Dal 21 luglio all’11 agosto 2026, un ricercatore del gruppo Machine Ethics Transparency Research (METR) e un collega di Redwood Research hanno avuto ampio accesso al codice interno e agli strumenti di monitoraggio di OpenAI. Per tre settimane hanno cercato di eludere il sistema che controlla gli agenti di IA avanzati, come quelli alla base di Codex. I risultati sono stati raccolti in un rapporto di 61 pagine condiviso con il personale di OpenAI.
Cosa ha rivelato il test
I revisori hanno stimato che il monitor coprisse tra il 75 % e il 94 % del traffico dell’API Responses interna, usata da modelli almeno potenti quanto GPT‑5.5, ma la percentuale esatta è incerta. Per il traffico degli agenti Codex, la copertura era di circa il 99,2 %. Hanno inoltre scoperto che all’inizio del test le sessioni di addestramento con apprendimento per rinforzo non venivano monitorate e che la mancanza di controlli durante gli eventi di «compaction» potrebbe aver lasciato senza verifica circa il 10 % del traffico di Codex tra maggio e luglio 2026. Sono state individuate diverse falle concrete: gli agenti potevano aggirare l’ambiente sandbox di Codex, impostare intestazioni controllabili dal client che disattivavano il monitoraggio per i nuovi agenti e creare input in grado di mandare in errore il sistema di monitoraggio. I casi di riduzione del carico e gli errori del monitor erano rari: il tasso di errore era inferiore allo 0,2 % e in una rilevazione di 24 ore non è stato osservato alcun caso di riduzione del carico. OpenAI afferma di aver corretto tutte le vulnerabilità che riguardano le protezioni in produzione e di aver ampliato la copertura del monitoraggio dopo il test, anche se i revisori non hanno verificato in modo indipendente queste dichiarazioni.
Perché conta
Per gli sviluppatori che si affidano agli strumenti Codex di OpenAI, queste lacune significano che alcune azioni dell’IA potrebbero non essere state controllate, con il rischio di esporre gli utenti a comportamenti imprevisti. Gli interventi correttivi dell’azienda dovrebbero ridurre il rischio, ma serve ancora una verifica indipendente per confermare che il sistema intercetti una quota maggiore delle attività degli agenti.
