En sommar av missnöje kring ChatGPT:s uppladdningsraderingsfunktion

Den 23 mars i år introducerade OpenAI införde Biblioteket till ChatGPT. Nu, istället för att försvinna som skygga Snapchat‑meddelanden, sparas allt du laddar upp till en chattsession permanent – och används för att träna nya AI‑modeller, förutsatt att du låter den standardinställning stå.

PDF‑filer, bilder, inklistrad text (som automatiskt omvandlades till textfiler och sparades), och allt annat som uppladdningsfunktionen tillät, skulle finnas kvar permanent, om du inte tog dig besväret att radera dem.

När funktionen utvecklades antog Bibliotekets papperskorgshanteringsprocess ‘e‑post’-paradigmet, där raderingshandlingen helt enkelt flyttade filerna till ett hållområde; och därifrån raderades objekten slutligen trettio dagar senare.

Från den 5 maj, för Plus‑ och Pro‑webbanvändare, kunde GPT‑5.5 Instant samla in kontext från tidigare chattar, uppladdade och/eller genererade filer (och, valfritt, Gmail), för att förbättra svarskvaliteten.

Nio dagar senare införde betalda nivåer, med varierande datalagringsgränser beroende på vad du betalade; och plötsligt skiftade hela modellen från e‑post till iCloud, OneDrive eller någon annan friktionsfri lagring‑som‑en‑tjänst‑lösning med ett klick, avsedd att extrahera permanent och ständigt ökande hyra.

Dags att betala – når gränserna för OpenAI:s ChatGPT‑produkt. Källa

Vi kan komma ihåg det åt dig, detaljhandel

Här hade OpenAI dock ett extra lockbete, eftersom det blev tydligt – åtminstone för mig – att den nya policyn för uppladdningslagring avsevärt förbättrade ChatGPT:s kontinuitet och återkallelse av användarspecifik kontext (förutsatt att du inte rutinmässigt raderar dina uppladdningar).

Samtidigt blev ChatGPT:s äldre gränssnitt för långtidsminne (LTM) mindre direkt redigerbart, omvandlat till en självutvecklande men ogenomtränglig informationsmatris om dig och din värld. Om du har tur och vinden blåser i rätt riktning kan du be GPT att spara en viss egenskap till LTM, och den kommer att göra det istället för att säga att LTM‑inskickningsverktyget inte är tillgängligt i just den chatten:

Det nya ‘opaqua’ användarminnes‑GUI‑et, där enskilda facet inte kan tas bort individuellt som tidigare.

Denna äldre datamängd är dock inte längre enkelt redigerbar; minneshanteringens fokus verkar istället ha förflyttats från LTM till de samlade dokumenten, bilderna och annat historiskt skräp som lämnats kvar av användarens tidigare chattar.

Dessa artefakter, som många har påpekat i forum, behandlas separat från de chattar som skapade dem; att radera en chatt raderar inte dess tillhörande bilder och filer, och det finns för närvarande inget alternativ för att få det att ske.

Detta kan tolkas som ett ‘mörkt mönster’ som lutar användaren mot datalagring, tills de når en punkt där den enorma mängden data är så överväldigande, och de tillhandahållna raderingsarbetsflödena är så fruktansvärt långsamma, vilket gör det enklare att bara radera ChatGPT‑kontot och börja om på nytt.

Den ‘nukleära’ lösningen som alltmer ses där friktionen kring uppladdningsradering diskuteras. Källa

Således är det nuvarande avvägningen som presenteras för användaren att de måste lita på OpenAI med sina filer; ta sig tid att hantera och radera ‘känsliga’ uppladdningar såsom ID‑dokument eller kunddata (trots att de nuvarande metoderna som OpenAI tillhandahåller vanligtvis gör det svårt att navigera en stor mängd uppladdade filer); och acceptera att om de lyckas radera sina uppladdningar, kommer deras framtida chattar att sakna den kontext som kommer från den ackumulerade datan.

Trots att de flesta användare inte är datavetare och kanske inte enkelt kan förstå hur man selektivt och intelligent beskär stora samlingar av uppladdade filer, verkar verktygen för att lösa problemet ändå otillräckliga för uppgiften:

Vid tidpunkten för detta skrivande var denna senaste begäran om bättre raderingshantering bara publicerad igår. Källa

Uppsäljningsvägen, oavsett om det gäller OneDrive, iCloud eller – nu – ChatGPT, bygger på att hota användaren med att faktiskt behöva kurera sina oändliga datastreamar: bilagorna som sparas automatiskt; floden av foton som aldrig sållas och väljs ut; e‑postmeddelandena som kan behövas för revisorn år 2038; och nu den växande och expanderande uppladdnings‑/genereringsmolnet som får AI att faktiskt fungera bättre; men som behålls på ett egenintresserat företags villkor och inom deras infrastruktur, snarare än användarnas.

Lagringsrentörer som OneDrive och iCloud förlitar sig på att användarna föredrar att betala mer för ökad lagringskvot än att dyka ner i 10–15 års foton eller annan data, där insatserna kan vara höga för fel och missbedömningar.

Man kan hävda att det bara är ett sekundärt intäktsflöde för ChatGPT:s Library‑funktion 2026, som istället erbjuder en fungerande lösning på LLM‑amnesi i form av en ‘premium’-tjänst, fristående från den gamla LTM‑faciliteten. Även om lagring kan överföras till en annan betald leverantör i rentörsklassen, som Google Drive, finns det för närvarande inget alternativ att vara värd för dina egna data på WebDav eller andra självhostade lösningar.

Kämpar med att komma ihåg

En intressant fråga är varför OpenAI gör detta. Ett uppenbart svar är att Google Gemini redan har denna mekanism i sina betalda prenumerationer: så snart du uppgraderar till en betald Gemini‑nivå ökar dina lagringsgränser för det associerade Google‑kontot märkbart, redo att hålla all den söta uppladdningsdatan som gisslan. Ur det perspektivet är OpenAI bara lite mer avancerat.

Men även om OpenAI realistiskt skulle kunna komma ikapp Google när det gäller lagringsinfrastruktur, verkar detta tillvägagångssätt mycket osannolikt att rädda dem från deras större finansiella överväganden, som ligger på biljoner dollar; man kan hävda att inte ens reklam kan lösa problem av denna omfattning.

Därför kan de återstående anledningarna vara skadebegränsning – där den extra intäkten åtminstone kompenserar några av den asymmetriska investering som OpenAI har varit tvungen att göra; användarbevarande – där friktionen som är förknippad med migrering blir ett avskräckande för att byta leverantör; eller, mindre cyniskt, helt enkelt tillhandahållandet av något liknande långsiktigt bestående minne i människa‑AI‑relationer – vilket kan vara den centrala utmaningen i denna tredje AI‑revolution; därför ett rent värdeerbjudande.

Ett ord till de vise

Många, inklusive jag själv, vänder sig till att skapa ‘överlämnings’-dokument som ett alternativ till att förlita sig på oordnade och okurerade uppladdningar till chattsystem (uppladdningar som kan vara infekterade med oönskade datapunkter, såsom nätverkslösenord):

Chatten som informerade detta mycket disciplinerade och vackert ordnade överlämningsdokument var slarvig och inte lite desperat ibland.

Genom att använda .MD‑markdownformat (främst eftersom konsument‑AI‑ramverk verkar föredra det, och det möjliggör lite mer nyans och rationalisering än ett textdokument) kan man i slutet av en alltmer slarvig chattsession be AI:n att sammanfatta nyckelpunkterna i utbytet till en översikt som en senare instans – eller en annan AI – kan använda för snabbt att assimilera den nödvändiga kunskapen och ‘ta över’ uppgiften från den punkten.

En fördel med att destillera ett utbyte till en sådan överlämningsfil är att de flesta, om inte alla, uppladdningar som används i chatten kan sammanfattas i sammanfattningen, och originalen säkert raderas.

En annan fördel är att man kan selektivt tillhandahålla, uppdatera och radera dessa sammanfattningsdokument över tid, behålla kontrollen över var informationen lagras och vilken data den innehåller.

Man skulle kunna tro att denna typ av destillation ständigt pågick bakom kulisserna hos en ledande LLM‑leverantör; dock verkar ingen av de stora plattformarnas ‘traditionella’ LTM‑system bli smartare eller bättre informerade över tid på samma sätt som när användaren låter enorma uppladdningar ackumuleras och tillhandahåller rik – om än rörig och redundant – historisk kontext.

Nåväl, att bearbeta uppladdningar till väsentliga grundläggande material av den typ som beskrivits ovan är inte bara resurskrävande, utan kan med rätta tolkas som någon form av träning, vilket många användare har valt bort.

Omvänt kan uppladdade bilder bevaras med alla inbäddningar som extraheras från dem under en användarchatt, medan dokument redan är textbaserade och lämpliga för referens. Det är enklare och billigare att hämta användarmetadata från dessa uppladdningar vid inferenstid än att omformulera användarens slumpmässiga uppladdningsberg till en begripliga databas.

I avsaknad av en tydligare rationalitet från OpenAI verkar detta vara vad som händer på ChatGPT‑plattformen.

En Shyamalan‑vridning

Den ‘sommar av missnöje’ som artikeln refererar till representerar den frustration som många användare har känt över hur svårt det vanligtvis är att radera uppladdade filer från Biblioteket i ChatGPT. Dessutom verkar terminologi och relaterade gränssnittselement förändras nästan varje dag, vilket snabbt gör tredjeparts-lösningar, såsom ett Chrome-webbläsartillägg för att radera Biblioteksobjekt, icke-fungerande.

En specifik källa till klagomål är att ‘välj alla’-knappen i Biblioteket inte går ner och väljer alla tillgängliga objekt – den väljer bara det som har laddats in på sidan:

När ‘Alla’ inte är allt – det kan finnas tusentals, eller hundratusentals, andra filer att hantera, bara ett tusen tryck på mellanslagstangenten bort.

Därför, om du har 90 000 uppladdade objekt att radera, kommer du behöva hålla fingret på mellanslagstangenten under mycket lång tid – men inte så länge att den lata laddningen tappar kontexten för de tidigaste objekten eller kraschar webbläsaren.

En användare beskriver den tidsödande processen att välja ett stort antal filer i biblioteket för radering.

Igår, efter en sommar av att samla omkring 600 filer i tre specifika projekt (mest relaterade till hemnätverk), bestämde jag att mina ChatGPT PDF‑exporter – något som OpenAI verkligen inte gör enkelt – och .MD‑sammanfattningar var tillräckliga för mina långsiktiga projekt, snarare än den obehagliga känslan av att data om dem samlas i projektmappar i mitt ChatGPT‑konto (och sådana projekt‑associerade filer och bilder har undantagits från de vanliga rutinmässiga uppladdningsraderingarna fram till för några dagar sedan, i ännu en GUI‑/användbarhetsomstrukturering).

Så jag förberedde mig för en tidskrävande timme av knapptryckningar och översyn, och kollade forumen för att bli uppdaterad om användarsentiment och tips kring problemet.

En kommentar till ett Reddit-inlägg indikerade att användaren just hade bett ChatGPT att radera filerna själva, och den hade gått med på det:

ChatGPT löser problemet det ställde användarna inför hela sommaren. Source

Så jag provade samma metod på mina egna blott 600 uppladdade filer, och efter ett visst mått av tvekan och dröjsmål raderade ChatGPT faktiskt varje enda uppladdning jag hade i mitt konto, i ett enda pass, utan att kräva min närvaro.

Jag provade igen i morse, på en test‑uppsättning uppladdningar, och återigen raderade den alla filer på en gång, utan den tillsyn som många användare klagat på som nödvändig:

I båda fallen kontrollerade jag för hallucinations, men raderingarna var äkta. Detta innebär att det finns GUI‑funktionalitet i GPT‑chattprocessen själv som (åtminstone idag) helt saknas i själva GUI‑gränssnittet.

Det bör nämnas att mina försök att få ChatGPT att tömma papperskorgen alla misslyckades. Eftersom samma tidigare nämnda krav på lat laddning gäller för papperskorgen, kommer någon med 100 k filer inte lätt kunna slutföra sina raderingar. Dock behöver man bara vänta en månad, så kommer det att ske.

Det bör också beaktas att gränssnittet och funktionaliteten för alla frontier‑LLM:er förändras, krymper och expanderar dagligen, och att denna funktionalitet kanske inte fungerar för dig; kan försvinna i morgon; eller till och med utvecklas och förbättras.

Först publicerad tisdag 29 september 2026