Hvis du nogensinde har delt noget på internettet, såsom en tweet, en blogpost, en anmeldelse eller et selfie, er der stor sandsynlighed for, at det er blevet brugt til at træne generative AI-modeller som ChatGPT og billedskabere. Teknologivirksomheder har samlet massive mængder data fra internettet uden stor hensyn til indholdsproducenter, ophavsret eller privatliv. Derudover forsøger nogle virksomheder nu at tjene penge på disse data ved at sælge eller licensere dem under AI-boomet. Imidlertid er der, midt i retssager og undersøgelser af generative AI og dets data praksis, nogle tiltag for at give folk mere kontrol over deres online indhold. Visse virksomheder tilbyder nu muligheden for, at enkeltpersoner og virksomhedskunder kan fravælge brugen af deres indhold til AI-træning eller salg til dette formål. Det er dog vigtigt at have realistiske forventninger, fordi mange AI-virksomheder sandsynligvis allerede har indsamlet og brugt dataen, der er blevet lagt online.

Virksomheder er ofte hemmelighedsfulde omkring deres dataindsamling, hvilket gør det svært for enkeltpersoner at forstå fuldt ud, hvad de har givet tilladelse til, og hvordan deres data bliver brugt. Derudover kan processen med at fravælge AI-træningsdata være kompleks og krævende, når der findes ophavsret og privatlivslove. Selvom der eksisterer tekniske metoder til at fjerne data fra AI-systemer eller "glemme" det, er der lidt viden om de specifikke processer, der er involveret. Valgmuligheder for fjernelse af data er ofte skjult eller kræver betydelig indsats. Derfor er opgaven med at fjerne opslag fra AI-træningsdata sandsynligvis udfordrende. Virksomheder, der tilbyder fravalg af fremtidig dataindsamling eller deling, kræver typisk, at brugerne aktivt giver samtykke fra starten, hvilket yderligere komplicerer situationen.