Co się stało
24 sierpnia 2026 r. Digital Journal podał, że w rankingu Cybernews AI Trustworthiness Ranking 2026 wzięło udział 500 firm zajmujących się sztuczną inteligencją w 36 krajach i stwierdzono powszechne luki w ujawnianych informacjach na temat wykorzystania i przechowywania danych. Według Digital Journal 63% firm nie ujawniło jasno, czy informacje o użytkownikach zostały wykorzystane do uczenia modeli sztucznej inteligencji, a 65% nie ujawniło jasno, jak długo dane użytkowników były przechowywane. W tekście źródłowym nie podano podstawowego rankingu ani odpowiedzi przedsiębiorstw, zatem ustalenia te nie zostały tutaj niezależnie potwierdzone.
Digital Journal podał, że Cybernews ocenił 500 firm zajmujących się sztuczną inteligencją działających w 36 krajach w ramach rankingu wiarygodności AI 2026. W artykule stwierdzono, że w rankingu uwzględniono cztery szerokie obszary: prywatność danych, bezpieczeństwo, przejrzystość organizacyjną i odbiór publiczny. Firmy oceniano, korzystając z publicznie dostępnych informacji, a w analizie prywatności danych dokonano przeglądu polityk prywatności w celu wyjaśnienia sposobów gromadzenia, udostępniania, wykorzystywania i przechowywania. Źródło opisało tę ocenę jako jeden z największych przeglądów praktyk w zakresie ochrony prywatności AI, ale nie podało podstawowego rankingu, pełnej listy firm ani szczegółowej metodologii punktacji.
Według Digital Journal największa zgłoszona luka dotyczyła tego, czy firmy wykorzystują informacje o użytkownikach do szkolenia modeli sztucznej inteligencji. Przypisał Cybernews ustalenie, że 63% firm nie ujawniło wyraźnie tej praktyki. W tej grupie, jak podano w artykule, 42% nie wspomniało w swoich politykach prywatności o szkoleniach dotyczących danych użytkowników, a 21% udzieliło wyjaśnień, które były niejasne lub niekompletne. W artykule wyraźnie przestrzeżono, że nie oznacza to, że firmy te wykorzystują dane klientów do celów szkoleniowych; z raportu wynika, że użytkownicy nie są w stanie łatwo określić, czy takie użycie ma miejsce.
Druga zgłoszona luka dotyczyła zatrzymania pracowników. Jak podaje Digital Journal, Cybernews odkrył, że 65% firm nie określiło jasno, jak długo przechowywane są dane użytkowników. W artykule podzielono tę grupę na firmy, które w ogóle nie wspomniały o zasadach przechowywania lub usuwania (zgłoszone jako 9%), oraz firmy, które używały szerokiego języka bez określonych okresów przechowywania (zgłoszone jako 56%). Źródło przytoczyło wyrażenia takie jak „tak długo, jak to konieczne” i „w uzasadnionych celach biznesowych” jako przykłady języka, który może nie informować użytkowników, kiedy informacje zostaną usunięte.
W artykule wskazano również, że większe firmy zajmujące się sztuczną inteligencją zazwyczaj mają jaśniejszą politykę prywatności niż mniejsze firmy. Digital Journal przedstawił możliwe wyjaśnienia, w tym większą kontrolę regulacyjną, uwagę opinii publicznej i obecność zespołów ds. zakupów dla przedsiębiorstw. Nie stwierdzono w nim, że mniejsze firmy są koniecznie mniej bezpieczne. Osobno w artykule wskazano, że w szerszym rankingu Cybernews bezpieczeństwo uznano za najsłabszą kategorię, ze średnim wynikiem 32 na 100. Tekst źródłowy nie wyjaśnia, w jaki sposób obliczono ten wynik ani jak odnosi się on do ustaleń dotyczących prywatności.
Szczegóły źródła: digitaljournal.com ↗
Dlaczego to ma znaczenie
Zgłoszone luki wpływają na to, czy ludzie i organizacje mogą podejmować świadome decyzje dotyczące przesyłania rozmów, dokumentów, informacji zdrowotnych, dokumentacji finansowej lub zastrzeżonych danych biznesowych do usług AI. Jasne informacje na temat wykorzystania szkoleń i przechowywania danych są szczególnie ważne, ponieważ narzędzia AI zostają zintegrowane z pocztą e-mail, kalendarzami, bazami danych klientów i przepływami pracy finansowymi. Ustalenia sugerują również, że przejrzystość polityki prywatności w branży sztucznej inteligencji pozostaje nierówna, chociaż niejasne ujawnienie samo w sobie nie dowodzi, że firma niewłaściwie wykorzystuje dane klientów.
Praktyczną kwestią jest nie tylko to, czy firma zajmująca się sztuczną inteligencją ma politykę prywatności, ale także to, czy polityka ta pozwala użytkownikowi zrozumieć cykl życia informacji przesyłanych do usługi. Konto Digital Journal skupia się na dwóch decyzjach, które trudno podjąć bez konkretnych ujawnień: czy informacje mogą przyczynić się do szkolenia modeli i jak długo dostawca może je przechowywać. Pytania te mają znaczenie dla zwykłych użytkowników, pracodawców, szkół, organizacji zdrowotnych i firm zajmujących się materiałami poufnymi. Przedstawione ustalenia są szczególnie istotne, ponieważ w artykule opisano systemy sztucznej inteligencji wykorzystywane w raportach biznesowych, dokumentach wrażliwych, harmonogramach, kodzie i dyskusjach osobistych. Jeżeli użytkownicy nie będą w stanie określić, czy takie informacje zostaną zachowane, czy wykorzystane do udoskonalenia modelu, mogą mieć trudności z oceną ryzyka związanego z poufnością i zgodnością przed przyjęciem.
Źródło nie określa ilościowo żadnego wynikającego z tego naruszenia, niewłaściwego użycia, strat finansowych ani naruszenia przepisów, dlatego znaczenie ma tutaj problem przejrzystości i zarządzania, a nie dowód konkretnego szkodliwego zdarzenia. Informacje o przechowywaniu mogą mieć wpływ na kontrolę, jaką organizacja umieszcza wokół usługi AI. Dokładny okres usunięcia, jasne wyjaśnienie kopii zapasowych oraz rozróżnienie między dziennikami usług a danymi szkoleniowymi mogą znacząco zmienić ocenę ryzyka. Z kolei ogólne stwierdzenia dotyczące przechowywania danych tak długo, jak to konieczne, mogą sprawić, że użytkownicy nie będą w stanie określić, kiedy informacje znikną lub czy wnioski o usunięcie obejmują każdą kopię. Digital Journal powiązał tę obawę z zasadami minimalizacji danych związanymi z unijnym RODO, jednak w artykule nie analizowano przestrzegania prawa przez żadną konkretną firmę.
Zgłoszona różnica między większymi i mniejszymi firmami ma również praktyczne konsekwencje dla zamówień publicznych. Jaśniejsza polityka może ułatwić ocenę dostawcy, ale przejrzystość to nie to samo, co bezpieczne wdrożenie lub odpowiedzialne obchodzenie się z danymi. I odwrotnie, niejasna polityka nie dowodzi, że mniejszy dostawca jest niebezpieczny. Źródło nie zapewnia niezależnego audytu, testu technicznego, działań egzekucyjnych ani porównań między firmami, które pozwoliłyby czytelnikom wyciągnąć silniejsze wnioski na temat rzeczywistego poziomu bezpieczeństwa lub prywatności.
Mechanizm interaktywny: jak to faktycznie działa
Poznaj interaktywnie technologię leżącą u podstaw tego rozwoju.
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
Co obejrzeć dalej
Kolejnym kluczowym krokiem jest weryfikacja metodologii rankingu Cybernews, próby firmy, zasad punktacji, dat przeglądu i dowodów leżących u podstaw rankingu. Użytkownicy i nabywcy korporacyjni powinni szukać konkretnych odpowiedzi na temat tego, czy monity i przesyłanie są wykorzystywane do celów szkoleniowych, jak długo informacje są przechowywane, co oznacza usunięcie, kto otrzymuje dane i czy ustawienia różnią się w zależności od rodzaju produktu lub konta. W dalszej sprawozdawczości należy również ustalić, czy spółki dokonują przeglądu swoich polityk, czy organy regulacyjne reagują i czy mniejsi dostawcy poprawiają ujawnianie informacji.
Pierwszym priorytetem weryfikacji jest sam raport Cybernews. Czytelnicy powinni być w stanie zapoznać się z próbą obejmującą 500 przedsiębiorstw, reprezentowanymi krajami i rodzajami produktów, datami przeglądu polityk, kryteriami stosowanymi do klasyfikacji ujawnień jako jasne lub niejasne oraz wagą czterech kategorii rankingowych. Bez tych szczegółów wartości procentowe stanowią użyteczny sygnał ostrzegawczy, ale stanowią ograniczone dowody na temat całej branży sztucznej inteligencji.
Należy naciskać na firmy, aby uzyskać konkretne odpowiedzi dotyczące konkretnych produktów. Ważne pytania dotyczą tego, czy do szkolenia wykorzystywane są podpowiedzi, przesłane pliki, rozmowy i wygenerowane wyniki; czy użytkownicy mogą zrezygnować; jak długo przechowywane są dzienniki operacyjne i kopie zapasowe; co obejmuje usunięcie; czy weryfikatorzy lub kontrahenci mogą uzyskać dostęp do danych; oraz czy warunki dla przedsiębiorstw i konsumentów różnią się. Źródło nie podaje odpowiedzi od ocenianych firm, więc wszelkie twierdzenia, że dany dostawca wykorzystuje lub nie wykorzystuje danych klientów do szkoleń, wymagałyby osobnego potwierdzenia.
W przyszłości należy sprawdzić, czy dostawcy zmieniają swoje zasady po rankingu, czy organy regulacyjne lub organy ds. ochrony prywatności badają zgłoszone luki i czy standardy zamówień nie zaczną wymagać określonych okresów przechowywania i wyraźnych informacji o wykorzystaniu szkoleń. Artykuł wskazuje na rosnącą integrację sztucznej inteligencji z kalendarzami, pocztą elektroniczną, bazami danych klientów i przepływami pracy w finansach, ale nie dokumentuje żadnych nowych wdrożeń ani działań regulacyjnych. Zmiany te należy zatem traktować jako kwestie wymagające monitorowania, a nie ustalone konsekwencje rankingu.
Wyniki leżące u podstaw badania należy także porównać z dowodami technicznymi i prawnymi. Język polityki może nie opisywać w pełni przepływów danych, natomiast jasna polityka może nadal dopuszczać praktyki, które użytkownicy uznają za nieoczekiwane. Niezależne audyty, warunki umowy, testy usuwania, oceny bezpieczeństwa i udokumentowane zmiany w czasie pomogłyby odróżnić słabą komunikację od szkodliwego postępowania. Na podstawie samego źródła znaczące niewiadome obejmują to, czy podane wartości procentowe pozostają aktualne, czy próba reprezentuje szerszy rynek oraz ile firm faktycznie wykorzystuje dane klientów do celów szkoleniowych pomimo niejasnych ujawnień.