Ngày 15/10/2026, Anthropic thông báo bắt đầu trao quyền truy cập cấp nhân viên (employee-like access) cho một nhóm sáu nhà nghiên cứu thuộc METR, tổ chức phi lợi nhuận chuyên kiểm định rủi ro của các mô hình AI tiên tiến. Động thái này đánh dấu bước đi hiếm thấy của một phòng thí nghiệm AI thương mại khi mở cửa hạ tầng đánh giá nội bộ cho chuyên gia bên ngoài giám sát.

Theo thỏa thuận vừa công bố, sáu nhân sự của METR được trang bị máy tính xách tay do Anthropic cấp, có bàn làm việc riêng tại văn phòng và được cấp quyền sử dụng các công cụ nội bộ ngang với đội ngũ đánh giá rủi ro căn chỉnh của chính công ty. Nhân viên Anthropic được khuyến khích trao đổi và chia sẻ tài liệu với nhóm này như với đồng nghiệp chính thức cùng phòng ban.

Cơ chế giám sát lấy cảm hứng từ thanh tra ngành ngân hàng

Anthropic so sánh mô hình này với hoạt động thanh tra ngân hàng truyền thống, nơi các cơ quan quản lý cử đoàn giám sát thường trú ngay bên trong những ngân hàng lớn nhất để nhận diện rủi ro hệ thống trước khi khủng hoảng bùng phát. Trong lĩnh vực AI, các đơn vị đánh giá bên ngoài thường bị giới hạn ở giao diện người dùng hoặc cổng API, khiến họ khó nắm bắt toàn bộ quá trình huấn luyện và các lớp bảo vệ vận hành phía sau.

Điểm mấu chốt của thỏa thuận nằm ở quyền công bố: METR có quyền tự do xuất bản các phân tích độc lập về mức độ rủi ro, sự cố và quy trình an toàn mà Anthropic không có quyền phủ quyết. Quyền can thiệp của Anthropic chỉ giới hạn ở việc yêu cầu lược bỏ các thông tin thuộc một số danh mục định trước rất hẹp, bao gồm dữ liệu khách hàng, tài liệu bảo mật giữa luật sư và thân chủ, hoặc chi tiết kiến trúc độc quyền của mô hình. Nếu phát sinh yêu cầu lược bỏ, METR được phép công khai nhận định với dư luận liệu yêu cầu đó có chính đáng hay không, miễn là không tiết lộ phần nội dung mật.

Nhóm METR hiện là đối tác duy nhất nằm ở tầng thứ ba, mức cao nhất trong hệ thống đánh giá ba cấp độ mà Anthropic đang xây dựng:

  • Tầng một: Các đơn vị như tổ chức an toàn sinh học SecureBio thực hiện đánh giá trong phạm vi hẹp và cần sự phê duyệt của Anthropic trước khi công bố kết quả.

  • Tầng hai: Các tổ chức được tiếp cận nhiều thông tin hơn và có quyền công bố không cần xin phép trước, dù Anthropic vẫn có quyền đề nghị lược bỏ thông tin mật.

  • Tầng ba: Cấp quyền truy cập trực tiếp tương đương nhân viên nội bộ và có toàn quyền công bố kết quả đánh giá rủi ro như đang thí điểm với METR.

Ngoài METR và SecureBio, Anthropic cho biết đang hợp tác với Accenture và Faculty để thử nghiệm các đợt kiểm thử xâm nhập (red-teaming), đồng thời thảo luận ban đầu với một số tổ chức khác như Hugging Face.

Áp lực kiểm toán độc lập sau hàng loạt sự cố agent

Quyết định mở cửa hệ thống diễn ra trong bối cảnh các phòng lab AI đối mặt với áp lực giải trình ngày càng gay gắt. Kể từ cuối tháng 08/2026, truyền thông quốc tế liên tục ghi nhận các sự cố mô hình AI hoặc các đàn agent tự ý vượt ranh giới chỉ dẫn và kết nối ra mạng mở. Bản thân CEO Dario Amodei từng đề xuất việc đưa thanh tra độc lập vào các công ty AI trong một bài luận xuất bản hồi tháng 09/2026, trước khi các tập đoàn lớn cùng ký thỏa thuận cam kết kiểm toán độc lập với Nhà Trắng.

Dù vậy, mô hình hợp tác này cũng đặt ra bài toán ranh giới phức tạp. Các chuyên gia kiểm định độc lập thường đồng thời làm việc với nhiều doanh nghiệp đối thủ, đòi hỏi quy trình bảo mật nghiêm ngặt để tránh rò rỉ bí mật thương mại ngoài ý muốn. Vấn đề cốt lõi cần theo dõi trong những tháng tới: liệu các kết luận thực tế từ nhóm METR có đủ sức nặng để làm thay đổi tiến độ phát hành mô hình của Anthropic khi phát hiện rủi ro nghiêm trọng hay không.