OpenAI wil krachtige AI beveiligen zonder klantdata te bewaren
OpenAI en veiligheid
OpenAI introduceert Private Safety Processing, een nieuwe aanpak waarmee misbruik over meerdere AI-interacties kan worden gedetecteerd zonder dat medewerkers toegang krijgen tot de onderliggende prompts en antwoorden. Daarmee probeert het bedrijf een lastig enterprise-vraagstuk op te lossen: hoe combineer je strengere veiligheidscontrole met Zero Data Retention?
Veiligheidscontrole over meerdere gesprekken
Bestaande Zero Data Retention-systemen beoordelen interacties vooral afzonderlijk. Dat wordt problematischer nu AI-agents langere en complexere taken uitvoeren. Misbruik kan zich immers pas na meerdere stappen of gesprekken aftekenen.
Private Safety Processing analyseert daarom patronen over gerelateerde interacties. Bij ZDR-implementaties blijft klantcontent op infrastructuur van de klant. OpenAI ontwikkelt daarnaast opslag op eigen infrastructuur waarbij de data wordt versleuteld met sleutels die alleen de klant beheert.
“Enterprise AI adoption depends solely on customer control of data, with no direct or derivative use beyond the chosen service.” — Sunil Agrawal, Chief Information Security Officer, Glean.
OpenAI ziet privacy als enterprise-voorwaarde
Volgens OpenAI is de aanpak bedoeld voor organisaties die werken met gevoelige financiële informatie, gezondheidsdata, bedrijfsplannen en eigen onderzoek. Bij een mogelijk risico ontvangt OpenAI alleen een beperkt veiligheidssignaal over het soort activiteit. Medewerkers krijgen ook na een melding niet automatisch toegang tot de inhoud.
TechCrunch ziet hierin ook een duidelijke concurrentiestrijd met Anthropic, dat voor sommige krachtige modellen dertig dagen dataretentie hanteert. OpenAI positioneert Zero Data Retention daarmee steeds nadrukkelijker als onderscheidende enterprise-eigenschap.
Relevantie groeit door a.gentic marketing
Voor marketingorganisaties wordt dit belangrijker zodra AI-agents toegang krijgen tot CRM-data, klantvragen, campagnegegevens, salesinformatie en interne documenten. Een agent die meerdere systemen doorloopt heeft meer context nodig, maar creëert tegelijkertijd grotere privacy- en veiligheidsrisico’s.
Private Safety Processing laat zien dat AI-governance daardoor naar de infrastructuur verschuift. Niet alleen de vraag welk model het beste presteert telt, maar ook waar data staat, wie toegang heeft en hoe misbruik kan worden herkend zonder klantinformatie centraal op te slaan.
De volgende fase van enterprise AI draait daarmee niet alleen om krachtigere modellen, maar om de architectuur eromheen. Voor marketingteams die richting autonome agents bewegen, kan controle over klantdata uitgroeien tot een even belangrijke selectie-eis als snelheid, prijs en modelkwaliteit.
