Tot mai multe firme folosesc servicii AI din cloud pentru analiză, automatizare, suport clienți sau procesarea documentelor. Problema este că datele trimise către aceste sisteme ajung într-o infrastructură pe care organizația nu o controlează direct. În practică, întrebarea importantă nu este doar unde sunt stocate datele, ci și ce se întâmplă cu ele în timp ce sunt procesate. Aici intră în discuție confidential computing, o tehnologie care încearcă să reducă riscul expunerii datelor chiar și atunci când rulează în cloud.
Ce înseamnă confidential computing pentru AI
Pe scurt, confidential computing înseamnă protejarea datelor „în uz”, adică exact în momentul în care aplicația sau modelul AI le procesează. Microsoft descrie conceptul prin ideea de calcul realizat într-un mediu hardware izolat și atestat, numit Trusted Execution Environment. Google Cloud explică aceeași direcție mai simplu: datele pot rămâne protejate inclusiv în timpul procesării, nu doar când sunt stocate sau transmise. Pentru companii, diferența este importantă. Criptarea clasică acoperă bine datele „în repaus” și „în tranzit”, dar mai slab momentul în care informația trebuie decriptată pentru a fi folosită de un model AI.
Unde apare riscul real când folosești AI în cloud
De ce contează asta în proiectele AI? Pentru că multe fluxuri includ date sensibile: contracte, documente financiare, date despre angajați, ticketing intern, conversații cu clienții sau seturi de date pentru antrenare și inferență. Dacă organizația trimite astfel de informații către un furnizor cloud, trebuie să evalueze nu doar funcționalitatea serviciului, ci și nivelul real de izolare, accesul administratorilor, mecanismele de atestare, jurnalizarea și regulile contractuale privind procesarea.
Pentru o afacere mică sau medie din România, riscul nu apare doar dintr-un atac extern. El poate apărea și din lipsa de vizibilitate asupra infrastructurii, din configurări slabe, din politici neclare despre cine are acces la date sau din folosirea unor servicii AI fără o analiză serioasă înainte. Cu alte cuvinte, dacă urci date sensibile în cloud, nu este suficient să presupui că providerul le protejează automat în orice etapă.
Ce rezolvă și ce nu rezolvă această tehnologie
Confidential computing nu este o soluție magică și nici nu rezolvă singur conformitatea. El reduce o anumită clasă de riscuri: accesul neautorizat la date în timpul procesării, inclusiv din partea unor componente privilegiate ale infrastructurii. AWS explică, de exemplu, că Nitro Enclaves izolează CPU și memorie față de instanța părinte și oferă mecanisme de atestare pentru a verifica ce cod rulează în enclavă. Acest tip de control poate fi util când rulezi inferență AI pe date sensibile, dar nu elimină nevoia de clasificare a datelor, control al accesului, politici de retenție sau audit.
Din perspectivă de protecție a datelor, ideea de bază rămâne simplă: dacă procesezi date personale, trebuie să poți demonstra că ai ales măsuri tehnice și organizatorice potrivite riscului. În practică, asta trebuie analizat împreună cu rolurile contractuale dintre operator și persoana împuternicită, cu tipul de date folosite și cu scopul concret al procesării.
Ce ar trebui să verifice o firmă din România
Pentru utilizarea AI în UE, contextul legal devine mai complex. Pagina oficială a Comisiei Europene despre AI Act arată că organizațiile trebuie să se uite atent la modul în care folosesc sistemele AI, la categoria de risc și la obligațiile aplicabile. Asta înseamnă că securitatea infrastructurii nu trebuie separată de guvernanța datelor și de evaluarea concretă a cazului de utilizare.
O abordare prudentă arată așa: mai întâi stabilești dacă datele trimise către AI sunt personale, confidențiale sau doar interne. Apoi verifici dacă pot fi minimizate, pseudonimizate sau excluse din prompturi și dataseturi. După aceea analizezi furnizorul: unde rulează serviciul, ce opțiuni de confidential computing oferă, dacă există atestare, cine poate administra mediul, ce loguri se păstrează și cum pot fi controlate cheile. În paralel, trebuie verificate documentația contractuală, transferurile internaționale de date și limitele serviciului AI ales.
De ce nu este suficient doar să bifezi funcția din panou
Mai există un aspect practic: confidential computing poate ajuta, dar vine cu costuri și limitări. Nu toate workload-urile AI sunt compatibile imediat, unele servicii au restricții de performanță, iar integrarea poate cere schimbări de arhitectură. De aceea, nu este suficient să bifezi o funcție de securitate din panoul providerului. E nevoie de testare, de validarea configurației și de o decizie clară privind ce date au voie să ajungă în model.
Concluzia utilă este aceasta: dacă folosești AI în cloud pe date pe care nu ți-ai permite să le expui, confidential computing merită analizat serios. Nu înlocuiește criptarea, controlul accesului, contractele și guvernanța, dar poate adăuga un strat relevant de protecție exact acolo unde multe organizații au cel mai puțin control: în infrastructura altcuiva, în momentul procesării.
