Lato niezadowolenia wokół funkcji usuwania przesłanych plików w ChatGPT

23 marca tego roku OpenAI wprowadziła Bibliotekę do ChatGPT. Teraz, zamiast wyparowywać jak nieśmiałe wiadomości Snapchat, wszystko, co przesłałeś do sesji czatu, byłoby trwale zapisywane – i wykorzystywane do trenowania nowych modeli SI, zakładając, że pozostawisz to ustawienie domyślne.

Pliki PDF, obrazy, wklejony tekst (który automatycznie przekształcany był w pliki tekstowe i zapisywany), oraz wszystko inne, na co pozwalała funkcja przesyłania, pozostawałyby trwale, chyba że poświęciłbyś czas na ich usunięcie.

W miarę rozwoju funkcji, proces zarządzania koszem Biblioteki przyjął paradygmat „e‑mail”, w którym usunięcie po prostu przenosiło pliki do obszaru przechowywania; a stamtąd elementy były ostatecznie usuwane po trzydziestu dniach.

Od 5 maja, dla użytkowników Plus i Pro w wersji webowej, GPT‑5.5 Instant był w stanie wyciągać kontekst z poprzednich czatów, przesłanych i/lub wygenerowanych plików (oraz opcjonalnie Gmail), aby poprawić jakość odpowiedzi.

Dziewięć dni później OpenAI wprowadziła płatne poziomy, z różnymi limitami przechowywania danych w zależności od tego, ile zapłaciłeś; i nagle cały model przeszedł z e‑mailu na iCloud, OneDrive lub dowolne inne bezproblemowe, jednopunktowe rozwiązanie storage‑as‑a‑service, zaprojektowane do wydobywania trwałego i ciągle rosnący czynsz.

Czas dopłacić – osiągnięto limity w produkcie ChatGPT firmy OpenAI. Źródło

Możemy to zapamiętać za Ciebie, Retail

Jednak tutaj OpenAI miał dodatkowy haczyk, ponieważ stało się jasne – przynajmniej dla mnie – że nowa polityka przechowywania przesyłek znacząco poprawiła ciągłość i pamięć kontekstu specyficznego dla użytkownika w ChatGPT (zakładając, że nie usuwasz regularnie swoich przesyłek).

Jednocześnie starszy interfejs długoterminowej pamięci (LTM) ChatGPT stał się mniej bezpośrednio edytowalny, przekształcając się w samorozwijającą się, ale nieprzepuszczalną matrycę informacji o tobie i twoim świecie. Jeśli masz szczęście i wiatr wieje w dobrą stronę, możesz poprosić GPT o zapisanie konkretnej cechy w LTM i zrobi to, zamiast informować, że narzędzie przesyłania do LTM nie jest dostępne w tym konkretnym czacie:

Nowy nieprzezroczysty interfejs pamięci użytkownika, w którym poszczególne elementy nie mogą być dyskretnie usuwane jak wcześniej.

Jednak ta starsza pula danych nie jest już tak łatwo edytowalna; miejsce zarządzania pamięcią wydaje się zamiast tego przesunąć z LTM na zgromadzone dokumenty, obrazy i inne historyczne śmieci pozostawione przez poprzednie czaty użytkownika.

Te artefakty, o których wielu wspomina na forach, są traktowane oddzielnie od czatów, które je wygenerowały; usunięcie czatu nie usuwa powiązanych z nim obrazów i plików i obecnie nie ma opcji, aby to umożliwić.

Można to interpretować jako ‘ciemny wzorzec’ skłaniający użytkownika do przechowywania danych, aż osiągnie punkt, w którym ogromna ilość danych jest tak przytłaczająca, a dostępne procesy usuwania są tak okropnie wolne, co sprawia, że łatwiej jest po prostu usunąć konto ChatGPT i zacząć od nowa.

Coraz częściej pojawiające się „nuklearne” rozwiązanie, o którym dyskutuje się w kontekście tarcia przy usuwaniu przesyłek. Źródło

Obecnie więc kompromis przedstawiony użytkownikowi polega na tym, że musi on zaufać OpenAI w kwestii swoich plików; poświęcić czas na zarządzanie i usuwanie „wrażliwych” przesyłek, takich jak dokumenty tożsamości czy dane klientów (nawet jeśli obecne metody oferowane przez OpenAI zazwyczaj utrudniają nawigację w dużej liczbie przesłanych plików); oraz zaakceptować, że jeśli uda im się usunąć swoje przesyłki, ich przyszłe czaty będą pozbawione kontekstu pochodzącego z tych zgromadzonych danych.

Niezależnie od faktu, że większość użytkowników nie jest data scientistami i może nie być w stanie łatwo zrozumieć, jak selektywnie i inteligentnie przycinać duże kolekcje przesłanych plików, narzędzia służące do rozwiązania tego problemu wydają się i tak niewystarczające:

W momencie pisania tego tekstu najnowszy wniosek o lepsze zarządzanie usuwaniem został opublikowany dopiero wczoraj. Źródło

Ścieżka upsellingu, zarówno dla OneDrive, iCloud, jak i – teraz – ChatGPT, opiera się na groźbie, że użytkownik będzie musiał faktycznie uporządkować niekończące się strumienie danych: załączniki, które są automatycznie zapisywane; fale zdjęć, które nigdy nie są przeglądane i wybierane; e‑maile, które mogą być potrzebne księgowemu w 2038 roku; oraz, teraz, rosnąca i pęczniejąca chmura przesyłek/generacji, która sprawia, że sztuczna inteligencja działa lepiej; ale która jest przechowywana na warunkach samolubnej firmy i w jej infrastrukturze, a nie użytkowników.

Wynajmujący przestrzeń dyskową, tacy jak OneDrive i iCloud, polegają na tym, że użytkownicy wolą płacić więcej za zwiększoną pulę pamięci niż nurkować wśród 10–15 lat zdjęć lub innych danych, gdzie stawka za błędy i pomyłki może być wysoka.

Można argumentować, że to tylko dodatkowy strumień przychodów dla funkcji Biblioteka ChatGPT z 2026 roku, która zamiast tego oferuje praktyczne rozwiązanie problemu LLM amnezja w formie usługi „premium”, oddzielonej od starego systemu LTM. Chociaż przechowywanie można przenieść do innego płatnego dostawcy w tej samej klasie, takiego jak Google Drive, obecnie nie ma możliwości hostowania własnych danych na WebDav ani innych rozwiązaniach samodzielnie hostowanych.

Trudności z zapamiętywaniem

Jedno interesujące pytanie brzmi dlaczego OpenAI to robi. Oczywistą odpowiedzią jest to, że Google Gemini już posiada ten mechanizm w swoich płatnych subskrypcjach: zaraz po przejściu na płatny poziom Gemini, limity przechowywania powiązanego konta Google znacząco rosną, gotowe utrzymać wszystkie te słodkie dane przesyłane jako zakładnik. Z tego punktu widzenia OpenAI po prostu nieco podnosi poprzeczkę.

Jednak nawet gdyby OpenAI realistycznie nadrobiło Google pod względem infrastruktury przechowywania, ten krok wydaje się mało prawdopodobny, aby uratować je przed większymi względami finansowymi, sięgające bilionów dolarów; można argumentować, że ani reklama nie rozwiąże problemów tej skali.

Dlatego pozostałe powody mogą być ograniczenie szkód – gdzie dodatkowy przychód przynajmniej rekompensuje niektóre asymetryczne inwestycje, które OpenAI musiało podjąć; zatrzymanie użytkowników – gdzie tarcia związane z migracją stają się odstraszaczem od zmiany dostawcy; albo, mniej cynicznie, po prostu zapewnienie czegoś podobnego do długoterminowa trwała pamięć w relacjach człowiek‑AI – co może być centralnym wyzwaniem tej trzeciej rewolucji AI; w konsekwencji czysta propozycja wartości.

Słowo do mądrych

Wielu, w tym ja, zwraca się ku tworzeniu dokumentów „przekazania” jako alternatywie dla polegania na nieuporządkowanych i niekuratorowanych przesyłkach do systemów czatu (przesyłki, które mogą być zainfekowane niepożądanymi danymi, takimi jak hasła sieciowe):

Czat, który zainspirował ten bardzo zdyscyplinowany i pięknie uporządkowany dokument przekazania, był niechlujny i nieco zdesperowany, czasami.

Korzystając z .format MD markdown (głównie dlatego, że konsumenckie ramy AI zdają się go faworyzować i pozwala on na nieco większą niuansę oraz racjonalizację niż dokument tekstowy), można pod koniec coraz bardziej niechlujnej sesji czatu poprosić SI o podsumowanie kluczowych punktów wymiany w przegląd, który późniejsza instancja – lub inna SI – mogłaby wykorzystać do szybkiego przyswojenia niezbędnej wiedzy i „przejścia” zadania od tego momentu.

Jedną z zalet zredukowania wymiany do takiego pliku przekazania jest to, że większość, jeśli nie wszystkie, przesyłki użyte w czacie mogą zostać podsumowane w streszczeniu, a oryginały bezpiecznie usunięte.

Kolejną zaletą jest to, że można selektywnie udostępniać, aktualizować i usuwać te dokumenty podsumowujące w czasie, zachowując kontrolę nad miejscem przechowywania informacji oraz nad tym, jakie dane te informacje zawierają.

Można by sądzić, że tego rodzaju destylacja odbywa się nieustannie za kulisami wiodącego dostawcy LLM; jednak żaden z głównych platformowych „tradycyjnych” systemów LTM nie wydaje się stawać mądrzejszym ani lepiej poinformowanym z czasem w taki sam sposób, jak gdy użytkownik pozwala na gromadzenie ogromnych przesyłek, które dostarczają bogaty – choć niechlujny i redundantny – kontekst historyczny.

Cóż, przetwarzanie przesyłek w niezbędne materiały wprowadzające, jak opisano powyżej, nie jest tylko kosztowne pod względem zasobów, ale można argumentować, że jest to pewna forma treningu, od którego wielu użytkowników się wycofało.

Natomiast przesłane obrazy mogą być zachowane wraz z dowolnymi osadzeniami wyekstrahowanymi z nich podczas czatu użytkownika, podczas gdy dokumenty są już oparte na tekście i nadają się do referencji. Łatwiej i taniej jest pobierać metadane użytkownika pochodzące z tych przesyłek w czasie inferencji niż przekształcać losową górę przesyłek użytkownika w zrozumiałą bazę danych.

W braku jaśniejszego uzasadnienia ze strony OpenAI, wydaje się, że tak właśnie wygląda sytuacja na platformie ChatGPT.

Zaskakujący zwrot w stylu Shyamalana

„Lato niezadowolenia”, o którym wspomina ten artykuł, odzwierciedla frustrację wielu użytkowników z powodu tego, jak trudno zazwyczaj usunąć przesłane pliki z Biblioteki w ChatGPT. Na dodatek terminologia i powiązane elementy interfejsu zdają się zmieniać prawie codziennie, szybko czyniąc zewnętrzne rozwiązania, takie jak rozszerzenie Chrome do usuwania elementów Biblioteki, niefunkcjonalne.

Jednym konkretnym źródłem skargi jest to, że przycisk „zaznacz wszystko” w Bibliotece nie rozwija i nie zaznacza wszystkich dostępnych elementów – zaznacza jedynie to, co zostało wczytane leniwie na stronie:

Kiedy „Wszystko” nie oznacza wszystkiego – może istnieć tysiące, a nawet setki tysięcy innych plików do obsłużenia, oddalone jedynie o tysiąc naciśnięć spacji.

Dlatego, jeśli masz 90 000 przesłanych elementów do usunięcia, będziesz musiał trzymać palec na spacji bardzo długo – ale nie tak długo, by leniwe wczytywanie straciło kontekst najwcześniejszych elementów lub nie spowodowało awarii przeglądarki.

Jeden użytkownik opisuje żmudny proces zaznaczania dużej liczby plików w bibliotece w celu ich usunięcia.

Wczoraj, po lecie spędzonym na gromadzeniu około 600 plików w trzech konkretnych projektach (głównie związanych z domową siecią), postanowiłem, że moje eksporty PDF z ChatGPT – nie jest to wcale łatwe do zrobienia przez OpenAI – oraz podsumowania .MD są wystarczające dla moich długoterminowych projektów, w przeciwieństwie do niekomfortowego uczucia, że dane o nich gromadzą się w folderach projektów w moim koncie ChatGPT (a takie pliki i obrazy powiązane z projektami były wykluczone z typowych rutynowych usuwania przesyłek aż do kilku dni temu, w kolejnej reorganizacji GUI/użyteczności).

Przygotowałem się więc na żmudną godzinę naciskania przycisków i nadzoru, i sprawdziłem fora, aby być na bieżąco z nastrojami użytkowników oraz wskazówkami dotyczącymi tego problemu.

A komentarz w jednym poście na Reddit wskazywał, że użytkownik właśnie poprosił ChatGPT o samodzielne usunięcie plików i że model się zastosował:

ChatGPT rozwiązuje problem, z którym użytkownicy borykali się przez całe lato. Źródło

Więc wypróbowałem tę samą metodę na moich jedynie 600 przesłanych plikach i, po pewnym wahaniu i ociąganiu, ChatGPT rzeczywiście usunął każdy pojedynczy upload w moim koncie w jednym przebiegu, bez wymogu mojej obecności.

Spróbowałem ponownie dziś rano, na zestawie testowym uploadów i, znowu, usunął wszystkie pliki jednorazowo, bez nadzoru, którego wielu użytkowników skarżyło się jako niezbędnego:

W obu przypadkach sprawdziłem pod kątem halucynacji, ale usunięcia były autentyczne. Oznacza to, że w procesie czatu GPT istnieje funkcjonalność GUI, która (przynajmniej dziś) jest całkowicie nieobecna w samym interfejsie graficznym.

Należy wspomnieć, że moje próby zmuszenia ChatGPT do opróżnienia kosza zakończyły się niepowodzeniem. Ponieważ wspomniany wcześniej wymóg leniwego wczytywania dotyczy również kosza, osoba posiadająca 100 000 plików nie będzie łatwo w stanie sfinalizować ich usunięcia. Jednak przynajmniej jeden musi poczekać miesiąc, a wtedy się to stanie.

Należy również wziąć pod uwagę, że interfejs i funkcjonalność wszystkich najnowocześniejszych modeli LLM zmieniają się, kurczą i rozszerzają codziennie, i że ta funkcjonalność może nie działać u Ciebie; może zniknąć jutro; a nawet może ewoluować i się poprawić.

Pierwsze opublikowanie we wtorek, 29 września 2026