OpenAI GPT-Red公開 — AIによる脆弱性発見率84%・GPT-5.6のセキュリティ強化に活用
OpenAIは2026年7月15日、自社モデルの脆弱性を自律的に発見する内部ツール「GPT-Red」を公開した。人間のレッドチーム（攻撃成功率13%）を大幅に上回る84%の攻撃成功率を記録し、その知見でGPT-5.6の安全性を強化。ChatGPTを業務利用している企業にとって、プロンプトインジェクション耐性が具体的に改善されたことを示す発表だ。
発表の概要
GPT-Redは、攻撃役と防御役のモデルが自己対戦を繰り返す強化学習で訓練されたツールだ。OpenAI研究者らはこの仕組みを「道場」（原文：dojo）と呼んでいる。ウェブ閲覧・メール読み取り・コード編集といった実務環境に近い「道場」の中で攻撃側が成功するたびに報酬を得る。防御側が強くなるほど攻撃も精巧になるため、繰り返すほどモデル全体が堅牢化する。
数値で見ると差は明確だ。人間のレッドチームがプロンプトインジェクションに成功した割合は13%。GPT-Redは84%を記録した。旧版のGPT-5への攻撃成功率が90%以上だったのに対し、GPT-Redの知見を取り込んだGPT-5.6では23%未満に抑制されている。なお、GPT-Redは社内限定ツールであり、外部提供は行われない。
OpenAI研究者のNikhil Kandpalはこの取り組みの背景を次のように述べている。
“As AI models take on more agentic tasks — browsing the web, reading emails, editing code — the attack surface expands and the stakes rise.”
（筆者意訳：AIがウェブ閲覧・メール読み取り・コード編集といった自律的なタスクをこなすようになるほど、攻撃の対象となる面積が広がり、リスクも高まる）
── Nikhil Kandpal（OpenAI 研究者）/ MIT Technology Review
つまり、AIが業務に深く組み込まれるほど攻撃リスクが高まるという認識のもと、OpenAIは自ら攻撃役を育てることで防御を高めたということだ。
ChatGPTを業務利用する企業への影響
GPT-Redは社内限定ツールのため、外から使えるものではない。ただし強化後のGPT-5.6はすでに一般公開されており、プロンプトインジェクション耐性が旧版（GPT-5）の攻撃成功率90%以上から23%未満まで大幅に改善されている。ChatGPTの業務利用やAPIを介したシステム連携においても、この改善の恩恵を受けられる。
社内データをChatGPTに入力する場面、APIを通じて業務フローに組み込む場面など、AI活用の接点が増えるほど不正操作リスクも高まる。今回の発表は、その接点が増えるタイミングでOpenAIが内部的にセキュリティ強化を進めていることを示す根拠となる。
出典: MIT Technology Review「Meet GPT-Red, an LLM super-hacker OpenAI built to make its models safer」（2026年7月15日）
