OpenAI 頂尖模型將提供資料零留置，回應企業機密疑慮

OpenAI 宣布其頂尖模型將提供資料零留置（zero data retention）選項，使企業客戶送出的輸入與收到的輸出都不會被保存在服務端。這項調整直接回應了企業導入 AI 時最常見的機密外洩疑慮。

資料留置之所以成為企業採用的障礙，源於 AI 服務的運作方式。當使用者把資料送到雲端模型處理，這些資料在傳輸與處理過程中必然會經過服務提供者的系統；而多數服務基於濫用偵測、品質改善或除錯需求，會將請求內容保存一段時間。對一般消費者而言這並非大問題，但對處理合約、財務資料、原始碼或病歷的企業而言，這代表機密資訊離開了自身的控制範圍。

零留置的技術意涵，是把資料的生命週期壓縮到單次推論的過程之內。請求進入系統、模型完成運算、回應送出後，相關內容即被丟棄，不寫入任何持久化儲存。這聽起來簡單，實務上卻涉及整條服務鏈路的調整——日誌系統、快取層、監控機制與除錯工具，每一處都可能無意間保留內容片段。要做到真正的零留置，這些環節都必須重新設計。

代價則落在營運能力上。缺乏請求紀錄意味著服務提供者難以進行事後的問題追查——當客戶回報輸出品質異常，工程團隊沒有實際的請求內容可供重現。同時，濫用偵測的難度也顯著提高，因為多數濫用模式需要跨時間的行為分析才能識別。這解釋了為何這類選項通常限定於企業方案，並伴隨合約層面的使用規範。

從市場競爭的角度看，這項調整反映了企業級市場的競爭焦點變化。當各家模型的能力差距逐步縮小，決定採購的因素便從單純的效能轉向合規、可控性與整合便利度。資料處理政策、稽核紀錄、部署選項與地域配置，這些過去被視為次要的條件，如今直接影響能否進入受監理產業的採購名單。

這也與近期的另一個趨勢相互呼應：企業對 AI 供應鏈安全的關注度明顯提升。當模型平台本身可能成為攻擊目標，減少資料在外部系統中的停留時間，本身就是一種降低曝險的作法。

對企業採用者而言，實務上仍需留意幾點。零留置的具體定義與涵蓋範圍應在合約中明確界定，包括是否涵蓋所有子系統、例外情況如何處理、以及如何驗證實際執行狀況。單純的政策宣示與可稽核的技術保證之間，仍有需要確認的距離。

後續觀察重點包括：零留置選項的適用範圍與定價、第三方稽核或認證的取得，以及其他業者的對應政策調整。