Anthropic Fableのデータ保持方針を受け、NvidiaとPalantirがモデル利用を制限
報道によると、Anthropic Fableのデータ保持ルールを受け、Nvidia、Palantirなどの企業は、その高度な能力にもかかわらずモデルの利用を制限している。対立は、Anthropicが高度な悪用を検知する必要性を理由に、特定のFable利用について30日間のデータ保持を義務づけたことから始まった。
こうした制限は、Anthropicが企業秘密を使ってモデルを訓練していることを示すものではない。Anthropicは、保持されたデータを新しいClaudeモデルの訓練や、安全性と無関係な目的には使用しないとしている。しかし、一部の法人顧客は、独自コード、研究成果、業務情報を外部が保持すること自体に依然として懸念を抱いている。
この違いが、エンタープライズAIをめぐる論争の中心となっている。モデル提供者は、複数回のやり取りにまたがる攻撃を調査できるだけの可視性を求める。一方、顧客は競争優位を生む情報に対する拘束力のある管理を求めている。
顧客による利用制限によると、一部企業は現在、機密データを含まない業務にFableの利用を限定している。また、自社製品を通じてモデルを提供する前に、より強固なゼロデータ保持の保証を求めている企業もあるという。
Anthropicはすでに、Enterprise Frontier Safeguardsと呼ばれる技術的対応策を提示している。これは、保持対象の利用活動を顧客が管理するインフラへ移すものだ。この対応は重要だが、報じられた制限は、プライバシーアーキテクチャがモデル性能の一部になったことを示している。
報道によると企業が制限している内容
直近の変化は、Claudeに対する企業全体の一律禁止ではない。最新のFableモデルをどの領域で信頼できるかという範囲が狭まっているのである。
The Informationは、Nvidiaが機密情報を露出させないタスクにのみFableを使用していると報じている。より機密性の高い業務では、Nvidiaは社内AIシステムを利用しているという。Nvidiaは、Tom’s Hardwareが記事を公開するまでに同誌の問い合わせに回答しなかった。
Palantirは、Artificial Intelligence Platformを通じて顧客にモデルを提供しているため、異なる立場を取っている。同社は、後から撤回できないゼロデータ保持の保証をAnthropicが提供するまで、そのソフトウェアを通じてFableを利用可能にしない方針だと報じられている。
報道によれば、顧客は引き続きAnthropicと直接契約できる。Palantirの制限は、自社プラットフォーム内で提供・サポートする用意がある内容に関するものだ。
この違いは重要である。Palantirは、組織が機密性の高い業務データを分析する環境に複数のモデル提供者を統合している。そのため、モデルの保持条件はPalantir自身の顧客に対する義務にも影響しうる。
Palantirの最高技術責任者であるBill Vassは、知的財産に関わる少数のケースではAnthropicを避けていると報じられている。懸念は不適切な訓練の証拠ではない。顧客が完全には管理できないプロセスに機密コードがさらされる可能性だった。
Booz Allen Hamiltonも、Anthropicの最先端モデルの利用を縮小または制限している企業として挙げられた。具体的な制限に関する公開情報は限られている。この不確実性は慎重な表現を求める。根底にある判断のすべてが独立して文書化されているわけではないためだ。
他の報告例は、企業がデータの機密性に応じてAI業務を分けていることを示している。Novo Nordiskは、公開文書や一般的な下書き作成にはClaudeを許可している一方、独自情報をモデルに入力することは禁止していると報じられている。
報道によれば、C Spireは、OpenAIとAnthropicが同社の企業データを訓練に使用することを防ぐ契約上の保護を設けている。それでもこの通信会社は、契約上、提供者が収集を許可されている技術的利用情報について懸念を抱いている。
米国の大手公益事業会社は、基幹電力インフラに関わるFableの試験計画を中止したと報じられている。同社は撤回不能なゼロデータ保持の約束を求めたが、Anthropicはモデル本来のFable方針の下ではそれを提供しなかった。
これらの事例は、協調的なボイコットではなく、それぞれ異なる統制を表している。ある企業は機密性の高いタスクを社内モデルに振り分け、別の企業は独自情報の入力を遮断する。プラットフォーム提供者は、より強い契約条件が整うまで顧客へのモデル提供を見合わせる。
それでも、報じられた傾向には重みがある。エンタープライズの購入者は、モデル選定をベンチマークスコアを競う単純な判断ではなく、データガバナンス上の意思決定として扱っている。
この考え方は、従業員がAIシステムをソースリポジトリ、社内文書、研究所の記録、顧客データベースに接続する場合に特に重要となる。モデルは、従来の業務アプリケーションよりはるかに価値の高い情報を受け取る可能性がある。
ローカルの技術文書から検索可能なシステムをすでに構築している企業も、同様の境界線に関する課題に直面する。どの情報が管理下の環境を離れるのか、どこへ送られるのか、そしてどれだけの期間アクセス可能な状態に置かれるのかを把握しなければならない。
したがって、制限は限定的であっても、大きな商業的影響をもたらしうる。従業員が組織にとって最も重要な業務に適用できなければ、高度なモデルはエンタープライズにおける価値の多くを失う。
Anthropic Fableのデータ保持が6月に変わった理由
Anthropicは、企業プロンプトの訓練利用を許可するためではなく、より高性能なモデルに対する安全管理として30日ルールを導入した。
Anthropicは2026年6月、サイバーセキュリティと生物学的リスクに対する保護を強化したFable 5を発表した。同社は、一つのリクエストを単独で調べるだけでは、一部の攻撃を信頼性高く検知できないと結論づけた。
悪意あるユーザーは、有害なプロジェクトを多数のやり取りに分割する可能性がある。個々のプロンプトは通常に見えても、連続した全体像からは安全策を回避しようとする試みが明らかになる可能性がある。
そのためAnthropicは、対象となるFable利用活動について、30日間のローリングベースでの保持を義務づけた。モデルの発表方針では、この情報を安全性の監視とジェイルブレイク研究に利用するとしている。
同社はまた、このデータを新しいClaudeモデルの訓練や無関係な目的には使用しないと述べた。Anthropicは、人間によるアクセスのログ記録や、ほぼすべてのケースで30日後にデータを削除することを含む保護策を説明している。
ここで、二つの別個の概念が混同されるようになった。データ保持とは、定められた期間にわたり情報を保管することだ。モデル訓練とは、モデルのパラメータや将来の挙動を調整するために情報を使用することを指す。
提供者は、プロンプトを訓練に使わずにセキュリティ分析のため保持することができる。それでも企業は、保持そのものが情報露出、コンプライアンス対応、契約上の不確実性を生むため、その取り決めを拒否する可能性がある。
Anthropicが公開したデータ保持方針では、この変更が、複数の対象サービスでゼロデータ保持構成をすでに利用している組織に適用された。対象には、利用資格のあるClaude Consoleワークスペースや特定のクラウド導入が含まれていた。
一般にZDRと略されるゼロデータ保持とは、提供者がリクエスト完了後にプロンプトや応答を保存しないことを意味する。具体的な除外項目と技術メタデータは、サービスや契約によって異なる。
購入者にとって、6月の変更は根本的な前提を揺るがした。多くの企業は、承認済みモデルへのトラフィックは提供者のシステムに残らないという考えを前提に、AI統制を設計していた。
新ルールは、Fableが悪用される可能性をより大きく抱えていたために導入された。しかし、その安全性上の根拠が顧客に課される運用負担を取り除いたわけではない。
セキュリティチームは依然として、従業員が公開してよいリポジトリを特定しなければならなかった。法務チームは、既存契約が新方針をカバーしているかを解釈する必要があった。プライバシーチームは、データの所在、削除、アクセス、侵害時のシナリオを評価する必要があった。
規制対象企業は追加の疑問にも直面した。保持は、医療記録、金融データ、通信情報、法的秘匿特権、欧州のデータ保護を規定するルールと相互に影響する可能性がある。
懸念は意図的なアップロードに限られない。エージェント型AIシステムは、ファイルを取得し、ツールを呼び出し、データベースを照会し、タスク完了中に作業コンテキストを保持できる。
従業員は、ワークフローがソースコード、ログ、認証情報、顧客記録を送信していることに気づかないまま、エージェントにアプリケーションのデバッグを依頼するかもしれない。モデルのインターフェースは、その移動の多くを見えにくくする。
モデルの有用性が高まるほど、データの接触範囲も拡大する。ここに、この話の中心的な逆説がある。Fableを魅力的にする能力こそが、入力データの機密性を高めるのである。
Anthropicの方針は、モデル悪用を管理しようとするものだった。企業顧客は同じ仕組みを、新たな情報リスクの源泉と解釈した。
論点はモデル訓練だけでなく、統制にある
エンタープライズ顧客は、安全性監視と機密業務が同一システムに存在する際、データ経路を誰が管理するのかを問うている。
モデルが企業の知的財産から「学習」するかもしれないという報告上の懸念は、不正確に聞こえることがある。これは技術的には複数の異なる結果を指しうる。
提供者が顧客コンテンツを将来のモデル訓練に使う可能性がある。安全性調査の際に、従業員が保持されたプロンプトを閲覧する可能性もある。技術メタデータから集約された利用パターンを導出する可能性もある。
また、モデルは保存された会話内でコンテンツを再現する可能性があるが、それを訓練に組み込むとは限らない。それぞれのシナリオには、異なる発生確率、保護策、法的帰結がある。
Anthropicは、Fableのデータ保持ルールの対象となる企業データを訓練に使用しないとしている。OpenAIも同様に、顧客がオプトインしない限り、ビジネス向けの入力と出力はデフォルトで訓練から除外されるとしている。
これらの約束は一つの疑問に答える。しかし、運用メタデータがどこへ送られるのか、誰が保持コンテンツにアクセスできるのか、契約条件が変更されうるのかについては、完全な答えにならない。
技術的利用データには、完全なプロンプトを再現せずにサービス活動に関する情報が含まれる場合がある。その範囲によっては、どのアプリケーションがモデルに接続しているか、チームがどの程度頻繁に利用しているか、どの機能を呼び出しているかが明らかになる可能性がある。
提供者は、信頼性の高いサービスを運用するために一定のメタデータを必要とする。それでも顧客が正確な定義を求めるのは、活動パターンが事業上の優先事項を露呈しうるためだ。
研究部門からのモデル呼び出しが突然増加すれば、未公表の取り組みを示す可能性がある。ソースリポジトリへの新たな接続は、開発リソースがどこへ移っているかを明らかにする可能性がある。
これは、AnthropicやOpenAIがメタデータを顧客との競争に利用していることを意味しない。報道で示された検証済みの証拠には、そのような行為を裏づけるものはない。
問題は、契約上の約束、システム設計、監査証跡が、顧客のリスク許容度を満たすほど可能性を低減できるかどうかである。
Palantirが報じられた撤回不能な保証を求める姿勢は、この懸念を表している。後から変更できるデータ保持ルールを、恒久的なセキュリティアーキテクチャに組み込むことは難しい。
顧客はモデルの承認、許容されるデータの分類、サービス統合に何カ月も費やす可能性がある。その後の方針改定により、同じ作業をやり直すか、統合を無効化する必要が生じる場合がある。
この制限は説明責任にも影響する。データインシデントが発生した場合、企業は情報がどこを通過し、どの当事者が管理していたのかを説明しなければならない。
匿名化に関する一般的な説明だけでは、その義務を満たせない場合がある。セキュリティおよびコンプライアンス部門は通常、保存期間、暗号化の詳細、アクセスログ、削除時の挙動、インシデント対応手順を必要とする。
このことは、モデルのプライバシーを単一の「学習に使用する」チェックボックスに還元できない理由を示している。学習からの除外は不可欠だが、企業データガバナンスの一層にすぎない。
顧客はまた、再委託先、クラウドリージョン、不正利用の監視、人的レビュー、自動システムによってフラグ付けされたコンテンツの取り扱いについても理解する必要がある。
慎重さが求められる理由はもう一つある。報じられた制限の大部分は、匿名の情報源と非公開の顧客交渉に基づいている。
Nvidiaは内部ルーティング規則を公に詳述していない。Booz Allenも、自社に帰されたすべての制限について公に説明しているわけではない。試験導入を中止した公益事業会社の名前も明らかにされていない。
したがって読者は、確認済みのプロバイダーポリシーと、報じられた顧客行動を区別すべきだ。Anthropicの30日ルールは文書化されている。一方で、各社の制限の正確な範囲はそうではない。
この検証上の隔たりが、トレンドを無意味にするわけではない。最も強い結論が示すのは、AIプロバイダーによる不正行為が証明されたということではなく、企業の交渉行動に関するものだ。
OpenAIはプライバシーアーキテクチャを競争力のある回答へと転換した
OpenAIの対応は、ゼロデータ保持を背景的な法務用語ではなく、製品上の差別化要因にした。
高度なモデルにはより優れた監視が必要だと主張しているのは、Anthropicだけではない。OpenAIも、深刻なリスクは単一のプロンプト内ではなく、一連のインタラクションを通じて生じ得るとしている。
ただし、OpenAIは異なるアーキテクチャを提案している。同社のPrivate Safety Processingシステムは、OpenAIの担当者が基盤となる顧客コンテンツへアクセスすることなく、関連する活動を分析できるよう設計されている。
ゼロ保持の導入環境では、コンテンツは顧客が管理するインフラ上に残る。自動システムがこれを分析し、リスクを特定した場合に限り、限定的な安全シグナルをOpenAIへ送信できる。
OpenAIのprivate safety systemでは、顧客管理の鍵で暗号化されたプロバイダー側ストレージを使う代替案も説明されている。OpenAIの担当者はそれらの鍵を保有しない。
同社は、対象となるAPI顧客に対し、プロンプトと応答は処理後に保持されないという明確な約束を提供するとしている。また、顧客がオプトインしない限り、エンタープライズデータは学習に使用されないとも述べている。
ただしOpenAIは、児童性的虐待コンテンツを含むとみられる画像について例外を設けている。こうした画像では、保持、手動レビュー、法的に義務付けられた通報が必要になる可能性がある。
このより広範なアーキテクチャは、エンタープライズ購入者に比較の基準を与えた。セッション横断の安全監視と顧客管理データは、必ずしも両立しないものではないことを示唆した。
Anthropicも現在、EFSとして知られるEnterprise Frontier Safeguardsによって、同様の方向へ進んでいる。このシステムは、関連する活動を顧客が管理するクラウドインフラ内に保存する。
Anthropicによれば、自動監視が疑わしいパターンを特定し、顧客へアラートを送る。検証済みの不正利用が別のプロセスを正当化しない限り、レビューは顧客の担当者が行う。
同社は、医療、金融、製造、法律、通信、小売、政府を含む分野の100社超の顧客とともにEFSを開発した。
同社のenterprise safeguardsは、2026年秋から段階的に展開される予定だ。Anthropicは、対象となる顧客がFable 5およびFable 5.1への暫定的なZDRアクセスを受けられるとしている。
この発表は、見出しが示す物語を複雑にする。Anthropicは、すべての機密性の高いFableトラフィックを自社システム上に残すべきだと単純に主張しているわけではない。
同社は顧客管理上の問題を認め、その解決を意図したアーキテクチャを提案している。真の問題は、その展開が十分に速く進み、十分に永続的な保証を伴うかどうかだ。
報じられたPalantirの立場は、技術的能力だけではすべての交渉を決着させられないことを示している。大手顧客は、プロバイダーが後から保護策を撤回できないようにする契約文言も求めている。
顧客はプライバシー条件を、精度、レイテンシ、コスト、モデル能力と並べて比較できるため、OpenAIのアプローチは競争圧力を加えている。
The Informationによると、Palantirと一部の顧客はOpenAIのGPT-6 AstraへのZDRアクセスを得たと報じられている。そのためPalantirは、自社プラットフォームを通じてFableを提供しない一方で、そのモデルは提供する意向だという。
この比較は、OpenAIのシステムがあらゆる点でより安全であることを証明するものではない。Private Safety Processingは、発表時点では初期顧客とのテスト段階にあった。
その有効性は、コンテンツを露出させずに自動監視が複雑な不正利用を識別できるかどうかにかかっている。OpenAIは当初の発表時点で、約束していた技術ホワイトペーパーをまだ公開していなかった。
Anthropicのシステムも同様の試練に直面している。EFSは、有用な安全策と管理可能な導入要件を維持しながら、顧客管理下のクラウド環境全体で機能しなければならない。
両プロバイダーは、技術的分離を通じて同じ対立を解決しようとしている。その競争の行方は、実装の詳細、独立した検証、契約上の約束の強さによって決まる。
Anthropicの安全性に関する主張も精査に値する
顧客は、30日間の保持であれゼロ保持であれ、それだけで安全な導入環境が実現すると考えるべきではない。
Anthropicの安全性に関する主張には、明確な技術的根拠がある。連携した攻撃は、すべてのプロンプトを個別に評価する場合、特定が難しいことがある。
サイバーセキュリティ上の安全策を探るユーザーは、リクエストを複数のセッションやアカウントに分散させる可能性がある。自動分類器には、そのパターンを認識するためのより広い文脈が必要となる。
保持は、新たなジェイルブレイクが現れた後の調査も支援できる。研究者は過去のインタラクションを調べ、攻撃者がどのようにシステムを進んだかを特定できる。
それでも、その利点には証拠が必要だ。Anthropicはポリシーの根拠を説明しているが、保持されたコンテンツが実際にどの程度検知を改善するのかについて、外部の観察者は完全な情報を持たない。
人的レビュー担当者が完全な顧客プロンプトを確認する必要がどの程度の頻度であるのかも不明だ。限定的な自動シグナルは、生のコンテンツへの日常的なアクセスとは異なる露出を生む。
Anthropicは、その管理策が人的アクセスを記録し、保持データを安全目的に限定するとしている。企業はそうした主張を裏付ける監査証拠を求める可能性が高い。
EFSは、レビューの責任を顧客に置くことで設計を変える。これは機密性を守る一方、すでに多数のアラートを管理しているセキュリティチームへ運用負担を移す可能性もある。
組織は、フラグ付けされた活動を誰がレビューするのか、どれだけ迅速に対応するのか、どの時点でAnthropicと証拠を共有するのかを決める必要がある。人員配置が不十分な管理策は、紙の上では存在しても効果的に機能しないことがある。
誤検知も別の課題となる。正当なセキュリティ研究者は、マルウェア、脆弱性、悪用技術、防御テストについて日常的に議論している。
自動システムは、認可された研究を悪意ある活動と誤認する可能性がある。過度に積極的な安全策は、価値ある作業を妨げたり、不必要な社内調査を生んだりする恐れがある。
見逃しは逆のリスクをもたらす。高度な攻撃者は、有害な活動を複数のID、プロバイダー、またはセルフホスト型システムに分割し、単一の監視者が十分な文脈を得られないようにするかもしれない。
保存場所だけでは、その問題を解決できない。安全策は、より広範な監視システムを生み出すことなく、イベント間の関係を特定しなければならない。
契約文言も精査を要する。対象顧客にのみ提供される約束では、小規模組織が同等の保護を受けられるか不確実なままとなる。
暫定的な例外は当面のリスクを軽減できるが、恒久的な契約条項より信頼性が低いままである可能性がある。顧客は、アクセスが取り消され得るか、またどのような条件で取り消されるのかを知る必要がある。
したがって、NvidiaとPalantirに帰された制限は、「被害妄想」ではなく合理的な調達姿勢を反映している可能性がある。機密性の高い組織は、技術面と法務面のレビューを通過するまでサービスの利用を制限することが多い。
ただし、企業側が危険性を過大に表現することもある。保持は、プロバイダーが知的財産を盗んでいる、あるいは顧客情報を秘密裏に学習へ利用していることを示すものではない。
Anthropicは、Fableで保持されたエンタープライズデータを新しいClaudeモデルの学習に使用していないと明確に否定している。入手可能な報道において、この声明に反する信頼できる証拠はない。
責任ある結論は、その両極端の間にある。顧客は、プロバイダーによる学習除外を完全なプライバシー保証として扱うべきではない。同時に、保持を無許可の学習の証拠と説明すべきでもない。
実務的な対応は、ワークロードの分離だ。公開研究、一般的な文書作成、低機密性の分析には、一つの経路を使える。
ソースコード、臨床研究、顧客記録、戦略計画、重要インフラには、ZDR、顧客管理ストレージ、プライベートモデル、あるいは外部モデルを一切使わないことが求められる可能性がある。
これはすでに、報じられた複数の顧客が採っている運用方法だ。ポリシー上の判断はブランド名ではなく、データに従う。
エンタープライズAI購入者が次に注視すべきこと
次の段階は、また一巡するプライバシー上の約束ではなく、導入条件と顧客行動によって評価される。
最初のシグナルは、AnthropicによるEFSの展開だ。顧客は、同システムが2026年秋に広く利用可能になるか、また対象条件がどのように定義されるかを注視すべきである。
展開が成功すれば、高度な不正利用監視は顧客管理ストレージと共存できるというAnthropicの主張を強める。遅延や限定的なアクセスは、報じられた懸念を補強するだろう。
購入者は、活動データがどこに保存されるのか、誰が暗号鍵を保有するのか、どの自動シグナルが顧客環境の外へ出るのかを確認すべきだ。文書化された削除手順とインシデント対応手順も必要となる。
第二のシグナルは、ゼロデータ保持の約束がどれだけ恒久的かという点だ。Palantirは、Anthropicが後から撤回できない保証を求めていると報じられている。
AnthropicがFableの導入環境全体で永続的なZDR条件を提供すれば、Palantirは制限を再考する可能性がある。意見の相違が続けば、障害が単なる技術的なものではなく契約上のものであることを示すだろう。
第三のシグナルは、競合による採用状況だ。OpenAIのPrivate Safety Processingは、顧客コンテンツをプロバイダー担当者がアクセスできない状態に保ちながら、複数インタラクションにまたがる不正利用を検知できることを示さなければならない。
強力な技術文書、独立した評価、あるいは大規模な規制対象業界での導入は、OpenAIの立場を強化する。検知結果が弱ければ、プロバイダー側の保持を求めるAnthropicの当初の主張を支えることになる。
企業は、モデルルーティングが標準化するかどうかも注視すべきだ。エンタープライズは、すべてのタスクに一社のプロバイダーを承認するのではなく、データ分類に応じて異なるモデルを選択するようになる可能性が高い。
この配置は、ホスト型、顧客管理型、社内運用型のモデルを切り替えられるプラットフォームに有利に働く。また、どのプロバイダーの変更され得る条件にも依存しにくくなる。
この対立はすでに、エンタープライズAIの調達を変えている。最高性能のモデルが、最も価値の高い業務に必要なデータを受け取れないのであれば、ベンチマークでの優位性だけでは足りない。
Anthropic Fableのデータ保持は、プライバシーと安全監視の難しいトレードオフを浮き彫りにした。Anthropicは、保持が新たな攻撃への防御に役立つとしている。顧客は、最も価値の高い情報は自らの管理下に置かれなければならないと主張している。
EFSとPrivate Safety Processingは現在、競合する回答を提示している。どちらも、プロバイダーが顧客コンテンツへ日常的にアクセスすることなく安全分析を行えると約束している。いずれも、導入の証拠と強制可能な条件なしに受け入れるべきではない。
エンタープライズの購入担当者にとって、直ちに取るべき行動は明確です。各AIワークフローについて、公開され得るデータを洗い出し、そのうえでストレージ、アクセス、学習、メタデータ、削除をそれぞれ個別に検証してください。
すべての約束がポリシー更新後も維持されるかを問いましょう。答えが不明確なら、契約とアーキテクチャによって信頼できる境界が確立されるまで、そのワークロードを制限してください。
