Os meus dados são usados para treino de modelos?
A alegação da Anthropic de que certos planos do Claude estão isentos de treino entrou em choque com a forma como as suas ferramentas de feedback realmente funcionam, especialmente os botões de polegar para cima/baixo e os inquéritos no produto que podem armazenar conversas inteiras durante anos e ser usados para melhorar modelos. Os comentadores debatem se isto é uma parte inevitável de tornar os LLMs melhores ou um padrão enganoso que prejudica opt-outs significativos, com alguns a pedir proteções ao consumidor mais fortes e outros a responder retendo feedback ou a planear mudar para modelos locais/de código aberto.
Âmbito dos Dados Usados para Treino
- Feedback via polegares para cima/baixo ou denúncias explícitas pode enviar conversas inteiras por até 5 anos e pode ser usado para treinar modelos.
- Muitos veem isso como, na prática, anular um opt-out de “sem treino”, pelo menos para essas sessões específicas.
- Planos enterprise/equipe são geralmente vistos como isentos de treino, mas os utilizadores apontam as áreas cinzentas práticas e contratuais (por exemplo, dados derivados/resumidos).
Expectativas dos Utilizadores vs Realidade da Política
- Alguns dizem que é óbvio: se avalias uma resposta, o fornecedor tem de ver essa conversa para agir sobre ela.
- Outros sentem-se enganados: optaram por não participar no treino e não esperavam exceções ocultas através de prompts de feedback aparentemente inocentes.
- Vários argumentam que a maioria dos utilizadores não lê documentos de privacidade nem texto subtil da interface, por isso é necessária uma comunicação front-end mais clara.
Mecanismos de Feedback e Padrões Enganosos
- Queixas sobre prompts intrusivos “Como é que o Claude está a fazer nesta sessão?” no Claude Code, incluindo receios de que até dispensar conte como feedback.
- Um utilizador relatou ter visto uma mensagem “obrigado por ajudar a melhorar os modelos” após dispensar, o que alimentou suspeitas.
- Documentação posterior (ligada no tópico) clarifica que este inquérito específico regista apenas uma classificação e não transcrições, o que aliviou algumas preocupações, mas isso surgiu depois da confusão inicial.
Argumentos Técnicos Sobre o Uso do Feedback
- Alguns afirmam que metadados puros não servem para nada; para corrigir respostas erradas é preciso o fio completo pergunta–resposta.
- Outros referem alternativas parciais, como testes A/B em definições ou prompts sem armazenar texto integral, embora reconheçam que são menos poderosas.
Privacidade, Telemetria e Terceiros
- Discussão sobre desativar telemetria no Claude Code, usar proxies e inspecionar tráfego.
- Um estudo referido (resumido no tópico) sugere que produtos de chat com IA podem vazar metadados relacionados com conversas para rastreadores de terceiros através de permalinks e identificadores.
Perceções de Risco e Atitudes
- As opiniões vão de “claro que eles ingerem tudo; age em conformidade” até sentir-se “enganado” e falar em possíveis ações coletivas.
- Alguns não se importam, vendo mais benefício do que risco; outros preocupam-se com fuga de PI, concorrência ou serem “substituídos” usando os seus próprios dados.
- Vários estão a planear ou a considerar uma mudança para modelos locais/de código aberto assim que o hardware e as ferramentas amadurecerem, apesar dos custos e das compensações de manutenção.