เกิดอะไรขึ้น
Digital Journal รายงานเมื่อวันที่ 24 สิงหาคม 2026 ว่า Cybernews AI Trustworthiness Ranking ปี 2026 ได้ประเมินบริษัท AI 500 แห่งใน 36 ประเทศ และพบช่องว่างอย่างกว้างขวางในการเปิดเผยเกี่ยวกับการใช้และการเก็บรักษาข้อมูล จากรายงานของ Digital Journal บริษัท 63% ไม่ได้เปิดเผยอย่างชัดเจนว่าข้อมูลผู้ใช้ถูกนำมาใช้ในการฝึกโมเดล AI หรือไม่ และ 65% ไม่ได้เปิดเผยอย่างชัดเจนว่าข้อมูลผู้ใช้ถูกเก็บรักษาไว้นานแค่ไหน การจัดอันดับพื้นฐานและการตอบกลับของบริษัทไม่ได้ระบุไว้ในข้อความต้นฉบับ ดังนั้นการค้นพบเหล่านี้จึงไม่ได้รับการยืนยันอย่างเป็นอิสระที่นี่
Digital Journal รายงานว่า Cybernews ประเมินบริษัท AI 500 แห่งที่ดำเนินงานใน 36 ประเทศสำหรับการจัดอันดับความน่าเชื่อถือของ AI ประจำปี 2026 บทความนี้กล่าวว่าการจัดอันดับดังกล่าวพิจารณาจากสี่ด้านกว้าง ๆ ได้แก่ ความเป็นส่วนตัวของข้อมูล ความปลอดภัย ความโปร่งใสขององค์กร และการรับรู้ของสาธารณะ บริษัทต่างๆ ได้รับการประเมินโดยใช้ข้อมูลที่เปิดเผยต่อสาธารณะ และการวิเคราะห์ความเป็นส่วนตัวของข้อมูลจะทบทวนนโยบายความเป็นส่วนตัวเพื่อดูคำอธิบายในการรวบรวม การแบ่งปัน การใช้ และการเก็บรักษา แหล่งที่มาอธิบายว่าการประเมินเป็นหนึ่งในการทบทวนหลักปฏิบัติด้านความเป็นส่วนตัวของ AI ที่ใหญ่ที่สุด แต่ไม่ได้ให้การจัดอันดับพื้นฐาน รายชื่อบริษัททั้งหมด หรือวิธีการให้คะแนนโดยละเอียด
Digital Journal กล่าวว่าช่องว่างการรายงานที่ใหญ่ที่สุดเกี่ยวข้องกับว่าบริษัทต่างๆ ใช้ข้อมูลผู้ใช้เพื่อฝึกโมเดล AI หรือไม่ สาเหตุมาจาก Cybernews ที่พบว่า 63% ของบริษัทไม่เปิดเผยแนวปฏิบัตินี้อย่างชัดเจน ภายในกลุ่มนั้น บทความกล่าวว่า 42% ไม่ได้อ้างอิงถึงการฝึกอบรมเกี่ยวกับข้อมูลผู้ใช้ในนโยบายความเป็นส่วนตัว ในขณะที่ 21% ให้คำอธิบายที่คลุมเครือหรือไม่สมบูรณ์ บทความนี้เตือนอย่างชัดเจนว่าสิ่งนี้ไม่ได้กำหนดว่าบริษัทเหล่านั้นใช้ข้อมูลลูกค้าสำหรับการฝึกอบรม ตามรายงานระบุว่าผู้ใช้ไม่สามารถระบุได้ทันทีว่าการใช้งานดังกล่าวเกิดขึ้นหรือไม่
ช่องว่างที่รายงานครั้งที่สองเกี่ยวข้องกับการเก็บรักษา Digital Journal กล่าวว่า Cybernews พบว่า 65% ของบริษัทไม่ได้ระบุอย่างชัดเจนว่าข้อมูลผู้ใช้ถูกเก็บไว้นานแค่ไหน บทความแบ่งกลุ่มนั้นออกเป็นกลุ่มบริษัทที่ไม่ได้กล่าวถึงนโยบายการเก็บรักษาหรือการลบเลย โดยรายงานไว้ที่ 9% และบริษัทที่ใช้ภาษากว้างๆ โดยไม่มีระยะเวลาการเก็บรักษาเฉพาะ รายงานอยู่ที่ 56% แหล่งที่มาอ้างถึงวลีเช่น “นานเท่าที่จำเป็น” และ “เพื่อวัตถุประสงค์ทางธุรกิจที่ถูกต้องตามกฎหมาย” เป็นตัวอย่างของภาษาที่อาจไม่สามารถบอกผู้ใช้ได้ว่าข้อมูลจะถูกลบเมื่อใด
บทความนี้ยังรายงานด้วยว่าบริษัท AI ขนาดใหญ่โดยทั่วไปมีนโยบายความเป็นส่วนตัวที่ชัดเจนกว่าบริษัทขนาดเล็ก Digital Journal นำเสนอคำอธิบายที่เป็นไปได้ รวมถึงการตรวจสอบด้านกฎระเบียบที่มากขึ้น ความสนใจของสาธารณชน และการมีอยู่ของทีมจัดซื้อระดับองค์กร ไม่ได้บอกว่าบริษัทขนาดเล็กย่อมมีความปลอดภัยน้อยกว่าเสมอไป บทความแยกกันกล่าวว่าการจัดอันดับที่กว้างขึ้นของ Cybernews ระบุว่าความปลอดภัยเป็นหมวดหมู่ที่อ่อนแอที่สุด โดยมีคะแนนเฉลี่ย 32 จาก 100 ข้อความต้นฉบับไม่ได้อธิบายว่าคะแนนนั้นถูกคำนวณอย่างไรหรือเกี่ยวข้องกับการค้นพบความเป็นส่วนตัวอย่างไร
รายละเอียดที่มา: digitaljournal.com ↗
ทำไมมันถึงสำคัญ
ช่องว่างที่รายงานส่งผลต่อว่าผู้คนและองค์กรสามารถตัดสินใจโดยใช้ข้อมูลรอบด้านเกี่ยวกับการส่งการสนทนา เอกสาร ข้อมูลด้านสุขภาพ บันทึกทางการเงิน หรือข้อมูลทางธุรกิจที่เป็นกรรมสิทธิ์ไปยังบริการ AI การเปิดเผยการใช้การฝึกอบรมและการเก็บรักษาที่ชัดเจนมีความสำคัญอย่างยิ่ง เนื่องจากเครื่องมือ AI ถูกรวมเข้ากับอีเมล ปฏิทิน ฐานข้อมูลลูกค้า และขั้นตอนการทำงานทางการเงิน ผลการวิจัยยังชี้ให้เห็นว่าความชัดเจนของนโยบายความเป็นส่วนตัวยังคงไม่เท่าเทียมกันทั่วทั้งอุตสาหกรรม AI แม้ว่าการเปิดเผยที่ไม่ชัดเจนไม่ได้พิสูจน์ด้วยตัวมันเองว่าบริษัทใช้ข้อมูลลูกค้าในทางที่ผิด
ปัญหาในทางปฏิบัติไม่เพียงแต่ว่าบริษัท AI จะมีนโยบายความเป็นส่วนตัวหรือไม่เท่านั้น แต่นโยบายดังกล่าวจะช่วยให้ผู้ใช้เข้าใจวงจรชีวิตของข้อมูลที่ส่งไปยังบริการหรือไม่ บัญชีของ Digital Journal มุ่งเน้นไปที่การตัดสินใจ 2 ประการซึ่งทำได้ยากหากไม่มีการเปิดเผยอย่างเจาะจง ได้แก่ ข้อมูลที่อาจมีส่วนช่วยในการฝึกอบรมโมเดลหรือไม่ และผู้ให้บริการจะเก็บรักษาไว้ได้นานเพียงใด คำถามเหล่านี้สำคัญสำหรับผู้ใช้ทั่วไป นายจ้าง โรงเรียน องค์กรด้านสุขภาพ และธุรกิจที่จัดการเนื้อหาที่เป็นความลับ การค้นพบที่รายงานมีความเกี่ยวข้องอย่างยิ่งเนื่องจากบทความนี้อธิบายว่าระบบ AI ถูกใช้สำหรับรายงานทางธุรกิจ เอกสารที่ละเอียดอ่อน การกำหนดเวลา รหัส และการสนทนาส่วนตัว หากผู้ใช้ไม่สามารถระบุได้ว่าข้อมูลดังกล่าวถูกเก็บไว้หรือใช้สำหรับการปรับปรุงโมเดล พวกเขาอาจประสบปัญหาในการประเมินการรักษาความลับและความเสี่ยงในการปฏิบัติตามข้อกำหนดก่อนนำไปใช้
แหล่งที่มาไม่ได้ระบุปริมาณการละเมิดที่เป็นผลตามมา การใช้งานในทางที่ผิด การสูญเสียทางการเงิน หรือการละเมิดกฎระเบียบ ดังนั้นประเด็นสำคัญในที่นี้คือปัญหาด้านความโปร่งใสและการกำกับดูแลมากกว่าหลักฐานของเหตุการณ์ที่เป็นอันตรายโดยเฉพาะ ข้อมูลการเก็บรักษาอาจส่งผลต่อการควบคุมที่องค์กรวางไว้รอบๆ บริการ AI ระยะเวลาการลบที่แม่นยำ คำอธิบายการสำรองข้อมูลที่ชัดเจน และความแตกต่างระหว่างบันทึกการบริการและข้อมูลการฝึกอบรม สามารถเปลี่ยนแปลงการประเมินความเสี่ยงได้อย่างมาก ในทางตรงกันข้าม ข้อความทั่วไปเกี่ยวกับการเก็บข้อมูลให้นานเท่าที่จำเป็นอาจทำให้ผู้ใช้ไม่สามารถระบุได้ว่าเมื่อใดข้อมูลจะหายไป หรือคำขอลบจะครอบคลุมทุกสำเนาหรือไม่ Digital Journal เชื่อมโยงข้อกังวลนี้กับหลักการลดข้อมูลที่เกี่ยวข้องกับ GDPR ของสหภาพยุโรป แต่บทความนี้ไม่ได้วิเคราะห์การปฏิบัติตามกฎหมายของบริษัทใดโดยเฉพาะ
ความแตกต่างที่รายงานระหว่างบริษัทขนาดใหญ่และขนาดเล็กยังมีผลกระทบในทางปฏิบัติสำหรับการจัดซื้อจัดจ้างอีกด้วย นโยบายที่ชัดเจนยิ่งขึ้นอาจทำให้ผู้ให้บริการประเมินได้ง่ายขึ้น แต่ความชัดเจนไม่เหมือนกับการใช้งานที่ปลอดภัยหรือการจัดการข้อมูลที่รับผิดชอบ ในทางกลับกัน นโยบายที่ไม่ชัดเจนไม่ได้พิสูจน์ว่าผู้ให้บริการรายเล็กไม่ปลอดภัย แหล่งที่มาไม่มีการตรวจสอบที่เป็นอิสระ การทดสอบทางเทคนิค การดำเนินการบังคับใช้ หรือการเปรียบเทียบแบบบริษัทต่อบริษัท ซึ่งจะช่วยให้ผู้อ่านได้ข้อสรุปที่ชัดเจนมากขึ้นเกี่ยวกับประสิทธิภาพด้านความปลอดภัยหรือความเป็นส่วนตัวที่แท้จริง
กลไกเชิงโต้ตอบ: มันทำงานอย่างไร
สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
จะดูอะไรต่อไป.
ขั้นตอนต่อไปที่สำคัญคือการตรวจสอบวิธีการจัดอันดับของ Cybernews ตัวอย่างบริษัท กฎเกณฑ์การให้คะแนน วันที่ตรวจสอบ และหลักฐานที่ซ่อนอยู่ ผู้ใช้และผู้ซื้อระดับองค์กรควรมองหาคำตอบที่เฉพาะเจาะจงเกี่ยวกับการใช้ข้อความแจ้งและการอัปโหลดสำหรับการฝึกอบรม ระยะเวลาในการจัดเก็บข้อมูล ความหมายของการลบ ใครบ้างที่ได้รับข้อมูล และการตั้งค่าแตกต่างกันตามผลิตภัณฑ์หรือประเภทบัญชีหรือไม่ การรายงานเพิ่มเติมควรกำหนดว่าบริษัทต่างๆ จะแก้ไขนโยบายของตนหรือไม่ หน่วยงานกำกับดูแลจะตอบสนองหรือไม่ และผู้จำหน่ายรายย่อยจะปรับปรุงการเปิดเผยข้อมูลหรือไม่
ลำดับความสำคัญในการตรวจสอบอันดับแรกคือรายงานของ Cybernews ผู้อ่านควรสามารถตรวจสอบตัวอย่าง 500 บริษัท ประเทศและประเภทผลิตภัณฑ์ที่นำเสนอ วันที่ที่มีการทบทวนนโยบาย เกณฑ์ที่ใช้ในการจำแนกการเปิดเผยข้อมูลว่าชัดเจนหรือไม่ชัดเจน และการถ่วงน้ำหนักของหมวดหมู่การจัดอันดับทั้งสี่ประเภท หากไม่มีรายละเอียดเหล่านั้น เปอร์เซ็นต์ดังกล่าวจะเป็นสัญญาณเตือนที่มีประโยชน์ แต่มีหลักฐานจำกัดเกี่ยวกับอุตสาหกรรม AI โดยรวม
บริษัทควรต้องหาคำตอบที่เป็นรูปธรรมเกี่ยวกับผลิตภัณฑ์โดยเฉพาะ คำถามสำคัญ ได้แก่ ว่ามีการใช้พรอมต์ ไฟล์ที่อัปโหลด การสนทนา และผลลัพธ์ที่สร้างขึ้นสำหรับการฝึกอบรมหรือไม่ ผู้ใช้สามารถเลือกไม่รับได้หรือไม่ บันทึกการปฏิบัติงานและการสำรองข้อมูลจะถูกเก็บไว้นานเท่าใด การลบครอบคลุมอะไรบ้าง ไม่ว่าผู้ตรวจสอบที่เป็นมนุษย์หรือผู้รับเหมาจะสามารถเข้าถึงข้อมูลได้หรือไม่ และข้อกำหนดขององค์กรและผู้บริโภคแตกต่างกันหรือไม่ แหล่งที่มาไม่ได้รายงานคำตอบจากบริษัทที่ได้รับการประเมิน ดังนั้นการกล่าวอ้างใดๆ ที่ผู้ให้บริการรายใดรายหนึ่งใช้หรือไม่ใช้ข้อมูลลูกค้าสำหรับการฝึกอบรมจะต้องได้รับการยืนยันแยกต่างหาก
ความคุ้มครองในอนาคตควรตรวจสอบว่าผู้ขายเปลี่ยนแปลงนโยบายของตนหลังจากการจัดอันดับหรือไม่ หน่วยงานกำกับดูแลหรือหน่วยงานด้านความเป็นส่วนตัวจะตรวจสอบช่องว่างที่รายงานหรือไม่ และมาตรฐานการจัดซื้อเริ่มกำหนดระยะเวลาการเก็บรักษาที่กำหนดไว้และการเปิดเผยการใช้การฝึกอบรมอย่างชัดเจนหรือไม่ บทความนี้ชี้ให้เห็นถึงการบูรณาการที่เพิ่มขึ้นของ AI กับปฏิทิน อีเมล ฐานข้อมูลลูกค้า และเวิร์กโฟลว์ทางการเงิน แต่ไม่ได้บันทึกการปรับใช้ใหม่หรือการดำเนินการด้านกฎระเบียบ การพัฒนาเหล่านั้นจึงควรถือเป็นประเด็นที่ต้องติดตามมากกว่าผลที่ตามมาจากการจัดอันดับ
ผลลัพธ์ที่สำคัญควรได้รับการทดสอบกับหลักฐานทางเทคนิคและทางกฎหมาย ภาษาของนโยบายอาจอธิบายการไหลของข้อมูลได้ไม่ครบถ้วน ในขณะที่นโยบายที่ชัดเจนอาจยังอนุญาตให้ผู้ใช้พบว่าแนวทางปฏิบัติที่ไม่คาดคิด การตรวจสอบที่เป็นอิสระ ข้อกำหนดของสัญญา การทดสอบการลบ การประเมินความปลอดภัย และการเปลี่ยนแปลงที่บันทึกไว้เมื่อเวลาผ่านไป จะช่วยแยกแยะการสื่อสารที่ไม่ดีจากการจัดการที่เป็นอันตราย เมื่อพิจารณาจากแหล่งที่มาเพียงอย่างเดียว สิ่งที่ไม่ทราบความหมาย ได้แก่ เปอร์เซ็นต์ที่รายงานยังคงเป็นปัจจุบันหรือไม่ กลุ่มตัวอย่างเป็นตัวแทนของตลาดในวงกว้างหรือไม่ และจำนวนบริษัทที่ใช้ข้อมูลลูกค้าจริงสำหรับการฝึกอบรมแม้จะมีการเปิดเผยที่ไม่ชัดเจนก็ตาม