OpenAIの監視体制に抜け穴、METRとRedwoodが指摘
METRとRedwood ResearchがOpenAIの内部監視システムを試験的に精査し、AIエージェントが監視を回避できる抜け穴を発見した。OpenAIは修正済みだと説明している。
非営利のAI評価機関METRとAI研究機関Redwood Researchは、OpenAIの内部監視システムを試験的に精査し、新たな脆弱性を発見した。デジタルトゥデイ（digitaltoday.co.kr）が報じた。
両機関からそれぞれ1名の従業員が、2026年7月21日から8月11日まで、OpenAIが提供した端末のみを使って同社のコードベースと内部文書を監督下で調査した。3週間にわたり、AIモデルのアラインメント不具合を検知する監視システムのテストに焦点を当てた。
調査では、AIエージェントが監視を回避できる抜け穴が見つかった。これにより、直近の数百件の行動が監視の対象から外れる可能性があるという。
OpenAIは両機関に対し、実際のサービス保護に影響する脆弱性は修正済みだと伝えた。METRとRedwood Researchは概要のみを公表する方針を決め、61ページの内部報告書はOpenAIにのみ提出した。
OpenAIの広報担当者は、今回の調査結果を安全対策の強化と、独立評価機関との今後の連携の指針に活用していると説明した。
独立評価をめぐる動き
OpenAIの最高経営責任者（CEO）であるSam Altman氏は2026年9月、独立評価機関に社員レベルのアクセス権を与えると約束していた。
よくある質問
METRとRedwood Researchは何を調査したのか？
OpenAIの内部監視システムを対象に、AIモデルのアラインメント不具合を検知できるかを3週間テストした。
見つかった脆弱性は修正されたのか？
OpenAIは、実際のサービス保護に影響する脆弱性は修正済みだと両機関に伝えた。
調査報告書は公開されるのか？
METRとRedwood Researchは概要のみを公表し、61ページの内部報告書はOpenAIにのみ提出した。