OpenAI lanza Private Intelligence: cero retención de datos

Qué es Private Intelligence y por qué OpenAI lo presenta ahora

OpenAI presentó este 29 de septiembre, durante su DevDay 2026, una nueva iniciativa paraguas llamada Private Intelligence que agrupa dos piezas técnicas para responder a una preocupación creciente del cliente empresarial: quién puede ver realmente tus datos cuando usas su IA. El anuncio llega en un momento delicado, con empresas como Nvidia, Palantir y Booz Allen Hamilton restringiendo o renegociando el uso de modelos frontera por miedo a fugas de propiedad intelectual.

Private Intelligence se compone de dos tecnologías:

Zero Data Retention with Private Safety Processing (ZDR con PSP): ya disponible. Permite hacer revisiones de seguridad automáticas sobre conversaciones marcadas por el clasificador de seguridad sin que el personal de OpenAI pueda ver el contenido del cliente.
Private Inference: en preview, previsto para otoño de 2026. Combinará confidential computing con controles verificables directamente durante el cómputo de la inferencia.

Cómo funciona ZDR con Private Safety Processing (y por qué no es "cero datos" literal)

El sistema ya disponible resuelve una tensión clásica: cuanto más capaz es el modelo, más necesitas revisar cadenas largas de interacciones para detectar patrones de abuso — pero revisarlas implica mirar los datos del cliente.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La arquitectura funciona así, según la documentación de OpenAI citada por VentureBeat y CryptoBriefing:

El contenido seleccionado por el clasificador de seguridad se cifra y se deposita en almacenamiento controlado por el cliente: un bucket de AWS S3, un contenedor de Azure Blob o Google Cloud Storage.
OpenAI conserva un índice con metadatos operativos y una referencia al registro cifrado, pero no guarda una copia en texto plano.
El contenido solo se descifra dentro de un hardware-attested safety runtime, un entorno de ejecución con atestación por hardware que es el único workload capaz de descifrar esos registros.
Solo emergen en texto plano señales de seguridad predefinidas y metadatos operativos aprobados. El resto se vuelve a cifrar antes de salir del entorno.

Hay un matiz importante del que advierte la propia documentación: "cero retención" no significa que no exista copia cifrada en ningún lado. Los registros protegidos se escriben en almacenamiento del cliente con un TTL de 30 días para que el sistema automatizado de revisión pueda examinarlos. El cliente debe mantener ese almacenamiento, los permisos y las claves durante ese periodo.

Para los equipos de seguridad, la diferencia clave es de control y accesibilidad: OpenAI no conserva copia legible, su personal no puede inspeccionar los registros, y el cliente controla el entorno de almacenamiento y, si lo configura, la autorización de claves.

Por qué OpenAI mueve ficha ahora: el contexto de mercado

El anuncio no llega en el vacío. Varios movimientos recientes explican la urgencia:

Anthropic introdujo en junio de 2026 un requisito de retención de 30 días para sus modelos frontera Fable y Mythos —un movimiento que, según reportó Reuters y replicó Yahoo Finance, provocó el rechazo de varios clientes enterprise que pedían ZDR irrevocable.
Nvidia limitó el uso de Fable a proyectos menos sensibles como software open-source y reservó sus modelos Nemotron propietarios para operaciones internas como monitoreo de cadena de suministro.
Booz Allen Hamilton restringió Fable en su software propietario de ciberseguridad.
Palantir retuvo Fable de su suite customer-facing hasta obtener términos vinculantes de ZDR, mientras ofrece GPT-6 Astra de OpenAI bajo acuerdos ZDR explícitos. Su CEO, Alex Karp, criticó públicamente a los laboratorios de IA por excederse en el acceso a datos de clientes.
Microsoft está usando estas preocupaciones como argumento competitivo para vender infraestructura privada con servidores air-gapped.

Además, el caso del anuncio de OpenAI sobre la resolución del problema de Navier-Stokes por un enjambre de 10.000 agentes encendió las alarmas: aunque OpenAI descartó que prompts de Tristan Buckmaster (NYU) y Levent Alpöge (Anthropic) hubieran influido en el resultado, Financial Times describió un patrón de "snoop-and-scoop" en investigación científica que preocupa a quienes manejan trabajo no publicado con asistentes de IA.

Qué cambia con Private Inference (y qué sigue sin responder)

La segunda pata del anuncio, Private Inference, apunta más alto: confidential computing durante la inferencia misma, con controles verificables. OpenAI aún ha revelado poco sobre la implementación. Las preguntas que los equipos técnicos deberían rastrear en otoño:

Qué modelos y endpoints de API lo soportarán.
Si cubre también cargas de ChatGPT Enterprise, no solo API.
Qué hardware de trusted execution usará (el ecosistema ya trabaja con TEEs de NVIDIA en Hopper, Blackwell y Vera Rubin, además de Intel, AMD y Arm).
Qué podrá el cliente atestiguar o verificar de forma independiente.
Coste del servicio.

ABI Research reportó el 10 de septiembre de 2026 que el confidential computing está dejando de ser conversación exclusiva de CPUs y migrando a GPUs, contenedores y workflows agentic, precisamente el territorio donde OpenAI quiere competir con sus nuevos agentes Dots.

¿Qué significa esto para tu startup?

Si construyes producto con LLMs de frontera, esta capa de privacidad redefine qué puedes prometerle a tus propios clientes B2B. Tres palancas concretas:

Usa ZDR con PSP como argumento de venta enterprise desde el día uno. Si tu stack pasa por la API de OpenAI y tus clientes son bancos, hospitales o estudios legales, ofrecer la opción de almacenamiento cifrado bajo su control reduce objeciones legales y de procurement. No es marketing: es una diferencia verificable frente a deployments que retienen datos en el proveedor.
Diseña tu arquitectura para no depender de un único proveedor de confidencialidad. Iniciativas como VAST DataEnclave (anunciada en septiembre, disponible en Q1 2027 vía Cisco y Supermicro) o Super Protocol ya ofrecen confidential AI multi-cloud con TEEs y atestación criptográfica. Mantener portabilidad evita quedar atrapado cuando cambien los términos comerciales.
Mapea qué datos de cliente tocan tus agentes antes de escalar. Con la llegada de Dots (los agentes personales de OpenAI) y otros agentes always-on, el riesgo ya no es solo el prompt-respuesta aislado, sino cadenas multi-turno donde puede filtrarse código propietario, investigación no publicada o datos de clientes. Audita qué workflows delegas al agente y aplica ZDR/PSP a los sensibles.

La lectura de fondo: el contrato "no entrenamos con tus datos" ya no alcanza. Los clientes enterprise empiezan a exigir prueba criptográfica, no promesa contractual. OpenAI acaba de mover la línea con Private Intelligence — y el resto del mercado tendrá que responder.