Redacta textos de retención de IA que inspiren confianza: almacenar, conservar, entrenar, eliminar

Un usuario escribe una pregunta en tu chatbot y cierra la pestaña. Esa frase puede usarse para entrenar un modelo después de que termina la conversación.

Una declaración de retención que inspire confianza responde a esa pregunta antes de que el usuario tenga que buscarla: qué se almacena, cuánto tiempo se conserva, si se usa para entrenar modelos y cómo lo elimina el usuario. Esa declaración debe estar en el producto, no solo en la política.

El texto de retención es una superficie del producto

Los usuarios rara vez leen texto legal para decidir si pegar un correo de trabajo, una pregunta médica o una queja de un cliente. Buscan una respuesta breve cerca del lugar donde comienza el riesgo. Si la respuesta está enterrada en una subpolítica, el rediseño consiste en una tarjeta visible o una fila de ajustes que diga lo mismo en lenguaje claro.

Un equipo de Stanford examinó las políticas de privacidad de seis productos de IA de EE. UU.: Amazon Nova, Anthropic Claude, Google Gemini, Meta AI, Microsoft Copilot y OpenAI ChatGPT. Los investigadores revisaron 28 extensos documentos, incluidas políticas de privacidad, subpolíticas, preguntas frecuentes y guías de la interfaz de chat, de los seis productos. Las seis principales empresas de IA de EE. UU. devuelven las entradas de los usuarios a sus modelos para mejorar sus capacidades y obtener ventaja en el mercado. Las seis empresas usan por defecto los datos de chat para entrenar modelos, y algunos desarrolladores conservan dichos datos de forma indefinida. Entre las seis empresas estudiadas, algunas ofrecen la opción de excluirse del entrenamiento de modelos y otras no. Esa dispersión es el precio de entrada para la confianza: los usuarios necesitan saber dónde se sitúa tu producto.

Anthropic revisó sus términos para clientes de modo que los chats de Claude se incorporen por defecto al entrenamiento de modelos de lenguaje de gran escala, con la opción de excluirse disponible. Un valor por defecto puede ser legítimo, pero debe ser visible, reversible y fácil de entender en la pantalla de ajustes.

Construye la declaración en cuatro partes antes que la página de ajustes

Redacta la declaración como una decisión de producto y colócala donde el usuario pueda actuar sobre ella. El orden sigue la forma en que razona un usuario: qué pasó con mi entrada, qué pasa a continuación y qué puedo hacer.

• Datos almacenados. Enumera los tipos de datos: indicaciones, respuestas, metadatos, archivos, identificadores de cuenta. Haz que la frase final sea una oración que el usuario pueda repetir: almacenamos tus indicaciones y la hora en que se enviaron.
• Período de retención. Especifica el período para cada tipo de dato o indica que algunos registros se conservan de forma indefinida. Aquí funciona una tabla o una lista breve: los mensajes se conservan durante el período indicado, a menos que los elimines antes.
• Uso para entrenamiento. Di sí, no o solo con consentimiento, y enlaza el control exacto. Nombra el control: tus chats no se usan para entrenar modelos a menos que actives la mejora del modelo.
• Ruta de eliminación. Nombra la acción, el alcance y el plazo. Haz que la ruta sea concreta: elimina esta conversación de la lista de chats; se retirará del entrenamiento de modelos dentro del plazo indicado.

No escribas podemos usar datos para mejorar los servicios como sustituto de una respuesta sobre el entrenamiento. Esa frase es el tipo de ambigüedad que hace que la retención de datos de IA se sienta como una trampa. Un producto que entrena con chats debe decirlo, y un producto que no lo hace también debe decirlo.

Coloca la declaración en tres lugares: cerca del campo de entrada, en los ajustes y en la confirmación tras la eliminación. La versión cercana al campo de entrada debe ser de una o dos líneas. La versión de ajustes puede incluir la tabla completa. La versión de confirmación debe repetir el alcance de la eliminación, porque es entonces cuando los usuarios deciden si confían en el producto.

En planes de equipo o empresariales, añade las mismas cuatro respuestas para los datos del espacio de trabajo. Los usuarios suelen asumir que los ajustes personales cubren canales compartidos, documentos y exportaciones de administrador. Nombra el almacenamiento separado del espacio de trabajo cuando el producto lo tenga. Nombra el control de administrador sobre los valores por defecto de entrenamiento cuando exista.

Convierte la eliminación en una ruta, no en una promesa

La eliminación de datos de IA es la parte de la declaración de retención que los usuarios prueban primero. Una ruta de eliminación sólida tiene tres propiedades: es accesible sin soporte, indica qué se elimina e indica qué permanece. Después de que un usuario elimina una conversación, debería saber si el texto ha desaparecido de la interfaz, de las copias de seguridad y del entrenamiento de modelos.

Usa las palabras del usuario, no las del modelo. «Historial de chat» es más claro que «artefactos de conversación». «Entrenamiento de modelos» es más claro que «mejora del servicio». «Eliminar» es más claro que «purgar» cuando la acción está disponible en la interfaz.

Diseña el flujo de eliminación en torno a las mismas cuatro respuestas. La interfaz debe mostrar la acción, el alcance y el tiempo estimado. Una pantalla de confirmación puede usar el mismo lenguaje que la declaración de retención, para que el usuario no tenga que traducir la prosa legal al comportamiento del producto.

Lanza la función cuando un usuario pueda responder a las cuatro preguntas sin abrir una política. En caso contrario, reescribe la línea de retención y acerca el control al campo de entrada.