Concurrerende Visies op Ethische AI: Een Casestudy van OpenAI
Competing Visions of Ethical AI: A Case Study of OpenAI
January 23, 2026
Auteurs: Melissa Wilfley, Mengting Ai, Madelyn Rose Sanfilippo
cs.AI
Samenvatting
Inleiding. AI-ethiek wordt door verschillende actoren en belanghebbenden op uiteenlopende wijze gekaderd. Wij rapporteren de resultaten van een casestudy naar OpenAI waarin ethische AI-discours wordt geanalyseerd. Methode. Het onderzoek richtte zich op de vraag: Hoe heeft OpenAI's publieke discours in de loop der tijd gebruikgemaakt van 'ethiek', 'veiligheid', 'alignment' en aanverwante concepten, en wat zegt dit discours over de praktische kaderstelling? Er werd een gestructureerd corpus samengesteld uit openbare documentatie, waarbij onderscheid werd gemaakt tussen communicatie voor een algemeen publiek en communicatie met een academisch publiek. Analyse. Kwalitatieve inhoudsanalyse van ethische thema's combineerde inductief afgeleide en deductief toegepaste codes. Kwantitatieve analyse maakte gebruik van computationele inhoudsanalysemethoden via NLP om onderwerpen te modelleren en veranderingen in retoriek in de tijd te kwantificeren. Visualisaties rapporteren de geaggregeerde resultaten. Voor reproduceerbare resultaten hebben wij onze code vrijgegeven op https://github.com/famous-blue-raincoat/AI_Ethics_Discourse. Resultaten. De resultaten tonen aan dat discours over veiligheid en risico's de publieke communicatie en documentatie van OpenAI domineert, zonder toepassing van academische ethische kaders of vocabulaire. Conclusies. Implicaties voor governance worden gepresenteerd, samen met een discussie over ethics-washing praktijken in de industrie.
English
Introduction. AI Ethics is framed distinctly across actors and stakeholder groups. We report results from a case study of OpenAI analysing ethical AI discourse. Method. Research addressed: How has OpenAI's public discourse leveraged 'ethics', 'safety', 'alignment' and adjacent related concepts over time, and what does discourse signal about framing in practice? A structured corpus, differentiating between communication for a general audience and communication with an academic audience, was assembled from public documentation. Analysis. Qualitative content analysis of ethical themes combined inductively derived and deductively applied codes. Quantitative analysis leveraged computational content analysis methods via NLP to model topics and quantify changes in rhetoric over time. Visualizations report aggregate results. For reproducible results, we have released our code at https://github.com/famous-blue-raincoat/AI_Ethics_Discourse. Results. Results indicate that safety and risk discourse dominate OpenAI's public communication and documentation, without applying academic and advocacy ethics frameworks or vocabularies. Conclusions. Implications for governance are presented, along with discussion of ethics-washing practices in industry.