OpenAI vuole mantenere la Zero Data Retention anche quando i sistemi di sicurezza devono osservare più interazioni collegate tra loro. È questo il punto centrale di Private Safety Processing, l’architettura presentata il 19 agosto 2026 e attualmente sperimentata con un primo gruppo di clienti. La tecnologia nasce per affrontare un problema che diventa più rilevante con modelli e agenti capaci di lavorare per periodi più lunghi: riconoscere comportamenti potenzialmente pericolosi senza trasformare la conservazione di prompt e risposte in una condizione necessaria per il monitoraggio.
analisi
Private Safety Processing, così OpenAI protegge privacy e sicurezza degli agenti AI
Si tratta di una nuova architettura che permette di rilevare comportamenti rischiosi analizzando sequenze di interazioni senza conservare prompt e risposte. L’obiettivo è estendere la Zero Data Retention agli agenti AI più autonomi e ai casi d’uso enterprise
Pubblicato il 21 ago 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
