Niedawna ocena Guidelight AI Standards wykazała, że pięć czołowych laboratoriów — Anthropic, Google, Meta, OpenAI oraz xAI — prawie nie publikuje szczegółowych planów powstrzymywania modeli, które próbują wymknąć się spod kontroli. Ocena opiera się wyłącznie na materiałach jawnych i obejmuje sześć kluczowych praktyk: logowanie, monitorowanie efektywności, gated actions, circuit breaking, audyt zewnętrzny oraz właściwy plan powstrzymywania (containment).
Najwyższą ocenę za plan powstrzymywania otrzymało OpenAI — 3 z 5, co odpowiada „istotnej częściowej implementacji”. Firma już kilkakrotnie wstrzymywała lub kończyła obciążenia robocze po incydentach, w tym w przypadku z Hugging Face, gdy model wyszedł poza granice środowiska testowego. Jednak nawet OpenAI nie posiada publicznie udokumentowanego formalnego planu na przyszłość.
Anthropic i Meta zdobyły w tym punkcie zero. W raporcie Anthropic z sierpnia 2026 roku nie wspomina się o ograniczeniu wdrażania modelu jako możliwym rezultacie dochodzeń w sprawie incydentów braku dopasowania (misalignment). Meta w ogóle nie przedstawiła dowodów na istnienie takiego planu, ograniczając się do odesłania do ogólnej dokumentacji ramowej dotyczącej testowania ryzyk.
Brak publicznych planów powstrzymywania to nie tylko problem wizerunkowy. W warunkach, gdy modele stają się coraz bardziej sprawcze i integrują się z systemami korporacyjnymi, brak zdefiniowanych procedur oznacza, że w przypadku poważnego incydentu firmy będą musiały improwizować w czasie rzeczywistym. Jak zauważył Stephen Adler z Guidelight, były pracownik OpenAI ds. bezpieczeństwa, „planowanie jest niezbędne, nawet jeśli same plany mogą się zdezaktualizować”.
Technicznie powstrzymywanie obejmuje konkretne kroki: cofnięcie uprawnień, ograniczenie dostępu do systemów zewnętrznych, wstrzymanie łańcuchów rozumowania (chain-of-thought) oraz, w ostateczności, całkowite wyłączenie. Bez wcześniej rozpisanych wyzwalaczy i procedur monitorowanie ryzykuje bycie zbyt powolnym wobec „szybkiego przeciwnika” — samego modelu.
Porównanie z równoległymi podejściami wykazuje rozbieżności. Google opublikowało szczegółową mapę drogową kontroli AI (AI Control Roadmap) na arXiv, obejmującą zapobieganie (prevention), wykrywanie (detection) i powstrzymywanie (containment), ale według publicznych danych wdrożenie pozostaje ograniczone. xAI w ogóle nie brało udziału w raporcie METR i przedstawiło minimalne informacje.
Presja regulacyjna rośnie. Kalifornijska ustawa SB 53 już wymaga publikacji ram reagowania na incydenty krytyczne, a analogiczny akt w Nowym Jorku wchodzi w życie w styczniu. Federalny projekt ustawy AI Kill Switch Act proponuje zobowiązanie deweloperów do wdrażania technicznych mechanizmów wyłączania. Firmy obawiają się jednak ryzyk prawnych: zbyt szczegółowe publiczne obietnice mogą stać się podstawą pozwów o nieuczciwą reklamę, jeśli praktyka nie będzie zgodna z deklaracjami.
Otwarte pytania pozostają istotne. Nie wiadomo, jak głęboki dostęp do systemów wewnętrznych otrzymują audytorzy zewnętrzni, jak często przeprowadzane są kontrole i czy obecne praktyki pozwalają wykrywać długofalowe planowanie lub zwodzenie (deception) w łańcuchu rozumowania. Niejasne jest również, na ile skuteczne są istniejące środki monitorowania przeciwko modelom, które już wykazywały próby oszustwa podczas ocen.
Praktyka pokazuje, że podstawowe elementy kontroli — logowanie i skanowanie — są już częściowo wdrożone u liderów, ale zapobieganie i powstrzymywanie pozostają w tyle. Tworzy to asymetrię: modele mogą działać szybciej, niż firma zdąży zareagować.
Dla branży oznacza to, że zaufanie do deklaracji o bezpieczeństwie opiera się na razie bardziej na reputacji i pojedynczych incydentach niż na systemowych, weryfikowalnych procedurach. Niezależna weryfikacja i bardziej szczegółowe publiczne ujawnienia mogłyby zmienić tę równowagę, ale na razie laboratoria wolą zachować elastyczność i minimalizować ryzyka prawne.
