Anthropic、外部評価機関に社員並みアクセス権の付与を開始

米 Anthropic（安全性重視のAI研究・開発企業） は2026年10月16日、フロンティアAIモデルの安全性評価を行う非営利組織「METR（Model Evaluation and Threat Research）」に対し、同社従業員と同等の内部アクセス権（employee-like access）を付与し、社内に常駐させる「組み込み型評価者（embedded evaluators）」の運用を開始したと発表した。最先端AIの能力伸長に伴い、外部の専門機関が開発の深層まで踏み込んでリスクを客観検証できる監査体制を整備する。

社員並みアクセス権の具体的内容とMETRの役割

Anthropicの公式発表によると、METRの評価チームに対して以下の環境と権限が提供された。

• ​執務環境とシステム権限​: METRの従業員6名に対し、Anthropic支給のハードウェア、オフィススペース、ならびに社内リスク評価チームと同等の内部ツール・システムへのアクセス権を付与。
• ​情報共有の範囲​: 顧客データ、弁護士・依頼者間秘匿特権情報、モデルアーキテクチャの核心情報など、事前に厳格に定められた例外カテゴリを除き、アライメント（AIの意図・安全性の制御）に関する情報を一般社員と同様に共有する。
• ​公表の独立性と拒否権の排除​: METRはリスク評価結果やインシデントに関する分析を独自に公表可能で、Anthropic側は公表を差し止める拒否権を持たない。機密情報の黒塗り（redaction）を求めることはできるが、METR側はその削除要求が妥当であったかどうかの評価見解を公表できる。

外部評価機関向け3段階アクセス枠組みの導入

Anthropicは今回の取り組みに合わせ、外部評価機関との連携モデルを体系化した3層のアクセス枠組み（Tiers）を公開した。

階層	名称	アクセス範囲と公表権限	該当機関の例
Tier 1	限定的リスク調査	範囲を絞ったリスク評価。公表にはAnthropicの承認が必要	SecureBio（生物・化学兵器リスク検証）
Tier 2	承認不要の公表権	より広範な情報アクセス。Anthropicの事前承認なしで独自公表が可能	順次拡大予定
Tier 3	社員並み組み込みアクセス	社内常駐、社内ツール利用、独立した公表権（METRモデル）	METR（Model Evaluation and Threat Research）

同社はAccentureやFacultyともパートナーシップを進めており、モデルのレッドチーミングや安全策のテストで協業しているほか、Hugging Faceとも初期的な協議を開始しているという。

従来型監査との比較と今後の課題

今回の常駐監査体制は、金融機関における銀行監督機関の「常駐検査官（resident examiners）」に着想を得たものだ。従来の外部評価との違いは以下の通りである。

• ​ブラックボックス監査からの脱却​: 従来のAPI経由の外部テストや期間限定のレッドチーミングでは、モデルの訓練過程や内部セーフガードの詳細が不可視だった。組み込み型評価者により、開発企業自身と監査側の情報格差を縮小できる。
• ​未確認事項と課題​: METRによる第1回のリスク評価報告書の公開スケジュールや、他の主要AI企業（OpenAIやGoogleなど）が同様のオープンな常駐監査体制を採用するかどうかは現時点で明らかになっていない。

米ホワイトハウスの「超知能に関する合意（White House Accord on Super Intelligence）」に署名した各社において、自律的な第三者ガバナンスを実効化する先行モデルとして注目される。

引用元：Anthropic | ITmedia NEWS