OpenAI מהמרת על פרטיות כדי לנגוס ביתרון הארגוני של Anthropic

כיצד אמורה לפעול Private Safety Processing

ניטור שימוש לרעה נעשה יעיל יותר כאשר ספק יכול לקשר פעילות בין סדרה של אינטראקציות. אבל אותה יכולת עלולה לדרוש שמירה, בדיקה או ריכוז של תוכן הלקוח — פשרה בעייתית עבור ארגונים שעובדים עם קוד סודי, מידע רפואי, מסמכים משפטיים או נתונים פיננסיים.

Private Safety Processing מוצגת כדרך להפריד בין שתי המשימות. המערכת נבחנת כעת עם לקוחות נבחרים, ונועדה לזהות דפוסים וסיכוני בטיחות בכמה אינטראקציות קשורות, תוך שמירה על הגנות ה-ZDR. OpenAI אומרת שהמערכות שלה יוכלו להחזיר לחברה אות בטיחות מוגדר ומצומצם, בלי להעניק לה גישה לתוכן הלקוח שעליו התבסס האות.

התיאורים הפומביים מבהירים את היעד — בטיחות בלי שמירת תוכן — אך אינם כוללים די פרטים טכניים כדי לאמת ארכיטקטורה קריפטוגרפית מסוימת, שימוש בסביבת ביצוע מאובטחת או שיטת מימוש אחרת. המסקנה הזהירה ביותר היא ש-OpenAI מציגה שכבת בטיחות ששומרת על פרטיות, ולא שכל פרט טכני במערכת כבר תועד בפומבי.

ההשוואה ל-Anthropic דורשת דיוק

Anthropic נמצאת במרכז המסגור התחרותי, אך מדיניותה משתנה לפי סוג המוצר. מרכז הפרטיות של החברה מציין כי קלטים ופלטים ממוצרים מסחריים, כגון Claude for Work ו-Anthropic API, אינם משמשים כברירת מחדל לאימון המודלים. הלקוח יכול לשנות את היחסים האלה באמצעות מתן משוב מפורש או הסכמה אחרת לשימוש בנתונים.

מדיניות השמירה לחמש שנים שזכתה לתשומת לב היא מדיניות צרכנית. Anthropic אומרת שאם משתמשים מאפשרים להשתמש בשיחות או במפגשי הקוד שלהם כדי לשפר את Claude, ניתן לשמור את הנתונים בפורמט שעבר הסרת זיהוי למשך עד חמש שנים בצינורות אימון המודלים. אם המשתמשים אינם מפעילים את האפשרות, החברה אומרת שתקופת השמירה הקיימת — 30 יום — נמשכת.

ההבחנה הזו חשובה: המסר של OpenAI אינו הוכחה לכך ש-Anthropic מאמנת את המודלים שלה על נתונים ארגוניים כברירת מחדל. זהו ניסיון לבדל את OpenAI בשורה רחבה יותר של שאלות: האם התוכן נשמר בכלל, כיצד מתבצעות בדיקות הבטיחות, האם בני אדם או מעבדי משנה יכולים לגשת לחומר שסומן, וכמה שליטה יש ללקוח על הפריסה.

למה פרטיות עשויה להכריע עסקה ארגונית

עבור ארגון גדול, איכות המודל היא רק חלק מסיכון ההטמעה. צוותי רכש ואבטחה בוחנים גם:

• לכמה זמן נשמרות ההנחיות והתשובות;
• האם נתוני העסק משמשים לאימון;
• אילו נקודות קצה זכאיות לשמירה אפסית;
• האם מטא-נתונים או תוכן שסומן מטופלים באופן שונה;
• מי יכול לגשת לנתוני בטיחות או תמיכה;
• כיצד פועלות מחיקה, ביקורת ובקרות חוזיות; וכן
• האם הספק מסוגל לנטר שימוש לרעה בלי ליצור סיכון סודיות חדש.

Private Safety Processing נועדה לספק ל-OpenAI תשובה חזקה יותר לשאלה האחרונה. אם הגישה תפעל כפי שמתואר, לקוחות לא ייאלצו לבחור באופן חד כל כך בין צמצום התוכן הנשמר לבין היכולת של הספק לזהות שימוש לרעה מתואם בכמה בקשות.

הדבר עשוי להיות משמעותי במיוחד בתעשיות מפוקחות או כאלה שעובדות עם סודות מסחריים, שבהן חריגת שמירה אחת עלולה לעצור פרויקט — גם אם המודל מציג ביצועים טובים. במקביל, היא מעניקה ל-OpenAI דרך להתחרות באמצעות ממשל ובקרה, ולא רק באמצעות תוצאות מבחנים או יכולות המודל.

הלחץ המסחרי גובר

הדחיפה בתחום הפרטיות מגיעה בזמן שהפעילות הארגונית של Anthropic מתרחבת במהירות. מסמכים שהוצגו למשקיעים העמידו את ההכנסות הרבעוניות המקדמיות של החברה ברבעון השני של 2026 על יותר מ-11.5 מיליארד דולר, לעומת 787 מיליון דולר ברבעון המקביל שנה קודם לכן — זינוק של יותר מפי 14. מדובר בנתונים ראשוניים, ולא בדוחות כספיים מבוקרים.

בסוף יולי דווח גם כי קצב ההכנסות השנתי של Anthropic עבר את 65 מיליארד הדולר, בעוד שקצב ההכנסות השנתי שדווח לאחרונה עבור OpenAI עמד על כ-40 מיליארד דולר. קצב הכנסות שנתי הוא תחזית המבוססת על תקופה קצרה יותר, ולכן אין לראות בנתונים הכנסה שנתית בפועל או השוואה ישירה של רווחיות.

ובכל זאת, המספרים מסבירים את הדחיפות. Anthropic צברה תנופה משמעותית בקרב לקוחות עסקיים, ו-OpenAI מגיבה באמצעות בידול שאינו תלוי במודל עצמו — אלא מתחבר ישירות לבדיקות הסיכון של ארגונים.

מה רוכשים צריכים לבדוק

את ההכרזה של OpenAI נכון להבין כהצעת ערך תחרותית בתחום הפרטיות והבטיחות, ולא כהבטחה אוניברסלית למחיקת נתונים. לפני התקשרות עם ספק כלשהו, על ארגון לוודא את תנאי השמירה המדויקים עבור המודלים ונקודות הקצה שבהם ישתמש, לבדוק אם נדרש אישור ל-ZDR, לברר אילו חריגים חלים ולהבין אילו אותות בטיחות או מטא-נתונים עדיין עשויים להיות מעובדים.

השינוי הרחב יותר הוא אסטרטגי: ממשל נתונים עובר מהאותיות הקטנות אל תוך המוצר עצמו. ספק שיוכל להציע מודלים חזקים, מנגנוני מניעת שימוש לרעה אמינים ושליטה שניתנת לאימות על מידע רגיש, יקבל יתרון בהחלטות רכש של AI ארגוני — גם כאשר היכולות של המודלים המתחרים דומות יחסית.