Enterprise
Kontrak model tanpa retensi, dalam bahasa sederhana
Kode pelanggan tidak pernah digunakan untuk melatih model, dan inferensi berjalan di bawah kontrak tanpa retensi — komitmen yang dibaca tim legal Anda di dokumen sesungguhnya, bukan di sebuah lencana.
Kontrak model tanpa retensi adalah perjanjian antara Ciao dan provider modelnya di mana data inferensi tidak disimpan provider, dan kode pelanggan tidak pernah digunakan untuk melatih model. Berbeda dari alat AI konsumer yang syarat bawaannya mungkin mengizinkan pelatihan atas konten pengguna, Ciao menjadikan kedua komitmen ini kontraktual dan bisa ditinjau — tim legal dan keamanan Anda memverifikasi bahasanya selama procurement, bukan mempercayai halaman pemasaran.
Dipublikasikan 2026-07-03 · Terakhir diperbarui 2026-07-03
Pertanyaan yang pertama diajukan setiap tinjauan
Ketika sebuah enterprise mengevaluasi alat pengembangan AI mana pun, satu pertanyaan datang sebelum semua yang lain: ke mana kode kami pergi, dan apa yang terjadi padanya di sana? Kode sumber yang bergerak melalui platform AI sering menjadi kekayaan intelektual paling terkonsentrasi milik perusahaan — logika bisnis, aturan harga, asumsi keamanan. Jika fragmennya berakhir di korpus pelatihan, tidak ada mekanisme penarikan. Eksposurnya permanen dan tidak terukur, yang persis jenis risiko yang dibayar tim legal untuk ditolak.
Pasar telah membuat pertanyaan ini lebih sulit daripada seharusnya. Kebijakan retensi dan pelatihan berbeda antara tier konsumer dan enterprise dari produk yang sama, berubah seiring waktu, dan kadang dideskripsikan di blog post, bukan kontrak. Seorang peninjau keamanan tidak bisa membangun diagram alur data dari kalimat yang menenangkan.
Posisi Ciao singkat dan kontraktual: kode pelanggan tidak digunakan untuk melatih model, dan inferensi berjalan di bawah kontrak model tanpa retensi dengan provider di balik platformnya. Kedua komitmen itu ada di dokumen yang bisa dibaca tim Anda, bersama laporan SOC 2 Type II di bawah NDA, bukan di teks yang bisa berubah setelah Anda menandatangani.
Apa yang dicakup komitmennya
- Tidak ada pelatihan pada kode pelanggan — Kode pelanggan tidak digunakan untuk melatih model — bukan milik Ciao, bukan milik provider-nya. Logika bisnis Anda tidak menjadi bobot model siapa pun.
- Inferensi tanpa retensi — Inferensi berjalan di bawah kontrak model tanpa retensi, sehingga konten prompt dan kode yang dikirim untuk inferensi diatur oleh syarat tanpa retensi kontraktual di sisi provider.
- Kontraktual, bukan konfigurasional — Ini adalah syarat dalam perjanjian, bisa ditinjau selama procurement — bukan pengaturan yang bisa diam-diam dibalik oleh reset bawaan atau pembaruan produk.
- Konsisten di seluruh model ladder — Ciao menjalankan model ladder multi-provider dengan fallback, dan postur tanpa retensi adalah bagian dari bagaimana provider berpartisipasi — keragaman vendor tidak mengencerkan komitmen datanya.
- Kompatibel dengan membawa model Anda sendiri — Tim dengan perjanjian provider mereka sendiri bisa membawa kunci dan endpoint kompatibel OpenAI mereka sendiri, menjaga inferensi tetap di bawah syarat yang sudah dinegosiasikan penasihat hukum mereka.
- Penggunaan yang bisa dipertanggungjawabkan — Jejak audit append-only mencatat prompt, merge, deploy, dan aksi admin, sehingga apa yang dikirim, diubah, dan dirilis bisa direkonstruksi untuk peninjau.
Bagaimana memverifikasi ini selama procurement
1. Minta kumpulan dokumen
Melalui halaman kontak, minta security pack dan syarat penanganan data. Komitmen tanpa retensi dan tanpa pelatihan tertulis di sana dalam bahasa kontrak.
2. Bawa legal ke depan klausulnya
Penasihat hukum Anda meninjau syarat sesungguhnya — retensi, pelatihan, sub-processing — selama procurement, dengan cara yang sama mereka akan meninjau perjanjian prosesor mana pun.
3. Silangkan dengan audit
Laporan SOC 2 Type II tersedia di bawah NDA, memberi tim Anda catatan independen tentang bagaimana kontrol platform beroperasi seiring waktu.
4. Sejajarkan dengan DPA Anda
Data Processing Agreement GDPR mencakup cakupan pemrosesan dan sub-processor, sehingga lapisan provider model muncul di dokumen kepatuhan Anda, bukan di luarnya.
5. Putuskan postur model Anda
Tetap di provider yang dikontrak Ciao, atau bawa kunci dan endpoint Anda sendiri — cara mana pun, postur retensinya eksplisit sebelum pekerjaan produksi dimulai.
Kenapa ini lebih penting dalam AI SDLC
Plugin pelengkapan kode melihat fragmen. Platform AI SDLC melihat seluruh loop delivery: persyaratan yang diucapkan dalam bahasa sederhana, kode aplikasi lengkap, perilaku tes, konfigurasi deployment. Keluasan itu yang membuat platformnya berguna — dan itulah kenapa syarat datanya layak mendapat pengawasan lebih di sini daripada di mana pun di stack tooling AI Anda. Postur tanpa retensi di lapisan model, dipadukan dengan governance di lapisan merge, adalah yang memungkinkan tim keamanan berkata ya pada keluasan itu: Guardrails menerapkan kebijakan berbahasa sederhana dan mencatat tinjauan manusia, sehingga loop yang sama yang melihat segalanya juga membuktikan segalanya.
Postur ini juga menyederhanakan cerita hilir Anda sendiri. Jika organisasi Anda menjual software, tim keamanan pelanggan Anda pada akhirnya akan menanyakan pertanyaan yang sedang Anda tanyakan sekarang; rantai tanpa-pelatihan-tanpa-retensi yang terdokumentasi di lapisan model memberi jawaban kuesioner Anda fondasi yang bersih, bukan tumpukan pengecualian.
Secara komersial, syarat ini adalah bagian dari keterlibatan enterprise standar, bukan add-on premium. Program produksi serius mulai dari 10.000 USD per tahun, dan syarat penanganan data berlaku pada platform seperti yang ditinjau — minta security pack untuk memulai dokumennya.
Apa yang harus ditanyakan peninjau ke vendor pengembangan AI mana pun
| Pertanyaan | Jawaban Ciao | Di mana memverifikasi |
|---|---|---|
| Apakah kode kami digunakan untuk melatih model? | Tidak — kode pelanggan tidak digunakan untuk melatih model | Syarat kontrak selama procurement |
| Apakah data inferensi disimpan provider model? | Inferensi berjalan di bawah kontrak model tanpa retensi | Syarat kontrak selama procurement |
| Apakah fallback vendor mengubah syaratnya? | Ladder multi-provider beroperasi dalam postur yang sama | Security pack, atas permintaan |
| Bisakah kami memakai perjanjian provider kami sendiri? | Ya — kunci sendiri dan endpoint kompatibel OpenAI | Scoping bersama tim enterprise |
| Apakah ada bukti audit independen? | SOC 2 Type II | Laporan di bawah NDA melalui /contact |
Pertanyaan yang sering diajukan
Apakah tanpa retensi berarti Ciao tidak menyimpan apa pun sama sekali?
Tanpa retensi mendeskripsikan kontrak provider model: konten inferensi tidak disimpan provider, dan kode pelanggan tidak pernah digunakan untuk melatih model. Platformnya sendiri tentu menyimpan kode proyek Anda dan jejak audit append-only-nya — itu aplikasi Anda dan bukti Anda, di bawah syarat di DPA dan security pack.
Bisakah kami mendapatkan komitmennya secara tertulis sebelum membeli?
Ya — itulah intinya. Komitmen tanpa pelatihan dan tanpa retensi adalah bahasa kontraktual yang ditinjau selama procurement, dan laporan SOC 2 Type II tersedia di bawah NDA. Minta security pack melalui halaman kontak untuk memulai.
Apakah syaratnya tetap berlaku ketika model ladder-nya jatuh ke fallback provider lain?
Ya. Model ladder multi-provider dengan fallback mengurangi ketergantungan pada satu vendor saja, dan postur tanpa retensi adalah bagian dari bagaimana provider berpartisipasi di dalamnya, bukan properti dari satu vendor favorit saja.
Kami sudah punya syarat tanpa retensi dengan vendor model. Bisakah kami memakainya?
Ya. Bawa kunci Anda sendiri atau hubungkan endpoint kompatibel OpenAI, dan inferensi untuk workspace Anda berjalan di bawah perjanjian yang sudah dinegosiasikan penasihat hukum Anda. Lihat halaman own-LLM untuk bagaimana ini dirumuskan.
Bagaimana ini berinteraksi dengan GDPR?
Data Processing Agreement GDPR mencakup cakupan pemrosesan, sub-processor, dan mekanisme transfer, dan komitmen provider model duduk di dalam kerangka itu. Tim privasi Anda meninjau DPA dan syarat penanganan data bersama-sama selama procurement.