Vilka data var din AI utbildad på? - träningsdatafrågan
Detta är frågan leverantörer är mest frestade att svara med fiktion - inte av oärlighet, men eftersom de känner att de måste producera. Något någotOch de tränade inte modellen. Rätt svar har två lager, och en av dem får vara kort.
Varför köpare frågar detta
Tre bekymmer gömmer sig i en fråga. Först, ProvenanceVilken typ av modell ligger bakom funktionen och var den kom från - modellprovenance är ett standardobjekt i AI due diligence, tillsammans med inventeringen och underleverantörslistan. För det andra, kontaminering och IPOm modellens utbildningsdata skapar risk för att köparen ärver. Tredje – ofta den verkliga frågan – "Kommer våra data att sluta träna det?", vilket är tekniskt en annan fråga om framtida dataanvändning, men anländer med denna.
Lägg märke till vad köparen är Inte inte Fråga: en avhandling. De testar om du vet exakt var din kunskap slutar och din leverantör börjar. Leverantörer som sudda den linjen misslyckas testet även med imponerande ljudande svar.
Den ärliga svarsstrukturen
Två lager, matchande steg 2 av Vår metod för AI sektionen:
- Layer 1 - basmodellen (leverantörens lager). Du tränade inte det och du håller inte sin kropp. Namnge modellen och leverantören och svara strikt på leverantörens offentlig dokumentation - modellkort, tekniska rapporter, publicerade policyer - med hänvisning till det som källa. Där leverantören publicerar lite, säger ditt svar så. Ingenting i detta lager bör vara en mening som leverantören inte har publicerat.
- Lager 2 - ditt lager (finjustering / RAG, om något). Den här måste du veta exakt. Om du inte finjusterar: säg så tydligt - kunddata berör modellen endast vid inferens. Om du finjusterar eller bygger hämtning på kund eller egen data: ange vilka data, enligt vilket avtal och vad det ändras (vikter mot hämtningsindex).
Mallen - anpassa och verifiera varje fäste före användning:
Två lager. (1) Basmodell: [funktion] i [din produkt] drivs av [leverantör] s [modell], nås via API. Basmodellen utbildades av [leverantör]; dess träningssätt beskrivs i [leverantör]s publicerade dokumentation [referens]. Vi har inte tillgång till träningskorpusen och vilar inte detaljer utöver den dokumentationen. (2) Vårt lager: vi finjusterar inte eller på annat sätt utbildar modeller på kunddata. [Om tillämpligt: vi använder hämtningsförstärkta generationer - kunddokument indexeras och hämtas vid inferenstid för att ge sammanhang; de ändrar inte modellvikter.] Framtida användning av kunddata för utbildning styrs av vårt avtal med [leverantör], granskas från och med [datum].
På den sista meningen: företags API: er från de stora leverantörerna tränar inte på API-data som standard - men kontrollera versionen av DPA du faktiskt undertecknade innan du hävdar det skriftligen. Om du inte kan verifiera det just nu, markera det som väntande verifiering snarare än att hävda det.
Det misstag som kostar handlar om
Fyll leverantörens klyfta med din egen prosa. Den dyker upp i två former:
- Uppfunnen leverantörsdetalj. En säker punkt om basmodellens corpus - källor, cut-offs, filtrering - som leverantören aldrig publicerade. Granskare kan kontrollera det mot leverantörens egen dokumentation på några minuter, och när en punkt visar sig vara dekorerad, blir varje svar i dokumentet återläst som potentiellt dekorerad.
- Överbrygga RAG med träning. Berätta för en köpare "modellen är utbildad på dina data" när vad du kör är återhämtning skrämmer dem utan anledning; omvänd - finjustering på kunddata medan du skriver "vi tränar inte på kunddata" - är den typ av överdrivet svar som kollapsar i due diligence, när du kan bli ombedd att motivera vad du skrev.
Disciplinen är samma som går igenom hela AI-sektionen: ange vad du vet, citera varifrån det kommer och markera gränsen. Det är också disciplinen bakom Lagerfrågan Detta föregår vanligen.
Mini-FAQ
Vi använder RAG - räknas det som utbildning på kunddata?
Nej. Hämtning sker vid inferenstid och ändrar inte modellvikter. Säg det, plus vad som är indexerat, där det bor och behålla. Att ringa RAG "träning" larmköpare i onödan; utelämna det läser som undvikande.
Leverantören publicerar inte sin fulla träningskorpus - vad skriver vi?
Exakt det: modell, leverantör, en pekare till leverantörens publicerade dokumentation och ett tydligt uttalande om att du inte raderar detaljer utöver det. En ärlig gräns läser som aktsamhet; uppfunnen detalj läser som tillverkning när någon kontrollerar.
Är utbildningsdatafrågan ett EU AI Act-krav?
Article 50 transparens plikter de flesta SaaS leverantörer ansikte från 2 augusti 2026 oro avslöja AI interaktioner till användare och markera syntetiskt innehåll - inte publicera en utbildning corpus. Köpare ber detta som riskhantering och bevisning. Om ditt frågeformulär knyter det till en specifik juridisk skyldighet på din sida, flagga det objektet för juridisk granskning istället för att gissa - och kontrollera din egen Article 50-position med den fria Article 50 checker.
Har du fått frågeformuläret som denna fråga sitter i? Börja med Första-24-timmars spelbok.