Anthropic は Developing Enterprise Frontier Safeguards with our customers で、企業向けの Enterprise Frontier Safeguards（EFS）を発表しました。
EFS は、ゼロデータ保持に近いプライバシー要求と、不正利用検知のための継続的な監視を両立させる仕組みです。ログは Anthropic ではなく顧客側のクラウド環境に保存され、検知結果の確認も顧客側のチームが担う設計になっています。
この発表で重要なのは、単に「Anthropic が新しいセキュリティ機能を出した」という点ではありません。企業が高性能なAIエージェントを本番業務に入れるとき、これまで分けて考えられてきたプライバシーと安全監視を、同じ運用設計の中で扱わざるを得なくなっていることです。
従来の発想では、機密性を高めるにはデータを残さないことが強い選択肢でした。入力や会話履歴を保存しなければ、漏えいリスクやベンダー側の閲覧リスクを抑えられるからです。しかし、エージェントが複数のセッションやアカウントをまたいで動くようになると、単発のリクエストだけを見ても異常は見えにくくなります。資格情報の不正利用や段階的な攻撃は、時間軸をまたいだ相関がなければ検知できません。
つまり、フロンティアモデルの導入判断では「保存しないから安全」という単純な基準が弱くなっています。問われるのは、誰の管理下にデータを置き、どの範囲で自動検知し、検知後に誰が判断するのかです。EFS はその答えを、顧客管理のストレージ、顧客管理の鍵、ベンダーによる自動検知、顧客側のレビューという分担で示しています。
これは、規制産業だけの話ではありません。開発組織が Claude Code のようなエージェント型ツールを使う場合も、コード、認証情報、設計情報、社内システムへのアクセスが絡みます。強いモデルを使うほど、生産性の伸びだけでなく、監視すべき行動の幅も広がります。
導入側にとっての判断軸は、AIを使うかどうかから、AIの行動ログをどの統制モデルに載せるかへ移っています。データ保持を避けるだけではなく、保持が必要な場面を認めたうえで、自社の監査・権限・レビュー体制に組み込めるかを見る必要があります。
EFS が示しているのは、企業AIの次の前提です。高性能なエージェントを安全に使うには、モデル単体の安全性では足りません。データの所在、検知の仕組み、人間の確認権限まで含めた運用アーキテクチャが、導入可否を左右するようになっています。
関連記事
- Inside Microsoft’s two-decade push to cut water intensity while scaling for growth
- Introducing Claude Opus 5
- Granite 4.2 LLMs: How They’re Built
参考文献
コメント