TekoälykehitysBlogiin

22. lokakuuta 2026

Oppiiko tekoäly yrityksen salaisuudet? Näin tietojasi käytetään tekoälypalveluissa

Moni pk-yrittäjä käyttää ChatGPT:tä, Claudea tai Geminiä päivittäin – sähköpostien muokkaamiseen, tarjousten luonnosteluun, koodin kirjoittamiseen tai asiakasviestien käsittelyyn. Samalla mieleen hiipii kysymys: mitä yrityksen tiedoille tapahtuu, kun ne kirjoitetaan tekoälyn chatti-ikkunaan?

Vastaus ei ole yksinkertainen "kyllä" tai "ei". Se riippuu ratkaisevasti siitä, *mitä versiota* palvelusta käytät – ja tämä on juuri se kohta, jossa moni yrittäjä tekee virheellisen oletuksen. Tämä artikkeli käy läpi, mitä tietojen koulutuskäyttö oikeasti tarkoittaa, miten kolme suurta tekoälypalvelua (ChatGPT, Claude, Gemini) käsittelevät yritystietoja versioittain, ja mitä yrittäjä voi itse tehdä liikesalaisuuksien suojaamiseksi.

1. Mitä tapahtuu, kun syötät tietoja tekoälypalveluun?

Kun kirjoitat viestin tekoälyyn, teksti (ja mahdolliset liitteet) lähtee palveluntarjoajan palvelimille käsiteltäväksi. Matkan varrella tapahtuu periaatteessa kolme erillistä asiaa, jotka kannattaa pitää erillään toisistaan:

  • Käsittely vastauksen tuottamiseksi. Malli lukee syötteesi ja tuottaa vastauksen. Tämä tapahtuu aina, oli kyse mistä tahansa palveluversiosta.
  • Tilapäinen tallennus (säilytys). Palveluntarjoaja säilyttää keskustelun jonkin aikaa – esimerkiksi väärinkäytösten valvontaa varten, teknisten ongelmien selvittämiseksi tai jotta voit itse palata vanhaan keskusteluun. Säilytysaika vaihtelee päivistä vuosiin palvelusta ja asetuksista riippuen.
  • Käyttö mallin koulutukseen. Tietoa käytetään mallin kehittämiseen – siis siihen, että malli "oppii" aineistosta ja sen käyttäytyminen mahdollisesti muuttuu tulevissa versioissa tämän aineiston perusteella.

Näistä kolmesta vain viimeinen vastaa suoraan kysymykseen "oppiiko tekoäly salaisuuteni". Ensimmäinen tapahtuu aina. Toinen ja kolmas eivät ole sama asia, vaikka ne helposti sekoittuvat – palaamme tähän tarkemmin kohdassa 4.

2. Miten tekoälymallien koulutus oikeastaan toimii?

Yksinkertaistettuna: kielimalli (kuten GPT, Claude tai Gemini) koulutetaan valtavalla tekstiaineistolla niin, että se oppii ennustamaan todennäköisiä jatkoja annetulle tekstille. Koulutusvaiheessa malliin "leipoutuu" tilastollisia säännönmukaisuuksia aineistosta. Yleensä tämä tarkoittaa yleistynyttä kielentaitoa, ei suoraa kopioita yksittäisistä lauseista.

Tähän liittyy yksi tärkeä tarkennus, joka kannattaa tietää: kielimallit voivat joissakin tilanteissa muistaa ja toistaa yksittäisiä koulutusaineiston osia sanatarkasti. Tätä ilmiötä kutsutaan tutkimuskirjallisuudessa "memorisaatioksi" (memorization). Tunnetuimmassa aiheen tutkimuksessa (Carlini ym., "Extracting Training Data from Large Language Models", 2021) osoitettiin, että kielimallista voidaan tietyin tekniikoin palauttaa sanatarkkoja otteita koulutusaineistosta – mukaan lukien nimiä, puhelinnumeroita ja sähköpostiosoitteita. Riski kasvaa, jos samaa tietoa on toistunut aineistossa useita kertoja, ja tutkimuksen mukaan suuremmat mallit ovat alttiimpia tälle kuin pienemmät. Käytännössä riski koskee lähinnä tietoa, joka on toistunut aineistossa monta kertaa – yksittäinen, kertaalleen syötetty liikesalaisuus ei automaattisesti päädy tällä tavalla jonkun toisen näkyville, mutta mahdollisuutta ei voi sulkea kokonaan pois silloin, kun syöte päätyy koulutusaineistoon.

Palveluntarjoajat kuvaavat koulutusprosessin tyypillisesti kaksivaiheisena: ensin malli opetetaan laajalla yleisaineistolla (julkinen verkkoaineisto, lisensoitu data, ihmisten tuottama aineisto), ja sen jälkeen käyttäytymistä hienosäädetään palautteen ja käyttäjädatan avulla, jotta vastaukset olisivat turvallisempia ja hyödyllisempiä. OpenAI kuvaa prosessin omilla sivuillaan: "How ChatGPT learns about the world while protecting privacy" kertoo, että ennen koulutusta yritys pyrkii karsimaan henkilötietoja aineistosta automaattisin suodattimin.

Käytännön kannalta olennaista yrittäjälle on tämä: jos syöttämäsi teksti päätyy koulutusaineistoon, se useimmiten vaikuttaa mallin käyttäytymiseen tilastollisesti, ei sanatarkkana kopiona – mutta sanatarkka toisto ei ole teoreettinen mahdottomuus, vaan dokumentoitu, tutkittu ilmiö. Joka tapauksessa: tietosi tulee osaksi aineistoa, jota palveluntarjoaja käyttää tuotteensa kehittämiseen, eikä sinulla ole sen jälkeen käytännössä mahdollisuutta perua tätä.

3. Käyttävätkö ChatGPT, Claude ja Gemini yritystietoja koulutukseen?

Tässä kohdassa yleistäminen menee useimmiten pieleen: samalla palveluntarjoajalla voi olla täysin eri käytäntö kuluttajaversiossa, yritysversiossa ja ohjelmointirajapinnassa (API). Katsotaan kukin palveluntarjoaja erikseen, viimeksi tarkistettujen virallisten dokumenttien perusteella.

OpenAI / ChatGPT

  • ChatGPT (ilmainen/Plus, yksityishenkilöille): kyllä, jollet poista asetusta käytöstä. Asetus "Improve the model for everyone" löytyy kohdasta Settings → Data Controls, tai vaihtoehtoisesti "Do not train on my content" tietosuojaportaalissa.
  • ChatGPT Business, Enterprise, Edu: ei oletuksena. Vaatii erillisen, organisaation tason opt-in-päätöksen.
  • API (OpenAI-rajapinta): ei oletuksena 1.3.2023 jälkeen. Dataa voi jakaa vapaaehtoisesti esimerkiksi Playgroundin palautetoiminnolla.

Lähde: OpenAI:n oma ohje toteaa suoraan, että yrityskäyttäjille (ChatGPT Business, Enterprise, API) malleja ei oletuksena kouluteta tuotteiden syötteillä tai tulosteilla ("How your data is used to improve model performance", OpenAI Help Center).

Anthropic / Claude

  • Claude.ai (Free, Pro, Max – yksityishenkilöille): käyttäjä valitsee itse. Elokuussa 2025 voimaan tullut muutos: käyttäjä päättää asetuksista, saako keskusteluja käyttää koulutukseen; valinta vaikuttaa myös säilytysaikaan (5 vuotta vs. 30 vrk).
  • Claude for Work (Team/Enterprise): ei oletuksena. Kaupallisten ehtojen sopimusteksti: "Anthropic may not train models on Customer Content from Services."
  • API (Anthropicin omana tai AWS Bedrock/Google Vertex AI -kautta): ei oletuksena. Sama kaupallisten ehtojen sopimus koskee kaikkia näitä reittejä.

Kaupallisellakin puolella on kaksi tarkkaa poikkeusta syytä tietää: jos annat erikseen palautetta (esimerkiksi peukalo ylös/alas -painikkeella), kyseinen keskustelu voidaan käyttää koulutukseen, koska se lasketaan erilliseksi, tietoiseksi suostumukseksi – ei tavalliseksi käytöksi. Ja jos sisältö päätyy turvallisuustarkastuksen piiriin (automaattinen järjestelmä arvioi mahdollista väärinkäytöstä, esimerkiksi palveluehtojen rikkomusta), se voidaan käsitellä erikseen osana turvallisuustyötä. Lähde: "Is my data used for model training?", Anthropic Privacy Center, ja kaupalliset ehdot.

Google / Gemini

Tämä on kolmesta palvelusta monimutkaisin, koska "Gemini"-nimi kattaa useita hyvin erilaisia tuotteita samalla nimellä – ja lisäksi Googlen oma "maksullinen"/"maksuton" raja ei kulje siitä, onko hinnoittelu nolla, vaan siitä, millainen tili on kyseessä:

  • Gemini-sovellus (gemini.google.com, ilmainen kuluttajatili): kyllä, jollet muuta asetusta. Ohjataan "Gemini Apps Activity" -asetuksella; vanhoja keskusteluja voidaan käyttää ihmisarviointiin laadun parantamiseksi.
  • Google Workspace + Gemini (maksullinen yritystilaus, esim. Gmail/Docs-sivupaneeli): ei asiakkaan luvatta. Google Workspacen oma tietosuojakeskus toteaa, että Gemini ei käytä promptia, Workspace-sisältöä tai luotuja vastauksia tekoälymallien kouluttamiseen käyttäjän luvatta.
  • Gemini API ja Google AI Studio, maksullinen käyttö: ei. Googlen omien lisäehtojen mukaan "Paid Service" ei ole kysymys hinnasta vaan tilin tyypistä: Google AI Studio lasketaan maksulliseksi palveluksi aina, kun käyttäjätiliin on liitetty Cloud-projekti, jolla on aktiivinen laskutustili, tai kun kyse on Workspace-yritystilistä – vaikka Studion käyttö itsessään olisi maksutonta. Gemini API on maksullinen palvelu vain, kun rajapintaa käytetään Cloud-projektin kautta, jolla on aktiivinen laskutustili.
  • Gemini API, maksuton kiintiö (ei aktiivista laskutustiliä) / Google AI Studio ilman laskutustiliä: kyllä. Google käyttää tätä sisältöä "tuotteiden ja koneoppimisteknologioiden tarjoamiseen, parantamiseen ja kehittämiseen", ja ihmisarvioijat voivat lukea ja merkitä sitä (tiedot irrotetaan tilistä ja API-avaimesta ennen arviointia).

Käytännön seuraus yrittäjälle: pelkkä "maksan palvelusta" -mielikuva ei riitä – ratkaiseva kysymys on, onko käytössä oleva Google-tili tai -projekti todella liitetty aktiiviseen Cloud-laskutustiliin tai Workspace-yritystiliin. Jos kehitystiimi testaa Gemini-rajapintaa ilmaisella kiintiöllä ilman laskutustiliä, kyseessä on tämän taulukon viimeinen rivi – ei yritystason suoja. Lähde: Gemini API Additional Terms of Service, Generative AI in Google Workspace Privacy Hub.

Yhteenveto kaikista kolmesta: jokaisella palveluntarjoajalla linja on periaatteessa sama: ilmainen, yksityishenkilölle suunnattu kuluttajaversio voi oletuksena käyttää sisältöäsi koulutukseen, kun taas maksullinen yritys- tai rajapintatason sopimus sulkee koulutuskäytön pois oletuksena ja vaatii erillisen, tietoisen suostumuksen sen avaamiseksi. Tämä ei ole sama asia kaikilla palveluilla, eikä pelkkä mielikuva "maksullinen = turvallinen" riitä – tarkista aina juuri sen version ja tilityypin ehdot, jota yrityksesi tosiasiassa käyttää.

4. Koulutuskäyttö, tietojen säilyttäminen ja tietovuoto – kolme eri asiaa

Näitä kolmea käsitettä käytetään usein ristiin, vaikka ne tarkoittavat eri riskiä:

  • Koulutuskäyttö tarkoittaa, että syötteesi vaikuttaa mallin tulevaan käyttäytymiseen. Hallittu, tahallinen prosessi, kuvattu ehdoissa – usein kytketty kokonaan pois yritys- ja rajapintatasolla (ks. kohta 3).
  • Tietojen säilyttäminen (retentio) tarkoittaa, että palveluntarjoaja pitää raakadatan tallessa jonkin aikaa – myös silloin, kun koulutusta ei tehdä lainkaan.
  • Tietovuoto tarkoittaa teknistä virhettä tai tietoturvapoikkeamaa, jossa tietoa päätyy vääriin käsiin ilman, että kumpikaan edellä mainituista prosesseista toimi tarkoitetulla tavalla.

Säilytyksen sisällä kannattaa erottaa kaksi asiaa toisistaan, koska ne usein sekoittuvat keskusteluissa. OpenAI:n API:ssa näitä ovat väärinkäytösten valvontalokit ja sovelluksen tallentama tila (application state), ja niillä on erilliset säännöt:

  • Väärinkäytösten valvontalokit sisältävät promptit ja vastaukset, ja niitä säilytetään oletuksena enintään 30 vuorokautta, jotta OpenAI voi valvoa käyttöehtojen rikkomuksia. Osa yritysasiakkaista voi hakea tämän ulkopuolelle pääsyä ("Modified Abuse Monitoring" tai "Zero Data Retention" -ohjelmat), mutta tämä vaatii OpenAI:n erillisen hyväksynnän.
  • Sovelluksen tallentama tila on eri asia: osa API-päätepisteistä tallentaa dataa pysyvämmin, koska toiminto sitä vaatii – esimerkiksi ladatut tiedostot tai keskusteluhistoria ("Threads", "Conversations") säilyvät, kunnes käyttäjä poistaa ne itse. Tämä ei liity koulutukseen eikä väärinkäytösvalvontaan, vaan palvelun toimintaan.

Käytännössä tämä tarkoittaa, että "emme kouluta datallasi" ja "emme säilytä dataasi" ovat kaksi eri lupausta, ja kolmas, "emme tallenna mitään pysyvästi", koskee vain tietyistä rajapinnoista ja tietyin lisäehdoin (nollasäilytys, Zero Data Retention). Lähde: Data controls in the OpenAI platform.

Tietovuodon tunnetuin esimerkki on OpenAI:n maaliskuun 2023 Redis-kirjaston virhe, jonka seurauksena osa ChatGPT-käyttäjistä näki hetkellisesti toisten käyttäjien keskustelujen otsikkoja ja osittaisia maksutietoja – tämä ei liittynyt koulutukseen, vaan ohjelmistovirheeseen (OpenAI: "March 20 ChatGPT outage: Here's what happened"). Samana vuonna julkisuuteen nousi myös tapauksia, joissa yritysten työntekijät kopioivat luottamuksellista lähdekoodia ChatGPT:hen työkäytössä (The Verge, 2023) – tämä ei ollut palveluntarjoajan tietovuoto, vaan seuraus siitä, että käyttäjä syötti arkaluonteista tietoa väärään, kuluttajatason palveluun.

Käytännön opetus: suurin yksittäinen riski ei useinkaan ole palveluntarjoajan tahallinen tai vahingollinen tietovuoto – se on harvinaisempi, ja palveluntarjoajat valvovat sitä aktiivisesti. Yleisempi riski on, että yritys käyttää vahingossa väärää palveluversiota arkaluonteisen tiedon käsittelyyn.

5. Miten yritys voi suojata liikesalaisuutensa?

  • Käytä yritys- tai rajapintatason tiliä, ei ilmaista kuluttajatiliä, kun käsittelet yrityksen tietoja. Yksittäisistä toimista vaikuttavin: kaikilla kolmella palveluntarjoajalla yritys- ja API-taso sulkee koulutuskäytön pois oletuksena, kuluttajataso ei välttämättä.
  • Tarkista ja aseta koulutusasetus itse – älä luota oletukseen sokeasti. ChatGPT: Settings → Data Controls. Claude.ai: Privacy Settings. Gemini: "Gemini Apps Activity" -asetus.
  • Luo organisaatiolle selkeä sääntö siitä, mitä saa syöttää mihin työkaluun. Samsungin vuoden 2023 tapaukset johtuivat puuttuvasta sisäisestä ohjeesta, ei palvelun tietoturvaheikkoudesta.
  • Varmista sopimuksella, ei oletuksella, kuka pääsee tietoihin käsiksi. Yritys- ja rajapintatason sopimuksissa (esim. OpenAI:n ja Anthropicin kaupalliset ehdot, Googlen Cloud Data Processing Addendum) palveluntarjoaja sitoutuu käsittelemään tietoa vain sopimuksen mukaisiin tarkoituksiin, rajaa pääsyn valtuutettuun henkilöstöön ja alihankkijoihin, ja raportoi tietomurroista. Tämä on eri asia kuin ilmaisen kuluttajaversion käyttöehdot, joissa vastaavaa sopimuksellista sitoumusta ei ole – siksi juuri sopimustyyppi ja käyttöoikeudet, ei abstrakti "voiko joku teoriassa nähdä tämän", on oikea kysymys kysyä.
  • Pyydä tarvittaessa tietojenkäsittelysopimus (DPA) ja tarkista nollasäilytys-vaihtoehdon (zero data retention) saatavuus, jos käsittelet erityisen arkaluonteista tietoa säännöllisesti. Kaikki kolme palveluntarjoajaa tarjoavat tämän tietyin ehdoin yritysasiakkaille.
  • Muista, että asetus ei toimi taannehtivasti. Koulutusasetuksen vaihto koskee uusia keskusteluja – ei peru sitä, että aiempi data on jo voinut päätyä koulutusaineistoon.

6. Miten räätälöidyn tekoälyjärjestelmän tietojen käsittely toteutetaan turvallisesti?

Kun yritykselle rakennetaan räätälöity tekoälyominaisuus – esimerkiksi tekoälyavusteinen tarjouslaskenta, asiakaspalveluagentti tai sisäinen työkalu, jossa käytetään kielimallin rajapintaa – tilanne on teknisesti selkeämpi kuin yleiskäyttöisen chat-sovelluksen kanssa, koska tietojenkäsittelyn ehdot voidaan valita tietoisesti osaksi toteutusta. Tämä ei tarkoita, että räätälöity järjestelmä olisi automaattisesti turvallinen – turvallisuus syntyy nimenomaan näistä valinnoista, ei siitä, että järjestelmä on räätälöity.

  • Järjestelmä voidaan rakentaa käyttämään rajapintaa (API) yritys- tai kaupallisin ehdoin suoraan, ei kuluttajasovelluksen kautta – tämä vastaa kohdan 3 "ei koulutusta oletuksena" -riviä.
  • Tietojen säilytysaika ja -paikka voidaan määritellä osana toteutusta, ja tarvittaessa pyytää nollasäilytys tai muu rajoitettu säilytys.
  • Pääsynhallinta ja lokitus voidaan toteuttaa niin, että nähdään mitä tietoa järjestelmä lähettää ulos ja milloin.
  • Arkaluonteisimmat tiedot voidaan jättää kokonaan rajapinnan ulkopuolelle (anonymisointi tai tiivistäminen), jos malli tarvitsee tehtävän suorittamiseen vain osan tiedosta.
  • Kolmannen osapuolen integraatiot (esim. CRM, sähköposti, kirjanpito-ohjelmisto, jotka kytketään tekoälyjärjestelmään) tuovat oman riskinsä: jokainen integraatio on oma tietovirtansa, jolla voi olla eri tietosuojaehdot kuin itse kielimallipalvelulla. Integraation turvallisuus on arvioitava erikseen, ei oleteta periytyväksi kielimallin omista ehdoista.

Kuvitteellinen esimerkki (ei todellinen asiakastapaus): ajatellaan pientä kirjanpitotoimistoa, joka haluaa tekoälyavusteisen työkalun asiakkaiden kuittien automaattiseen luokitteluun. Turvallisesti toteutettuna järjestelmä käyttäisi kielimallin rajapintaa yritystason sopimuksella (ei kuluttajatilillä), lähettäisi mallille vain kuitin tekstisisällön – ei asiakkaan koko kirjanpitoa – ja kirjaisi lokiin, mitä tietoa lähetettiin ja milloin. Jos kuitissa on henkilötietoja (esim. asiakkaan nimi), niiden käsittely olisi otettava huomioon myös GDPR:n näkökulmasta, ei vain mallin koulutuskäytännön. Tämä on esimerkki mahdollisesta toteutustavasta periaatteiden havainnollistamiseksi, ei kuvaus yksittäisestä, oikeasti rakennetusta järjestelmästä.

Kun tekoälyjärjestelmä käsittelee henkilötietoja – asiakkaiden, työntekijöiden tai muiden yksityishenkilöiden tietoja, ei vain yrityksen sisäistä liiketoimintatietoa – kyseessä on myös GDPR:n soveltamisalaan kuuluva käsittely. Tällöin on varmistettava käsittelyn oikeusperuste, tietojenkäsittelysopimus palveluntarjoajan kanssa, ja se, että tieto ei päädy sellaiseen käyttöön (esim. mallin koulutukseen), johon rekisteröidyn suostumus ei kata. Tämä on oma, erillinen juridinen kysymys liikesalaisuuksien suojaamisen rinnalla – tämä artikkeli ei ole lakineuvontaa, ja GDPR-velvoitteet kannattaa käydä läpi tapauskohtaisesti.

TEKOÄLYKEHITYS rakentaa tällaisia räätälöityjä järjestelmiä pk-yrityksille, ja osa työtä on aina näiden valintojen tekeminen yhdessä asiakkaan kanssa: mitä tietoa järjestelmä oikeasti tarvitsee, millä ehdoilla se liikkuu, ja miten se pysyy hallinnassa myös käyttöönoton jälkeen. Räätälöinti mahdollistaa tietoisen valinnan – se ei itsessään takaa turvallisuutta.

Yhteenveto

  • Koulutuskäyttö, tietojen säilytys ja tietovuoto ovat kolme eri asiaa – samoin kuin väärinkäytösten valvontalokit ja sovelluksen pysyvästi tallentama tieto.
  • Kielimallit voivat harvinaisissa tapauksissa muistaa ja toistaa yksittäisiä koulutusaineiston osia sanatarkasti – riski ei ole teoreettinen, mutta koskee lähinnä toistuvaa tietoa, ei kertaalleen syötettyä yksittäistä tietoa.
  • Kuluttajaversio, yritysversio ja API ovat kolme eri sopimussuhdetta samalla palveluntarjoajalla – tarkista aina se versio ja tilityyppi, jota käytät (Googlella myös aktiivisen laskutustilin olemassaolo ratkaisee).
  • Kaikki kolme (ChatGPT, Claude, Gemini) noudattavat samaa yleislinjaa: ilmainen kuluttajaversio voi käyttää sisältöä koulutukseen, maksullinen yritys/API-taso sulkee sen pois oletuksena – Claudella lisäksi käyttäjäpalaute ja turvallisuustarkastukset ovat erillisiä poikkeuksia.
  • Suurin käytännön riski on tyypillisesti väärän (kuluttajatason) palveluversion käyttö, ei palveluntarjoajan tietovuoto.
  • Räätälöity järjestelmä mahdollistaa tietoisen valinnan tiedon käsittelyehdoista, mutta ei ole automaattisesti turvallinen – turvallisuus riippuu tehdyistä valinnoista, mukaan lukien kolmannen osapuolen integraatiot ja mahdollinen henkilötietojen käsittely (GDPR).

Lähteet

Voit kuvailla oman tarpeesi osoitteessa https://tekoalykehitys.fi ja katsoa, minkälainen ratkaisu siihen sopisi – esimerkiksi silloin, kun yrityksessäsi harkitaan omaa tekoälyä hyödyntävää työkalua ja tietojenkäsittely kannattaa ottaa huomioon suunnittelun alusta asti.