Resumen

  • Hamachi.ai anunció el 10 de septiembre una patente que su propia página fecha el 26 de mayo, no una nueva concesión ni una prueba independiente de privacidad.
  • Proteger la entrada de un modelo no define por sí solo todo el almacenamiento, intercambio o uso posterior de los datos.

Eliminar un nombre de una petición no equivale a borrar la relación del cliente con el servicio. Un asesor puede querer ocultar identificadores al modelo y conservar el contexto del hogar para la semana siguiente. La propuesta de Hamachi debe evaluarse en esos dos planos.

El comunicado del 10 de septiembre presenta la patente estadounidense 12,641,064 y una arquitectura que protege información identificable antes del procesamiento por un LLM posterior. También describe agentes seleccionados por contexto, revisión de borradores y registros de auditoría. Sin embargo, la página de patentes de la empresa fija la concesión en el 26 de mayo de 2026. La publicación oficial de la USPTO identifica la patente y su titular. La noticia es la comunicación de septiembre; no debe convertirse en una concesión reciente o un despliegue demostrado.

La web del producto afirma que los datos sensibles se ocultan y etiquetan antes de llegar a cualquier modelo de IA. A la vez, promociona contexto persistente del hogar, notas del asesor, decisiones anteriores y archivo de comunicaciones generadas. La página de patentes incluye la protección y restauración de información sensible entre las capacidades descritas. Son afirmaciones del proveedor, no resultados de una inspección independiente.

La política de privacidad del 17 de febrero aborda un recorrido más amplio. Describe el tratamiento de mensajes cargados y correos integrados según las funciones solicitadas y los permisos concedidos. Para compartir información con terceros, condiciona la supresión de identificadores a que sea factible y contempla proveedores cloud, de analítica y de modelos. Esa cláusula general y la promesa sobre la entrada del modelo tienen alcances distintos. La diferencia no prueba una filtración, pero tampoco permite resumirlas como ausencia total de circulación de datos personales.

El entrenamiento debe separarse del procesamiento de una solicitud. La política contempla contenido agregado, anonimizado y desidentificado para mejorar modelos y servicios. Usar contenido identificable de clientes para entrenar modelos públicos o de terceros requiere autorización explícita. No es una promesa de que ningún dato se use jamás para mejorar modelos, ni una prueba de reutilización identificable sin condiciones.

La conservación tampoco termina necesariamente al proteger un prompt. El texto prevé retener datos por las finalidades descritas y mantener ciertos datos de cuenta después de la terminación. Decir que lo almacenado suele ser resumido o derivado no establece un borrado inmediato ni un único plazo para toda la información.

Las señales de disponibilidad también son limitadas: el comunicado invita a una beta privada, la web ofrece una prueba y califica su precio como acceso anticipado, mientras la política habla de plataforma comercial de producción. No hemos comprobado qué funciones recibe una cuenta. Los materiales citados no acreditan un ensayo independiente de ocultación, una auditoría del recorrido de datos de un cliente o una certificación regulatoria.