OpenAI 推 ChatGPT 会话控制功能，却难敌模型迭代，企业治理挑战重重！
OpenAI 推 ChatGPT 会话控制功能，却难敌模型迭代，企业治理仍面临挑战！
OpenAI 推出的全新 ChatGPT 会话控制功能提升了可见性，但专家表示，模型的持续更新给企业的风险与合规团队带来了更大的挑战。图片来源：JarTee/Shutterstock.com
对于企业而言，AI 治理始终处于不断追赶的状态。模型的更新迭代速度极快，往往在治理框架经过实践检验之前就已过时。为了突破这一困境，OpenAI 推出了“活跃会话（Active sessions）”功能。这一全新的 ChatGPT 安全特性，使用户能够通过简洁的界面查看并退出一个或多个会话。目前，该功能已在所有 ChatGPT 账户和工作区类型中上线，涵盖个人工作区和托管工作区。专家认为，对于目前拥有 10 亿月活跃用户的模型提供商 OpenAI 来说，这是一项重要的进展。
SOCRadar 首席信息安全官（CISO）恩萨尔·塞克尔（Ensar Seker）指出，此前企业通常难以掌握用户的登录位置，只能依靠重置密码或对账户进行全面操作来强制用户重新认证。他解释道，精细的会话控制是一种更高效、干扰性更小的方法。从治理角度来看，会话透明度的提升增强了问责制，并有助于开展调查。
全面掌握会话活动情况
“活跃会话”功能使管理员能够查看 ChatGPT、Codex 和 API 平台上已知的浏览器和应用会话。具体而言，他们可以查看设备和浏览器信息、大致位置、登录日期和时间、设备是否受信任以及会话是否处于活跃状态。用户可通过“设置”>“安全”>“活跃会话”访问该功能。他们能够退出特定会话，并将设备从受信任服务中移除。此外，用户还可以退出所有会话（即结束所有设备上的会话），不过这一操作可能需要长达 30 分钟才能完成。
然而，OpenAI 强调，会话详情可能“不准确或不完整”，且该功能存在一定局限性。它无法显示或管理已连接的应用程序或第三方应用会话、通过第三方服务进行的登录、Codex CLI 会话，以及最近退出的会话。此外，“活跃会话”功能无法与企业单点登录（SSO）关联的账户配合使用，包括安全断言标记语言（SAML）和 OpenID Connect（OIDC）。
亡羊补牢，犹未晚矣
尽管“活跃会话”是一项重要的安全和治理进展，但专家指出，该功能较为基础，而且姗姗来迟。博塞隆安全公司（Beauceron Security）的大卫·希普利（David Shipley）表示，OpenAI 让管理员能够结束 ChatGPT 上的活跃会话，其实很多平台早已具备这一功能。他们本应更早推出该功能，但亡羊补牢，犹未晚矣。他还提到，从安全角度来看，OpenAI 在监管 ChatGPT 方面还有待加强，以防止其被威胁行为者用于托管恶意软件，这是企业面临的最新威胁。
SOCRadar 的塞克尔也指出，企业多年来一直期望 SaaS 平台具备这种可见性和监督功能。它能让管理员和用户迅速识别未经授权的访问、终止闲置会话，并降低账户在未被察觉的情况下被盗用的风险。
迭代升级打乱治理节奏
OpenAI 上周对 ChatGPT 应用程序和 API 中的 GPT - 5.5 Instant 进行了更新，称此举是为了“改善响应风格和质量”。今年 5 月早些时候，OpenAI 推出了 GPT - 5.5 Instant 以取代 GPT - 5.3 Instant，并表示它“总体上更智能”，产生幻觉的情况也更少。据 OpenAI 介绍，此次更新使 GPT - 5.5 Instant“更易阅读，在日常对话中更自然，在实际帮助任务中的节奏更好，减少了过长或要点过多的回复”。
但即便有“活跃会话”这样的工具，企业在面对似乎永不停歇的模型迭代更新时，仍在治理方面苦苦挣扎。博塞隆的希普利表示，这种情况根本无法持续：“在一个非确定性系统中，如何制定合适的测试计划？”SOCRadar 的塞克尔指出，许多组织在批准模型投入生产使用之前，会进行安全、合规和业务验证测试。但他也提到，当同一版本系列下的模型行为发生变化时，之前记录的假设可能不再能完全反映实际性能。塞克尔表示，AI 治理面临的最大挑战并非模型的采用，而是模型的变化。大多数组织能够对模型进行一次性评估，但很少有组织做好了持续评估模型随时间演变情况的准备。他指出，这尤其给受监管行业带来了挑战，因为在这些行业中，可审计性、可重复性和变更管理至关重要。
信息科技研究集团（Info - Tech Research Group）的咨询研究员瓦伦斯·豪登（Valence Howden）指出，企业往往无法评估模型迭代对自身边界的影响，更糟糕的是，他们常常对此一无所知。他还提到，虽然企业最初面临的最大挑战是使用何种 AI 模型、模型的功能以及模型的所有者，但迭代更新会使情况变得更加复杂，增加了企业对第三方实践和工具的依赖，而企业往往缺乏相应的资源。豪登表示，如果企业在更新被整合之前无法选择退出，那么他们实际上是在与客户一起对更新进行红队测试。
持续的挑战
SOCRadar 的塞克尔表示，如今的安全团队已不堪重负，因为他们既要管理快速发展的模型、新功能和不断变化的行为，又要确保合规性、风险管理和业务连续性。他说，治理之所以困难，是因为企业不再是在评估一个静态的产品，而是在管理一项“不断发展的服务”，其功能、集成和用户行为的变化速度远远超过了传统的安全审查周期。
信息科技的豪登也表示认同，他认为企业现有的治理实践，尤其是问责制和风险实践，存在不足。他说，要突然擅长那些原本就不擅长的事情并非易事。而且企业往往追求速度和创新，因此会忽视治理的约束，甚至根本不想进行治理。
企业应如何应对
塞克尔建议，企业最终应将 AI 模型视为动态系统，而非固定的软件版本。他表示，安全和治理计划应包括持续验证、监控和定期重新评估，而不是仅仅依赖一次性的审批流程。企业还应明确对供应商变更管理的期望，包括要求其在模型更新、行为变化以及对现有工作流程的潜在影响方面保持透明。塞克尔说，有效的 AI 治理越来越依赖于对变更的可见性，而不仅仅是对风险的可见性。
关键词：人工智能、安全、IT 领导力、风险管理、IT 治理