Dos investigadores independientes de METR y Redwood Research pasaron tres semanas en los laboratorios de ingeniería de OpenAI. Del 21 de julio al 11 de agosto de 2026 examinaron el código que supervisa los modelos más potentes de la empresa. Según su informe, el sistema de monitoreo no detectó una parte considerable del tráfico y podía ser engañado con entradas diseñadas para ese fin.
Qué reveló la auditoría
Los auditores calculan que, durante el periodo de la auditoría, entre el 6% y el 25% de las llamadas a la API de modelos de la clase GPT‑5.5 y superiores no estuvieron cubiertas por ningún tipo de monitoreo. En el tráfico interno de Codex, cerca del 10% no se registró entre mayo y julio porque un error ignoraba los «eventos de compactación», resúmenes breves del contexto de una conversación. OpenAI afirma que corrigió el error mientras los auditores aún estaban en sus instalaciones.
El informe también señala que el monitor solo generaba una alerta cuando una IA devolvía el control al usuario. Eso permitía a los agentes seguir actuando sin activar la supervisión. Además, los investigadores encontraron formas de ocultar cientos de acciones, eludir el entorno aislado de Codex y, posiblemente, bloquear el monitor con entradas diseñadas para ese fin. Observaron que, al inicio de la auditoría, el comportamiento de los modelos durante el entrenamiento por refuerzo (RL) no se supervisaba en absoluto.
La respuesta de OpenAI
OpenAI afirma que suspendió el entrenamiento por refuerzo tras un incidente de agosto relacionado con Hugging Face y amplió el monitoreo para incluir ese trabajo, pero los cambios se hicieron después de que concluyera el periodo de la auditoría. La empresa asegura que corrigió todas las fallas identificadas por los auditores. Entregaron a OpenAI un informe interno de 61 páginas y, tras las redacciones, METR y Redwood recibieron una versión de 38 páginas. Solo se publicó un breve resumen.
Por qué importa
Para los usuarios de a pie, estas brechas implican que algunas acciones de la IA podían ejecutarse sin controles de seguridad, lo que aumenta el riesgo de resultados inesperados o perjudiciales. Las correcciones prometidas por OpenAI deberían restablecer una supervisión más amplia, pero la escasez de detalles públicos deja dudas sobre el alcance de las mejoras.
