza exige uma redação cuidadosa, pois nem todas as decisões subjacentes foram documentadas de forma independente.

Outros exemplos relatados mostram como as empresas estão dividindo o trabalho com IA conforme a sensibilidade dos dados. A Novo Nordisk supostamente permite o Claude para documentos públicos e redação genérica, mas impede que informações proprietárias sejam enviadas ao modelo.

A C Spire tem proteções contratuais que impedem OpenAI e Anthropic de treinar com seus dados corporativos, diz o relatório. Ainda assim, a empresa de telecomunicações continua preocupada com informações técnicas de uso que os contratos permitem que os provedores coletem.

Uma grande concessionária de serviços públicos dos Estados Unidos supostamente cancelou um teste planejado do Fable envolvendo infraestrutura elétrica essencial. A empresa queria um compromisso irrevogável de retenção zero de dados, que a Anthropic não forneceu sob a política original do Fable.

Esses casos representam controles diferentes, não um boicote coordenado. Uma empresa direciona tarefas sensíveis para modelos internos. Outra bloqueia entradas proprietárias. Um provedor de plataforma retém o modelo de seus clientes enquanto aguarda termos contratuais mais fortes.

O padrão relatado ainda tem peso. Compradores corporativos estão tratando a seleção de modelos como uma decisão de governança de dados, em vez de uma simples disputa por pontuações de benchmark.

Essa abordagem é especialmente relevante quando funcionários conectam um sistema de IA a repositórios de código-fonte, documentos internos, registros de laboratório ou bancos de dados de clientes. O modelo pode receber informações muito mais valiosas do que um aplicativo convencional de trabalho.

Empresas que já estão criando sistemas pesquisáveis a partir de documentos técnicos locais enfrentam uma questão de limite semelhante. Elas precisam saber quais informações saem de seu ambiente controlado, para onde vão e por quanto tempo permanecem acessíveis.

Uma restrição pode, portanto, ser limitada e ainda assim gerar consequências comerciais substanciais. Um modelo avançado perde grande parte de seu valor empresarial se os funcionários não puderem aplicá-lo ao trabalho mais importante da organização.

Por Que a Retenção de Dados do Anthropic Fable Mudou em Junho

A Anthropic introduziu a regra de 30 dias como um controle de segurança para um modelo mais capaz, não como autorização para treinar com prompts corporativos.

A Anthropic lançou o Fable 5 em junho de 2026 com salvaguardas reforçadas para riscos de cibersegurança e biológicos. A empresa concluiu que alguns ataques não poderiam ser detectados de forma confiável ao examinar uma solicitação isoladamente.

Um usuário mal-intencionado poderia dividir um projeto prejudicial em muitas trocas. Prompts individuais poderiam parecer comuns, enquanto a sequência combinada revelaria uma tentativa de contornar as salvaguardas.

A Anthropic, portanto, exigiu a retenção das atividades cobertas do Fable em uma base móvel de 30 dias. Sua política de lançamento do modelo afirmou que as informações apoiariam o monitoramento de segurança e a pesquisa sobre jailbreaks.

A empresa também afirmou que não usaria esse material para treinar novos modelos Claude nem para fins não relacionados. A Anthropic descreveu proteções que incluíam registrar o acesso humano e excluir os dados após 30 dias em quase todos os casos.

É aqui que dois conceitos distintos se misturaram. Retenção de dados significa manter informações por um período definido. Treinamento de modelos significa usar informações para ajustar os parâmetros ou o comportamento futuro de um modelo.

Um provedor pode reter prompts para análise de segurança sem treiná-los. Uma empresa ainda pode rejeitar esse arranjo porque a própria retenção cria exposição, trabalho de conformidade e incerteza contratual.

As práticas de retenção publicadas pela Anthropic aplicaram a mudança a organizações que já usavam configurações de retenção zero de dados em vários serviços cobertos. Eles incluíam espaços de trabalho elegíveis do Claude Console e determinadas implantações em nuvem.

Retenção zero de dados, geralmente abreviada como ZDR, significa que um provedor não mantém prompts ou respostas após concluir a solicitação. As exclusões exatas e os metadados técnicos variam conforme o serviço e o contrato.

Para os compradores, a mudança de junho contestou uma premissa fundamental. Muitas empresas haviam projetado seus controles de IA com base na crença de que o tráfego de modelos aprovados não persistiria nos sistemas de um provedor.

A nova regra chegou porque o Fable carregava maior potencial de uso indevido. Ainda assim, sua justificativa de segurança não eliminou a carga operacional imposta aos clientes.

Uma equipe de segurança ainda precisava identificar quais repositórios os funcionários poderiam expor. Equipes jurídicas precisavam interpretar se os acordos existentes cobriam a nova política. Equipes de privacidade precisavam avaliar localização dos dados, exclusão, acesso e cenários de violação.

Empresas regulamentadas enfrentaram questões adicionais. A retenção poderia interagir com regras que regem registros de saúde, dados financeiros, informações de telecomunicações, sigilo profissional jurídico ou proteção de dados europeia.

A preocupação não se limitava a envios deliberados. Sistemas de IA agêntica podem recuperar arquivos, chamar ferramentas, consultar bancos de dados e preservar contexto de trabalho ao concluir uma tarefa.

Um funcionário poderia pedir a um agente que depurasse um aplicativo sem perceber que o fluxo de trabalho envia código-fonte, logs, credenciais ou registros de clientes. A interface do modelo oculta grande parte desse movimento.

À medida que o modelo se torna mais útil, sua superfície de dados se expande. Isso cria a inversão central desta história: as capacidades que tornam o Fable atraente também aumentam a sensibilidade de suas entradas.

A política da Anthropic buscava gerenciar o uso indevido do modelo. Clientes corporativos interpretaram o mesmo mecanismo como uma nova fonte de risco informacional.

A Disputa É Sobre Controle, Não Apenas Treinamento de Modelos

Clientes corporativos estão perguntando quem controla o caminho dos dados quando o monitoramento de segurança e o trabalho confidencial ocupam o mesmo sistema.

O receio relatado de que um modelo possa “aprender” com a propriedade intelectual corporativa pode parecer impreciso. Ele pode se referir a vários resultados tecnicamente diferentes.

O provedor pode treinar um modelo futuro com conteúdo do cliente. Pode permitir que funcionários revisem prompts retidos durante uma investigação de segurança. Pode derivar padrões agregados de uso a partir de metadados técnicos.

Um modelo também poderia reproduzir conteúdo dentro de uma conversa armazenada sem incorporá-lo ao treinamento. Cada cenário envolve probabilidades, salvaguardas e consequências jurídicas diferentes.

A Anthropic afirma que os dados empresariais cobertos pela regra de retenção do Fable não são usados para treinamento. A OpenAI também afirma que entradas e saídas comerciais são excluídas do treinamento por padrão, a menos que os clientes optem por participar.

Esses compromissos respondem a uma pergunta. Eles não respondem completamente para onde vão os metadados operacionais, quem pode acessar o conteúdo retido ou se os termos contratuais podem mudar.

Dados técnicos de uso podem incluir informações sobre atividade de serviço sem reproduzir prompts completos. Dependendo de seu escopo, eles podem revelar quais aplicativos se conectam a um modelo, com que frequência as equipes o usam ou quais recursos acionam.

Os provedores precisam de alguns metadados para operar serviços confiáveis. Os clientes ainda querem definições precisas porque padrões de atividade podem expor prioridades de negócios.

Um aumento repentino nas chamadas ao modelo de uma divisão de pesquisa poderia sinalizar uma iniciativa não divulgada. Uma nova conexão a um repositório de código-fonte poderia revelar para onde os recursos de desenvolvimento estão se movendo.

Isso não significa que Anthropic ou OpenAI usem metadados para competir com clientes. Nenhuma evidência verificada apresentada nas reportagens estabelece tal conduta.

A questão é se promessas contratuais, design de sistema e evidências de auditoria reduzem suficientemente essa possibilidade para o limite de risco de um cliente.

A suposta exigência da Palantir por uma garantia irrevogável captura essa preocupação. Uma regra de retenção que pode mudar posteriormente é difícil de incorporar a uma arquitetura de segurança permanente.

O cliente pode passar meses aprovando um modelo, classificando dados permitidos e integrando o serviço. Uma revisão posterior da política pode obrigá-lo a repetir esse trabalho ou desativar a integração.

A restrição também afeta a responsabilização. Se ocorrer um incidente de dados, uma empresa precisa explicar por onde as informações circularam e qual parte as controlou.

Uma declaração geral sobre anonimização pode não satisfazer essa obrigação. As equipes de segurança e conformidade geralmente precisam de períodos de retenção, detalhes de criptografia, registros de acesso, comportamento de exclusão e procedimentos para incidentes.

Isso explica por que a privacidade dos modelos não pode ser reduzida a uma única caixa de seleção “usado para treinamento”. A exclusão do treinamento é essencial, mas é apenas uma camada da governança de dados corporativos.

Os clientes também precisam entender os subcontratados, as regiões de nuvem, o monitoramento de abuso, a revisão humana e o tratamento de conteúdo sinalizado por sistemas automatizados.

Há outro motivo para cautela. As restrições relatadas se baseiam, em grande parte, em fontes anônimas e negociações privadas com clientes.

A Nvidia não detalhou publicamente suas regras internas de roteamento. A Booz Allen não descreveu publicamente todas as limitações atribuídas a ela. A empresa de serviços públicos que cancelou seu teste não foi identificada.

Portanto, os leitores devem distinguir políticas confirmadas dos provedores de ações relatadas de clientes. A regra de 30 dias da Anthropic está documentada. O escopo preciso das restrições de cada empresa não está.

Essa lacuna de verificação não torna a tendência irrelevante. Significa que a conclusão mais sólida diz respeito ao comportamento de negociação das empresas, e não a uma conduta indevida comprovada por parte de um provedor de IA.

A OpenAI transformou a arquitetura de privacidade em uma resposta competitiva

A resposta da OpenAI fez da retenção zero de dados um diferencial de produto, em vez de um termo jurídico de segundo plano.

A Anthropic não está sozinha ao argumentar que modelos avançados exigem melhor monitoramento. A OpenAI afirmou que riscos graves podem surgir ao longo de uma sequência de interações, e não dentro de um único prompt.

No entanto, a OpenAI propôs uma arquitetura diferente. Seu sistema Private Safety Processing foi projetado para analisar atividades relacionadas sem conceder ao pessoal da OpenAI acesso ao conteúdo subjacente do cliente.

Em implantações com retenção zero, o conteúdo permanece em uma infraestrutura controlada pelo cliente. Sistemas automatizados podem analisá-lo e enviar um sinal de segurança limitado à OpenAI quando identificam um risco.

O sistema privado de segurança da OpenAI também descreve uma alternativa que usa armazenamento do provedor criptografado com chaves controladas pelo cliente. O pessoal da OpenAI não teria posse dessas chaves.

A empresa afirma que clientes de API elegíveis recebem uma promessa clara de que prompts e respostas não são retidos após o processamento. Também declara que dados empresariais não são usados para treinamento, a menos que o cliente opte por isso.

A OpenAI ainda identifica uma exceção para imagens que aparentam conter material de abuso sexual infantil. Essas imagens podem exigir retenção, revisão manual e comunicação obrigatória por lei.

A arquitetura mais ampla ofereceu aos compradores empresariais um ponto de referência. Ela sugeriu que o monitoramento de segurança entre sessões e dados controlados pelo cliente não precisam ser mutuamente exclusivos.

A Anthropic agora avançou em uma direção semelhante com o Enterprise Frontier Safeguards, conhecido como EFS. O sistema armazena atividades relevantes dentro de uma infraestrutura de nuvem controlada pelo cliente.

A Anthropic afirma que o monitoramento automatizado identifica padrões suspeitos e envia alertas ao cliente. O pessoal do cliente conduz a revisão, a menos que o uso indevido verificado justifique um processo diferente.

A empresa desenvolveu o EFS com mais de 100 clientes de setores como saúde, finanças, manufatura, direito, telecomunicações, varejo e governo.

Suas salvaguardas empresariais estão programadas para uma implementação em fases a partir do outono de 2026. A Anthropic afirma que clientes elegíveis podem receber acesso provisório a ZDR para Fable 5 e Fable 5.1.

Esse anúncio complica a narrativa principal. A Anthropic não está simplesmente insistindo que todo o tráfego sensível do Fable permaneça em seus sistemas.

Ela reconheceu o problema do controle pelo cliente e propôs uma arquitetura destinada a resolvê-lo. A verdadeira questão é se a implementação chega com rapidez suficiente e oferece garantias suficientemente duradouras.

A posição relatada da Palantir sugere que a capacidade técnica, por si só, não encerrará todas as negociações. Grandes clientes também querem linguagem contratual que impeça o provedor de retirar as proteções posteriormente.

A abordagem da OpenAI aumenta a pressão competitiva porque os clientes podem comparar termos de privacidade juntamente com precisão, latência, custo e capacidade do modelo.

A Palantir e alguns outros clientes teriam obtido acesso a ZDR para o GPT-6 Astra da OpenAI. Portanto, segundo o The Information, a Palantir está disposta a oferecer esse modelo enquanto retém o Fable por meio de sua plataforma.

Essa comparação não prova que o sistema da OpenAI seja mais seguro em todos os aspectos. O Private Safety Processing ainda estava sendo testado com clientes iniciais quando foi anunciado.

Sua eficácia depende de os sistemas automatizados conseguirem identificar usos indevidos complexos sem expor o conteúdo. A OpenAI ainda não havia publicado o prometido white paper técnico quando o anúncio inicial foi divulgado.

O sistema da Anthropic enfrenta um teste semelhante. O EFS precisa funcionar em ambientes de nuvem controlados pelo cliente, preservando salvaguardas úteis e requisitos de implantação administráveis.

Ambos os provedores tentam resolver o mesmo conflito por meio de isolamento técnico. A competição entre eles dependerá de detalhes de implementação, validação independente e da força dos compromissos contratuais.

O argumento de segurança da Anthropic ainda merece escrutínio

Os clientes não devem presumir que retenção de 30 dias ou retenção zero produz automaticamente uma implantação segura.

O argumento de segurança da Anthropic tem uma base técnica clara. Ataques coordenados podem ser difíceis de identificar quando cada prompt é avaliado separadamente.

Um usuário que testa salvaguardas de cibersegurança pode distribuir solicitações entre sessões ou contas. Um classificador automatizado precisa de um contexto mais amplo para reconhecer esse padrão.

A retenção também pode apoiar investigações após o surgimento de um novo jailbreak. Pesquisadores podem examinar interações anteriores e identificar como um invasor avançou pelo sistema.

Os benefícios ainda exigem evidências. A Anthropic descreveu a justificativa da política, mas observadores externos não dispõem de informações completas sobre quanto conteúdo retido melhora materialmente a detecção.

Também não está claro com que frequência revisores humanos precisam inspecionar prompts completos de clientes. Um sinal automatizado restrito cria uma exposição diferente do acesso rotineiro ao conteúdo bruto.

A Anthropic afirma que seus controles registram o acesso humano e restringem os dados retidos a finalidades de segurança. As empresas provavelmente buscarão evidências de auditoria que sustentem essas alegações.

O EFS altera o desenho ao atribuir aos clientes a responsabilidade pela revisão. Isso protege a confidencialidade, mas também pode transferir trabalho operacional para equipes de segurança que já administram muitos alertas.

As organizações precisarão decidir quem revisa a atividade sinalizada, com que rapidez respondem e quando compartilham evidências com a Anthropic. Controles com equipes insuficientes podem existir no papel sem funcionar de forma eficaz.

Falsos positivos representam outro desafio. Pesquisadores legítimos de segurança discutem regularmente malware, vulnerabilidades, técnicas de exploração e testes defensivos.

Um sistema automatizado pode confundir pesquisa autorizada com atividade maliciosa. Salvaguardas excessivamente agressivas podem bloquear trabalho valioso ou criar investigações internas desnecessárias.

Falsos negativos apresentam o risco oposto. Um invasor sofisticado pode dividir atividades prejudiciais entre identidades, provedores ou sistemas auto-hospedados, sem deixar um único monitor com contexto suficiente.

Nenhuma localização de armazenamento resolve esse problema por si só. As salvaguardas precisam identificar relações entre eventos sem criar um sistema de vigilância mais amplo.

A linguagem contratual também exige escrutínio. Uma promessa disponível apenas para clientes elegíveis deixa organizações menores incertas sobre receberem proteção equivalente.

Uma exceção provisória pode reduzir o risco imediato, embora permaneça menos confiável do que um termo contratual permanente. Os clientes precisam saber se o acesso pode ser revogado e sob quais condições.

As restrições atribuídas à Nvidia e à Palantir podem, portanto, refletir uma postura racional de aquisição, e não “paranoia”. Organizações sensíveis frequentemente limitam um serviço até que seus controles resistam à análise técnica e jurídica.

No entanto, as empresas também podem exagerar o perigo. A retenção não estabelece que um provedor esteja roubando propriedade intelectual ou treinando secretamente com informações de clientes.

A Anthropic negou explicitamente usar os dados empresariais retidos pelo Fable para treinar novos modelos Claude. Nenhuma evidência confiável nas reportagens disponíveis contradiz essa afirmação.

A conclusão responsável fica entre esses extremos. Os clientes não devem tratar a exclusão de treinamento de um provedor como uma garantia completa de privacidade. Tampouco devem descrever a retenção como prova de treinamento não autorizado.

A resposta prática é a separação de cargas de trabalho. Pesquisa pública, redação genérica e análises de baixa sensibilidade podem usar uma rota.

Código-fonte, pesquisa clínica, registros de clientes, planos estratégicos e infraestrutura crítica podem exigir ZDR, armazenamento controlado pelo cliente, um modelo privado ou nenhum modelo externo.

É assim que vários clientes relatados já operam. A decisão de política segue os dados, não o nome da marca.

O que compradores empresariais de IA devem observar a seguir

A próxima fase será medida por termos de implantação e comportamento dos clientes, não por outra rodada de promessas de privacidade.

O primeiro sinal é a implementação do EFS pela Anthropic. Os clientes devem observar se o sistema se torna amplamente disponível durante o outono de 2026 e como a elegibilidade é definida.

Uma implementação bem-sucedida reforçaria a alegação da Anthropic de que o monitoramento avançado de uso indevido pode coexistir com armazenamento controlado pelo cliente. Atrasos ou acesso restrito reforçariam as preocupações relatadas.

Os compradores devem examinar onde a atividade é armazenada, quem detém as chaves de criptografia e quais sinais automatizados saem do ambiente do cliente. Também precisam de procedimentos documentados de exclusão e resposta a incidentes.

O segundo sinal é a permanência dos compromissos de retenção zero de dados. A Palantir supostamente quer garantias de que a Anthropic não poderá revogá-los posteriormente.

Se a Anthropic oferecer termos duradouros de ZDR em implantações do Fable, a Palantir poderá reconsiderar sua restrição. A divergência contínua mostraria que o obstáculo é contratual, e não meramente técnico.

O terceiro sinal é a adoção competitiva. O Private Safety Processing da OpenAI precisa demonstrar que consegue detectar abuso em múltiplas interações mantendo o conteúdo do cliente inacessível ao pessoal do provedor.

Uma publicação técnica robusta, uma avaliação independente ou uma grande implantação regulamentada fortaleceria a posição da OpenAI. Resultados fracos de detecção sustentariam o argumento original da Anthropic em favor da retenção pelo provedor.

As empresas também devem observar se o roteamento de modelos se torna padrão. As organizações podem selecionar cada vez mais modelos diferentes de acordo com a classificação dos dados, em vez de declarar um único provedor aprovado para todas as tarefas.

Esse arranjo favorece plataformas capazes de alternar entre modelos hospedados, controlados pelo cliente e operados internamente. Também reduz a dependência dos termos mutáveis de qualquer provedor.

A disputa já mudou a aquisição empresarial de IA. A liderança em benchmarks já não é suficiente quando o melhor modelo não pode receber os dados necessários para a atribuição de maior valor.

A retenção de dados do Anthropic Fable expôs uma difícil troca entre privacidade e monitoramento de segurança. A Anthropic afirma que a retenção ajuda a defender contra novos ataques. Os clientes dizem que suas informações mais valiosas devem permanecer sob seu controle.

O EFS e o Private Safety Processing agora oferecem respostas concorrentes. Ambos prometem análise de segurança sem acesso rotineiro do provedor ao conteúdo do cliente. Nenhum deve ser aceito sem evidências de implantação e termos executáveis.

Para compradores empresariais, a ação imediata é simples. Mapeie cada fluxo de trabalho de IA aos dados que ele pode expor e, em seguida, verifique separadamente o armazenamento, o acesso, o treinamento, os metadados e a exclusão.

Pergunte se cada promessa continua válida após uma atualização de política. Se a resposta não estiver clara, restrinja a carga de trabalho até que o contrato e a arquitetura ofereçam um limite confiável.