At 100 km/h across the Baltic Sea: At the SailGP racing series off the coast of Rügen, the German team thrilled the audience with a home victory.

“FRANKFURT. Sydney, San Francisco - Sassnitz: Some time ago, the people of Sassnitz would probably not have expected that one day, three-time America's Cup winner Peter Burling from New Zealand, one of the most prominent and best sailors in the world, would travel to one of the most remote corners of Germany, in the northeast of the island of Rügen.

 

The spectacular SailGP racing series, which set sail in Germany for the first time this weekend with its twelve teams – some of which include numerous world and Olympic champions – and their boats capable of speeds of up to 50 knots (around 100 kilometers per hour), made this possible.

 

A total of around 15,000 sailing enthusiasts came to Sassnitz on Saturday and Sunday, taking their seats in the specially erected stands on the pier, lining up along the waterfront promenade of the town of 9,000 inhabitants, or watching the racing from one of the numerous spectator boats anchored in the Baltic Sea. They witnessed a much-celebrated home victory in the first of seven races. In front of Mecklenburg-Western Pomerania's Minister-President Manuela Schwesig (SPD) and former Formula 1 World Champion Sebastian Vettel, co-owner of the German SailGP team, the German crew prevailed against Great Britain in a hard-fought sprint to the finish on Saturday afternoon. "To make a statement – ​​that was our goal here in Sassnitz. Now it's almost gone like the script: exactly what we wanted, absolutely fantastic," said Erik Kosegarten-Heil, the helmsman and team captain of the German crew, after the successful opening race, adding: "The team deserves it; we've worked hard."

 

In the remaining races on Saturday, the German crew, led by Kosegarten-Heil and strategist Anna Barth, who have often sailed in the lower midfield this season, showed significant improvement compared to previous SailGP events, especially at the start. After the first day of racing, the German boat was in fourth place in the standings and had legitimate hopes of a starting place in the final race, which is reserved for only the three best teams of the weekend. The first day of racing was dominated by the Australians led by helmsman Tom Slingsby, while Peter Burling and the New Zealanders only warmed up in the fourth race.

 

The stated goal of SailGP is to outdo the traditional and currently far more well-known and popular America's Cup. How is this to be achieved? With breathtaking sailing races held close to the shore on identical and immensely fast catamarans on almost every ocean. And with a sustainable financing and organizational concept.

 

The yachts, built, maintained, and modernized in Southampton, England, belong to the SailGP league, which also handles all logistics and thus aims to keep the (time) expenditure at the individual host cities to a necessary minimum. Furthermore, each of the twelve teams currently participating in the series is allowed a maximum season budget of ten million dollars (approximately 8.5 million euros). Almost half of this goes directly to SailGP, for example, for the maintenance of the catamarans or licensing fees.

 

The spectacular nature of SailGP racing was demonstrated in several ways this weekend in Sassnitz: The Danish team set a new season record with a speed of approximately 56 knots (103.93 kilometers per hour) in its victory in the third race on Saturday. Furthermore, the British and American catamarans collided so violently during one race that the US team was eliminated early with a severely damaged bow. Even before the first race, the Brazilians, led by helmswoman Martine Grael, had to withdraw from all races after a spectacular training accident and a broken mast. In the battle for the overall season victory, the New Zealanders, led by Burling, and the Australians led by helmsman Tom Slingsby, continue to have the best chances.

 

For last year's winners from Spain, captained by Diego Botin, and the British team led by Dylan Fletcher, the path to the top of the standings is getting longer and longer after eight of twelve events. The German crew remains in second-to-last place after a hefty points penalty for two collisions at the beginning of the season.

 

It has also been confirmed since the weekend that the racing series will continue to sail in German waters for the next two years. An important and also a good sign for the future of the German team, which has only been in existence for two years. "It couldn't be much better. The whole scenery with the pier and the fantastic grandstands, the harbor. There aren't many places in Germany where that's possible. Sassnitz is a huge highlight in this year's racing calendar. It's great that it's continuing here," said Kosegarten-Heil over the weekend. Sassnitz is now also scheduled for mid-August 2026 on the SailGP calendar – following Sydney and San Francisco.” [1]

 

1. Mit Tempo 100 durch die Ostsee: Bei der SailGP-Rennserie vor der Küste Rügens begeistert das deutsche Team das Publikum mit einem Heimsieg. Frankfurter Allgemeine Zeitung; Frankfurt. 18 Aug 2025: 27. SEBASTIAN REUTER

100 km/val greičiu per Baltijos jūrą: „SailGP“ lenktynių serijoje prie Riugeno krantų vokiečių komanda sužavėjo žiūrovus pergale namuose.

„FRANKFURTAS. Sidnėjus, San Franciskas – Zasnicas: Prieš kurį laiką Zasnicos gyventojai, tikriausiai, nebūtų tikėję, kad vieną dieną tris kartus Amerikos taurės laimėtojas Peteris Burlingas iš Naujosios Zelandijos, vienas žymiausių ir geriausių buriuotojų pasaulyje, keliaus į vieną atokiausių Vokietijos kampelių, esantį Riugeno salos šiaurės rytuose.

 

Įspūdinga „SailGP“ lenktynių serija, kuri šį savaitgalį pirmą kartą išplaukė į Vokietiją su dvylika komandų – tarp kurių yra daugybė pasaulio ir olimpinių čempionų – ir jų laivais, galinčiais išvystyti iki 50 mazgų (apie 100 kilometrų per valandą) greitį, leido tai įgyvendinti.

 

Šeštadienį ir sekmadienį į Zasnicą atvyko iš viso apie 15 000 buriavimo entuziastų, kurie užėmė vietas specialiai pastatytose tribūnose ant molo, išsirikiavo palei 9000 gyventojų turinčio miesto pakrantės promenadą arba stebėjo lenktynes ​​iš vieno iš daugybės žiūrovų laivų, įrengtų Baltijos jūroje. Jie tapo švenčiamos namų pergalės liudininkais pirmajame iš septynių. lenktynės. Šeštadienio popietę, priešais Meklenburgo-Vakarų Pomeranijos ministrę pirmininkę Manuelą Schwesig (SPD) ir buvusį Formulės 1 pasaulio čempioną Sebastianą Vettelių, Vokietijos „SailGP“ komandos bendrasavininką, Vokietijos įgula įveikė Didžiosios Britanijos komandą sunkioje spurte iki finišo. „Padaryti pareiškimą – toks buvo mūsų tikslas čia, Zasnice. Dabar tai beveik išsipildė, kaip ir pagal scenarijų: būtent tai, ko norėjome, absoliučiai fantastiška“, – po sėkmingų pirmųjų lenktynių sakė Vokietijos įgulos vairininkas ir komandos kapitonas Erikas Kosegartenas-Heilas, pridurdamas: „Komanda to nusipelnė; „Mes sunkiai dirbome.“

 

Likusiuose šeštadienio lenktynėse vokiečių įgula, vadovaujama Kosegarten-Heil ir strategės Annos Barth, kurie šį sezoną dažnai buriavo žemesnėje vidurio linijoje, pademonstravo reikšmingą patobulėjimą, palyginti su ankstesniais „SailGP“ renginiais, ypač starte. Po pirmosios lenktynių dienos vokiečių laivas buvo ketvirtoje vietoje įskaitoje ir turėjo pagrįstų vilčių startuoti paskutinėse lenktynėse, kurios skirtos tik trims geriausioms savaitgalio komandoms. Pirmąją lenktynių dieną dominavo australai, vadovaujami vairininko Tomo Slingsby, o Peteris Burlingas ir naujazelandiečiai apšilo tik ketvirtose lenktynėse.

 

„SailGP“ deklaruojamas tikslas – pranokti tradicinę ir šiuo metu daug labiau žinomą bei populiaresnę Amerikos taurę. Kaip tai pasiekti? Kvapą gniaužiančiomis buriavimo lenktynėmis, rengiamomis netoli kranto identiškais ir nepaprastai greitais katamaranais beveik kiekviename vandenyne. Ir su tvaria finansavimo bei organizacine koncepcija.

 

Jachtos, pastatytos, prižiūrimos ir modernizuojamos Sautamptone, Anglijoje, priklauso „SailGP“ lygai, kuri taip pat tvarko visą logistiką ir taip siekia, kad (laiko) sąnaudos atskiruose miestuose priimančiose lenktynėse būtų kuo mažesnės. Be to, kiekvienai iš dvylikos komandų, šiuo metu dalyvaujančių serijoje, leidžiamas maksimalus sezono biudžetas – dešimt milijonų dolerių (maždaug 8,5 milijono eurų). Beveik pusė šios sumos atitenka tiesiai „SailGP“, pavyzdžiui, katamaranų priežiūrai arba licencijų mokesčiams.

 

Įspūdingas „SailGP“ lenktynių pobūdis šį savaitgalį Zasnice buvo pademonstruotas keliais būdais: Danijos komanda, šeštadienį laimėdama trečiąsias lenktynes, pasiekė naują sezono rekordą, pasiekusi maždaug 56 mazgų (103,93 kilometro per valandą) greitį. Be to, vienų lenktynių metu britų ir amerikiečių katamaranai taip smarkiai susidūrė, kad JAV komanda anksti pasitraukė dėl smarkiai apgadinto laivo priekio. Dar prieš pirmąsias lenktynes ​​brazilai, vadovaujami vairininkės Martine Grael, turėjo pasitraukti iš visų lenktynių po įspūdingos treniruotės avarijos ir sulūžusio stiebo. Kovoje dėl bendros sezono pergalės Burling vadovaujami naujazelandiečiai ir Tomo Slingsby vadovaujami australai toliau laikosi pergalių. geriausios galimybės.

 

Praėjusių metų nugalėtojams iš Ispanijos, kapitonui Diego Botinui, ir Dylano Fletcherio vadovaujamai britų komandai kelias į įskaitos viršūnę po aštuonių iš dvylikos renginių vis ilgėja. Vokiečių įgula išlieka antroje vietoje po didelės taškų baudos už du susidūrimus sezono pradžioje.

 

Nuo savaitgalio taip pat buvo patvirtinta, kad lenktynių serija ir toliau plauks Vokietijos vandenyse ateinančius dvejus metus. Tai svarbus ir geras ženklas Vokietijos komandos, kuri gyvuoja tik dvejus metus, ateičiai. „Negalėtų būti daug geriau. Visas kraštovaizdis su prieplauka ir fantastiškomis tribūnomis, uostu. Vokietijoje nėra daug vietų, kur tai įmanoma. Zasnicas yra didžiulis šių metų lenktynių kalendoriaus akcentas. Puiku, kad tai tęsiasi čia“, – savaitgalį sakė Kosegarten-Heil. Zasnicas dabar taip pat numatytas 2026 m. rugpjūčio viduryje SailGP kalendoriuje – po Sidnėjaus ir San Francisko.“ [1]

 

1. Mit Tempo 100 durch die Ostsee: Bei der SailGP-Rennserie vor der Küste Rügens begeistert das deutsche Team das Publikum mit einem Heimsieg. Frankfurter Allgemeine Zeitung; Frankfurt. 18 Aug 2025: 27. SEBASTIAN REUTER

Fear, excuses, waiting - how we are squandering the once-in-a-century opportunity of artificial intelligence

“Hardly any other technology promises such significant productivity gains and, at the same time, such clear cost transparency as AI – an opportunity for companies and the economy alike. And yet, it is often not seized: Instead of acting boldly, many decision-makers in business and politics are guided by fears and cognitive biases. They cite data protection or find other excuses. But those who hesitate risk a great deal.

 

Artificial intelligence is considered a key technology of our time. It promises more efficient processes, better decisions, and entirely new business models. But in many places, there is no sign of change. Instead of curiosity, there's nervousness, and instead of innovation, there's a blockage.

 

I recently attended an AI event that was supposed to inspire enthusiasm for the future. But instead of constructively discussing opportunities and framework conditions, as is so often the case, horror scenarios were lined up one after the other. On the panel was a self-proclaimed AI expert, who has called himself that since the release of ChatGPT. His central message: Anyone who uses ChatGPT risks sensitive data ending up on US servers and being reused without supervision. The effect in the room was palpable. Many felt vindicated in their decision not to use AI.

 

There are numerous other examples that demonstrate a similar pattern of behavior: A company foregoes AI-supported maintenance software because it is unsure whether machine data could be considered personal. A municipality abandons a pilot project for traffic flow optimization, even though the movement data could be completely anonymized. What all these cases have in common: It's not the actual misuse of data that prevents innovation, but the fear of it. And this fear is often irrational. In many cases, it follows psychological patterns well described in behavioral economics.

 

How psychological mechanisms prevent investments in AI

 

A key mechanism is loss aversion, described by Daniel Kahneman, Nobel laureate in economics and pioneer of behavioral economics. According to this theory, many people weight potential losses more heavily than equally large gains. The hypothetical reputational damage caused by a data protection issue often appears more threatening than the real efficiency gains from an AI application. This leads to fatal avoidance behavior. In the IT industry, it is often said: "No one ever got fired for buying SAP." The idea behind this is that, for example, a botched open source project endangers a personal career more than an overly expensive SAP implementation. Today, it is essentially true that no one has ever been fired for blocking an AI project due to data protection reasons – regardless of the opportunities lost.

 

Furthermore, anyone who stops a project due to data protection reasons is morally on the safe side. They don't have to assume responsibility for unknown risks – and can simultaneously invoke a high ethical principle. This is convenient, provides personal protection, and appears responsible. And this even if it hinders collective progress.

 

The current AI Monitor from TU Darmstadt, a representative survey of more than 2,000 participants in cooperation with the opinion research institute You-Gov, also cites data protection as the greatest risk associated with the use of generative AI – ahead of hallucinations, the loss of human abilities, ignorance of the origin of information, and AI's energy consumption. What's striking is that women express concerns more often than men, tech-savvy individuals rate the risks significantly lower than those with less information, and older people are more skeptical than younger people. Let's examine whether and to what extent these concerns are truly justified.

 

Price and Product Differentiation: What Everyone Needs to Know

 

A central point in many data protection debates is the question of whether inputs into ChatGPT or similar language models are automatically saved, read, or used to train the models. The answer depends largely on the version used. Like many software manufacturers, most well-known AI companies also engage in price and product differentiation: similar versions of their products are offered at different prices with the goal of maximizing revenue.

 

Open AI, for example, offers its services in several versions – from the free basic version to "ChatGPT Enterprise" with comprehensive data protection and guaranteed data isolation.

 

 While the free version uses user input by default to improve the models, the Enterprise version enables encrypted data transmission, no use of input for training purposes, and contractually guaranteed processing according to company-specific data protection guidelines. Google takes a similar approach with its Gemini models.

 

Data Protection: Why AI is often subject to double standards

 

However, the prejudice that AI is hostile to data protection persists, as the above-mentioned example from an event demonstrates: Generative AI is supposedly a data protection minefield. Language models such as ChatGPT can easily be operated within companies in such a way that no sensitive information is leaked unprotected. On the one hand, this is possible entirely internally – with their own infrastructure, in isolated networks, and with clearly regulated access rights. In this scenario, all inputs and outputs remain within the company's own IT environment, and data protection and confidentiality are entirely in the company's own hands.

 

On the other hand, cloud operations can also be GDPR-compliant if they rely on professional offerings that guarantee encrypted transmission and do not use inputs for training purposes.

 

From a data protection perspective, there is no fundamental difference between the use of language models and, for example, Outlook or other common email applications. Both can be operated GDPR-compliant in cloud environments – even with infrastructure from American providers such as Microsoft or Google. This very point is overlooked in many debates or is simply not known. And in practice, prompts generally do not contain more sensitive information than regular business emails.

 

Europe has cultivated a reflex to caution

 

Of course, the high penalties for violations provided for in the GDPR and the EU AI Act also fuel fears. This uncertainty often slows the pace of innovation in Europe. Caution has often become a reflex in this country: as soon as a new technology is announced, an extensive debate about its risks, regulation, and potential negative developments often begins. This demand for thoroughness is part of our political culture – and not without its benefits. But all too often, it devolves into a paralyzing wait-and-see attitude that sets us back in strategic areas of the future.

 

The internet serves as a cautionary tale: In the 1990s, companies in the US and Asia built platforms, markets, and business models, while Europe spent a long time discussing potential risks such as controllability, data protection, and technological maturity. Indeed, Tim Berners-Lee, the inventor of the internet language HTML, was critical of his own work. However, this did not alter the internet's global triumph. History shows that, due to network effects, the best technologies often do not prevail. The world's most valuable companies are predominantly from the US, and they are those that courageously embraced the new internet technologies back then.

 

Today, we are experiencing déjà vu in the field of artificial intelligence, especially in the important field of generative AI. Let's take a look at the so-called chatbot arena. This is a platform that compares the quality of different language models. The top ten list is shown in the figure.

 

Open AI leads the ranking with its recently released GPT-5 language model, replacing Google's Gemini 2.5-Pro, which held first place for a long time. Other Open AI models, as well as language models from the Open AI spin-off Anthropic and Elon Musk's xAI, are also among the top ten. There are also three Chinese models. As with the internet, Europe plays no role on the provider side.

 

Why even a clearly positive return doesn't motivate action

 

This is precisely why it is crucial to boldly move forward, at least on the user side. Generative AI has the potential to raise productivity and innovation to new levels – a once-in-a-century opportunity for companies of all sizes, from corporations to medium-sized businesses. Numerous studies already demonstrate significant productivity improvements:

 

A joint study by Stanford University, the Massachusetts Institute of Technology (MIT), and Microsoft in the area of ​​customer service shows that the use of generative AI increases the number of customer issues resolved per hour by 15 percent. The productivity gain was particularly significant among less well-trained employees—in this group, the increase was as much as 36 percent.

 

Another MIT study found that employees were able to complete their tasks approximately 35 percent faster with the support of ChatGPT. In addition—and this is often forgotten—the quality of the text and content, as well as the originality of the results, were evaluated by experts. The result was that texts created with the help of ChatGPT performed better than those without AI support. A controlled study by the Boston Consulting Group produced similar results.

 

In the AI ​​podcast of the Frankfurter Allgemeine Zeitung, Hartmut Jenner, CEO of Kärcher, reports on daily time savings of about an hour in his work.

 

In materials research, an MIT study shows that researchers who use AI discover new materials 44 percent faster, file patents 39 percent earlier, and develop product prototypes 17 percent faster.

 

Several studies also confirm comparable productivity gains in software development. According to Sundar Pitchai, CEO of Alphabet and Google, AI now generates more than 30 percent of new code at Google.

 

A business plan or investment model isn't even needed for a business evaluation—the opportunities are so obvious. In addition, the costs of generative AI are comparatively transparent and easy to calculate.

 

Both the costs for licenses (often in the range of €20 per user per month) and for input and output tokens for API-based use are known.

 

This makes it all the more incomprehensible that so many companies are hesitant. Sometimes it seems as if they are practically looking for excuses not to act—be it data protection, a supposedly declining position on the Gartner curve, which supposedly proves that generative AI is on the decline, the lack of a unique selling proposition, or other concerns.

 

The world will likely look different. Jensen Huang, CEO of the technology company Nvidia, sums it up this way: "It's not artificial intelligence that will replace your job—it's the person who uses it. Those who ignore AI will soon be overtaken in the competition by those who use it."

 

Caution is a virtue, but it shouldn't become an excuse for inaction. Those who fail to set standards in a key technology, either as developers or users, become dependent on external providers. And in doing so, they also give up the opportunity to help shape future standards. In many cases, these will be US or Chinese providers, as the Chatbot Arena shows. Since Donald Trump returned to US President, this is even more true for Europe. Those who lag behind technologically risk not only economic dependence but also geopolitical vulnerability.

 

Europe faces a strategic choice: Either we learn to seize opportunities before they are completely lost—or we become permanent consumers of technological innovations from other regions of the world. The time to think about this is almost over.

 

The Real Danger: Standing Still in the Name of Data Protection

 

Of course, data protection is a valuable asset – especially in the age of data-driven technologies. The protection of personal information must never be compromised. But precisely for this reason, we must design it in a way that enables innovation, not hinders it. All too often, however, the opposite happens: Out of concern about potential risks, projects are halted long before the opportunities and risks have even been weighed against each other. The reasons are often psychological biases or a lack of knowledge.

 

The result is a noticeable weakening of our location. Startups are moving away, and investments are flowing to places where data protection is understood as a principle that can be shaped and not as a brake on innovation. As a result, Europe is not only squandering startups and capital, but also the opportunity to translate excellent research results and technological potential into market-relevant innovations. The answer lies not in less, but in smarter data protection – as an integral part of the design, not as a hurdle at the end of the process. "Privacy by Design" instead of a blanket blockade.

 

With common sense, reliable providers, and clear rules, generative AI can already be used today in a data protection-compliant and cost-effective manner. Continuing education is a crucial lever in this process—not only to expand skills, but also to reduce fears.

 

Furthermore, data protection is often only the most visible pretext. As discussed above, there are often other reasons behind this for not investing and preferring to wait and see. All these arguments have one thing in common: They justify inaction without naming the price of hesitation.

 

The crucial question is not whether we can, but whether we want to. This technology represents a rare opportunity. If we block it out of fear of hypothetical risks or out of a complacency to take responsibility, we will squander real opportunities for prosperity, competitiveness and social progress. Those who only focus on potential risks miss out on the gains for companies and economies. The history of the internet shows that those who weigh things up too long eventually end up negotiating only the rules of the game – while others have long since won the game.

 

Peter Buxmann is a university professor of business informatics at the Technical University of Darmstadt. He also works in the business world as a supervisory board member and company founder, and co-hosts the Frankfurter Allgemeine Zeitung podcast on artificial intelligence.” [1]

 

What is Enterprise analog in Google AI for companies, well protecting data of these companies?

  

The primary Google AI platform for businesses that need to protect data is Vertex AI. It runs on the secure infrastructure of Google Cloud. Google Workspace with Gemini is another option, providing integrated AI within productivity tools. Both platforms ensure customer data is not used to train public models.

Vertex AI platform

Vertex AI is a platform for building, deploying, and managing enterprise AI applications. It offers a secure environment that allows companies to control their data and models.

Key data protection features include:

 

    Data ownership and control: Google states that customer data will not be used to train or improve its own large language models (LLMs) without explicit permission. Your data, prompts, and generated outputs remain your intellectual property.

    Data isolation: Customers can run AI workloads and models in isolated, private networks using Virtual Private Cloud (VPC) and Private Services Connect (PSC). This prevents unauthorized external access to sensitive data and models.

    Confidential computing: Confidential AI on Vertex AI encrypts data while it is being processed in memory. This ensures the data is inaccessible even to Google's internal teams.

    Data anonymization and masking: The Sensitive Data Protection API can automatically discover, classify, and de-identify sensitive information before it is used for model training or analysis.

    Customer-managed encryption keys (CMEK): You can encrypt data and AI model artifacts using your own encryption keys.

    Role-based access control: Vertex AI integrates with Google Cloud's Identity and Access Management (IAM) to enforce fine-grained permissions.

 

Google Workspace with Gemini

Gemini for Google Workspace provides an enterprise-grade AI assistant for companies using Google's productivity tools. All interactions are protected with enterprise-level security by default.

Key data protection features include:

 

    Data not used for training: Prompts and generated content are not used to train general Gemini models and are not reviewed by humans. The data remains within your organization's domain.

    Protections from existing policies: Existing Google Workspace security and data loss prevention (DLP) policies are automatically applied to interactions with Gemini.

    Compliance support: Gemini for Workspace has achieved certifications such as ISO 27001/17/18 and SOC 1/2/3 and can assist companies with their compliance needs, such as HIPAA.

 

AI Protection on Google Cloud

This security framework integrates with Google's Security Command Center to protect the entire AI lifecycle. It provides centralized visibility and control over AI assets.

Specific features include:

 

    Model Armor: Proactive defenses against AI-specific threats like prompt injection, jailbreaking, and sensitive data leaks.

    AI risk assessment: It can discover and catalog AI assets, assess vulnerabilities, and simulate attack scenarios to help security teams proactively address risks.

    Threat management: Capabilities to detect, investigate, and respond to threats targeting AI workloads and models.

 

Is is Vertex AI allowing a client company to train its own AI on Google servers and keep th results of training for exclusive client's use?

 

Yes, Vertex AI allows client companies to train custom AI models on Google's infrastructure, and the resulting models and their training data are for the exclusive use of the client. Google's policies state they do not use client data for their own model training without explicit permission, and the platform is designed with enterprise-grade security and compliance features to ensure data privacy and control for businesses.

How it works:

 

    Custom Training:

 

You can use Vertex AI's custom training feature to run your own machine learning code and use your own datasets to train models on Google's infrastructure.

Data & Model Exclusivity:

When you train a model on Vertex AI, the data you provide remains yours, and you retain full ownership and exclusive use of the trained model.

Control over Training:

You have significant control over the training process, including choosing your preferred ML framework and specifying the compute resources and containers for your training job.

Enterprise-Grade Security:

Vertex AI is built for enterprise use, providing secure and compliant environments for managing and deploying AI models.

 

Google's Data Policy:

 

    No Data Usage:

 

Google Cloud states that they will not use your data to train or fine-tune their own AI/ML models without your prior permission.

Customer Data Processing Addendum (CDPA):

Further details on data handling are available in the CDPA, reinforcing commitment to customer data privacy and control.

 

1.  Angst, Ausreden, Abwarten - wie wir die Jahrhundertchance Künstliche Intelligenz verspielen. Frankfurter Allgemeine Zeitung; Frankfurt. 18 Aug 2025: 18.   Von Peter Buxmann

Baimė, pasiteisinimai, laukimas – kaip švaistome, kartą per šimtmetį pasitaikančią, dirbtinio intelekto galimybę

„Vargu ar kuri nors kita technologija žada tokį didelį produktyvumo padidėjimą ir kartu tokį aiškų sąnaudų skaidrumą kaip DI – galimybė tiek įmonėms, tiek ekonomikai. Ir vis dėlto ja dažnai nepasinaudojama: užuot veikę drąsiai, daugelis verslo ir politikos sprendimų priėmėjų vadovaujasi baimėmis ir kognityviniais šališkumais. Jie nurodo duomenų apsaugą arba randa kitų pasiteisinimų. Tačiau tie, kurie dvejoja, labai rizikuoja.

 

Dirbtinis intelektas laikomas pagrindine mūsų laikų technologija. Jis žada efektyvesnius procesus, geresnius sprendimus ir visiškai naujus verslo modelius. Tačiau daugelyje vietų nematyti jokių pokyčių ženklų. Vietoj smalsumo – nervingumas, o vietoj inovacijų – blokada.

 

Neseniai dalyvavau DI renginyje, kuris turėjo įkvėpti entuziazmo dėl ateities. Tačiau užuot konstruktyviai aptarus galimybes ir pagrindines sąlygas, kaip dažnai nutinka, vienas po kito buvo išrikiuoti siaubo scenarijai. Diskusijoje dalyvavo save DI ekspertu vadinantis asmuo, kuris taip save vadina nuo pat „The Last Time“ išleidimo. ChatGPT. Jo pagrindinė žinutė: kiekvienas, naudojantis „ChatGPT“, rizikuoja, kad neskelbtini duomenys atsidurs JAV serveriuose ir bus pakartotinai panaudoti be priežiūros. Poveikis kambaryje buvo akivaizdus. Daugelis jautėsi pateisinti savo sprendimu nenaudoti dirbtinio intelekto.

 

Yra daugybė kitų pavyzdžių, kurie rodo panašų elgesio modelį: įmonė atsisako dirbtinio intelekto palaikomos priežiūros programinės įrangos, nes nėra tikra, ar mašinų duomenis galima laikyti asmeniniais. Savivaldybė atsisako bandomojo eismo srautų optimizavimo projekto, nors judėjimo duomenys galėtų būti visiškai anonimizuoti. Kas visiems šiems atvejams bendro: inovacijoms trukdo ne pats duomenų netinkamas naudojimas, o jų baimė. Ir ši baimė dažnai yra neracionali. Daugeliu atvejų ji atitinka psichologinius modelius, gerai aprašytus elgsenos ekonomikoje.

 

Kaip psichologiniai mechanizmai trukdo investuoti į dirbtinį intelektą

 

Pagrindinis mechanizmas yra nuostolių vengimas, kurį aprašė Danielis Kahnemanas, Nobelio ekonomikos premijos laureatas ir elgsenos ekonomikos pradininkas. Pagal šią teoriją daugelis žmonių galimus nuostolius vertina labiau nei tokį pat didelį pelną. Hipotetinė reputacijos žala, kurią sukelia duomenų apsaugos problema, dažnai atrodo grėsmingesnė nei realus efektyvumo padidėjimas iš dirbtinio intelekto programos. Tai veda prie lemtingo vengimo. elgesį. IT pramonėje dažnai sakoma: „Niekas niekada nebuvo atleistas už tai, kad nusipirko SAP.“ Šios idėjos idėja yra ta, kad, pavyzdžiui, nesėkmingas atvirojo kodo projektas kelia grėsmę asmeninei karjerai labiau nei pernelyg brangus SAP diegimas. Šiandien iš esmės tiesa, kad niekas niekada nebuvo atleistas už tai, kad blokavo dirbtinio intelekto projektą dėl duomenų apsaugos priežasčių – nepaisant prarastų galimybių.

 

Be to, kiekvienas, kuris sustabdo projektą dėl duomenų apsaugos priežasčių, yra moraliai saugus. Jam nereikia prisiimti atsakomybės už nežinomą riziką ir tuo pačiu metu gali remtis aukštu etikos principu. Tai patogu, užtikrina asmeninę apsaugą ir atrodo atsakinga. Ir tai net jei tai trukdo kolektyvinei pažangai.

 

Dabartinis TU Darmštato dirbtinio intelekto monitorius, reprezentatyvi daugiau nei 2000 dalyvių apklausa, atlikta bendradarbiaujant su nuomonės tyrimų institutu „You-Gov“, taip pat nurodo duomenų apsaugą kaip didžiausią riziką, susijusią su generatyvinio dirbtinio intelekto naudojimu – lenkia haliucinacijas, žmogaus gebėjimų praradimą, informacijos kilmės nežinojimą ir dirbtinio intelekto energijos suvartojimą. Stebina tai, kad moterys dažniau nei vyrai išreiškia susirūpinimą, o technologiškai išprusę asmenys vertina, kad rizika yra gerokai mažesnė nei tų, kurie turi mažiau informacijos, o vyresnio amžiaus žmonės yra skeptiškesni, nei jaunesni. Panagrinėkime, ar ir kiek šie nuogąstavimai yra tikrai pagrįsti.

 

 

Kainų ir produktų diferencijavimas: ką kiekvienas turi žinoti

 

 

Daugelio duomenų apsaugos diskusijų pagrindinis klausimas yra klausimas, ar į „ChatGPT“ ar panašius kalbos modelius įvedami duomenys yra automatiškai išsaugomi, skaitomi ar naudojami modeliams mokyti. Atsakymas labai priklauso nuo naudojamos versijos. Kaip ir daugelis programinės įrangos gamintojų, dauguma žinomų dirbtinio intelekto įmonių taip pat užsiima kainų ir produktų diferenciacija: panašios jų produktų versijos siūlomos skirtingomis kainomis, siekiant maksimaliai padidinti pajamas.

 

 

Pavyzdžiui, atviroji dirbtinio intelekto įmonė siūlo savo paslaugas keliomis versijomis – nuo ​​nemokamos bazinės versijos iki „ChatGPT Enterprise“ su išsamia duomenų apsauga ir garantuojamu duomenų izoliavimu.

 

 

Nors nemokama versija pagal numatytuosius nustatymus naudoja vartotojo įvestį modeliams tobulinti, „Enterprise“ versija leidžia užšifruotą duomenų perdavimą, įvesties nenaudojimą mokymo tikslais ir sutartimi garantuojamą apdorojimą pagal konkrečiai įmonei taikomas duomenų apsaugos gaires. „Google“ imasi panašaus požiūrio su savo „Gemini“ modeliais.

 

Duomenų apsauga: kodėl dirbtiniam intelektui dažnai taikomi dvigubi standartai

 

Tačiau išankstinis nusistatymas, kad dirbtinis intelektas yra priešiškas duomenų apsaugai, išlieka, kaip rodo minėtas pavyzdys iš įvykio: generatyvinis dirbtinis intelektas tariamai yra duomenų apsaugos minų laukas. Kalbos modeliai, tokie kaip „ChatGPT“, gali būti lengvai valdomi įmonių viduje taip, kad jokia neskelbtina informacija nebūtų nutekinta neapsaugota. Viena vertus, tai įmanoma visiškai viduje – su savo infrastruktūra, izoliuotuose tinkluose ir aiškiai reglamentuotomis prieigos teisėmis. Tokiu atveju visi įėjimai ir išėjimai lieka įmonės IT aplinkoje, o duomenų apsauga ir konfidencialumas yra visiškai pačios įmonės rankose.

 

Kita vertus, debesijos operacijos taip pat gali atitikti BDAR reikalavimus, jei jos remiasi profesionaliais pasiūlymais, kurie garantuoja užšifruotą perdavimą ir nenaudoja įvesties mokymo tikslais.

 

Duomenų apsaugos požiūriu nėra esminio skirtumo tarp kalbos modelių naudojimo ir, pavyzdžiui, „Outlook“ ar kitų įprastų el. pašto programų. Abu gali būti valdomi pagal BDAR reikalavimus debesijos aplinkoje – net ir su Amerikos tiekėjų, tokių kaip „Microsoft“ ar „Google“, infrastruktūra. Būtent šis aspektas daugelyje debatų yra nepastebimas arba tiesiog nežinomas. O praktiškai raginimuose paprastai nėra daugiau jautrios informacijos nei įprastuose verslo el. laiškuose.

 

Europa išsiugdė refleksą būti atsargiam

 

Žinoma, didelės baudos už pažeidimus, numatytos BDAR ir ES Dirbtinio intelekto įstatyme, taip pat kursto baimę. Šis netikrumas dažnai sulėtina inovacijų tempą Europoje. Atsargumas šioje šalyje dažnai tampa refleksu: vos tik paskelbiama apie naują technologiją, prasideda išsamios diskusijos apie jos riziką, reguliavimą ir galimą neigiamą raidą. Šis reikalavimas kruopštumui yra mūsų politinės kultūros dalis – ir ne be savo privalumų. Tačiau pernelyg dažnai jis virsta paralyžiuojančiu laukimo ir stebėjimo požiūriu, kuris mus atitraukia atgal į strategines ateities sritis.

 

Internetas yra pamokanti istorija: 1990-aisiais JAV ir Azijos įmonės kūrė platformas, rinkas ir verslo modelius, o Europa ilgai diskutavo apie galimą riziką, tokią kaip kontroliuojamumas, duomenų apsauga ir technologinė branda. Iš tiesų, Timas Bernersas-Lee, interneto kalbos HTML išradėjas, kritiškai vertino savo paties darbą. Tačiau tai nepakeitė pasaulinio interneto triumfo. Istorija rodo, kad dėl tinklo efektų geriausios technologijos dažnai neįveikia. Vertingiausios pasaulio įmonės daugiausia yra iš JAV, ir būtent jos drąsiai priėmė naujas interneto technologijas anuomet.

 

Šiandien dirbtinio intelekto srityje patiriame déjà vu, ypač svarbioje generatyvinio dirbtinio intelekto srityje. Pažvelkime į vadinamąją pokalbių robotų areną. Tai platforma, kurioje lyginama skirtingų kalbų modelių kokybė. Dešimties geriausiųjų sąrašas parodytas paveikslėlyje.

 

Reitinge pirmauja „Open AI“ su neseniai išleistu GPT-5 kalbos modeliu, kuris pakeitė ilgą laiką pirmąją vietą užėmusį „Google“ „Gemini 2.5-Pro“. Kiti „Open AI“ modeliai, taip pat „Open AI“ atšakos „Anthropic“ ir Elono Musko „xAI“ kalbų modeliai taip pat yra tarp dešimties geriausiųjų. Taip pat yra trys Kinijos modeliai. Kaip ir interneto atveju, Europa nevaidina jokio vaidmens tiekėjo pusėje.

 

Kodėl net ir akivaizdžiai teigiama grąža neskatina veikti

 

Būtent todėl labai svarbu drąsiai judėti į priekį, bent jau vartotojų pusėje. Generatyvusis dirbtinis intelektas (DI) turi potencialą pakelti produktyvumą ir inovacijas į naują lygį – tai kartą per šimtmetį pasitaikanti galimybė įvairaus dydžio įmonėms, pradedant korporacijomis ir baigiant vidutinio dydžio įmonėmis. Daugybė tyrimų jau rodo reikšmingą produktyvumo padidėjimą:

 

Bendras Stanfordo universiteto, Masačusetso technologijos instituto (MIT) ir „Microsoft“ atliktas klientų aptarnavimo srities tyrimas rodo, kad generatyvinio DI naudojimas 15 procentų padidina per valandą išsprendžiamų klientų problemų skaičių. Produktyvumo padidėjimas buvo ypač reikšmingas tarp mažiau apmokytų darbuotojų – šioje grupėje padidėjimas siekė net 36 procentus.

 

Kitas MIT tyrimas parodė, kad darbuotojai, naudodamiesi „ChatGPT“, galėjo atlikti savo užduotis maždaug 35 procentais greičiau. Be to, – ir tai dažnai pamirštama – ekspertai įvertino teksto ir turinio kokybę, taip pat rezultatų originalumą. Rezultatas buvo tas, kad tekstai, sukurti naudojant „ChatGPT“, veikė geriau nei tie, kurie nebuvo sukurti be DI pagalbos. „Boston Consulting Group“ atliktas kontroliuojamas tyrimas pateikė panašius rezultatus.

 

„Frankfurter Allgemeine Zeitung“ dirbtinio intelekto tinklalaidėje „Kärcher“ generalinis direktorius Hartmutas Jenneris praneša apie maždaug valandos kasdienį darbo laiko sutaupymą.

 

Medžiagų tyrimų srityje MIT tyrimas rodo, kad tyrėjai, naudojantys dirbtinį intelektą, naujas medžiagas atranda 44 procentais greičiau, patentus pateikia 39 procentais anksčiau ir produktų prototipus kuria 17 procentų greičiau.

 

Keletas tyrimų taip pat patvirtina panašų produktyvumo padidėjimą programinės įrangos kūrimo srityje. Pasak Sundaro Pitchai, „Alphabet“ ir „Google“ generalinio direktoriaus, dirbtinis intelektas dabar generuoja daugiau nei 30 procentų naujo kodo „Google“.

 

Verslo vertinimui net nereikia verslo plano ar investavimo modelio – galimybės tokios akivaizdžios. Be to, generatyvinio dirbtinio intelekto sąnaudos yra palyginti skaidrios ir lengvai apskaičiuojamos.

 

Žinomos tiek licencijų (dažnai siekia 20 eurų vienam vartotojui per mėnesį), tiek įvesties ir išvesties žetonų, skirtų naudoti API pagrindu, sąnaudos.

 

Tai dar labiau nesuprantama, kodėl tiek daug įmonių dvejoja. Kartais atrodo, kad jos praktiškai ieško pasiteisinimų nesiimti veiksmų – ar tai būtų duomenų apsauga, tariamai prastėjanti Gartnerio kreivės pozicija, kuri tariamai įrodo, kad generatyvinis dirbtinis intelektas smunka, unikalaus pardavimo pasiūlymo trūkumas ar kiti rūpesčiai.

 

Pasaulis greičiausiai atrodys kitaip. Jensenas Huangas, technologijų bendrovės „Nvidia“ generalinis direktorius, apibendrina tai taip: „Jūsų darbą pakeis ne dirbtinis intelektas, o jį naudojantis žmogus. Tie, kurie ignoruoja DI, konkurencijoje netrukus bus aplenkti tų, kurie jį naudoja.“

 

Atsargumas yra dorybė, tačiau jis neturėtų tapti neveiklumo pasiteisinimu. Tie, kurie nesugeba nustatyti standartų pagrindinėje technologijoje, nesvarbu, ar jie yra kūrėjai, ar vartotojai, tampa priklausomi nuo išorinių tiekėjų. Taip elgdamiesi jie taip pat atsisako galimybės padėti formuoti būsimus standartus. Daugeliu atvejų tai bus JAV arba Kinijos tiekėjai, kaip rodo „Chatbot Arena“. Nuo tada, kai Donaldas Trumpas grįžo į JAV prezidento postą, tai dar labiau pasakytina apie Europą. Tie, kurie atsilieka technologiškai, rizikuoja ne tik ekonomine priklausomybe, bet ir geopolitiniu pažeidžiamumu.

 

Europa susiduria su strateginiu pasirinkimu: arba išmoksime pasinaudoti galimybėmis, kol jos visiškai neprarastos, arba tapsime nuolatiniais technologinių inovacijų iš kitų pasaulio regionų vartotojais. Laikas apie tai galvoti beveik baigėsi.

 

Tikrasis pavojus: sustoti vardan duomenų apsaugos

 

Žinoma, duomenų apsauga yra vertingas turtas, ypač duomenimis pagrįstų technologijų amžiuje. Asmens duomenų apsauga niekada negali būti pažeidžiama. Tačiau būtent dėl ​​šios priežasties turime ją kurti taip, kad ji sudarytų sąlygas inovacijoms, o ne joms trukdytų. Tačiau pernelyg dažnai nutinka priešingai: dėl susirūpinimo dėl galimos rizikos projektai sustabdomi gerokai anksčiau, nei galimybės ir rizika dar net pasvertos. Priežastys dažnai būna psichologinis šališkumas arba žinių stoka.

 

Dėl to pastebimai susilpnėja mūsų padėtis. Startuoliai tolsta, o investicijos teka ten, kur duomenų apsauga suprantama kaip principas, kurį galima formuoti, o ne kaip inovacijų stabdys. Dėl to Europa ne tik švaisto startuolius ir kapitalą, bet ir galimybę puikius tyrimų rezultatus ir technologinį potencialą paversti rinkai aktualiomis inovacijomis. Atsakymas slypi ne mažesnėje, o išmanesnėje duomenų apsaugoje – kaip neatsiejamos projektavimo dalies, o ne kaip kliūtis proceso pabaigoje. „Privatumas projektuojant“ vietoj visuotinės blokados.

 

Turint sveiką protą, patikimus tiekėjus ir aiškias taisykles, generatyvinis dirbtinis intelektas jau šiandien gali būti naudojamas laikantis duomenų apsaugos reikalavimų ir ekonomiškai efektyviai. Nuolatinis mokymasis yra labai svarbus šio proceso svertas – ne tik įgūdžių ugdymui, bet ir baimėms mažinti.

 

Be to, duomenų apsauga dažnai tėra matomiausias pretekstas. Kaip minėta pirmiau, dažnai yra ir kitų priežasčių, kodėl neinvestuojama ir renkamasi palaukti. Visi šie argumentai turi vieną bendrą bruožą: jie pateisina neveiklumą neįvardydami dvejonių kainos.

 

Svarbiausias klausimas yra ne tai, ar galime, o tai, ar norime. Ši technologija suteikia retą galimybę. Jei ją blokuosime bijodami hipotetinių rizikų arba dėl pasitenkinimo prisiimti atsakomybę, prarasime realias klestėjimo, konkurencingumo ir socialinės pažangos galimybes. Tie, kurie susitelkia tik į galimą riziką, praranda naudą įmonėms ir ekonomikai. Interneto istorija rodo, kad tie, kurie per ilgai svarsto, galiausiai derasi tik dėl žaidimo taisyklių, o kiti jau seniai laimėjo žaidimą.

 

Peteris Buxmannas yra Darmštato technikos universiteto verslo informatikos profesorius. Jis taip pat dirba verslo pasaulyje kaip stebėtojų tarybos narys ir įmonės įkūrėjas, taip pat yra „Frankfurter Allgemeine Zeitung“ tinklalaidės apie dirbtinį intelektą bendravedėjas.“ [1]

 

Kas yra „Enterprise“ analogas „Google“ dirbtiniame intelekte įmonėms, gerai apsaugantis šių įmonių duomenis?

 

„Vertex AI“ yra geriausia „Google“ dirbtinio intelekto platforma įmonėms, kurioms reikia apsaugoti duomenis. Ji veikia saugioje „Google Cloud“ infrastruktūroje. „Google Workspace“ su „Gemini“ yra dar vienas variantas, užtikrinantis integruotą dirbtinį intelektą produktyvumo įrankiuose. Abi platformos užtikrina, kad klientų duomenys nebūtų naudojami viešiesiems modeliams mokyti.

 

„Vertex AI“ platforma

 

„Vertex AI“ yra platforma, skirta įmonių dirbtinio intelekto programoms kurti, diegti ir valdyti. Ji siūlo saugią aplinką, leidžiančią įmonėms kontroliuoti savo duomenis ir modelius.

 

Pagrindinės duomenų apsaugos funkcijos:

 

Duomenų nuosavybė ir kontrolė: „Google“ teigia, kad klientų duomenys nebus naudojami jos pačių didelių kalbos modelių (LLM) mokymui ar tobulinimui be aiškaus leidimo. Jūsų duomenys, raginimai ir sugeneruoti rezultatai lieka jūsų intelektine nuosavybe.

 

Duomenų izoliacija: Klientai gali vykdyti dirbtinio intelekto darbo krūvius ir modelius izoliuotuose, privačiuose tinkluose naudodami virtualų privatų debesį (VPC) ir privačių paslaugų prijungimą (PSC). Tai apsaugo nuo neteisėtos išorinės prieigos prie neskelbtinų duomenų ir modelių.

 

Konfidencialūs skaičiavimai: Konfidencialus dirbtinis intelektas „Vertex AI“ šifruoja duomenis, kol jie apdorojami atmintyje. Tai užtikrina, kad duomenys yra nepasiekiami net „Google“ vidinėms komandoms.

 

Duomenų anonimizavimas ir maskavimas: jautrių duomenų apsaugos API gali automatiškai atrasti, klasifikuoti ir pašalinti iš identifikatorių jautrią informaciją prieš ją naudojant modelio mokymui ar analizei.

 

Kliento valdomi šifravimo raktai (CMEK): galite šifruoti duomenis ir dirbtinio intelekto modelio artefaktus naudodami savo šifravimo raktus.

 

Vaidmenimis pagrįsta prieigos kontrolė: „Vertex AI“ integruojasi su „Google Cloud“ tapatybės ir prieigos valdymu (IAM), kad būtų užtikrintos tikslios teisės.

 

„Google Workspace“ su „Gemini“

 

„Gemini for Google Workspace“ teikia įmonės lygio dirbtinio intelekto asistentą įmonėms, naudojančioms „Google“ produktyvumo įrankius. Visa sąveika pagal numatytuosius nustatymus yra apsaugota įmonės lygio sauga.

 

Pagrindinės duomenų apsaugos funkcijos:

 

Duomenys nenaudojami mokymui: raginimai ir sugeneruotas turinys nenaudojami bendriems „Gemini“ modeliams mokyti ir jų neperžiūri žmonės. Duomenys lieka jūsų organizacijos domene.

 

Apsauga nuo esamų politikų: esamos „Google Workspace“ saugumo ir duomenų praradimo prevencijos (DLP) politikos automatiškai taikomos sąveikai su „Gemini“.

 

Atitikties palaikymas: „Gemini for Workspace“ yra gavusi tokius sertifikatus kaip ISO 27001/17/18 ir SOC 1/2/3 ir gali padėti įmonėms patenkinti atitikties poreikius, pvz., HIPAA.

 

 

DI apsauga „Google Cloud“ debesyje

 

 

Ši saugumo sistema integruojasi su „Google“ saugumo komandų centru, kad apsaugotų visą DI gyvavimo ciklą. Ji suteikia centralizuotą DI išteklių matomumą ir kontrolę.

 

 

Konkrečios funkcijos:

 

 

„Model Armor“: aktyvi apsauga nuo DI specifinių grėsmių, tokių kaip greitas įskiepijimas, avarinis įsilaužimas ir jautrių duomenų nutekėjimas.

 

 

DI rizikos vertinimas: ji gali aptikti ir kataloguoti DI išteklius, įvertinti pažeidžiamumus ir imituoti atakų scenarijus, kad padėtų saugumo komandoms aktyviai spręsti riziką.

 

 

Grėsmių valdymas: galimybės aptikti, tirti ir reaguoti į grėsmes, nukreiptas į DI darbo krūvius ir modelius.

 

 

Ar „Vertex DI“ leidžia kliento įmonei apmokyti savo DI „Google“ serveriuose ir saugoti mokymo rezultatus išskirtiniam kliento naudojimui?

 

 

Taip, „Vertex AI“ leidžia klientų įmonėms apmokyti pasirinktinius dirbtinio intelekto modelius „Google“ infrastruktūroje, o gauti modeliai ir jų mokymo duomenys skirti tik kliento naudojimui. „Google“ politika nurodo, kad jie nenaudoja klientų duomenų savo modelių mokymui be aiškaus leidimo, o platforma sukurta su įmonės lygio saugumo ir atitikties funkcijomis, siekiant užtikrinti duomenų privatumą ir kontrolę įmonėms.

 

Kaip tai veikia:

 

Individualus mokymas:

 

Galite naudoti „Vertex AI“ pasirinktinio mokymo funkciją, kad paleistumėte savo mašininio mokymosi kodą ir naudotumėte savo duomenų rinkinius modeliams mokyti „Google“ infrastruktūroje.

 

Duomenų ir modelio išskirtinumas:

 

Kai apmokote modelį „Vertex AI“, jūsų pateikti duomenys lieka jūsų, o jūs išlaikote visišką nuosavybės teisę ir išskirtinę teisę naudoti apmokytą modelį.

 

Mokymo kontrolė:

 

Jūs turite didelę kontrolę mokymo procesui, įskaitant pageidaujamos mašininio mokymosi sistemos pasirinkimą ir skaičiavimo išteklių bei konteinerių nurodymą mokymo užduočiai.

 

Įmonės lygio saugumas:

 

„Vertex AI“ yra sukurtas naudoti įmonėse, užtikrinant saugią ir reikalavimus atitinkančią aplinką dirbtinio intelekto modeliams valdyti ir diegti.

 

„Google“ duomenų politika:

 

 

 

Jokio duomenų naudojimo:

 

 

 

„Google Cloud“ teigia, kad jie nenaudos jūsų duomenų savo AI / ML modeliams treniruoti ar koreguoti be jūsų išankstinio leidimo.

 

Kliento duomenų apdorojimo priedas (CDPA):

 

Daugiau informacijos apie duomenų tvarkymą rasite CDPA, o tai sustiprina įsipareigojimą užtikrinti klientų duomenų privatumą ir kontrolę.

 

1.  Angst, Ausreden, Abwarten - wie wir die Jahrhundertchance Künstliche Intelligenz verspielen. Frankfurter Allgemeine Zeitung; Frankfurt. 18 Aug 2025: 18.   Von Peter Buxmann