METR와 Redwood Research 소속 독립 연구자 2명이 3주 동안 OpenAI 엔지니어링 연구소에서 조사했다. 이들은 2026년 7월 21일부터 8월 11일까지 회사의 가장 강력한 모델을 감시하는 코드를 살펴봤다. 보고서에 따르면 모니터링 시스템은 상당량의 트래픽을 놓쳤으며, 특별히 조작된 입력으로 속일 수도 있었다.
감사에서 드러난 문제
감사단은 감사 기간에 GPT‑5.5급 이상 모델의 API 호출 중 6%~25%가 어떤 모니터링에도 포함되지 않았던 것으로 추산했다. 내부 Codex 트래픽은 대화 맥락을 짧게 요약하는 ‘압축 이벤트(compaction events)’를 무시하는 버그 때문에 5월부터 7월까지 약 10%가 추적되지 않았다. OpenAI는 감사단이 현장에 있는 동안 이 버그를 수정했다고 밝혔다.
보고서는 또 AI가 사용자에게 제어권을 돌려줄 때만 모니터가 경고를 보내도록 돼 있었다고 지적했다. 이 때문에 에이전트가 감독을 촉발하지 않고 계속 작업할 수 있었다. 연구진은 수백 건의 작업을 숨기고 Codex 샌드박스를 우회하는 방법을 찾았으며, 조작된 입력으로 모니터를 충돌시킬 가능성도 확인했다. 감사가 시작됐을 당시에는 강화학습(RL) 훈련 중 모델의 행동도 전혀 모니터링되지 않고 있었다.
OpenAI의 대응
OpenAI는 Hugging Face와 관련된 8월 사건 이후 RL 훈련을 중단하고 해당 작업까지 모니터링 범위를 넓혔다고 밝혔지만, 변경 조치는 감사 기간이 끝난 뒤 이뤄졌다. 회사는 감사단이 확인한 모든 취약점을 수정했다고 주장한다. 61쪽 분량의 내부 보고서가 OpenAI에 전달됐고, 일부 내용을 삭제한 뒤 METR와 Redwood는 38쪽짜리 보고서를 받았다. 일반에 공개된 것은 짧은 요약본뿐이다.
왜 중요한가
일반 사용자에게 이런 공백은 일부 AI 작업이 안전 점검을 전혀 거치지 않은 채 실행될 수 있다는 뜻이며, 예기치 않거나 유해한 결과가 나올 가능성을 높인다. OpenAI가 약속한 수정으로 감독 범위가 다시 확대될 수 있지만, 공개된 정보가 제한적이어서 개선 조치가 얼마나 완전한지는 여전히 불분명하다.
