Расследование 404 Media, опубликованное журналистом Joseph Cox 14 сентября 2026 года на основе утёкших внутренних документов, показывает: OpenAI в рамках проекта с кодовым названием Project Lily нанимает сотни подрядчиков, которые читают реальные переписки пользователей ChatGPT и оценивают ответы модели по шкале от 1 до 7. Заявленная цель — отучить ChatGPT от сикофантии, чрезмерного антропоморфизма и нежелательных формулировок. Диалоги проходят через фильтр приватности, однако сама OpenAI признаёт, что чувствительные детали всё равно проскальзывают, и даже сообщения, где пользователь просил сохранить тайну, были видны проверяющим.

image

Что произошло

Согласно материалам расследования, рецензентов для Project Lily нанимает компания Crossing Hurdles, а оплату производит Mercor; один из рецензентов из США сообщил о ставке более $50 в час. Подрядчики разбирают живые пользовательские диалоги ChatGPT и выставляют каждому ответу модели оценку по шкале от 1 до 7. Перед проверкой диалоги проходят фильтр приватности: имена пользователей не видны, персональные данные должны удаляться. Тем не менее OpenAI признаёт, что чувствительные детали всё равно проскальзывают.

Контекст

Project Lily — не новая техника обучения, а индустриальное масштабирование стандартного пайплайна человеческой обратной связи в духе RLHF: вместо работы только с синтетическими данными рецензенты вручную оценивают живые продакшн-диалоги. За качеством флагманских чат-ботов стоит малозаметная индустрия подрядчиков — Crossing Hurdles, Mercor и аналогичные фирмы, которые берут на себя ручную разметку и оценку. Поведенческие дефекты, с которыми борется проект, известны давно: модель заискивает перед пользователем, приписывает себе человеческие черты и подбирает нежелательные формулировки. Для OpenAI проблема сикофантии обострилась на фоне исков, связанных с моделью 4o. Отдельный слой истории — модель согласия: параметр «Improve the model for everyone» включён по умолчанию, и его формулировка вряд ли читается пользователями как предупреждение о том, что чаты будут читать люди.

Почему это важно для индустрии

Для отрасли расследование подтверждает, что качество флагманских моделей держится не только на обучении и скрейпинге, но и на рекуррентных расходах на человеческую оценку живого трафика. Crossing Hurdles и Mercor выступают вендорами нового рынка инфраструктуры оценки, а ставка свыше $50 в час закрепляется как публичный ориентир стоимости human eval. Для API, инференса и латентности изменений нет: это offline-конвейер. Одновременно возникают репутационные и регуляторные риски вокруг информированного согласия: enterprise-покупатели начинают задавать вопросы, а конкуренты, использующие human review, сталкиваются с вопросами о собственных практиках. Для билдеров новость валидирует нишу прозрачности данных в AI-продуктах — consent-UX и индикаторы приватности можно закладывать в продукты уже сейчас.

Почему это важно для пользователей

Если вы пользуетесь ChatGPT и не отключали параметр «Improve the model for everyone», ваши диалоги могут попадать к людям-рецензентам. Настройка находится в разделе Settings → Data Controls на вебе и в мобильном приложении, причём она применяется и к Codex. Компромиссные варианты: временные чаты не используются для обучения и удаляются через 30 дней, а на тарифах Team, Enterprise и Edu действуют более строгие политики. Полную гарантию приватности в этой схеме даёт только отключение обучающей настройки в Data Controls.

Что пока неизвестно / ограничения

Расследование основано на утёкших внутренних документах, и ключевые методологические вопросы остаются открытыми: интер-рейтерная согласованность оценок по шкале от 1 до 7, принципы калибровки и отбора рецензентов, размер выборки и способ агрегации оценок в сигнал для обучения. В источниках нет бенчмарков или измерений, подтверждающих, что Project Lily действительно снижает сикофантию: без воспроизводимого eval заявленная цель остаётся технически неподтверждённой. Признание OpenAI о проскальзывающих чувствительных деталях дополнительно указывает на возможную смещённость собираемой выборки. Ожидания публичного раскрытия методологии и пересмотра дефолтных настроек согласия — это прогнозы, а не установленные факты.

Источники

Автор

Look at AI, редакция