Kwiecień 2026. Alexander Hanff publikuje analizę pokazującą że Anthropic, podczas instalacji Claude Desktop, automatycznie rejestruje Native Messaging bridge w siedmiu przeglądarkach opartych na Chromium — bez pytania o zgodę w żadnej z nich.
Maj 2026. Ten sam autor dokumentuje analogiczny mechanizm w Chrome: pobranie 4 GB Gemini Nano na urządzenia użytkowników bez zgody, z automatycznym przywracaniem pliku po usunięciu.
Dwa różne vendory. Ten sam wzorzec. Czas nadać mu nazwę.
Czym jest Silent Client-Side AI Deployment
Silent Client-Side AI Deployment to wzorzec dystrybucji infrastruktury AI w którym vendor automatycznie umieszcza komponenty AI (modele, mosty komunikacyjne, runtime’y) na urządzeniu użytkownika bez wyraźnej zgody, bez powiadomienia i z mechanizmem automatycznego przywracania po usunięciu — wykorzystując istniejące kanały aktualizacji oprogramowania jako warstwę dostarczenia AI.
Charakterystyka wzorca
Forsowane bundling przez granice zaufania: aplikacja A zmienia stan aplikacji B (Anthropic Claude Desktop pisze do innych przeglądarek; Google Chrome pobiera niezależny runtime ML).
Domyślne ustawienie bez opt-in: użytkownik nie otrzymuje dialogu pierwszego uruchomienia, nie ma checkboxa w ustawieniach, dowiaduje się o instalacji miesiące później (jeśli w ogóle).
Trudność usunięcia wyższa niż instalacji: instalacja zero kliknięć, usunięcie wymaga odkrycia pliku, zrozumienia czym jest, nawigacji do ukrytego katalogu profilu, usunięcia, i często dodatkowo zmiany polityki lub flagi żeby zapobiec ponownemu pobraniu.
Pre-staging zdolności na wypadek: model jest na dysku użytkownika żeby funkcje AI które go używają mogły działać natychmiast, kiedy użytkownik je wywoła. Użytkownik nie wywołał żadnej z tych funkcji. Model i tak siedzi.
Inflacja zakresu przez generyczne nazewnictwo: OptGuideOnDeviceModel zamiast GeminiNanoLLM. Native Messaging bridge zamiast Claude Browser Automation. Nazwy które nie pozwalają normalnemu użytkownikowi powiązać artefaktu z funkcją.
Automatyczna reinstalacja: usunięcie pliku przez użytkownika jest traktowane jako stan przejściowy do skorygowania, nie jako dyrektywa do uszanowania.
Vendor incentives — dlaczego ten wzorzec się rozprzestrzeni
Lokalna inferencja AI na urządzeniu użytkownika to zerowy koszt GPU dla vendora. Lokalny model na urządzeniu to zerowy koszt CDN po pierwszym pobraniu. Vendor ma silną zachętę żeby model jak najszybciej znalazł się na maszynach. Zgoda użytkownika jest dla tej zachęty tarciem.
To znaczy: silent client-side AI deployment nie jest wyjątkowym wykroczeniem dwóch firm. To jest racjonalna decyzja optymalizacyjna każdego vendora który ma model AI nadający się do lokalnej inferencji. Spodziewajmy się tego samego wzorca w Edge (Microsoft Phi), w Firefox (lokalne modele tłumaczenia już istnieją jako 200 MB pobranie), w Safari z Apple Intelligence.
Implikacje prawne
Wzorzec narusza art. 5(3) dyrektywy ePrivacy 2002/58/WE — przechowywanie informacji w urządzeniu końcowym wymaga uprzedniej zgody, której wzorzec systematycznie omija. Pełna analiza prawna: CyberFlux.
Implikacje dla Agentic Web
Silent Client-Side AI Deployment przyspiesza nadejście Browser-as-Agent. Vendor który chce mieć LLM na urządzeniach 500 milionów użytkowników w ciągu kwartału nie ma czasu na consent flow. Wzorzec jest mechanizmem przez który Browser-as-Agent przechodzi z niszy entuzjastów AI do mainstream’u.
Z perspektywy autora strony: oznacza że pre-staged AI capability na urządzeniu klienta staje się normą, a nie wyjątkiem. Projektowanie strony pod założenie „klient nie ma lokalnego LLM” przestaje być realistyczne dla większości docelowych użytkowników.