Private Safety Processing: OpenAI muốn phát hiện lạm dụng AI mà không nhìn thấy dữ liệu khách hàng

OpenAI đang thử nghiệm Private Safety Processing, một cơ chế giám sát an toàn nhằm giải bài toán khó của AI doanh nghiệp: làm sao phát hiện hành vi lạm dụng tinh vi mà không biến dữ liệu khách hàng thành hồ sơ để công ty lưu trữ hoặc nhân viên xem xét.

Dịch vụ được công bố ngày 19/8/2026, hiện mới triển khai thử với một số khách hàng được lựa chọn. OpenAI định vị đây là phần mở rộng của chính sách Zero Data Retention (ZDR) — tức “không lưu giữ dữ liệu” — dành cho các khách hàng đủ điều kiện, đồng thời cũng là một khác biệt cạnh tranh so với cách Anthropic giám sát các mô hình năng lực cao. 31

Từ kiểm tra từng yêu cầu sang nhìn xuyên nhiều cuộc hội thoại

Các hệ thống an toàn tương thích với ZDR hiện đánh giá từng tương tác riêng lẻ. Cách này có thể bỏ sót những hoạt động nguy hiểm nếu mỗi yêu cầu, xét độc lập, chưa đủ rõ ràng để bị đánh dấu.

Private Safety Processing được thiết kế để liên kết các tín hiệu an toàn giữa những đầu vào và đầu ra có liên quan qua nhiều cuộc hội thoại. Nhờ đó, hệ thống tự động có thể nhận diện một quy trình lạm dụng phân tán — chẳng hạn nhiều yêu cầu cùng góp phần vào việc phát triển mã độc hoặc chuẩn bị một cuộc xâm nhập — ngay cả khi không yêu cầu đơn lẻ nào mang tính quyết định. 31

Nói cách khác, OpenAI muốn hệ thống “nhìn thấy” mô hình hành vi ở cấp độ dài hạn mà không cần giữ lại toàn bộ nội dung tạo nên mô hình đó.

OpenAI sẽ nhận được gì nếu có cảnh báo?

Theo mô tả của OpenAI, quá trình phân tích do hệ thống tự động thực hiện. Nhân viên OpenAI không được truy cập nội dung gốc của khách hàng, gồm prompt, câu trả lời của mô hình hoặc một bản ghi hội thoại có thể dùng để tái dựng cuộc trao đổi. Thay vào đó, hệ thống chỉ phát ra một tín hiệu an toàn được định nghĩa trong phạm vi hẹp, chẳng hạn loại hoạt động hoặc mức độ rủi ro. 3

Nếu tín hiệu bị kích hoạt, bước tiếp theo về nguyên tắc là một chỉ báo rủi ro hoặc biện pháp an toàn ở cấp tài khoản, không phải quy trình để nhân viên tự do đọc nội dung. OpenAI có thể đề nghị doanh nghiệp tự điều tra hoặc tự nguyện cung cấp thêm bối cảnh để hỗ trợ xem xét. Việc hợp tác này là tùy chọn, không phải cách để OpenAI tự động lấy lại cuộc hội thoại đã được bảo vệ theo ZDR. 310

Tuy nhiên, đây vẫn chỉ là bản xem trước với số lượng khách hàng hạn chế. Hiệu quả xử lý cảnh báo nhầm, thiết kế tín hiệu và cách thực thi trong thực tế chưa được kiểm chứng độc lập đầy đủ. 310

Khác biệt với chính sách lưu dữ liệu 30 ngày của Anthropic

Anthropic đã áp dụng chính sách yêu cầu lưu phiên sử dụng và hội thoại của khách hàng doanh nghiệp trong 30 ngày đối với các mô hình thuộc diện “covered models”, bao gồm các mô hình lớp Mythos và những mô hình tương lai có năng lực tương tự. 65

Cách làm này cho phép Anthropic tiến hành việc xem xét có kiểm soát đối với dữ liệu đã lưu khi cần điều tra hoặc giảm thiểu các rủi ro an ninh nghiêm trọng. Quyền truy cập của con người được cho là được ghi nhật ký theo cách chống sửa đổi, nhằm tăng khả năng kiểm toán. Lập luận của Anthropic là một số cuộc tấn công mới hoặc phức tạp chỉ có thể được điều tra hiệu quả nếu có dữ liệu để nhìn lại sau sự cố. 65

Các thông tin sau đó cho biết Anthropic dự kiến vẫn giữ yêu cầu 30 ngày, nhưng có thể cho phép khách hàng lưu dữ liệu trong hạ tầng đám mây do chính họ kiểm soát thay vì trên hệ thống của Anthropic. 25

Hai cách đánh đổi khác nhau

OpenAI đang đặt cược vào mô hình giám sát bằng tín hiệu nhưng không lưu nội dung. Ưu điểm là cách này có thể đáp ứng yêu cầu bảo mật nghiêm ngặt của các doanh nghiệp xử lý dữ liệu nhạy cảm, đồng thời giảm gánh nặng lưu ký và tuân thủ. Đổi lại, độ an toàn phụ thuộc vào việc những tín hiệu hạn chế có đủ chính xác để nhận diện lạm dụng xuyên phiên hay không.

Anthropic chọn lưu giữ tạm thời và cho phép xem xét có quản trị. Cách này tạo thêm khả năng điều tra sau sự cố, phát hiện kiểu tấn công mới và giảm cảnh báo nhầm, nhưng đồng thời đặt ra câu hỏi lớn hơn về nơi lưu dữ liệu, quyền truy cập và nghĩa vụ tuân thủ của doanh nghiệp.

Không mô hình nào loại bỏ hoàn toàn rủi ro. Với OpenAI, vấn đề cốt lõi là tín hiệu ít dữ liệu có thể bỏ sót hoặc đánh dấu nhầm đến đâu. Với Anthropic, thách thức là làm sao kiểm soát việc lưu giữ và truy cập dữ liệu trong suốt khoảng thời gian 30 ngày.

Vì sao thông báo này mang màu sắc cạnh tranh?

Sự khác biệt về quyền riêng tư xuất hiện trong lúc cuộc đua AI doanh nghiệp nóng lên. Doanh thu thường niên hóa của Anthropic được báo cáo đã vượt 65 tỷ USD vào cuối tháng 7 — đây là chỉ số ngoại suy từ tốc độ kinh doanh hiện tại, không phải doanh thu cả năm đã ghi nhận hay số liệu kiểm toán. Các nhà đầu tư cũng được cho là kỳ vọng mức định giá từ 2.000 tỷ USD trở lên nếu công ty tiến hành IPO. 31

Những con số này là các báo cáo và kỳ vọng thị trường, không phải mức định giá IPO được bảo đảm. Trong bối cảnh đó, thông báo của OpenAI có thể được hiểu không chỉ là một cập nhật kỹ thuật về an toàn, mà còn là nỗ lực loại bỏ một rào cản khi các doanh nghiệp thuộc lĩnh vực được quản lý chặt hoặc nhạy cảm về an ninh lựa chọn nền tảng AI. 310

Các nguồn được sử dụng cho bài viết này chưa cung cấp đủ thông tin đáng tin cậy để khẳng định lịch trình hoặc điều khoản IPO cụ thể của OpenAI. Vì vậy, mọi tuyên bố rằng OpenAI đã có kế hoạch IPO chắc chắn và sắp diễn ra đều cần được xác nhận bằng thông tin hiện hành riêng biệt.