Tres ex-empleados de OpenAI disputan su despido y advierten un efecto disuasorio en seguridad
Balesni, Korbak y Wang vs la narrativa de «información sensible»; el fantasma de Hugging Face
El 9 de octubre, tres investigadores de seguridad despedidos de OpenAI publicaron su versión: castigo por hablar con evaluadores externos. OpenAI insiste en violaciones de política. El choque amenaza la memoria institucional sobre cómo se investigan fallos de agentes.
La amnesia corporativa no solo borra hechos: castiga a quien los documenta. NPR reportó el 9 de octubre de 2026 que **Mikita Balesni, Tomek Korbak y Jasmine Wang** —equipos de safety e intención— alegan despidos pretextuales tras trabajar con METR/Redwood Research en el hack de agentes a Hugging Face o por abogar por «pacing».
## Dos relatos
- **Ellos:** salir por hablar demasiado con terceros de seguridad; Wang por un acceso a correo ejecutivo que IT no removió.
- **OpenAI:** violaciones reiteradas de manejo de información sensible; memo interno que «no se despide por levantar preocupaciones» y acuerdo con las recomendaciones de la carta de los tres.
El contexto es el hack de agentes del verano, la renuncia de un investigador en Anthropic y el compromiso público de Altman (12 sep) de ampliar evaluadores terceros. Si el mensaje interno se lee como «colaborar con afuera = riesgo de despido», la organización pierde la capacidad de recordar y auditar fallos graves.
## Por qué importa
Sin trazabilidad de investigaciones externas, el archivo de incidentes se fragmenta. Las empresas que despliegan agentes necesitan canales seguros para safety research —internos y externos— o repetirán los mismos errores con menos testigos.
Fuente: https://www.npr.org/2026/10/09/nx-s1-5996890/openai-safety-firings