OpenAI anunció que la Retención Cero de Datos (ZDR) ya está disponible para sus modelos de frontera a través de la API, para clientes elegibles. Bajo ZDR, OpenAI no retiene el contenido de las solicitudes y respuestas de la API una vez procesadas —una postura más estricta que la política de retención estándar de OpenAI, que por defecto almacena datos de API durante un período limitado (típicamente 30 días) para monitoreo de abuso, a menos que los clientes opten por lo contrario.
ZDR en sí no es nuevo —OpenAI ya lo ofrecía previamente para algunos productos— pero esta expansión aplica la política a sus modelos más capaces, de nivel frontera, vía API, cerrando una brecha que había empujado a algunos clientes empresariales hacia modelos más antiguos o de menor nivel al manejar datos sensibles.
Para las empresas B2B que construyen automatización de ventas, soporte u operaciones sobre la API de OpenAI, la retención de datos ha sido un punto de fricción recurrente en materia de cumplimiento, particularmente para firmas de finanzas, servicios relacionados con salud, o aquellas con clientes en la UE sujetas a los requisitos de minimización de datos del RGPD. Una opción de retención cero le da a los equipos de cumplimiento y seguridad una narrativa más limpia: los prompts que contienen nombres de clientes, términos de acuerdos o contenido de tickets de soporte se procesan y luego no quedan almacenados por el proveedor del modelo.
Los detalles de elegibilidad son limitados en el anuncio —no está confirmado qué modelos de frontera específicos, niveles de API o tipos de cuenta califican, ni si ZDR aplica de manera uniforme a funciones como llamadas a funciones, búsqueda de archivos o la API de Assistants. Las empresas interesadas en ZDR deberían confirmar el alcance y la elegibilidad directamente con OpenAI o su representante de cuenta, en lugar de asumir cobertura.
Este movimiento sigue un patrón más amplio de la industria, donde los proveedores de IA añaden controles de datos de nivel empresarial —políticas de retención, residencia regional de datos y registro de auditoría— como condición para captar clientes más grandes y adversos al riesgo. Para operadores B2B más pequeños, el efecto práctico es una barrera más baja para usar modelos de nivel frontera en flujos de trabajo que antes estaban restringidos a infraestructura local o datos fuertemente redactados.