OpenAI quiere detectar el uso indebido de la IA sin guardar los datos de sus clientes empresariales

OpenAI está probando una forma de vigilar el uso indebido de sus modelos más avanzados sin renunciar al compromiso de Zero Data Retention (ZDR) —retención cero de datos— para determinadas implementaciones empresariales. Anunciado el 19 de agosto de 2026, Private Safety Processing pretende identificar patrones de riesgo entre interacciones relacionadas, en lugar de evaluar cada solicitud por separado, sin que el personal de OpenAI pueda acceder al contenido subyacente de los clientes. 31

La propuesta intenta resolver una tensión difícil para las empresas: los equipos de seguridad necesitan suficiente visibilidad para detectar abusos que se desarrollan con el tiempo, pero las organizaciones reguladas o especialmente sensibles desde el punto de vista de la seguridad no siempre quieren que el proveedor conserve sus prompts y respuestas.

Qué cambia Private Safety Processing en el modelo ZDR

Los sistemas de seguridad compatibles con ZDR suelen evaluar cada interacción de manera individual. Ese enfoque puede pasar por alto un ataque distribuido en el que ningún prompt aislado parece claramente abusivo, pero una secuencia de solicitudes relacionadas termina apoyando un objetivo dañino.

OpenAI afirma que la versión preliminar amplía las salvaguardas automatizadas a varias interacciones relacionadas. Así, el sistema podría identificar patrones más amplios, incluida actividad vinculada a intentos de intrusión realizados por personas o por agentes de IA desalineados. 31

En la práctica, varias solicitudes aparentemente inofensivas podrían formar un patrón de riesgo al analizarse en conjunto: por ejemplo, un flujo de trabajo potencialmente relacionado con el desarrollo de malware o con una intrusión informática. Las fuentes disponibles describen una capacidad para detectar patrones entre múltiples interacciones, no una garantía de que la versión preliminar vaya a identificar de forma fiable todas las campañas de este tipo.

Qué información recibiría OpenAI

El límite de privacidad es el elemento central del diseño. El sistema está pensado para analizar automáticamente la actividad del cliente sin exponer a los empleados de OpenAI los prompts ni las respuestas generadas por el modelo. Si detecta un posible problema, OpenAI dice que recibirá una señal de seguridad definida de forma limitada, en lugar del contenido bruto de la conversación. 310

Según la información publicada sobre la prueba, los datos del cliente podrían permanecer en una infraestructura controlada por este o protegerse mediante claves de cifrado que solo conserva el propio cliente. 157 La arquitectura busca mantener las ventajas de confidencialidad que las empresas suelen asociar con ZDR y, al mismo tiempo, proporcionar a OpenAI la información mínima necesaria para actuar ante un posible incidente de seguridad.

Eso no significa que el sistema carezca de consecuencias operativas. Una señal podría desencadenar una medida de seguridad sobre la cuenta o una petición para que el cliente investigue lo ocurrido. La empresa también podría aportar voluntariamente información pertinente para impugnar una alerta o colaborar en una investigación. La prueba no se describe como un mecanismo que otorgue a OpenAI acceso automático a la conversación conservada. 23

Las preguntas que siguen abiertas

Private Safety Processing se está probando con clientes iniciales seleccionados; no se ha presentado como un servicio plenamente establecido y disponible para todo el mercado. 35 Por eso, el anuncio por sí solo no permite responder con claridad a varias cuestiones importantes:

• ¿Qué precisión tienen las señales de riesgo que combinan varias conversaciones?
• ¿Con qué frecuencia podrían las actividades empresariales legítimas generar falsos positivos?
• ¿Qué medidas concretas se aplicarían a una cuenta según cada categoría de riesgo?
• ¿Cómo podrían los clientes auditar o impugnar una señal si OpenAI no puede examinar el contenido original?
• ¿Qué documentación técnica recibirían antes de una implementación más amplia?

La promesa es, por tanto, más limitada que afirmar que la seguridad con protección de la privacidad ya ha resuelto el problema del uso indebido. OpenAI está comprobando si una señal restringida puede servir para detectar abusos sin recurrir al modelo más amplio de custodia de datos y revisión humana que implica conservar el tráfico de los clientes.

Anthropic apuesta por conservar los datos durante 30 días

Anthropic ha adoptado un enfoque más orientado a la retención para sus modelos cubiertos. Su política exige conservar durante 30 días los prompts enviados y las respuestas generadas por esos modelos, incluidos los de la clase Mythos y futuros modelos con capacidades similares, con fines de seguridad.

La compañía afirma que esos datos no se utilizan para entrenar nuevos modelos Claude ni para fines ajenos a la seguridad. Entre las medidas publicadas figuran la restricción del acceso, el registro del acceso humano y la eliminación de los datos después de 30 días en casi todos los casos.

Ese modelo ofrece a los equipos de seguridad una ventana para revisar ataques complejos e investigar posibles falsos positivos, pero también crea una obligación de gobernanza de datos más amplia para los clientes empresariales.

Informaciones posteriores señalan que Anthropic mantendría el requisito de conservación durante 30 días, aunque permitiría a las empresas guardar los datos en su propia infraestructura de nube. Eso podría reducir algunas preocupaciones sobre quién custodia la información, pero no eliminaría el requisito de retención.

Dos respuestas distintas al mismo dilema empresarial

Las dos compañías están haciendo apuestas diferentes:

• OpenAI: análisis automatizado entre varias interacciones y envío de una señal de seguridad limitada, con el objetivo de minimizar el acceso del proveedor al contenido del cliente.
• Anthropic: conservación durante 30 días de la actividad de los modelos cubiertos bajo controles de acceso, para preservar más información con la que investigar incidentes y revisar alertas.

El enfoque de OpenAI puede resultar más atractivo para clientes cuyas políticas de contratación rechazan firmemente que el proveedor conserve contenido. Su punto débil es que una señal escasa puede ofrecer menos pruebas para investigar un incidente discutido o ambiguo.

La alternativa de Anthropic podría proporcionar una visibilidad forense mayor, pero impone una carga de retención y cumplimiento normativo incluso cuando el cliente preferiría un acuerdo estricto de no conservación.

Ninguna de las dos opciones elimina el problema de fondo. El uso indebido en varios pasos puede ser difícil de distinguir de una investigación legítima, mientras que las protecciones de privacidad pueden limitar las pruebas disponibles para los investigadores humanos. La prueba decisiva para el sistema de OpenAI será saber si sus señales automatizadas son lo bastante precisas para respaldar medidas de seguridad sin exigir acceso al contenido que resumen.

El contexto competitivo

La diferencia en materia de privacidad aparece mientras OpenAI y Anthropic compiten con mayor intensidad por clientes empresariales y usuarios de modelos avanzados. El ritmo anualizado de ingresos de Anthropic habría superado los 65.000 millones de dólares a finales de julio. Esa cifra es una proyección basada en el desempeño reciente, no los ingresos contabilizados de todo un año.

También se ha informado de que inversores contemplan una valoración de Anthropic de 2 billones de dólares o más en una posible salida a bolsa. Se trata de una expectativa recogida por fuentes externas, no de una valoración garantizada ni de una oferta pública ya completada.

Estos datos financieros ayudan a explicar el contexto, pero no demuestran que Private Safety Processing se haya creado exclusivamente como respuesta competitiva. La conclusión más prudente es que el anuncio aborda una preocupación concreta de los departamentos de compras empresariales: cómo utilizar modelos muy capaces con una supervisión de abusos más sólida y, al mismo tiempo, limitar el acceso del proveedor a información comercial confidencial.

Las fuentes disponibles tampoco establecen un calendario ni unas condiciones definitivas para una salida a bolsa de OpenAI. Cualquier afirmación de que la compañía tiene un plan inminente o cerrado para cotizar necesitaría una confirmación independiente y actualizada.

En resumen

Private Safety Processing es el intento de OpenAI de ampliar ZDR desde el filtrado de interacciones individuales hasta la supervisión de seguridad entre varias conversaciones, sin conservar los prompts y las respuestas de los clientes como contenido accesible para su personal.

El sistema está diseñado para devolver una señal de seguridad definida de manera limitada, y la colaboración adicional del cliente se plantea como voluntaria. Por eso puede convertirse en una alternativa centrada en la privacidad frente al modelo de retención de 30 días de Anthropic, pero por ahora sigue siendo una prueba preliminar.

Las empresas deberían tratar las afirmaciones de OpenAI como una propuesta de diseño en evaluación hasta que haya pruebas independientes sobre su precisión, su tasa de falsos positivos, su capacidad de auditoría y el modo en que se aplican las medidas de seguridad en situaciones reales.