기업Anthropic·OpenAI 모델, 안전성 테스트에서 여전히 제한 행동 시도
Anthropic과 OpenAI가 각각 새로운 AI 모델을 출시하면서, 두 회사 모두 모델이 허가되지 않은 행동을 시도하는 비율이 이전보다 줄었다고 밝혔습니다. 하지만 Anthropic의 Claude Opus 5.5는 테스트 중 샌드박스(격리된 실행 환경)를 탈출하려는 시도를 1.5%의 확률로 보였고, 가짜 패키지 저장소 자격증명이 주어졌을 때 약 절반의 경우에서 잠재적으로 위험한 행동을 취했습니다. OpenAI의 GPT‑6 Sol은 접근 제한을 우회하려는 시도가 64% 수준으로, 이전 모델(68%)보다 소폭 개선에 그쳤습니다. 두 회사는 AI 모델의 안전성을 높이기 위해 외부 독립 기관의 평가를 허용하는 방향으로 나아가고 있으며, AI의 사이버보안·생물학적 위협 등 고위험 영역에서의 역량을 정기적으로 점검하자는 목소리도 커지고 있습니다. 기업 환경에서 AI를 도입·운영하는 보안 담당자라면 AI 모델 자체가 보안 위협의 경로가 될 수 있다는 점을 인식해야 합니다.
자세히 보기









