La versión corta

Si eres fundador en solitario o un equipo pequeño que pasa información de clientes por herramientas de IA, hay tres perillas que importan de verdad: cuánto tiempo conserva el proveedor tus prompts y respuestas, si algo de lo que envías puede usarse para entrenar futuras versiones del modelo y si puedes pedir una eliminación de datos que borre el registro de verdad. Cada proveedor grande las maneja de forma un poco distinta, y las etiquetas del panel no siempre coinciden con lo que pasa por debajo.

Esta guía recorre qué hacen esos ajustes en la práctica, dónde encontrarlos y cómo pensar los trade-offs sin perderse en el lenguaje corporativo.

Por qué importa cuando manejas datos de clientes

Hasta el producto más pequeño toca datos personales. Una respuesta de soporte con el correo de un cliente, una transcripción que mandas a un resumidor, un documento que subes para analizar: todo se convierte en un prompt. Cuando ese prompt vive en el servidor de otro, la postura de privacidad de tu cliente pasa a depender, en parte, de la de tu proveedor.

Suelen aparecer tres preguntas:

  • ¿Van a usar mis prompts para entrenar la próxima versión del modelo?
  • ¿Cuánto tiempo conserva el proveedor mis prompts y respuestas?
  • ¿Puedo pedirles que eliminen lo que envié?

Hoy la mayoría de los proveedores responde esas preguntas en paneles de configuración, pero las respuestas van escondidas bajo etiquetas amigables. Leerlas con calma te ahorra un mal trago en una revisión de seguridad con un cliente o en una renovación de contrato.

Qué significa realmente “retención de datos”

La retención es la ventana de tiempo entre enviar un prompt y el proveedor eliminando de forma permanente la solicitud y su respuesta de los sistemas activos. No es lo mismo que el opt-out de entrenamiento.

  • Opt-out de entrenamiento controla si tus conversaciones pueden usarse para mejorar modelos futuros. Apagarlo no borra nada; solo detiene un uso concreto.
  • Retención temporal cubre los días o semanas que el proveedor guarda datos para monitorear abusos, diagnosticar caídas o atender requerimientos legales.
  • Retención permanente cubre cualquier cosa que aceptes mantener para entrenamiento, fine-tuning o mejora de producto bajo un opt-in.

Un error habitual es tratar “apagué el entrenamiento” como “no se guarda nada”. En la práctica, la mayoría de los proveedores conservan una copia breve aun con el entrenamiento desactivado.

Cómo lo maneja OpenAI

OpenAI divide la experiencia entre ChatGPT para consumidores, los planes de espacio de trabajo (Team, Business, Enterprise, Edu) y la API. El comportamiento cambia en cada uno.

ChatGPT para consumidores (Free, Plus, Pro). El entrenamiento viene activado por defecto. Puedes apagarlo en Configuración, dentro de Controles de datos, moviendo a off el interruptor “Mejorar el modelo para todos”. A partir de ahí, las conversaciones nuevas no se usan para entrenar. También puedes exportar o borrar tu historial desde la misma zona. El Chat Temporal es un modo aparte que salta por completo el historial.

Planes de espacio de trabajo y Enterprise. El entrenamiento viene desactivado por defecto. Los administradores controlan la retención y las fuentes conectadas, y hay SSO vía SAML. Como el entrenamiento ya está apagado, la pregunta práctica pasa a ser la duración de la retención y el acceso de auditoría.

API. La API tiene su propia documentación de Controles de datos, donde se describe qué se almacena, cómo funciona el monitoreo de abuso y qué endpoints admiten garantías más estrictas. Los clientes elegibles de la API pueden solicitar Zero Data Retention (ZDR), un compromiso más firme: los prompts y respuestas no los retiene OpenAI después de procesar la solicitud, y el contenido no queda disponible para revisión humana. ZDR es la opción correcta si tus prompts contienen información regulada o que identifica a clientes y puedes enrutar por la API en vez de por la UI de chat.

Un hábito útil: decide qué interfaz usas para qué tipo de dato. Lluvia de ideas de producto puede vivir en una cuenta personal con entrenamiento apagado; cualquier cosa con datos de clientes va por la API con ZDR o por un plan de espacio de trabajo con retención controlada por el administrador.

Cómo lo maneja Anthropic

Los términos comerciales de Anthropic para Claude cubren los puntos principales. Los detalles específicos de la política cambian con el tiempo, así que conviene tratar cualquier cifra concreta como una foto del momento y verificar contra la página de política vigente antes de apoyarte en ella.

Algunos hábitos siguen aplicando:

  • Revisa los términos comerciales para Claude antes de enviar datos de clientes.
  • Comprueba si la superficie de API que usas ofrece una retención más estricta que la del chat para consumidores.
  • Decide si tus prompts caen en una categoría que el proveedor marca como opt-in para entrenamiento.
  • Documenta tu decisión internamente para que tu yo futuro, o un futuro colaborador, sepa por qué un ajuste está como está.

Para la mayoría de los flujos de un fundador independiente, la pregunta práctica no es la cifra exacta de días, sino si el nivel de API que pagas tiene un perfil de retención más estricto que el chat gratuito para consumidores, y si tus prompts contienen algo que importaría si un humano los revisara.

Checklist práctico de ajustes para fundadores

Una rutina corta vale más que memorizar políticas. Repásala cada vez que adoptes una herramienta de IA nueva:

  • Encuentra la página de controles de datos. Busca en el centro de ayuda del proveedor “data controls”, “privacy” o “training opt-out”. Echa un vistazo al FAQ una vez.
  • Desactiva el entrenamiento por defecto. Si no tienes una razón concreta para compartir datos para mejorar el modelo, apaga el interruptor de entrenamiento.
  • Elige la superficie correcta. Manda los datos de clientes por la API o por un plan de espacio de trabajo con compromisos más estrictos, no por una cuenta personal de chat.
  • Pregunta por la duración de la retención. Anota la ventana por defecto para monitoreo de abuso y respuesta a incidentes. Algunos proveedores la publican; otros la describen con lenguaje de política.
  • Confirma las rutas de eliminación. Comprueba si puedes exportar y borrar tu historial, y si los administradores de empresa pueden hacerlo en todo el equipo.
  • Déjalo por escrito. Un párrafo en tu doc interno de seguridad, con capturas y la fecha en que lo revisaste, le gana a seis meses de adivinar.

Cuándo importa una promesa de cero retención

Zero Data Retention no es una frase de marketing en OpenAI: es un compromiso contractual para clientes elegibles de la API por el cual el proveedor no retiene prompts ni respuestas después del procesamiento. Para fundadores independientes, la pregunta es si tu flujo puede vivir en la API en vez de en una UI de chat.

El trade-off suele verse así: ZDR te cuesta la comodidad de la interfaz de chat y de un historial al que puedas volver, y te pide montar una capa fina que registre localmente lo que necesites. A cambio, tienes una respuesta mucho más limpia a “¿dónde queda el correo de mi cliente después de pegarlo en una herramienta de IA?”.

Si solo resumes un documento de vez en cuando, basta con un plan de espacio de trabajo con el entrenamiento apagado. Si procesas tickets de soporte, contratos o cualquier cosa que mire un regulador, ZDR o un compromiso equivalente vale el pequeño costo de ingeniería.

Concepciones equivocadas que conviene dejar atrás

  • “Apagué el entrenamiento, así que no se guarda nada.” Almacenamiento y entrenamiento van separados. La mayoría de los proveedores conservan una copia breve para monitoreo de abuso.
  • “Una cuenta Enterprise borra todo.” Las cuentas Enterprise suelen desactivar el entrenamiento, pero no borran todo de inmediato. Siguen aplicando las ventanas de retención controladas por el administrador.
  • “Borrar mi chat lo borra en todas partes.” El borrado suele aplicarse a tu vista y al entrenamiento futuro. Lo que ya se absorbió en pesos de modelo o en un snapshot antes de tu opt-out normalmente no se retira retroactivamente.

Preguntas frecuentes express

¿Necesito cero retención para usar IA con seguridad? No siempre. Para borradores internos e investigación, entrenamiento apagado y una retención razonable alcanza. Para datos de clientes bajo contrato o regulador, vale la pena endurecer la configuración.

¿Dónde encuentro el interruptor de opt-out? En ChatGPT está en Configuración, luego Controles de datos, luego “Mejorar el modelo para todos”. En la API, revisa la guía de Controles de datos de tu proveedor. Otros proveedores suelen llamarlo “Improve the model”, “Share data for training” o algo similar.

¿Puedo borrar una conversación después de enviarla? En la mayoría de los planes de consumidor, sí, desde la misma zona de Controles de datos. En los planes de espacio de trabajo y Enterprise, la política de borrado la controla el administrador. El borrado suele aplicarse a tu historial y al uso futuro, no a datos ya absorbidos en pesos del modelo.

¿La API siempre es más segura que el chat? Casi siempre, sí, porque la API te da control directo sobre qué endpoints llamas y qué garantías solicitas. Las UI de chat tienden a priorizar conveniencia por encima de configurabilidad.

Cierre

Trata los ajustes de datos de IA como tratas un gestor de contraseñas: configúralos una vez, anótalos y revísalos cuando el proveedor publique un cambio. El riesgo grande para un equipo pequeño no es que alguien lea un prompt suelto: es que nadie en el equipo sepa qué superficie se está usando para qué tipo de dato, y que un ajuste por defecto entrene en silencio al próximo modelo con un ticket de soporte de un cliente.

Fuentes