Hva skjedde
Digital Journal rapporterte 24. august 2026 at Cybernews AI Trustworthiness Ranking 2026 vurderte 500 AI-selskaper i 36 land og fant omfattende hull i avsløringer om databruk og oppbevaring. I følge Digital Journal avslørte 63 % av selskapene ikke tydelig om brukerinformasjon ble brukt til å trene AI-modeller, og 65 % avslørte ikke tydelig hvor lenge brukerdata ble oppbevart. Den underliggende rangeringen og selskapets svar ble ikke gitt i kildeteksten, så disse funnene er ikke uavhengig bekreftet her.
Digital Journal rapporterte at Cybernews evaluerte 500 AI-selskaper som opererer i 36 land for sin AI Trustworthiness Ranking 2026. Artikkelen sa at rangeringen undersøkte fire brede områder: datavern, sikkerhet, organisatorisk åpenhet og offentlig oppfatning. Bedrifter ble vurdert ved hjelp av offentlig tilgjengelig informasjon, og data-personvernanalysen gjennomgikk personvernregler for forklaringer på innsamling, deling, bruk og oppbevaring. Kilden beskrev vurderingen som en av de største vurderingene av AI-personvernpraksis, men den ga ikke den underliggende rangeringen, den komplette selskapslisten eller den detaljerte scoringsmetoden.
Digital Journal sa at det største rapporterte gapet dreide seg om hvorvidt selskaper bruker brukerinformasjon for å trene AI-modeller. Den tilskrev Cybernews funnet at 63% av selskapene ikke tydelig avslørte denne praksisen. Innenfor den gruppen sa artikkelen at 42 % ikke refererte til opplæring om brukerdata i personvernreglene sine, mens 21 % ga forklaringer som var vage eller ufullstendige. Artikkelen advarte eksplisitt om at dette ikke fastslår at disse selskapene bruker kundedata til opplæring; den fastslår, ifølge rapporten, at brukere ikke uten videre kan avgjøre om slik bruk forekommer.
Et annet rapportert gap gjaldt retensjon. Digital Journal sa at Cybernews fant at 65 % av selskapene ikke klart oppga hvor lenge brukerdata ble oppbevart. Artikkelen delte denne gruppen inn i selskaper som ikke nevnte retningslinjer for oppbevaring eller sletting i det hele tatt, rapportert som 9%, og selskaper som brukte et bredt språk uten spesifikke oppbevaringsperioder, rapporterte som 56%. Kilden siterte fraser som "så lenge det er nødvendig" og "for legitime forretningsformål" som eksempler på språk som kanskje ikke forteller brukerne når informasjon vil bli slettet.
Artikkelen rapporterte også at større AI-selskaper generelt hadde klarere personvernregler enn mindre selskaper. Digital Journal presenterte mulige forklaringer, inkludert større regulatorisk gransking, offentlig oppmerksomhet og tilstedeværelsen av bedriftsinnkjøpsteam. Den sa ikke at mindre selskaper nødvendigvis var mindre sikre. Separat sa artikkelen at Cybernews sin bredere rangering identifiserte sikkerhet som den svakeste kategorien, med en gjennomsnittlig poengsum på 32 av 100. Kildeteksten forklarer ikke hvordan poengsummen ble beregnet eller hvordan den forholder seg til personvernfunnene.
Kildedetaljer: digitaljournal.com ↗
Hvorfor det betyr noe
De rapporterte hullene påvirker hvorvidt mennesker og organisasjoner kan ta informerte beslutninger om å sende inn samtaler, dokumenter, helseinformasjon, økonomiske poster eller proprietære forretningsdata til AI-tjenester. Tydelig opplæringsbruk og oppbevaring er spesielt viktig ettersom AI-verktøy blir integrert med e-post, kalendere, kundedatabaser og økonomiske arbeidsflyter. Funnene tyder også på at klarheten i personvernpolitikken forblir ujevn i AI-bransjen, selv om uklar avsløring ikke i seg selv beviser at et selskap misbruker kundedata.
Det praktiske problemet er ikke bare om et AI-selskap har en personvernpolicy, men om policyen lar en bruker forstå livssyklusen til informasjon som sendes til tjenesten. Digital Journals beretning fokuserer på to avgjørelser som er vanskelige å ta uten spesifikke avsløringer: om informasjon kan bidra til modellopplæring og hvor lenge leverandøren kan beholde den. Disse spørsmålene er viktige for vanlige brukere, arbeidsgivere, skoler, helseorganisasjoner og bedrifter som håndterer konfidensielt materiale. De rapporterte funnene er spesielt relevante fordi artikkelen beskriver AI-systemer som brukes til forretningsrapporter, sensitive dokumenter, planlegging, kode og personlige diskusjoner. Hvis brukere ikke kan avgjøre om slik informasjon beholdes eller brukes til modellforbedring, kan de slite med å vurdere konfidensialitet og samsvarsrisiko før vedtak.
Kilden kvantifiserer ikke noe resulterende brudd, misbruk, økonomisk tap eller regelbrudd, så betydningen her er et åpenhets- og styringsproblem snarere enn bevis på en spesifikk skadelig hendelse. Oppbevaringsinformasjon kan påvirke kontrollene en organisasjon plasserer rundt en AI-tjeneste. En presis sletteperiode, en klar forklaring av sikkerhetskopier og et skille mellom tjenestelogger og opplæringsdata kan endre risikovurderingen vesentlig. Derimot kan generelle uttalelser om å beholde data så lenge det er nødvendig gjøre at brukere ikke kan bestemme når informasjonen vil forsvinne eller om slettingsforespørsler dekker hver kopi. Digital Journal koblet denne bekymringen til dataminimeringsprinsipper knyttet til EUs GDPR, men artikkelen analyserte ikke noe spesifikt selskaps lovoverholdelse.
Den rapporterte forskjellen mellom større og mindre bedrifter har også praktiske implikasjoner for innkjøp. En klarere policy kan gjøre en leverandør lettere å evaluere, men klarhet er ikke det samme som sikker implementering eller ansvarlig datahåndtering. Omvendt beviser ikke en uklar policy at en mindre tilbyder er utrygg. Kilden gir ingen uavhengig revisjon, teknisk test, håndhevelsestiltak eller selskap for selskap sammenligning som ville tillate lesere å trekke sterkere konklusjoner om faktisk sikkerhet eller personvernytelse.
Interaktiv mekanisme: Hvordan det faktisk fungerer
Utforsk den underliggende teknologien bak denne utviklingen interaktivt.
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
Hva du skal se neste
Det viktigste neste trinnet er verifisering av Cybernews-rangeringens metodikk, selskapsutvalg, scoringsregler, gjennomgangsdatoer og underliggende bevis. Brukere og bedriftskjøpere bør se etter spesifikke svar om hvorvidt forespørsler og opplastinger brukes til opplæring, hvor lenge informasjon lagres, hva sletting betyr, hvem som mottar dataene og om innstillingene varierer etter produkt- eller kontotype. Ytterligere rapportering bør også fastslå om selskaper reviderer sine retningslinjer, om regulatorer reagerer, og om mindre leverandører forbedrer avsløringene.
Den første verifiseringsprioriteten er selve Cybernews-rapporten. Lesere bør kunne inspisere utvalget på 500 selskaper, landene og produkttypene som er representert, datoene da retningslinjene ble gjennomgått, kriteriene som ble brukt for å klassifisere avsløringer som klare eller uklare, og vektingen av de fire rangeringskategoriene. Uten disse detaljene gir prosentene et nyttig advarselssignal, men begrenset bevis om AI-industrien som helhet.
Bedrifter bør presses for konkrete, produktspesifikke svar. Viktige spørsmål inkluderer om spørsmål, opplastede filer, samtaler og genererte utdata brukes til opplæring; om brukere kan velge bort; hvor lenge driftslogger og sikkerhetskopier beholdes; hva sletting dekker; om menneskelige anmeldere eller kontraktører kan få tilgang til data; og om bedrifts- og forbrukervilkår er forskjellige. Kilden rapporterer ikke svar fra de vurderte selskapene, så enhver påstand om at en bestemt leverandør bruker eller ikke bruker kundedata til opplæring vil kreve separat bekreftelse.
Fremtidig dekning bør undersøke om leverandører endrer retningslinjene sine etter rangeringen, om regulatorer eller personvernmyndigheter undersøker de rapporterte hullene, og om anskaffelsesstandarder begynner å kreve definerte oppbevaringsperioder og eksplisitt avsløring av opplæring og bruk. Artikkelen peker på økende integrasjon av AI med kalendere, e-post, kundedatabaser og økonomiske arbeidsflyter, men den dokumenterer ingen ny distribusjon eller regulatoriske handlinger. Denne utviklingen bør derfor behandles som spørsmål å overvåke i stedet for etablerte konsekvenser av rangeringen.
De underliggende resultatene bør også testes mot tekniske og juridiske bevis. Politikkspråket beskriver kanskje ikke dataflytene fullt ut, mens en klar policy fortsatt kan tillate praksis brukere finner uventet. Uavhengige revisjoner, kontraktsvilkår, slettetester, sikkerhetsvurderinger og dokumenterte endringer over tid vil bidra til å skille dårlig kommunikasjon fra skadelig håndtering. Basert på kilden alene inkluderer de meningsfulle ukjente om de rapporterte prosentene forblir aktuelle, om utvalget representerer det bredere markedet, og hvor mange selskaper som faktisk bruker kundedata til opplæring til tross for uklare avsløringer.