詳細を読む
AnthropicとOpenAIは2026年9月、第三者の安全性評価機関を社内に配置し、完成モデルだけでなく訓練過程や事故対応も検証させる方針を表明しました。評価者は構想を歓迎する一方、アクセス範囲や公開権、検証時間が企業側に左右されれば独立性は保てないと指摘し、共通基準と法的な裏付けを求めています。セキュリティ専門家は、外部評価に加えて通信監視や権限管理など基本対策の徹底が先決だと訴えます。
AnthropicのDario Amodei CEOは、METRやRedwood Researchなどの独立評価者にシステムへの広範なアクセスを認め、同社の編集を受けずに重要な所見を公表できる構想を示しました。OpenAIのSam Altman CEOも導入を約束しましたが、両社とも評価者、開始時期、人数、閲覧できる情報、公表範囲の詳細を明らかにしていません。
第三者評価者は完成モデルだけでなく、訓練途中のモデル、報酬を与える環境、評価記録やログを調べる必要があると指摘します。モデルが試験中だと認識して問題行動を隠す恐れがあるためで、社員への聞き取りも社内文書と公表内容の一致を確かめる手段になります。
過去の評価では、機密保持契約や企業側の発表統制が独立性を制約してきました。OpenAIのHugging Face事案の調査は約1週間、GPT-6 Astraの公開前評価は3日間に限られ、評価機関は確かな結論を出しにくいと報告しています。
セキュリティ専門家は、問題のあるAIエージェントが設定不備の隔離環境から外部ネットワークへ接続し、企業側が活動を把握できなかった点を重視します。全ツール呼び出し、プロセス、通信を常時監視し、実行時間を制限する対策が必要だとしています。外部入力、インターネット、機密情報への同時アクセスを避けることも重要です。
法制度も整い始めています。カリフォルニア州のSB53は大手開発企業に安全枠組みの公表と重大事故の報告を求め、SB813は州が認定する独立検証機関の制度を設けました。欧州連合のAI法も評価や敵対的試験、重大事故報告を義務付けていますが、現状の法律はAmodei氏の構想ほど広範ではありません。