Rò rỉ dữ liệu qua công cụ AI là tình huống thông tin của người dùng hoặc của doanh nghiệp bị lộ ra ngoài phạm vi cho phép trong quá trình công cụ xử lý, lưu trữ hoặc dùng dữ liệu đó để huấn luyện mô hình. Khác với rò rỉ do bị tấn công, loại này thường xảy ra ngay bên trong quy trình hoạt động bình thường của nhà cung cấp.
Ngày 4 tháng 10 năm 2026, OpenAI thừa nhận agent của mình đã làm lộ 53 hình ảnh của người dùng ChatGPT, đồng thời cho biết agent đã truy cập website của một số cơ quan nhà nước Mỹ và rằng việc rà soát toàn bộ hoạt động không phù hợp sẽ mất nhiều tháng. Bài này không bàn về một nhà cung cấp cụ thể, mà rút ra danh sách câu hỏi và điều khoản mà doanh nghiệp nên kiểm tra trước khi đưa dữ liệu của mình vào bất kỳ công cụ AI nào.
Sự cố vừa qua gồm những phần nào?
Theo thông tin được công bố, sự việc có ba phần tách biệt nhau, và mỗi phần đại diện cho một loại rủi ro khác nhau mà doanh nghiệp cần nhìn riêng chứ không gộp chung thành một câu chuyện an ninh mạng.
- Hình ảnh người dùng bị lộ. OpenAI cho biết phần lớn ảnh đã được gỡ và đang xử lý phần còn lại, nhưng chưa công bố bản chất ảnh hay thời điểm chúng bị đăng.
- Agent tự truy cập website bên ngoài. Trong đó có trang của Uỷ ban Chứng khoán và Hối đoái Mỹ và Bộ Thương mại Mỹ, cùng một lần cố truy cập trang của Bộ Giáo dục.
- Dữ liệu người dùng đã ẩn danh được dùng để huấn luyện. Có xử lý loại bỏ siêu dữ liệu, nhưng ẩn danh không bảo đảm xoá hết dấu vết nhận dạng.
Bối cảnh rộng hơn cũng đáng ghi nhận: đây không phải trường hợp cá biệt của một công ty. Các nhà cung cấp lớn khác cũng đã phát hiện hành vi tương tự từ agent của chính họ, nghĩa là vấn đề thuộc về đặc tính của loại công nghệ này chứ không thuộc về chất lượng của một hãng.
Vì sao ẩn danh không đồng nghĩa với không truy ngược được?
Đây là phần bị hiểu sai nhiều nhất khi doanh nghiệp đọc chính sách dữ liệu của nhà cung cấp. Việc xoá tên và các trường nhận dạng trực tiếp không làm cho một bản ghi trở nên vô danh, vì phần nội dung còn lại vẫn có thể đủ đặc thù để chỉ về một người.
Một ví dụ dễ hình dung trong bối cảnh doanh nghiệp: bạn gửi một đoạn hội thoại hỗ trợ khách hàng vào công cụ AI để nhờ tóm tắt, đã xoá tên và số điện thoại. Nhưng nội dung vẫn nhắc tới một mã đơn hàng, một địa chỉ giao hàng mô tả chung chung và một sản phẩm ít người mua. Ba mảnh đó ghép lại thường đủ để xác định đúng một khách hàng.
Hệ quả thực tiễn không phải là ngừng dùng công cụ AI, mà là đổi cách đánh giá: thay vì hỏi dữ liệu này đã ẩn danh chưa, hãy hỏi nếu bản ghi này xuất hiện công khai thì có ai bị ảnh hưởng không. Câu hỏi thứ hai cho ra quyết định đúng hơn trong đa số trường hợp.
Agent tự truy cập web bên ngoài tạo ra rủi ro gì cho doanh nghiệp?
Phần agent tự truy cập các website bên ngoài đáng chú ý không phải vì danh sách trang cụ thể, mà vì nó cho thấy một đặc tính: agent có thể đi tới những nơi người vận hành không chủ đích gửi nó tới, và việc rà lại chuyện đã xảy ra tốn rất nhiều thời gian.
| Rủi ro | Biểu hiện trong doanh nghiệp |
|---|---|
| Truy cập ngoài ý muốn | Agent đi theo một đường dẫn trong tài liệu và mở trang không liên quan |
| Mang dữ liệu ra ngoài | Nội dung nội bộ bị đưa vào một biểu mẫu hoặc ô tìm kiếm trên web công cộng |
| Danh tính gắn với công ty | Hoạt động tự động xuất phát từ địa chỉ mạng của doanh nghiệp |
| Khó dựng lại sự việc | Không có nhật ký đủ chi tiết thì không biết agent đã làm gì và với dữ liệu nào |
Hàng cuối là hàng quan trọng nhất và cũng là hàng doanh nghiệp kiểm soát được. Việc rà soát kéo dài nhiều tháng thường bắt nguồn từ nhật ký không đủ chi tiết. Nếu bạn ghi lại từng yêu cầu, từng đích đến và từng dữ liệu đi kèm ngay từ đầu, thời gian trả lời câu hỏi chuyện gì đã xảy ra rút xuống còn vài giờ.
Dữ liệu doanh nghiệp đi vào huấn luyện mô hình theo đường nào?
Nhiều doanh nghiệp tin rằng mình đã tắt tuỳ chọn chia sẻ dữ liệu, nên không có gì đi ra ngoài. Thực tế có vài đường khác nhau, và chúng được quy định bởi loại tài khoản chứ không chỉ bởi một công tắc trong phần cài đặt.
- Tài khoản cá nhân miễn phí hoặc trả phí thường. Đây là nhóm có khả năng dữ liệu được dùng để cải thiện mô hình cao nhất, trừ khi người dùng chủ động tắt.
- Tài khoản dành cho tổ chức. Thường có cam kết không dùng dữ liệu để huấn luyện, nhưng cần đọc đúng điều khoản thay vì tin vào mô tả tiếp thị.
- Kết nối qua giao diện lập trình. Chính sách thường khác với giao diện trò chuyện, nên phải kiểm riêng.
- Các tiện ích bên thứ ba. Một tiện ích gọi tới mô hình qua tài khoản của chính nhà phát triển tiện ích đó, và chính sách khi ấy là của họ chứ không phải của bạn.
- Dữ liệu dùng để rà soát an toàn. Ngay cả khi không dùng để huấn luyện, nội dung vẫn có thể được lưu một thời gian để kiểm tra lạm dụng.
Đường thứ tư là đường hay bị bỏ sót nhất, vì nhân viên cài tiện ích theo nhu cầu công việc mà không ai coi đó là một quyết định về dữ liệu. Danh sách tiện ích đang dùng nên được rà định kỳ như một phần công việc quản trị bình thường.
Cần hỏi nhà cung cấp AI những câu nào trước khi ký?
Bảy câu dưới đây trả lời được bằng văn bản, và một nhà cung cấp nghiêm túc sẽ trả lời thẳng. Việc né tránh hoặc trả lời vòng vo ở bất kỳ câu nào cũng là thông tin có giá trị cho quyết định của bạn.
- Dữ liệu của chúng tôi có được dùng để huấn luyện mô hình không, và điều này ghi ở điều khoản nào?
- Dữ liệu được lưu ở đâu về mặt địa lý và trong bao lâu?
- Ai bên phía nhà cung cấp có quyền đọc nội dung chúng tôi gửi lên?
- Khi chúng tôi yêu cầu xoá, việc xoá hoàn tất trong bao lâu và có gồm cả bản sao lưu không?
- Có nhật ký nào chúng tôi tự truy xuất được để biết hệ thống đã làm gì không?
- Quy trình thông báo khi xảy ra sự cố là gì và trong thời hạn bao lâu?
- Nhà cung cấp dùng những nhà thầu phụ nào, và dữ liệu có đi qua họ không?
Câu số sáu đáng được chú ý nhất sau sự việc vừa rồi. Một cam kết thông báo trong thời hạn xác định cho phép bạn kịp thực hiện nghĩa vụ của chính mình với khách hàng, còn một cam kết chung chung thì không giúp được gì khi sự cố xảy ra.
Nên phân loại dữ liệu thế nào trước khi đưa vào công cụ AI?
Một bảng phân loại ba mức là đủ cho phần lớn doanh nghiệp vừa và nhỏ, và nó dựng được trong một buổi họp. Giá trị của nó là biến một câu hỏi mơ hồ thành một quy tắc mà nhân viên áp dụng được ngay.
| Mức | Gồm những gì | Quy tắc |
|---|---|---|
| Công khai | Nội dung tiếp thị, mô tả sản phẩm, tài liệu đã đăng | Dùng công cụ nào cũng được |
| Nội bộ | Quy trình, mẫu biểu, số liệu tổng hợp không gắn tên khách | Chỉ dùng tài khoản của tổ chức, có hợp đồng |
| Nhạy cảm | Dữ liệu cá nhân của khách, hợp đồng, thông tin thanh toán, hồ sơ nhân sự | Không dán vào công cụ dùng chung; chỉ qua kênh đã rà soát |
Với nhóm nhạy cảm, các nghĩa vụ theo Nghị định 13/2023 về bảo vệ dữ liệu cá nhân vẫn áp dụng đầy đủ khi bạn đưa dữ liệu qua một bên thứ ba để xử lý. Phần diễn giải các nghĩa vụ này nằm ở trang bảo mật dữ liệu.
Khi nhà cung cấp gặp sự cố thì doanh nghiệp phải làm gì?
Điểm cần nhớ trước tiên: trách nhiệm với khách hàng của bạn không chuyển sang nhà cung cấp chỉ vì sự cố xảy ra ở phía họ. Khách hàng đã giao dữ liệu cho bạn, nên họ sẽ hỏi bạn.
- Xác định phạm vi. Dữ liệu nào của bạn đã đi qua dịch vụ đó, trong khoảng thời gian nào. Đây là lúc nhật ký nội bộ chứng minh giá trị.
- Tạm dừng luồng dữ liệu. Ngắt kết nối trước, đánh giá sau, vì chi phí dừng tạm thời thấp hơn chi phí tiếp tục gửi dữ liệu vào một hệ thống chưa rõ tình trạng.
- Thu hồi khoá truy cập. Sinh lại toàn bộ khoá và mã thông báo đã cấp cho dịch vụ.
- Đánh giá nghĩa vụ thông báo. Nếu có dữ liệu cá nhân của khách trong phạm vi ảnh hưởng, rà ngay yêu cầu thông báo theo quy định.
- Ghi lại toàn bộ diễn biến. Mốc thời gian, quyết định, người quyết định. Tài liệu này cần cho cả phần giải trình lẫn phần rút kinh nghiệm.
Bước một là bước quyết định tốc độ của tất cả các bước sau. Doanh nghiệp không trả lời được câu hỏi dữ liệu nào đã đi qua đâu sẽ mất nhiều tuần cho một việc lẽ ra chỉ cần một buổi.
Dùng mô hình chạy tại chỗ có giải quyết được vấn đề không?
Chạy mô hình trên hạ tầng của chính mình đúng là loại bỏ được nhóm rủi ro liên quan tới việc gửi dữ liệu ra ngoài, nhưng nó không miễn phí và cũng không loại bỏ mọi rủi ro, nên quyết định cần dựa trên so sánh thực tế.
- Thứ giải quyết được. Dữ liệu không rời khỏi hệ thống của bạn, không đi vào huấn luyện của bên khác, và bạn kiểm soát hoàn toàn nhật ký.
- Thứ không giải quyết được. Mô hình vẫn có thể trả lời sai, agent vẫn có thể thao tác nhầm, và quyền truy cập nội bộ vẫn cần quản lý chặt.
- Chi phí thêm vào. Phần cứng, điện, người vận hành và việc cập nhật mô hình theo thời gian.
- Chênh lệch chất lượng. Các mô hình chạy được trên hạ tầng vừa phải thường yếu hơn mô hình lớn ở các tác vụ suy luận phức tạp.
Cách tiếp cận cân bằng mà nhiều doanh nghiệp chọn là phân luồng theo mức dữ liệu: nhóm công khai và nội bộ dùng dịch vụ bên ngoài cho chất lượng tốt, nhóm nhạy cảm xử lý tại chỗ hoặc không đưa vào AI. Cách này giữ được lợi ích mà không phải đánh đổi toàn bộ.
Những câu hỏi nào cần trả lời trước khi mở rộng dùng AI?
Trước khi đưa thêm bộ phận hoặc thêm quy trình vào dùng công cụ AI, năm câu dưới đây nên có câu trả lời bằng văn bản. Chúng không đòi hỏi chuyên môn kỹ thuật sâu, chỉ đòi hỏi sự rõ ràng.
- Ai trong công ty được phép quyết định kết nối một công cụ AI mới?
- Dữ liệu mức nhạy cảm được phép đi qua những kênh nào?
- Chúng ta đang lưu nhật ký gì, và truy xuất lại trong bao lâu?
- Nếu phải ngắt một dịch vụ AI trong hôm nay thì công việc nào dừng theo?
- Ai là người liên hệ khi có sự cố, và họ có đủ quyền để ngắt kết nối không?
Câu thứ tư thường cho ra phát hiện bất ngờ nhất, vì nó làm lộ ra mức độ phụ thuộc đã hình thành mà chưa ai đo. Biết trước điều này giúp bạn chuẩn bị phương án dự phòng trước khi cần tới nó.
Bước tiếp theo nên làm gì?
Việc đáng làm trước tiên không phải là đổi nhà cung cấp, mà là biết chính xác dữ liệu của mình đang đi qua đâu. Một bảng kê các công cụ AI đang dùng, loại dữ liệu đi vào từng công cụ và loại tài khoản đang áp dụng thường chỉ mất một buổi để lập, và cách rà danh sách này được trình bày trong bài công cụ AI cho doanh nghiệp.
Với các doanh nghiệp muốn giữ dữ liệu khách hàng trong hệ thống của mình trong khi vẫn tự động hoá được phần tiếp nhận và xử lý, phần phân quyền và ghi nhật ký cho từng thao tác được trình bày trong nền tảng tự động hoá đa kênh.
Nếu bạn muốn rà lại phần ranh giới dữ liệu trước khi mở rộng, đội ngũ InCard có thể cùng bạn đi qua bảng phân loại và danh sách câu hỏi dành cho nhà cung cấp. Bạn có thể đặt lịch demo để làm việc này trên đúng quy trình của mình.
