發生了什麼事
Digital Journal 于 2026 年 8 月 24 日报道，Cybernews 2026 年人工智能可信度排名评估了 36 个国家的 500 家人工智能公司，发现在数据使用和保留方面的披露存在广泛差距。据Digital Journal报道，63%的公司没有明确披露用户信息是否被用来训练AI模型，65%的公司没有明确披露用户数据保留多长时间。源文本中未提供基本排名和公司回應，因此這些發現在此未得到獨立證實。
Digital Journal 报道称，Cybernews 对 36 个国家/地区的 500 家人工智能公司进行了 2026 年人工智能可信度排名评估。文章稱，該排名考察了四大領域：資料隱私、安全、組織透明度和公眾認知。使用公開資訊對公司進行評估，資料隱私分析審查了隱私權政策，以解釋收集、共享、使用和保留。消息人士称该评估是对人工智能隐私实践的最大审查之一，但它没有提供基本排名、完整的公司名单或详细的评分方法。
Digital Journal 表示，報告的最大差距涉及公司是否使用使用者資訊來訓練人工智慧模型。 Cybernews 的調查結果顯示，63% 的公司沒有明確揭露這種做法。文章稱，在該群體中，42% 的人在其隱私權政策中沒有提及使用者資料培訓，而 21% 的人提供的解釋含糊或不完整。文章明确警告，这并不表明这些公司使用客户数据进行培训；报告指出，用户无法轻易确定是否发生此类使用。
第二個報告的差距與保留有關。 Digital Journal稱，Cybernews發現，65%的公司沒有明確說明用戶資料的保存時間。該文章將該組分為兩類：完全不提及保留或刪除政策的公司（報告為 9%）和使用寬泛語言而沒有具體保留期限的公司（報告為 56%）。該消息人士引用了“只要必要”和“出於合法商業目的”等短語作為可能無法告訴用戶資訊何時被刪除的語言範例。
文章也報導稱，規模較大的人工智慧公司通常比規模較小的公司擁有更明確的隱私權政策。 Digital Journal 提出了可能的解釋，包括更嚴格的監管審查、公眾關注以及企業採購團隊的存在。它並沒有說小公司一定不太安全。另外，文章稱，Cybernews 的更廣泛排名將安全性確定為最弱的類別，平均分為 32 分（滿分為 100 分）。源文本沒有解釋該分數是如何計算的，也沒有解釋它與隱私調查結果的關係。
為什麼這很重要
所报告的差距会影响个人和组织是否能够就向人工智能服务提交对话、文档、健康信息、财务记录或专有业务数据做出明智的决定。随着人工智能工具与电子邮件、日历、客户数据库和财务工作流程集成，明确的培训使用和保留披露尤为重要。调查结果还表明，整个人工智能行业的隐私政策清晰度仍然参差不齐，尽管不明确的披露本身并不能证明公司滥用客户数据。
實際問題不僅在於人工智慧公司是否有隱私權政策，還在於該政策是否讓使用者了解提交給服務的資訊的生命週期。 Digital Journal 的帳戶主要關注兩個在沒有具體披露的情況下很難做出的決定：資訊是否有助於模型訓練以及提供者可以保留該資訊多長時間。這些問題對於一般使用者、雇主、學校、衛生組織和處理機密資料的企業都很重要。報告的發現特別相關，因為該文章將人工智慧系統描述為用於業務報告、敏感文件、日程安排、程式碼和個人討論。如果使用者無法確定是否保留此類資訊或將其用於模型改進，他們可能會在採用之前難以評估機密性和合規性風險。
消息來源沒有量化任何由此產生的違規、濫用、財務損失或違反監管的行為，因此這裡的重要性是透明度和治理問題，而不是特定有害事件的證據。保留資訊可能會影響組織對人工智慧服務的控制。精確的刪除期限、備份的清晰解釋以及服務日誌和培訓資料之間的差異可以極大地改變風險評估。相較之下，關於根據需要保留資料的一般性聲明可能會讓使用者無法確定資訊何時會消失或刪除請求是否涵蓋每個副本。 Digital Journal 將這種擔憂與歐盟 GDPR 相關的資料最小化原則聯繫起來，但文章沒有分析任何特定公司的法律合規情況。
所報告的大公司和小公司之間的差異也對採購產生實際影響。更清晰的政策可能會讓提供者更容易評估，但清晰並不等於安全實施或負責任的資料處理。相反，政策不明確並不能證明規模較小的提供者不安全。該消息來源沒有提供獨立的審計、技術測試、執法行動或公司間的比較，使讀者能夠就實際的安全或隱私表現得出更有力的結論。
互動機制：它實際上是如何運作的
以互動方式探索這項發展背後的基礎技術。
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
接下來看什麼
下一步關鍵是驗證 Cybernews 排名的方法、公司樣本、評分規則、審核日期和基礎證據。用户和企业买家应寻找具体答案，了解提示和上传是否用于培训、信息存储多长时间、删除意味着什么、谁接收数据以及设置是否因产品或帐户类型而异。進一步的報告還應確定公司是否修改其政策、監管機構是否做出回應以及小型供應商是否改善揭露。
第一個驗證重點是網路新聞報導本身。讀者應該能夠檢查 500 家公司樣本、所代表的國家和產品類型、審查政策的日期、用於將揭露分類為明確或不明確的標準，以及四個排名類別的權重。如果沒有這些細節，這些百分比可以提供有用的警訊，但有關整個人工智慧產業的證據有限。
公司應該被要求提供具體的、針對特定產品的答案。重要的問題包括提示、上傳的文件、對話和產生的輸出是否用於訓練；使用者是否可以選擇退出；操作日誌和備份保留多長時間；刪除涵蓋哪些內容；人工審核員或承包商是否可以存取資料；以及企業和消費者條款是否不同。消息來源不會報告被評估公司的答案，因此任何有關特定提供者使用或不使用客戶資料進行培訓的說法都需要單獨確認。
未來的報道應檢查供應商是否在排名後改變其政策，監管機構或隱私機構是否調查報告的差距，以及採購標準是否開始要求明確的保留期限和明確的培訓使用揭露。該文章指出人工智慧與日曆、電子郵件、客戶資料庫和財務工作流程的日益集成，但它沒有記錄任何新的部署或監管行動。因此，這些事態發展應被視為需要監測的問題，而不是排名的既定後果。
基本結果也應該根據技術和法律證據進行測試。策略語言可能無法完全描述資料流，而明確的策略仍然可能允許使用者發現意想不到的做法。獨立審計、合約條款、刪除測試、安全評估和隨時間推移記錄的變更將有助於區分不良溝通和有害處理。僅根據來源，有意義的未知數包括報告的百分比是否保持最新、樣本是否代表更廣泛的市場，以及有多少公司在披露不明確的情況下實際使用客戶數據進行培訓。