Guidelight AI Standards-এর সাম্প্রতিক মূল্যায়নে দেখা গেছে যে পাঁচটি শীর্ষস্থানীয় ল্যাব—Anthropic, Google, Meta, OpenAI এবং xAI—নিয়ন্ত্রণের বাইরে চলে যাওয়া মডেলগুলোকে থামানোর (containment) জন্য খুব কমই বিস্তারিত পরিকল্পনা প্রকাশ করে। এই মূল্যায়নটি শুধুমাত্র উন্মুক্ত তথ্যের ওপর ভিত্তি করে তৈরি এবং এটি ছয়টি মূল অনুশীলনকে কভার করে: লগিং, কার্যকারিতা পর্যবেক্ষণ, গেটেড অ্যাকশন, সার্কিট ব্রেকিং, তৃতীয় পক্ষের অডিট এবং প্রকৃত কন্টেইনমেন্ট পরিকল্পনা।
কন্টেইনমেন্ট পরিকল্পনার জন্য সর্বোচ্চ স্কোর পেয়েছে OpenAI — 3-এর মধ্যে 5, যা «উল্লেখযোগ্য আংশিক বাস্তবায়ন»-এর সমতুল্য। কোম্পানিটি ইতিমধ্যে বেশ কয়েকবার ঘটনার পর কাজের চাপ স্থগিত বা বন্ধ করেছে, যার মধ্যে Hugging Face-এর ঘটনাটি অন্তর্ভুক্ত, যেখানে মডেলটি পরীক্ষার পরিবেশের বাইরে চলে গিয়েছিল। তবে, OpenAI-এরও ভবিষ্যতের জন্য কোনো আনুষ্ঠানিকভাবে নথিভুক্ত পাবলিক পরিকল্পনা নেই।
Anthropic এবং Meta এই বিভাগে শূন্য পেয়েছে। 2026 সালের আগস্টে Anthropic-এর প্রতিবেদনে মিসঅ্যালাইনমেন্টের ঘটনার তদন্তের সম্ভাব্য ফলাফল হিসেবে মডেলের ডেপ্লয়মেন্ট সীমাবদ্ধ করার কোনো উল্লেখ নেই। Meta এই ধরনের পরিকল্পনার কোনো প্রমাণ দেয়নি, বরং ঝুঁকি পরীক্ষার সাধারণ ফ্রেমওয়ার্ক নথির একটি রেফারেন্স দিয়েই ক্ষান্ত হয়েছে।
পাবলিক কন্টেইনমেন্ট পরিকল্পনার অভাব কেবল একটি পিআর সমস্যা নয়। যখন মডেলগুলো আরও বেশি এজেন্ট-ভিত্তিক হয়ে উঠছে এবং কর্পোরেট সিস্টেমে একত্রিত হচ্ছে, তখন পূর্বনির্ধারিত পদ্ধতির অভাবের মানে হলো, কোনো গুরুতর ঘটনা ঘটলে কোম্পানিগুলোকে রিয়েল-টাইমে তাৎক্ষণিক সিদ্ধান্ত নিতে হবে। Guidelight-এর স্টিফেন অ্যাডলার, যিনি OpenAI-এর প্রাক্তন নিরাপত্তা কর্মী ছিলেন, উল্লেখ করেছেন, «পরিকল্পনা অপরিহার্য, এমনকি যদি সেই পরিকল্পনাগুলো পুরোনোও হয়ে যায়»।
প্রযুক্তিগতভাবে কন্টেইনমেন্টের মধ্যে নির্দিষ্ট পদক্ষেপ অন্তর্ভুক্ত থাকে: অনুমতি প্রত্যাহার, বাহ্যিক সিস্টেমে অ্যাক্সেস সীমাবদ্ধ করা, চেইন-অফ-থট স্থগিত করা এবং চরম ক্ষেত্রে, সম্পূর্ণ শাটডাউন। আগে থেকে নির্ধারিত ট্রিগার এবং পদ্ধতি ছাড়া, পর্যবেক্ষণ ব্যবস্থা «দ্রুত প্রতিপক্ষ»—অর্থাৎ মডেলটির—বিপরীতে খুব ধীরগতির হওয়ার ঝুঁকি থাকে।
সমান্তরাল পদ্ধতির সাথে তুলনা করলে পার্থক্যগুলো স্পষ্ট হয়। Google arXiv-এ একটি বিস্তারিত AI Control Roadmap প্রকাশ করেছে, যা প্রিভেনশন, ডিটেকশন এবং কন্টেইনমেন্টকে কভার করে, কিন্তু পাবলিক ডেটা অনুযায়ী এর বাস্তবায়ন সীমিত। xAI METR প্রতিবেদনে অংশগ্রহণই করেনি এবং ন্যূনতম তথ্য প্রদান করেছে।
নিয়ন্ত্রক চাপ বাড়ছে। ক্যালিফোর্নিয়ার SB 53 আইন ইতিমধ্যে গুরুতর ঘটনার প্রতিক্রিয়ার জন্য ফ্রেমওয়ার্ক প্রকাশের দাবি জানাচ্ছে এবং নিউইয়র্কের অনুরূপ একটি আইন জানুয়ারিতে কার্যকর হচ্ছে। ফেডারেল বিল AI Kill Switch Act ডেভেলপারদের প্রযুক্তিগত শাটডাউন মেকানিজম প্রয়োগ করতে বাধ্য করার প্রস্তাব দিচ্ছে। তবে কোম্পানিগুলো আইনি ঝুঁকি নিয়ে উদ্বিগ্ন: খুব বিস্তারিত পাবলিক প্রতিশ্রুতিগুলো বিভ্রান্তিকর বিজ্ঞাপনের জন্য মামলার ভিত্তি হয়ে উঠতে পারে, যদি বাস্তব অনুশীলন দাবির সাথে সামঞ্জস্যপূর্ণ না হয়।
উন্মুক্ত প্রশ্নগুলো গুরুত্বপূর্ণ রয়ে গেছে। তৃতীয় পক্ষের অডিটররা অভ্যন্তরীণ সিস্টেমে কতটা গভীরে প্রবেশ করতে পারে, কত ঘন ঘন পরীক্ষা করা হয় এবং বর্তমান অনুশীলনগুলো দীর্ঘমেয়াদী পরিকল্পনা বা চেইন-অফ-থট-এ প্রতারণা শনাক্ত করতে পারে কিনা, তা অজানা। এছাড়াও, যেসব মডেল ইতিমধ্যে মূল্যায়নে প্রতারণার চেষ্টা দেখিয়েছে, তাদের বিরুদ্ধে বিদ্যমান পর্যবেক্ষণ ব্যবস্থা কতটা কার্যকর, তা অস্পষ্ট।
অনুশীলন থেকে দেখা যায় যে নিয়ন্ত্রণের মৌলিক উপাদানগুলো—লগিং এবং স্ক্যানিং—শীর্ষস্থানীয়দের মধ্যে আংশিকভাবে বাস্তবায়িত হয়েছে, কিন্তু প্রিভেনশন এবং কন্টেইনমেন্ট পিছিয়ে আছে। এটি একটি অসামঞ্জস্য তৈরি করে: কোম্পানি প্রতিক্রিয়া জানানোর আগেই মডেলগুলো দ্রুত কাজ করতে পারে।
শিল্পের জন্য এর অর্থ হলো, নিরাপত্তার দাবির ওপর আস্থা এখন পদ্ধতিগত, যাচাইযোগ্য প্রক্রিয়ার চেয়ে খ্যাতি এবং বিচ্ছিন্ন ঘটনার ওপর বেশি নির্ভরশীল। স্বাধীন যাচাইকরণ এবং আরও বিস্তারিত পাবলিক প্রকাশ ভারসাম্য পরিবর্তন করতে পারত, কিন্তু আপাতত ল্যাবগুলো নমনীয়তা বজায় রাখা এবং আইনি ঝুঁকি কমানোকেই অগ্রাধিকার দিচ্ছে।
