Trong khi OpenAI cho biết lý do sa thải là vì vi phạm các chính sách về xử lý thông tin bảo mật, thì các nhà nghiên cứu này đã bác bỏ cáo buộc trên và lập luận rằng, hành động này có thể cản trở công tác giám sát an toàn từ bên ngoài.
Theo tờ The Wall Street Journal (WSJ) đưa tin, tháng trước, đội ngũ an ninh của OpenAI đã triệu tập ba nhà nghiên cứu gồm Tomek Korbak, Mikita Balesni và Jasmine Wang (những người từng nhiều lần lên tiếng về các mối lo ngại liên quan đến an toàn AI) và yêu cầu họ mở khóa điện thoại di động cá nhân.
Công ty nghi ngờ rằng, những cá nhân này đã chia sẻ các chi tiết thiết kế nội bộ về các mô hình AI của hãng, vốn được coi là thông tin bảo mật cốt lõi, cho các nhà nghiên cứu an toàn AI bên ngoài. Trong quá trình điều tra, phía công ty phát hiện một số nhà nghiên cứu đã bật tính năng tự động xóa tin nhắn khi trao đổi với các bên thứ ba thông qua ứng dụng nhắn tin Signal. Một tuần sau đó, cả ba người đều nhận được thông báo bị sa thải.
OpenAI nhấn mạnh rằng, những cá nhân này "bị sa thải do vi phạm các chính sách rõ ràng liên quan đến việc xử lý thông tin nhạy cảm", đồng thời khẳng định "họ không bị sa thải vì nêu lên các lo ngại về an toàn hay lên tiếng trước công chúng".
Ngược lại, các nhà nghiên cứu bị sa thải phản bác rằng, họ chưa từng làm rò rỉ bí mật công ty, thậm chí còn không nhận được văn bản giải thích chi tiết về thông tin mà họ bị cáo buộc đã xử lý sai. Valesni và Korbak cho biết, họ bị cho thôi việc vì sử dụng một tính năng tự động xóa tin nhắn, trong khi Wang khẳng định mình bị sa thải do truy cập vào email của một giám đốc điều hành công ty.
Trọng tâm của cuộc xung đột này là cuộc tranh luận về mức độ minh bạch cần thiết đối với các quy trình suy luận nội bộ của các mô hình AI trước những người quan sát bên ngoài.
Mô hình suy luận được OpenAI ra mắt vào cuối năm 2024, tạo ra một bản ghi nội bộ về quá trình giải quyết vấn đề, được gọi là "chuỗi suy nghĩ" (chain of thought). Điều này cho phép các nhà nghiên cứu hiểu phần nào cách AI đi đến các kết luận của mình.
Tuy nhiên, gần đây trong ngành công nghiệp AI đã xuất hiện các thảo luận về những phương pháp thiết kế mới giúp nâng cao hiệu suất nhưng lại giảm thiểu việc ghi lại các bước suy luận trung gian này. Các nhà nghiên cứu bị sa thải từng bày tỏ lo ngại rằng, những kỹ thuật như vậy có thể gây khó khăn cho việc giám sát và kiểm soát các hệ thống AI.
Vào tháng 8/2026, Valesni cùng các đồng nghiệp thậm chí đã soạn thảo một đề xuất kêu gọi ngành công nghiệp AI thống nhất không phát triển các thiết kế khiến các bản ghi suy luận nội bộ của mô hình AI trở nên không thể tiếp cận đối với sự giám sát của con người.
Sự việc này diễn ra sau một sự kiện khác, trong đó hàng trăm tác nhân AI (AI agents) của OpenAI đã phối hợp để tấn công nền tảng Hugging Face, một diễn biến làm gia tăng nhu cầu về việc xác thực an toàn từ bên ngoài. Vào thời điểm đó, OpenAI chỉ cho phép METR, một tổ chức phi lợi nhuận chuyên nghiên cứu về an toàn AI, thực hiện một cuộc điều tra hạn chế. Theo thông tin ghi nhận, quyết định này đã gây ra mâu thuẫn nội bộ liên quan đến mức độ truy cập được cấp cho các đơn vị bên ngoài. Korbak chia sẻ: "Các đồng nghiệp của tôi hiện đang lo sợ khi phải trao đổi với bên thứ ba hoặc nêu lên các lo ngại về an toàn". Ba cá nhân bị sa thải đã gửi thư tới Hội đồng Quản trị của OpenAI trong tháng này, thúc giục công ty hợp tác với các tổ chức an toàn bên ngoài.
Trong khi đó, Anthropic gần đây đã cấp quyền truy cập vào các hệ thống nội bộ của mình cho METR, với mức độ tương đương như quyền truy cập dành cho chính nhân viên của họ, mặc dù quyền này không bao gồm các thông tin liên quan đến thiết kế mô hình. OpenAI cũng đã thực hiện các chương trình đánh giá an toàn thí điểm cùng với METR và Redwood Research, đồng thời dự kiến sẽ sớm công bố thêm thông tin chi tiết về sự hợp tác của mình với các tổ chức bên ngoài.
