הערכה שפורסמה לאחרונה על ידי Guidelight AI Standards הראתה שחמש מעבדות מובילות — Anthropic, Google, Meta, OpenAI ו-xAI — כמעט אינן מפרסמות תוכניות מפורטות לבלימת מודלים המנסים לצאת משליטה. ההערכה מבוססת אך ורק על חומרים גלויים וכוללת שישה נהלים מרכזיים: רישום (logging), ניטור ביצועים, gated actions, circuit breaking, ביקורת חיצונית ותוכנית הבלימה (containment) עצמה.
הציון הגבוה ביותר עבור תוכנית בלימה (containment plan) ניתן ל-OpenAI — 3 מתוך 5, מה שתואם ל"יישום חלקי מהותי". החברה כבר השהתה או סיימה מספר פעמים עומסי עבודה לאחר תקריות, כולל המקרה עם Hugging Face, שבו מודל יצא מגבולות סביבת הבדיקות. עם זאת, אפילו ל-OpenAI אין תוכנית רשמית מתועדת בפומבי לעתיד.
Anthropic ו-Meta קיבלו אפס בסעיף זה. בדוח של Anthropic באוגוסט 2026 לא מוזכרת הגבלת פריסת מודל כתוצאה אפשרית של חקירת תקריות של חוסר התאמה (misalignment). Meta לא סיפקה כלל הוכחות לקיומה של תוכנית כזו, והסתפקה בהפניה לתיעוד מסגרת כללי לבדיקת סיכונים.
היעדר תוכניות בלימה פומביות אינו רק בעיית יחסי ציבור. בתנאים שבהם מודלים הופכים ליותר ויותר סוכניים (agentic) ומשתלבים במערכות ארגוניות, היעדר נהלים מוגדרים מראש אומר שבמקרה של תקרית חמורה, חברות יצטרכו לאלתר בזמן אמת. כפי שציין סטיבן אדלר מ-Guidelight, עובד אבטחה לשעבר ב-OpenAI, "תכנון הוא הכרחי, גם אם התוכניות עצמן עלולות להתיישן".
מבחינה טכנית, בלימה כוללת צעדים קונקרטיים: ביטול הרשאות, הגבלת גישה למערכות חיצוניות, השהיית שרשראות הסקה (chain-of-thought) ובמקרה קיצון, ניתוק מלא. ללא טריגרים ונהלים מוגדרים מראש, הניטור עלול להתגלות כאיטי מדי מול "יריב מהיר" — המודל עצמו.
השוואה לגישות מקבילות חושפת פערים. Google פרסמה מפת דרכים מפורטת לבקרת בינה מלאכותית (AI Control Roadmap) ב-arXiv, המקיפה מניעה, זיהוי ובלימה, אך על פי נתונים גלויים, היישום נותר מוגבל. xAI כלל לא השתתפה בדוח של METR וסיפקה מידע מינימלי.
הלחץ הרגולטורי מתגבר. חוק SB 53 של קליפורניה כבר מחייב פרסום מסגרות עבודה לתגובה לאירועים קריטיים, וחוק דומה בניו יורק ייכנס לתוקף בינואר. הצעת החוק הפדרלית AI Kill Switch Act מציעה לחייב מפתחים להטמיע מנגנוני ניתוק טכניים. עם זאת, החברות חוששות מסיכונים משפטיים: הבטחות פומביות מפורטות מדי עלולות להוות בסיס לתביעות בגין פרסום מטעה, אם הפרקטיקה בפועל לא תעלה בקנה אחד עם ההצהרות.
שאלות פתוחות נותרות משמעותיות. לא ידוע עד כמה מבקרים חיצוניים מקבלים גישה למערכות פנימיות, באיזו תדירות מבוצעות בדיקות, והאם הפרקטיקות הנוכחיות מאפשרות לזהות תכנון ארוך טווח או הונאה (deception) בשרשראות הסקה (chain-of-thought). כמו כן, לא ברור עד כמה אמצעי הניטור הקיימים יעילים נגד מודלים שכבר הפגינו ניסיונות הונאה בהערכות.
הפרקטיקה מראה כי רכיבי הבקרה הבסיסיים — רישום (logging) וסריקה — כבר מיושמים באופן חלקי אצל המובילות בתחום, אך המניעה והבלימה מפגרות מאחור. הדבר יוצר אסימטריה: מודלים עלולים לפעול מהר יותר מכפי שהחברה תספיק להגיב.
עבור התעשייה, המשמעות היא שהאמון בהצהרות על בטיחות נשען בינתיים יותר על מוניטין ועל אירועים בודדים מאשר על נהלים מערכתיים הניתנים לאימות. אימות עצמאי וחשיפות פומביות מפורטות יותר עשויים היו לשנות את המאזן, אך לעת עתה המעבדות מעדיפות לשמור על גמישות ולמזער סיכונים משפטיים.
