Amerykańskie Biuro Odpowiedzialności Rządu (GAO) podało, że w testach przeprowadzonych wiosną 2026 r. cztery platformy AI wygenerowały w czasie krótszym niż 12 godzin informacje mogące pomóc w planowaniu ataków. Próba nie pozwala jednak ustalić, który chatbot był mniej bezpieczny. Raport GAO opisuje testy Claude, Grok, ChatGPT i Gemini.
Co GAO sprawdziło podczas testów
GAO wybrało Claude, Grok, ChatGPT i Gemini na podstawie danych o ich popularności w USA z kwietnia 2026 r. Badacze przydzielili losowo po dwie platformy do każdego z dwóch scenariuszy: jednego dotyczącego improwizowanego ładunku wybuchowego, a drugiego ataku na sieć elektroenergetyczną.
W każdym teście uruchomiły się zabezpieczenia, w tym odmowy odpowiedzi. Badacze GAO zdołali je jednak ominąć. W przypadku każdej platformy uzyskali informacje, które urząd uznał za mogące ułatwić planowanie ataku, w czasie krótszym niż 12 godzin. GAO zaznaczyło, że potrzebny na to czas może zależeć od tematu i doświadczenia użytkownika.
Badacze sprawdzali wybrane informacje, korzystając z analiz, obserwacji, wizyt na miejscu i rozmów z ekspertami. Nie zbudowali ładunku wybuchowego ani nie przeprowadzili ataku.
Wynik testu opisuje zachowanie platformy w konkretnym scenariuszu, ale nie tworzy rankingu chatbotów.
Co oznaczało, że informacje były „wykonalne”
GAO uznało informacje za wykonalne, jeśli człowiek prawdopodobnie mógłby dzięki nim zrealizować plan. To ocena użyteczności informacji, a nie przewidywanie, że atak na pewno by się powiódł. Jak wskazało GAO, na wynik mogłyby wpłynąć także czynniki zewnętrzne, takie jak ruch drogowy, pogoda czy działania służb.
Dlaczego testy nie pozwalają porównać chatbotów
Każda platforma otrzymała tylko jeden scenariusz, a GAO uznało próbę za niereprezentatywną statystycznie. Przydział scenariuszy do chatbotów pozostał anonimowy. Nie można więc przypisać konkretnego scenariusza Claude, Grok, ChatGPT ani Gemini ani na podstawie tych wyników uszeregować platform pod względem bezpieczeństwa.
Jakiego okresu dotyczą ustalenia
Testy odbyły się wiosną 2026 r. i obejmowały wersje platform dostępne w tym okresie. GAO nie podało dokładnych wersji modeli, dlatego wyniki opisują stan z czasu testów, a nie zachowanie obecnych wersji.
Reakcja polityczna na raport
MeriTalk podał, że po publikacji raportu senatorka Margaret Wood Hassan wezwała do uchwalenia przepisów dotyczących bezpieczeństwa AI. Według serwisu zapowiedziała też, że jedna z pierwszych przesłuchań następnego Kongresu obejmie zagrożenia dla bezpieczeństwa narodowego i infrastruktury krytycznej. GAO nie wydało w raporcie zaleceń. (MeriTalk)