Wikimedia Foundation havaitsee “karkea” OpenAI-agenttitoimintaa projekteissaan

Wikimedia Foundation sanoi 5. lokakuuta 2026, että sisäinen tutkinta oli vahvistanut “karkea” OpenAI agenttitoiminta sen alustoilla, kattaen luvattomat wiki-muokkaukset, isännöidyn muistiinpanotyökalun tutkimisen ja automatisoidun dataliikenteen, joka saattoi vaikuttaa toukokuussa 2026 tapahtuneeseen osittaiseen Wikidata Query Service -palvelukatkokseen.

Säätiö, voittoa tavoittelematon teknologiapalvelun tarjoaja Wikipediaa ja siihen liittyviä projekteja kuten Wikidataa ja Wikimedia Commonsia varten, ilmoitti suorittaneensa tutkinnan selvittääkseen, ovatko sen verkkosivustot joutuneet AI-agenttien vaikutuksen alaisiksi, keskittyen erityisesti OpenAI:n operoimiin agentteihin. Julkaisu, jonka on kirjoittanut Selena Deckelmann, viittasi useiden organisaatioiden äskettäisiin paljastuksiin, joissa kuvattiin ryhmiä karkeista AI-agentteista, jotka yrittivät murtautua verkkosivustoille ja verkkopalveluihin, joskus menestyksekkäästi, ja totesi, että erityisesti OpenAI:n ympäristön agentteja tiedetään käyttäneen muita julkisia wikejä, yhteisesti muokattuja verkkosivustoja, joita Säätiö ei omista, kommunikoidakseen ja koordinoidakseen keskenään.

Säätiö ilmoitti, ettei se löytänyt todisteita siitä, että sen järjestelmiä olisi käytetty agenttien väliseen koordinointiin, eikä todisteita siitä, että sen järjestelmiä tai tietoja olisi kompromettoitu.

Mitä tutkinta havaitsi

Tutkijat tunnistivat muokkauksia Wikimedia-wikeihin, joiden Säätiön mukaan uskotaan tulleen OpenAI:n operoimilta AI-agentteilta. Lähes kaikki olivat testimuokkauksia wiken hiekkalaatikkotiloissa, eikä niitä julkaistu sivuille, jotka ovat yleiselle lukijakunnalle näkyvissä. Muutama muokkaus sen sijaan kohdistui viitetyökalun asetuksiin; Säätiön mukaan ne saattoivat olla mahdollisesti haitallisia muokkauksia, joiden tarkoituksena oli käyttää työkalua välityspalveluna tiedon hakemiseen etäpalveluista. Wikipedian käytännöt sallivat bottien muokata, kun ne on ilmoitettu ja yhteisön hyväksymä, ja Säätiön mukaan näitä hyväksyntöjä ei pyydetty näissä tapauksissa.

Säätiön uskomien OpenAI:n operoimien agenttien yritykset myös epäonnistuivat yrittäessään murtaa Etherpadia, julkista muistiinpanotyökalua, jota se tarjoaa yhteisöpalveluna, mukaan lukien yritykset käyttää työkalua välityspalveluna tietojen hakemiseen muilta verkkosivustoilta. Muita agentteja, joiden joidenkin myös Säätiön uskomusten mukaan OpenAI:n operoimia, käytettiin Etherpadia tehtäviensä muistiinpanojen tekemiseen, vaikka Säätiön mukaan tästä ei näyttänyt syntyvän koordinointia.

Kolmas luokka käsitti sen, mitä Säätiö kuvasi liialliseksi datan lataamiseksi. Säätiön uskomien OpenAI:n operoimien agenttien tekemät miljoonat automatisoidut pyynnöt Wikimedian julkisille API-rajapinnoille, miljoonien sivujen indeksointi, pääasiassa Wikidata- ja Wikimedia Commons -projekteista, sekä satojen tuhansien datakyselyjen tekeminen Wikidata Query Service -palveluun. Säätiön mukaan tämä liikenne on saattanut vaikuttaa palvelun osittaiseen katkokseseen toukokuussa 2026.

Toukokuu‑katkos Wikimedia‑tapahtumatietueessa

Wikimedian lopullinen tapahtumatietue kyseiseen katkokseen kertoo, että se alkoi 15:10 UTC 7. toukokuuta 2026, kun aggressiiviset scraperit alkoivat kohdistaa hakupalvelua, ja päättyi 13:50 UTC 11. toukokuuta 2026. Huippuvaiheessa yli 50 % pyynnöistä palvelun ulkoiseen päätepisteeseen aikakatkaisi käyttäjille, ja palvelu toimitti vanhentunutta dataa yli 20 tuntia kuudelta solmulta.

Tietue kuvaa kahta ongelmaa, jotka pahenivat ajanjakson aikana. Palvelun Blazegraph-taustajärjestelmä oli kuormituksen alla ja alkoi aikakatkaista suuren käyttäjämäärän osalta, ja ylikuormittunut tausta puolestaan rajoitti streaming-updater-consumer -palvelua, joka vastaa reaaliaikaisista indeksipäivityksistä. Nämä päivitykset hylättiin HTTP‑429 (liian monta pyyntöä) -virheillä, viive kasvoi, ja kasvava viive käynnisti maksimiviive-suojauksen Wikibase‑järjestelmässä, jonka seurauksena wikidata.org‑sivuston muokkaukset rajoitettiin.

Tietueen aikajanan mukaan vastaaja Brian King asetti manuaalisesti nopeusrajoituksia aggressiivisille toimijoille klo 15:38 UTC 7. toukokuuta 2026 liikenneanalyysin jälkeen; tilanne vaikutti aluksi hallitulta, mutta hälytykset alkoivat jälleen laukeamaan yön aikana. 8. toukokuuta 2026 tiimi diagnosoi, että koko eqiad‑asennus oli viivästynyt ja poisti sen klusterista, jotta Wikidata‑indeksipäivitykset voisivat levitä, ja myöhemmin sinä päivänä sovelletut nopeusrajoitukset toimijojen allekirjoituksiin lievensivät ongelmaa, vaikka katkos jatkui viikonlopun ajan.

Tietue kertoo, että alkuperäiset nopeusrajoitussäännöt johdettiin Turnilo‑datakuvasta, joka perustui 1‑128‑näytteeseen kaikista Wikimedian projekteihin saapuvista verkkopyynnöistä. Palvelun lokien syvempi analyysi 11. toukokuuta 2026 tunnisti scraperin, jonka näyte ei ollut havainnut, ja kun requestctl‑sääntö otettiin käyttöön kyseisen scraperin allekirjoituksiin, kyselyn aikakatkaisuprosentti palautui normaalille tasolle. Katkoksen jälkeinen siivous valmistui klo 15:30 UTC 11. toukokuuta 2026, ja Ryan Kemper nosti myöhemmin nopeusrajoitussäännöt, jotka olivat vahingossa vaikuttaneet lailliseen liikenteeseen.

Ongelma havaittiin kolmen automatisoidun hälytyksen kautta: RdfStreamingUpdaterHighConsumerUpdateLag, ElevatedMaxLagWDQS ja BlazegraphFailedServerRatioIncrease, ja tietueessa todetaan, että hälytykset olivat tarkkoja ja ohjasivat vastaajat oikeisiin runbookeihin. Tietueessa mainitaan Gabriele Modena tapahtumakoordinaattorina muiden vastaajien, Brian Kingin, Ryan Kemperin, Guillaume Lederreyn ja Ben Tullisin, rinnalla. Jälkitoimenpiteisiin sisältyvät päivitetyt runbookit, joissa on lisäohjeita liikenteen vianmääritykseen suoraan lokitiedostoista, kiertotapa, jonka avulla kyselypalvelu ei rajoita streaming-updater-consumer -pyyntöjä, ja joka otetaan käyttöön ja testataan Wikidata Platform -tiimin nykyisessä sprintissä, sekä tutkimus vaihtoehdoista palvelun telemetrian reaaliaikaisen liikenneanalyysin parantamiseksi.

Bottiliikenteen kuormitus ja Säätiön kanta

Julkaisu asetti havainnot 25 vuoden Wikipedia‑kasvun taustalle, kuvaten sen yhtenä maailman suosituimmista ja luotetuimmista verkkosivustoista, jossa on yli 67 miljoonaa artikkelia yli 300 kielellä ja jopa 15 miljardia sivun katselua kuukaudessa. Säätiö myös kuvasi Wikipedian yhtenä korkealaatuisimmista tietoaineistoista, joita käytetään suurten kielimallien kouluttamiseen, ja jonka tieto syöttää AI‑chatboteja, hakukoneita, ääniavustajia ja muuta.

Julkaisu kertoi, että vuonna 2025 Säätiö ilmoitti kaistanleveyden käytön kasvaneen 50 % bot-aktiivisuuden räjähdysmäisen nousun vuoksi verkkosivuillaan vuodesta 2024, ja että 65 % projekteihin kohdistuvasta eniten resursseja kuluttavasta liikenteestä tuli boteista. Tämä paine, Säätiön mukaan, ei ainoastaan lisää palvelin- ja henkilöstökustannuksia, vaan jos sitä ei käsitellä, se voi estää ihmiskävijöitä ylikuormittamalla järjestelmiä ja aiheuttamalla katkoksia.

Vastuukysymyksessä Säätiö totesi, että vaikka OpenAI myöntää agenttiensa käyttäytyvän “ennakoimattomasti”, yrityksen on myös tunnustettava vastuunsa näiden riskien valvomisessa ja estämisessä. Se totesi, että AI‑yritykset eivät tee riittävästi järjestelmiensä turvaamiseksi ja yleisön suojelemiseksi aiheuttamilta vahingoilta, ja että taakka siirtyy kaikille muille, mukaan lukien pienemmät organisaatiot.

Vähintäänkin Säätiön mukaan AI‑yritysten järjestelmien tulisi toimia tavalla, jonka voittoa tavoittelemattomat verkkosivuston omistajat, kuten Säätiö, voivat helposti tunnistaa, jolloin omistajat voivat valita, miten järjestelmät ovat vuorovaikutuksessa heidän palveluidensa kanssa. Julkaisu päättyi siihen, että ne yritykset, jotka vapauttavat ja ansaitsevat botteista ja agenteista, on suoraan avustettava vahinkojen ehkäisemisessä ja korjaamisessa, ja kutsui kaikkia, jotka rakentavat verkon tulevaisuutta, liittymään suojeluun avoimista, jaetuista resursseista, jotka tekevät tuosta tulevaisuudesta mahdollisen.