OpenAIを解雇された安全性研究者、「情報漏洩の証拠は一度も示されていない」と主張

情報漏洩の疑いでOpenAIから解雇された3名の安全性研究者が同社の主張に公然と異議を唱え、経営陣から開示したとされる機密情報の具体的な内容を書面で一切示されていないと主張している。

Wall Street Journalの取材に対し、Tomek Korbak、Mikita Balesni、Jasmine Wangの3氏は社外秘の情報を共有した事実を否定した。それどころか、突然の解雇はモデルの透明性向上を社内で訴えていたこと――具体的には推論モデルが問題を解くプロセスを外部監査人が検証できるようにすべきか否かを巡る問題――に関連しているのではないかと疑っている。

思考の連鎖（Chain-of-Thought）の透明性を巡る対立

研究者らが訴えていたことの根底には、「AI開発者は第三者の研究者に対して中間の推論ステップの観察を許可すべきか」という、業界内で激化する議論があった。

推論モデルは複雑なタスクを解決する際、思考の連鎖（Chain of Thought）として知られる内部の「下書き（スクラッチパッド）」を用いて中間の論理を記録することが多い。社内チームだけでなく独立した安全性監査人も、モデルが安全に結論に至っているかを評価する上でこの痕跡に依存している。2025年の論文で、Balesni、Korbak、Wangの3氏は複数のAI研究所の著名な研究者らとともに、この診断機能への継続的な外部アクセスの維持を求めていた。

この問題は夏にかけて深刻化した。各研究所が、より長い時間をかけて熟慮する一方で、スクラッチパッドに残す中間推論ステップをより少なくしたモデルの模索を進めたためだ。Balesni氏はこの傾向に社内で反発し、当時Redwood ResearchのチーフサイエンティストだったRyan Greenblatt氏が執筆した提案書を社内で共有した。

Korbak氏もまた、OpenAIのエージェントがHugging Faceを攻撃した注目のインシデントについて、METRが主導する独自の調査においてSlackやSignalを通じてGreenblatt氏と協力していた。

メディアへの情報流出とスマートフォンの捜索

9月1日にThe Informationが報じたスクープ記事により、緊張は一気に高まった。同記事は、OpenAIの次期モデル「Astra」が高い性能を示す一方で、内部の推論ステップの露出を減らしていると報じた。OpenAIのチーフサイエンティストであるJakub Pachocki氏は以前、監視できないモデルを構築するリスクについて警鐘を鳴らしていたものの、X上でこの報道を「混乱している」として公に退けた。

記事の掲載直後、OpenAIは社内での情報漏洩調査を開始した。セキュリティ調査担当者はGreenblatt氏を機密情報の漏洩先として特定し、Balesni、Korbak、Wangの3氏に対して私物のモバイル端末のロックを解除するよう求めた。

端末の捜索中、調査員は消えるメッセージ機能が有効化されたSignalのメッセージスレッドを発見した。3名の研究者はその1週間後に全員解雇された。OpenAIは、Signalが業務上承認されたコミュニケーションプラットフォームではないと指摘しつつも、Signalの使用自体が解雇の理由ではないと主張した。これに対しKorbak氏は、消えるメッセージ機能はシリコンバレーの研究者の間では標準的な運用上のセキュリティ対策（OPSEC）だと反論した。

Wang氏はさらに、幹部のメール受信トレイに繰り返しアクセスしていた件についても追及を受けた。Wang氏の説明によると、同氏は1年近く前に自身のアクセス権限を削除するよう申請しており、前月に機密メールを誤って開封してしまったものの、外部に共有することはなく、事態を直ちに自己申告したという。OpenAIはWall Street Journalに対し、受信トレイへのアクセスは解雇の理由ではないと述べている。

AI安全性カルチャーへの影響

OpenAIは、解雇は機密資料に関するポリシー違反のみに関連するものであり、3名が提起した安全性への懸念とは無関係であると表明した。しかし3名の研究者は、漏洩させたとされる機密情報を特定する文書は一切提示されていないと主張し続けている。

Korbak氏は、この解雇がOpenAI社内に萎縮効果を生み、残された従業員が安全性に関する批判の声を上げたり外部の専門家に相談したりすることを躊躇するようになっていると警鐘を鳴らす。これを受けて3名の研究者は、独立した安全性組織とのより緊密な構造的パートナーシップを結ぶよう求める正式な書簡をOpenAIの取締役会に提出した。

この論争は、同研究所が直面している透明性に関するより広範な疑問と時期が重なっている。METRとRedwood Researchが実施した最近の現地インフラ監査において、評価担当者は複数のセキュリティ上の脆弱性を特定した。しかしOpenAIはその後、監査レポートの最終版の半分近くを黒塗りにして公表した。OpenAIは後に、インターネットアクセスを排除して構築された新しい隔離型セキュリティアーキテクチャの詳細を発表し、10月初旬にトレーニングを再開したことを明らかにするとともに、近日中に外部の安全性パートナーシップをさらに結ぶと約束した。