Adakah selamat muat naik dokumen sulit ke AI? Tiga soalan menentukannya

Selamat bermaksud tiga jawapan yang boleh dibaca, bukan perasaan

Dokumen terasa berbeza daripada soalan yang ditaip kerana ia adalah keseluruhan perkara sekaligus: kontrak, slip gaji, pek lembaga pengarah. Naluri yang mengatakan lebih banyak dipertaruhkan adalah betul. Namun cara membuat keputusan bukanlah naluri. Ia adalah tiga soalan yang dijawab oleh setiap vendor dalam dasarnya, dan dokumen selamat dimuat naik apabila ketiga-tiga jawapan itu boleh diterima oleh anda.

Adakah perkhidmatan itu melatih model dengannya? Peringkat pengguna ChatGPT dan Claude menggunakan perbualan untuk latihan secara lalai dengan pilihan untuk menolak keluar; perbandingan privasi chatbot AI menjejaki lalai setiap penyedia dan tarikh ia berubah. Dasar Whizi hanya satu ayat: "Whizi tidak menggunakan gesaan, fail, perbualan, transkrip suara, atau kandungan yang dijana anda untuk melatih model AI milik Whizi. Whizi tidak menjual kandungan ini sebagai data latihan."

Berapa lama ia disimpan? Whizi menetapkan lampiran yang dimuat naik untuk tamat tempoh selepas maksimum 30 hari, dan anda boleh memadam fail atau keseluruhan perbualan lebih awal. API OpenAI tidak melatih model dengan apa yang anda hantar melainkan anda memilih untuk menyertai, dan menyimpan log pemantauan penyalahgunaan sehingga 30 hari secara lalai. Produk sembang pengguna menyimpan fail yang dimuat naik selagi perbualan itu wujud melainkan anda memadamnya.

Siapa lagi yang menerimanya? Setiap produk sembang di hadapan model menghantar dokumen kepada pembuat model itu. Dalam Whizi, fail yang dilampirkan pada mesej Claude sampai kepada Anthropic dan fail yang dilampirkan pada mesej GPT sampai kepada OpenAI, melalui OpenRouter, dan tiada apa dihantar kepada model yang tidak anda pilih. Whizi menghalakan trafik API dengan penanda pengumpulan data OpenRouter ditetapkan supaya permintaan itu dikecualikan daripada latihan penyedia, dan penyedia mungkin masih menyimpan cache sementara di bawah dasar mereka sendiri. Whizi tidak mendakwa tetapan sifar simpanan sejagat, dan begitu juga sesiapa lain sepatutnya tidak mendakwa.

Berapa banyak dokumen yang benar-benar dilihat oleh model

Satu fakta mengubah gambaran risiko lebih daripada mana-mana ayat dasar: model tidak pernah membaca dokumen besar secara keseluruhan. Whizi memberikan setiap model dalam katalog had tetap 40,000 token input setiap giliran, kira-kira 80 muka surat teks biasa, dan muat naik yang melebihinya dipotong pada had itu, disertai mesej ringkas dan penanda dalam mesej yang menyatakannya. Itu adalah had kualiti, dan ia juga had privasi, kerana bahagian laporan 300 muka surat yang meninggalkan mesin anda hanyalah bahagian yang muat.

Dua kesan praktikal. Jika bahagian sensitif dokumen berada di muka surat 200, memuat naik keseluruhan fail mungkin tidak pernah menghantarnya, sedangkan memuat naik muka surat 195 hingga 205 pasti akan menghantarnya. Dan jika dokumen itu ialah imbasan, Whizi menjalankannya sekali melalui laluan penglihatan di pelayan untuk menghasilkan transkrip setiap muka surat, yang bermaksud muka surat dibaca sebagai imej oleh model sebelum teks itu wujud; panduan sembang dengan PDF menerangkan bila ini berlaku. Memisahkan dokumen mengikut tujuan dan memuat naik bahagian yang anda perlukan, seperti yang disyorkan oleh panduan muat naik dokumen untuk ketepatan, juga memberikan kesan privasi yang lebih kecil.

Dokumen yang gagal ujian ini di setiap vendor

Sesetengah fail tidak sepatutnya dimasukkan ke dalam mana-mana produk AI, walau sebaik mana pun dasarnya, kerana risikonya bukan cara pengendalian vendor tetapi kebenaran anda untuk berkongsi langsung.

Senarai penuh apa yang tidak sepatutnya berada dalam tetingkap sembang, dengan sebabnya, ada di apa yang tidak boleh ditampal ke dalam sembang AI. Peraturan yang meliputi jadual dalam satu ayat: jika anda tidak boleh menghantar dokumen itu melalui e-mel kepada subkontraktor, anda juga tidak boleh memuat naiknya.

Jawapan vendor, secara bersebelahan

Dua baris pengguna itulah yang perlu dibaca dua kali, kerana di situlah kebanyakan orang memuat naik kebanyakan dokumen. Kedua-dua vendor membolehkan anda matikan latihan, dan perbandingan privasi menunjukkan lokasi suis itu pada setiap satu. Tiada satu suis pun memendekkan simpanan dengan sendirinya: di OpenAI fail itu wujud selagi sembang wujud, dan di Anthropic pilihan latihan menentukan sama ada tempoh lima tahun terpakai kepada anda.

Baris Whizi adalah milik kami sendiri dan kami kekalkan ia setakat apa yang dinyatakan dalam dasar privasi. Memadam fail tidak membuang apa yang sudah dibincangkan tentangnya dalam perbualan, jadi dokumen yang cukup sensitif untuk dipadam bererti perbualan itu juga patut dipadam. Dua angka 30 hari yang berasingan wujud dalam dasar: muat naik ditetapkan untuk tamat tempoh selepas maksimum 30 hari, dan rekod pangkalan data yang dipadam boleh kekal dalam sejarah pemulihan masa Cloudflare D1 sehingga 30 hari sebelum luput. Bukan satu pun ini janji pemadaman serta-merta, dan dasar itu tidak menyatakan nilai tamat tempoh yang tepat. Di mana Whizi menyimpan data mempunyai senarai penuh pemproses.

Tabiat empat langkah untuk memuat naik apa-apa yang penting

1. Semak tiga jawapan bagi produk yang anda gunakan: latihan, simpanan, penerima. Jika mana-mana satu tidak dinyatakan secara bertulis, anggap sebagai senario paling teruk.
2. Buang apa yang tidak diperlukan oleh tugasan itu. Nama, nombor akaun, alamat dan pengecam jarang mengubah analisis, dan membuangnya hanya mengambil masa seminit.
3. Muat naik muka surat, bukan keseluruhan fail. Bahagian yang anda perlukan memberikan jawapan yang lebih tepat dan pendedahan yang lebih kecil, dan melebihi 40,000 token bahagian selebihnya tidak akan pernah dibaca.
4. Padam fail dan perbualan itu apabila tugasan selesai, dan tukar mana-mana kelayakan yang tertinggal.

Peraturan keputusan: dokumen selamat dimuat naik apabila vendor menjawab ketiga-tiga soalan secara bertulis dan kontrak anda sendiri membenarkannya, dan ia tidak selamat di mana-mana jika kedua-dua perkara itu tidak benar serentak.