OpenAI prévia Private Safety Processing, expande zero data retention

Introdução

Zero data retention virou o ponto de inflexão para adoção de IA em ambientes regulados. Em 19 de agosto de 2026, OpenAI confirmou que continuará oferecendo zero data retention para modelos de fronteira no API e apresentou a prévia do Private Safety Processing, um modo de ampliar a detecção de riscos entre interações sem reter o conteúdo do cliente. (openai.com)

A relevância é direta para times de segurança, compliance e engenharia. O anúncio descreve que prompts e respostas de clientes aprovados em ZDR não são retidos após o processamento, não ficam disponíveis para revisão por funcionários, e não são usados para treinar modelos, salvo opt-in explícito. O texto também indica início de rollout do Private Safety Processing em setembro e detalha exceções legais como CSAM. (openai.com)

O que muda com a prévia do Private Safety Processing

OpenAI introduziu o Private Safety Processing para resolver um problema em ascensão, muitos riscos só aparecem quando se analisa a sequência de interações. Em soluções tradicionais compatíveis com ZDR, os sinais de segurança avaliavam cada chamada isoladamente. Agora, a ideia é identificar padrões entre interações relacionadas, ainda mantendo o princípio de zero data retention. O conteúdo permanece no ambiente controlado pelo cliente ou, em opção complementar, cifrado em infraestrutura da OpenAI com chaves gerenciadas pelo próprio cliente. Funcionários da OpenAI não têm acesso a essas chaves. Quando há um possível risco, a OpenAI recebe apenas um sinal limitado, não o conteúdo. (openai.com)

Essa arquitetura responde a um dilema do mercado. Alguns provedores pedem retenção de logs para habilitar monitoramento de segurança, o que conflita com obrigações contratuais e regulatórias de muitas empresas. Com o Private Safety Processing, a OpenAI tenta preservar ZDR e, ao mesmo tempo, fortalecer a capacidade de interdição contra uso malicioso, inclusive em cenários de agentes executando tarefas longas. A empresa afirma que o recurso está em testes com clientes iniciais e que divulgará um white paper técnico durante o rollout previsto para setembro. (openai.com)

Zero data retention, o que está de fato garantido

Segundo a página oficial, zero data retention oferece a clientes de API elegíveis uma promessa simples, a OpenAI não retém prompts nem respostas após processar a solicitação. O conteúdo não fica disponível para revisão por pessoal interno e dados de clientes enterprise não são usados para treinamento sem opt-in explícito. A nota cita também a obrigação legal de reportar possíveis casos de abuso sexual infantil, imagens sinalizadas por possíveis indicadores de CSAM continuam retidas para revisão manual e reporte, mesmo em ZDR. (openai.com)

A documentação de plataforma complementa com detalhes operacionais, clientes aprovados em ZDR ou Modified Abuse Monitoring podem excluir o conteúdo dos logs de abuso, e em ZDR alguns comportamentos dos endpoints mudam. No Responses API e Chat Completions, o parâmetro store passa a ser sempre tratado como false, mesmo se enviado como true. Há ainda restrições, como incompatibilidade de ZDR com background mode no Responses API e com Code Interpreter, além de nuances por endpoint e por recurso, por exemplo, Web Search é elegível para ZDR porém não é elegível a HIPAA. (platform.openai.com)

Diferenças entre ZDR e Modified Abuse Monitoring, quando escolher cada um

O Modified Abuse Monitoring exclui conteúdo de cliente de logs de abuso, mas mantém a disponibilidade da maioria dos recursos da plataforma. Já o zero data retention vai além, não só exclui o conteúdo dos logs como força o não armazenamento de estado em condições específicas e desativa recursos que exigem persistência. A tabela e as notas por endpoint na documentação ajudam a definir a estratégia. Times que precisam de Code Interpreter, background mode no Responses API ou extended prompt caching podem preferir MAM. Quem tem exigências contratuais de não retenção deve priorizar ZDR. (platform.openai.com)

Em ambos os casos, a responsabilidade por um uso seguro recai sobre o cliente, inclusive por monitoramento, moderação e cumprimento de leis locais. Esse ponto é reiterado na documentação e em páginas de privacidade empresarial da OpenAI, que também lembram que dados de ChatGPT Enterprise e da API não são usados para treinar modelos por padrão, a menos que haja opt-in. (platform.openai.com)

O impacto para setores regulados, saúde, finanças e governo

ZDR se alinha a requisitos de setores que tratam dados sensíveis, como planos de saúde, bancos e órgãos públicos. O addendum de saúde da OpenAI descreve o conceito de Zero Retention API e aponta que o processamento ocorre sem salvar, reter ou registrar conteúdo para revisão humana, com obrigações específicas para PHI conforme HIPAA. Em paralelo, o DPA de negócios reforça compromissos de segurança organizacionais e técnicos diante de GDPR e leis de privacidade. Para equipes de compliance, isso significa ter base contratual e técnica para auditorias. (cdn.openai.com)

Evidências externas mostram como ZDR viabiliza casos de uso que exigem confidencialidade e auditabilidade. Em avaliações acadêmicas e relatórios de terceiros sobre de identificação clínica automatizada, a disponibilidade de configurações de não retenção influencia diretamente a classificação de risco e os controles de TI exigidos para adoção. Embora os estudos foquem performance de modelos, a presença de ZDR e BAAs costuma ser um fator decisivo em healthtechs e hospitais. (arxiv.org)

Sinais de segurança sem retenção, aprendizados do passado recente

Os cartões de sistema mais recentes da OpenAI já indicavam um padrão, mesmo em ZDR, saídas poderiam ser verificadas automaticamente para riscos severos, como biossegurança, e ações corretivas poderiam ser tomadas sem acesso humano ao conteúdo. O Private Safety Processing institucionaliza e estende esse caminho, agora olhando para padrões entre interações. Em termos práticos, empresas ganham defesa em profundidade, com sinais de anomalia e abuso que não dependem de logs persistentes de prompts e respostas. (cdn.openai.com)

Esse equilíbrio é observado pela imprensa de tecnologia e por analistas, que destacam como a OpenAI mantém ZDR enquanto rivais exigem retenção de dados de segurança. Reportagens recentes apontam que o Private Safety Processing está em teste com clientes enterprise e API, não com consumidores de planos ChatGPT, e que o foco é previsibilidade regulatória. Esses relatos batem com o post oficial da empresa. (axios.com)

Guias práticos de implementação para times de produto e segurança

• Qualificação e aprovação. ZDR e MAM exigem aprovação prévia e aceitação de requisitos adicionais. Se a organização precisa de ZDR, inicie contato com o time de vendas e legal, alinhe desde cedo os endpoints necessários e as limitações, como a impossibilidade de usar Code Interpreter com ZDR. (platform.openai.com)
• Segmentação por projeto. Após aprovado, as configurações aparecem em Settings, Organization, Data controls, com opção para definir o modo no nível da organização e no nível do projeto. Projetos que exigem vídeo ou recursos incompatíveis podem ficar sem controle de retenção, isolados de workloads ZDR. (platform.openai.com)
• Chaves gerenciadas pelo cliente. Para quem não pode manter conteúdo em infraestrutura própria, a prévia menciona conteúdo armazenado pela OpenAI, cifrado com chaves controladas pelo cliente. Planeje rotação, segregação e monitoramento de KMS. Mapeie quem acessa os sinais de segurança e como responder a alertas. (openai.com)
• Auditoria e evidências. Mesmo sem retenção, é possível gerar trilhas de auditoria no seu lado, correlacionando IDs de requisição e sinais recebidos. Defina playbooks de resposta, como bloquear usuários maliciosos, revisar fluxos de autorização e, quando necessário, compartilhar evidências com a OpenAI para apelação. (openai.com)
• Exceções obrigatórias e escopo. Tenha processos para lidar com exceções legais como CSAM, que continuam sendo retidas para revisão e reporte. Em setores de saúde, alinhe o envio de PHI apenas por serviços elegíveis conforme o addendum de saúde e a política HIPAA da organização. (openai.com)

Casos de uso e limitações por endpoint, como evitar surpresas

A documentação lista comportamentos específicos. No Responses API, background mode retém dados por cerca de 10 minutos para polling e não é compatível com ZDR. Extended prompt caching exige armazenamento de tensores em GPU local e também não é elegível. Imagem é compatível com ZDR ao usar gpt-image-1 e gpt-image-1-mini, não com DALL·E 3 e DALL·E 2. Web Search é elegível a ZDR, porém não é elegível a HIPAA. Esses detalhes impactam design de produtos, especialmente em cenários de múltiplos turnos e ferramentas. (platform.openai.com)

Uma recomendação prática é mapear, por fluxo, quais endpoints e recursos entram em cena e qual o requisito regulatório. Se a equipe precisa de vector stores, Assistants API e objetos que persistem por design, considere isolar projetos que usam MAM dos que usam ZDR, para não bloquear capacidades essenciais. Em contrapartida, quando a exigência é confidencialidade rígida, priorize ZDR e desenhe integrações que evitem recursos não elegíveis. (platform.openai.com)

Como isso conversa com políticas corporativas e marcos regulatórios

Para quem opera sob GDPR, HIPAA, GLBA ou equivalentes, ZDR simplifica a análise de risco, pois elimina a retenção de conteúdo em descanso no provedor. O DPA da OpenAI reforça controles técnicos e organizacionais e pode ser anexado a contratos corporativos. No caso de saúde, o addendum detalha termos para PHI e serviços elegíveis. Em paralelo, a página de privacidade empresarial da OpenAI esclarece que dados de clientes enterprise e API não treinam modelos por padrão. Essa combinação tende a acelerar aprovações de segurança e privacidade. (d2k7ibm4ozrq3o.cloudfront.net)

Uma ressalva importante, a OpenAI afirma que continuará a relatar material de abuso infantil conforme exigido por lei. Isso significa que o desenho de governança deve prever procedimentos para lidar com alertas e retenções legais fora do escopo de ZDR. Em auditorias, documente essas exceções para evitar interpretações equivocadas sobre retenção zero. (openai.com)

Tendências do mercado e o que esperar nos próximos meses

O anúncio de 19 de agosto de 2026 posiciona a OpenAI em uma direção clara, manter zero data retention nos modelos de fronteira enquanto amplia a capacidade de detecção de riscos entre interações. Cobertura jornalística recente reforça que a prévia está focada em clientes enterprise e de API, não em usuários finais de ChatGPT, e que o objetivo é dar previsibilidade a organizações que não podem permitir retenção de conteúdo por parte do provedor. A empresa planeja iniciar rollout do Private Safety Processing em setembro, com white paper técnico. (axios.com)

Para equipes que dependem de valor prático imediato, as ações mais úteis agora são, revisar a matriz de endpoints e recursos sob ZDR, alinhar KMS e segregação de projetos, ensaiar playbooks de resposta a sinais de segurança e envolver jurídico e DPO na avaliação do DPA e do addendum de saúde, quando aplicável. Esse groundwork permite aproveitar o Private Safety Processing assim que estiver disponível para seu perfil de uso. (platform.openai.com)

Conclusão

O recado para empresas é transparente, zero data retention continua sendo um contrato operacional sólido para workloads sensíveis, com promessas explícitas de não retenção de prompts e respostas, ausência de revisão humana e não uso para treinamento, salvo opt-in. O Private Safety Processing surge como a peça que faltava para ampliar a proteção sem abandonar a privacidade, permitindo a identificação de padrões de risco entre interações por meio de sinais limitados e controlados. (openai.com)

A próxima etapa é de execução. Times técnicos e de risco precisam conciliar arquitetura, requisitos regulatórios e roadmap de produto. Com as diretrizes oficiais e o que foi anunciado para setembro, dá para preparar terreno e chegar com governança e engenharia bem ajustadas, prontos para extrair o máximo de segurança, sem abrir mão de privacidade e confiança. (openai.com)