Вопрос о том, куда уходят промпты и файлы, отправляемые в нейросети, зависит от выбранного тарифа и настроек сервиса. Данные не исчезают в неизвестность, а направляются на серверы вендора, где их дальнейшая судьба определяется условиями использования. В личных аккаунтах обучение модели на чатах часто включено по умолчанию или требует явного согласия пользователя, тогда как в бизнес-тарифах и API по опубликованным условиям данные для обучения не используются. Исследователи и проверенные источники не нашли случаев тайного нарушения условий крупными вендорами, однако выявили смену правил, расхождение ожиданий с реальностью и технические ошибки, такие как открытые базы данных.
Анализ условий показывает различия между сервисами: у OpenAI в личных аккаунтах обучение включено по умолчанию, но в бизнес-тарифах оно отключено; у Anthropic с августа 2025 года чаты в личных тарифах могут использоваться для обучения до пяти лет при согласии пользователя. Инциденты вокруг приватности включают сохранение «удаленных» чатов по судебным требованиям, как в деле NYT против OpenAI в 2025 году, и утечку данных из открытой базы DeepSeek, которую закрыли после обращения исследователей. Также регуляторные действия, например, штраф OpenAI от итальянского Garante, были отменены судами по процедурным основаниям.
Технические меры защиты, такие как маскирование данных и фильтры, не являются гарантией безопасности. Исследования показывают, что инструменты маскирования пропускают часть идентификаторов, а защитные механизмы от инъекций в промптах могут быть обойдены адаптивными атаками. Локальный запуск моделей обеспечивает наибольший контроль, но требует защиты сервера от внешних угроз, учитывая, что сотни тысяч инстансов Ollama доступны из интернета. Для компаний рекомендуется классифицировать данные, запретить использование личных аккаунтов для рабочих задач и переходить на бизнес-тарифы или API с договорами, соблюдая требования законодательства о персональных данных.
Вывод заключается в том, что нейросети не врут о конфиденциальности, но риски возникают из-за непонимания условий тарифов и настроек. Данные могут храниться дольше ожидаемого из-за судебных требований или политик вендоров, а теоретическая возможность извлечения обучающих данных через атаки делает настройку параметров критически важной. Для максимальной безопасности чувствительной информации следует использовать локальные модели с должной защитой или бизнес-сервисы с нулевым хранением логов, избегая общих ссылок на чаты и не полагаясь исключительно на автоматические фильтры.
