Private Safety Processing: כך OpenAI עוקפת את אנתרופיק במלחמת הפרטיות על נתוני הלקוחות

Private Safety Processing הוא שירות חדש של OpenAI שמנטר שימוש לרעה במודלים בזמן אמת, בלי לשמור אף פיסת מידע של הלקוח, וזאת בניגוד למדיניות של אנתרופיק שמאפשרת שמירת נתוני משתמשים למשך 30 יום. לפי דיווח של TechCrunch, מדובר במהלך תחרותי מחושב שממקם את הפרטיות כזירת הקרב הבאה בשוק ה-AI הארגוני. במאמר הזה ננתח מה עומד מאחורי המערכת, למה היא נולדה דווקא עכשיו, ואיך היא צריכה להשפיע על שיקולי הבחירה של עסקים ישראליים שמזינים נתונים רגישים ל-API.

מה זה Private Safety Processing ואיך המערכת עובדת?

Private Safety Processing היא מערכת אוטומטית שסורקת בקשות ותשובות של המודל כדי לזהות ניסיונות שימוש לרעה, אבל עושה זאת בארכיטקטורה שלא כותבת את התוכן לאחסון קבוע. במקום לשמור לוגים של שיחות לצורך בדיקה אנושית מאוחרת, הניתוח מתבצע בזמן העיבוד עצמו, ומה שנשמר הוא רק אותות בטיחות מופשטים, לא הנתונים המקוריים של הלקוח.

ההבדל הזה נשמע טכני, אבל הוא מהותי. במודל המסורתי של ניטור בטיחות, ספק ה-AI מחזיק עותק של התכנים שעברו דרכו, ולו לתקופה מוגבלת. העותק הזה הוא נכס משפטי וסיכון אבטחתי כאחד: הוא חשוף לצווי גילוי, לפריצות, ולטעויות אנוש. הארכיטקטורה החדשה של OpenAI מבטלת את הסיכון הזה מהשורש, כי מה שלא נשמר לא יכול לדלוף ולא ניתן לדרוש אותו בצו.

חשוב להבין את הניואנס: זה לא ויתור על בטיחות לטובת פרטיות. OpenAI טוענת שהיא מצליחה לקיים את שתי הדרישות במקביל, ניטור אפקטיבי של שימוש לרעה לצד אפס שמירת נתונים (Zero Data Retention). אם הטענה תעמוד במבחן המציאות, מדובר בשינוי של כללי המשחק בכל השוק.

Private Safety Processing

מערכת של OpenAI שסורקת בקשות ותשובות בזמן העיבוד עצמו ושומרת רק אותות בטיחות מופשטים - לא את התוכן המקורי של הלקוח.

Zero Data Retention (ZDR)

מדיניות אפס שמירת נתונים: הספק לא מחזיק עותק של התכנים שעברו דרכו, כך שאין מה שידלוף או יידרש בצו.

CISO

קצין אבטחת מידע ראשי בארגון - הגורם שבוחן את סיכוני שרשרת האספקה של המידע לפני אישור ספק AI.

DPA

הסכם עיבוד נתונים שמגדיר משפטית כמה זמן נשמרים נתונים, לאיזו מטרה ומי ניגש אליהם - המסמך שצריך לקרוא במקום עמוד השיווק.

תיקון 13

תיקון לחוק הגנת הפרטיות הישראלי שנכנס לתוקף באוגוסט 2025, והעניק לרשות להגנת הפרטיות סמכויות אכיפה וקנסות משמעותיים.

למה מדיניות 30 הימים של אנתרופיק הרגיזה לקוחות ארגוניים?

המדיניות של אנתרופיק, שמאפשרת שמירת נתוני משתמשים עד 30 יום לצורכי בטיחות ואכיפה, עוררה התנגדות בקרב לקוחות ארגוניים מסיבה פשוטה: היא יוצרת פער בין ההבטחה השיווקית של סודיות לבין המציאות התפעולית. ארגון שמזין ל-API חוזים, רשומות רפואיות או קוד קנייני מגלה שהמידע הזה עשוי לשבת בשרתים של צד שלישי חודש שלם.

עבור מחלקות משפטיות וקציני אבטחת מידע (CISO), 30 יום הם לא פרט שולי. זו תקופה שבה הנתונים כפופים לסמכות שיפוט זרה, חשופים לצווים אמריקאיים, ומהווים נקודת כשל נוספת בשרשרת האספקה של המידע. בענפים מפוקחים כמו בנקאות, ביטוח ובריאות, עצם קיומו של עותק כזה עלול לסבך תהליכי ציות ולדרוש הסכמות נוספות מלקוחות הקצה.

האירוניה היא שאנתרופיק בנתה את המותג שלה סביב בטיחות ואחריות. אבל בשוק הארגוני של 2026, בטיחות שמושגת באמצעות שמירת נתונים נתפסת יותר ויותר כפתרון מיושן. OpenAI זיהתה את הפער הזה בדיוק, והפכה אותו לחוד החנית של ההצעה שלה.

מלחמת הפרטיות בין OpenAI לאנתרופיק: מה זה אומר על השוק?

המהלך של OpenAI מסמן שהתחרות בשוק ה-AI הארגוני עברה שלב: מביצועים של מודלים לתנאים החוזיים והארכיטקטוניים שסביבם. כשהפערים ביכולות בין GPT ל-Claude מצטמצמים מדור לדור, הבידול עובר לשאלות של אמון: מי שומר מה, לכמה זמן, ומי מוכן להתחייב לכך משפטית.

קריטריון	OpenAI - Private Safety Processing	אנתרופיק - מדיניות נוכחית
שמירת נתוני לקוח	אפס - הניתוח מתבצע בזמן העיבוד	עד 30 יום לצורכי בטיחות ואכיפה
מה נשמר בפועל	אותות בטיחות מופשטים בלבד	עותק של תכני המשתמש
חשיפה לצווים ודליפות	מה שלא נשמר לא יכול לדלוף	עותק חשוף לצווי גילוי, פריצות וטעויות אנוש
ניטור שימוש לרעה	סיווג אוטומטי בזמן אמת	אפשרות לבדיקה אנושית מאוחרת על לוגים

זו התפתחות צפויה בשווקים טכנולוגיים מתבגרים. ראינו תבנית דומה בענן: AWS, Azure ו-Google Cloud התחרו בתחילה על מחיר וביצועים, ובהמשך על אזורי אחסון מקומיים, הצפנה בשליטת הלקוח והתחייבויות ריבונות נתונים. שוק ה-AI חוזר על אותו מסלול, רק מהר יותר, כי הנתונים שזורמים למודלי שפה רגישים במיוחד: הם כוללים שיחות, מסמכים פנימיים והקשרים עסקיים מלאים.

מלחמה על הלקוח הארגוני, לא על המשתמש הפרטי

שימו לב לקהל היעד של המהלך: לא משתמשי ChatGPT הפרטיים אלא לקוחות ה-API וה-Enterprise, שם נמצאים החוזים הגדולים והמרווחים הגבוהים. עבור OpenAI, שנמצאת במרוץ הכנסות מול אנתרופיק על אותם תקציבי IT ארגוniיים, כל חסם שמונע מ-CISO לחתום הוא כסף שנשאר על השולחן. Private Safety Processing נועד להסיר בדיוק את החסם הזה.

למה זה שיקול קריטי לעסקים ישראליים שעובדים עם API של AI?

לעסקים ישראליים שמזינים נתונים רגישים ל-API של מודלי שפה, מדיניות שמירת הנתונים של הספק היא כבר לא סעיף משפטי שולי אלא שיקול מרכזי בבחירת הפלטפורמה. חברות ישראליות רבות משרתות לקוחות אירופיים וכפופות ל-GDPR, ובמקביל פועלות תחת חוק הגנת הפרטיות הישראלי, שהוחמר משמעותית עם כניסתו לתוקף של תיקון 13 באוגוסט 2025.

תיקון 13 העניק לרשות להגנת הפרטיות סמכויות אכיפה וקנסות משמעותיים, והרחיב את חובות התיעוד והדיווח של ארגונים שמעבירים מידע אישי לצדדים שלישיים. ספק AI שמחזיק עותק של הנתונים שלכם 30 יום הוא בדיוק אותו צד שלישי שצריך למפות, לתעד ולהצדיק. ספק שלא שומר דבר מפשט את התמונה הרגולטורית באופן דרמטי.

המשמעות המעשית לסטארטאפים ולארגונים מפוקחים

סטארטאפ ישראלי שבונה מוצר על גבי API של מודל שפה ומוכר לארגונים בחו״ל נשאל כמעט בכל תהליך מכירה: לאן זורמים הנתונים של הלקוח? היכולת לענות "הספק שלנו לא שומר דבר" מקצרת תהליכי Security Review שנמשכים לעיתים חודשים. עבור בנקים, קופות חולים וגופים ביטחוניים בישראל, זה עשוי להיות ההבדל בין אישור לשימוש במודל חיצוני לבין פסילה מוחלטת שלו.

Zero Data Retention מול ניטור בטיחות: איך פותרים את הפרדוקס?

הפרדוקס המרכזי שכל ספק AI מתמודד איתו הוא שניטור שימוש לרעה דרש היסטורית גישה לנתונים, בעוד שפרטיות דורשת את היעדרם. אם אין לוגים, איך מזהים מי מנסה לייצר נוזקות, הונאות פישינג או תוכן מסוכן? הפתרון של Private Safety Processing מבוסס על הזזת הניתוח לנקודת העיבוד עצמה: המערכת מסווגת את הבקשה בזמן אמת ושומרת רק את התוצר של הסיווג, לא את התוכן.

הגישה הזו לא נטולת פשרות, וכדאי להיות מפוכחים לגביה. חקירה בדיעבד של תקרית מורכבת קשה יותר כשאין נתונים היסטוריים, וזיהוי דפוסי התקפה שמתפרסים על פני שבועות דורש תחכום רב יותר ממערכות אוטומטיות. OpenAI למעשה מהמרת שמסווגים אוטומטיים בזמן אמת בשלים מספיק כדי להחליף בדיקה אנושית מאוחרת. זה הימור טכנולוגי אמיץ, ואם הוא יצליח, הוא יגדיר סטנדרט שכל השוק יצטרך ליישר קו מולו.

מנקודת מבט של לקוחות, השאלה הנכונה היא לא רק "מה מובטח" אלא "מה ניתן לאימות". התחייבות ל-Zero Data Retention שווה מעט בלי מנגנוני ביקורת, הסמכות עצמאיות וסעיפים חוזיים ברורים. אלה הדברים שמחלקות רכש וייעוץ משפטי צריכות לדרוש בכתב.

איך לבחור ספק AI לפי מדיניות שמירת נתונים?

הבחירה בין ספקי AI ב-2026 צריכה לכלול בדיקה שיטתית של מדיניות הנתונים, לא רק של יכולות המודל. סדר הפעולות שאנחנו ממליצים עליו לארגונים:

1. מפו את רגישות הנתונים: סווגו אילו סוגי מידע זורמים ל-API, מידע אישי, סודות מסחריים, קוד קנייני, ומה רמת הסיכון של כל אחד.
2. קראו את מדיניות ה-Retention בפועל: לא את עמוד השיווק אלא את תנאי השירות וה-DPA. בדקו כמה זמן נשמרים נתונים, לאיזו מטרה ומי ניגש אליהם.
3. בדקו התאמה רגולטורית: ודאו שהמדיניות עומדת בדרישות תיקון 13 לחוק הגנת הפרטיות הישראלי וב-GDPR אם אתם משרתים לקוחות אירופיים.
4. דרשו התחייבות חוזית: הבטחת Zero Data Retention צריכה להופיע בהסכם עצמו, עם סנקציות מוגדרות על הפרה.
5. בנו ארכיטקטורה גמישה: תכננו את המוצר כך שאפשר להחליף ספק מודל בעלות סבירה. שדה הקרב התחרותי הזה רק מתחיל, והתנאים ישתפרו לטובתכם.

הנקודה האחרונה קריטית במיוחד: ארגונים שנעולים על ספק יחיד לא יוכלו לנצל את מלחמת הפרטיות הנוכחית למינוף מסחרי. גמישות ארכיטקטונית היא כוח מיקוח.

מה לדרוש בכתב מספק ה-AI לפני חתימה

• סעיף Zero Data Retention בהסכם עצמו, עם סנקציות מוגדרות על הפרה
• DPA שמפרט כמה זמן נשמרים נתונים, לאיזו מטרה ומי ניגש אליהם
• מנגנוני ביקורת והסמכות עצמאיות שמאפשרים לאמת את ההבטחה
• תיעוד שתומך בחובות המיפוי והדיווח לפי תיקון 13 ו-GDPR
• תנאי יציאה שמשמרים גמישות ארכיטקטונית וכוח מיקוח מול הספק

לאן הולך שוק פרטיות הנתונים ב-AI ומה כדאי לעשות עכשיו?

המהלך של OpenAI כמעט מבטיח תגובת נגד: סביר שאנתרופיק, גוגל ושחקניות נוספות יידרשו להציע מסלולי אפס שמירת נתונים משלהן, אחרת יאבדו עסקאות ארגוניות בענפים מפוקחים. התוצאה הצפויה היא מרוץ לצמצום שמירת המידע, שבו הלקוחות הם המרוויחים העיקריים. במקביל, צפו לצמיחה של כלים לאימות עצמאי של הבטחות פרטיות, כי הבטחה בלי ביקורת שווה מעט.

לעסקים ישראליים, ההמלצה האסטרטגית ברורה: הפכו את מדיניות הנתונים לקריטריון שקול ליכולות המודל בכל החלטת רכש, ובנו כבר עכשיו את היכולת הפנימית להעריך ספקים לעומק. מי שרוצה להעמיק בהבנת עבודה מאובטחת עם מודלי שפה ו-API ימצא קורסי בינה מלאכותית מעשיים לעסקים ומפתחים שמכסים בדיוק את השיקולים האלה. ולמעקב שוטף אחרי מלחמת הפרטיות בין ענקיות ה-AI ושאר המגמות שמעצבות את השוק, מגזין ה-AI שלנו עם ניתוחים ועדכונים שוטפים הוא הכתובת. שוק שבו פרטיות הופכת ליתרון תחרותי הוא שוק בריא יותר, וכדאי להיות בצד שיודע לנצל אותו.