AnthropicとGoogleの提携、AI学習へのアクセスをめぐり米国で監視対象に

AnthropicとGoogleの関係が米国で監視を受けているのは、大手クラウド企業との提携が、強力なテクノロジー・パートナーに機微なAI学習情報を開示し得ることを規制当局が確認したためだ。ただし、公開されている証拠は、Anthropicのアルゴリズム単独を対象とする新たな連邦調査が始まったことを示してはいない。

この区別は重要である。確認済みの調査は、GoogleとAnthropicの関係に加え、AmazonとAnthropicの提携、MicrosoftとOpenAIの関係を対象とした。投資条件、クラウド利用のコミットメント、情報へのアクセス、それらが競争に及ぼし得る影響を検証した。

その結果は、中立的なインフラ上で独立したAI研究所が競い合うという単純な見方に疑問を投げかける。最先端の開発企業には莫大な計算資源が必要であり、クラウド事業者は自社プラットフォームにとって価値あるモデルを求めている。したがって、双方は互いに容易には代替できないものを握っている。

GoogleはGeminiを通じてClaudeと競合する一方で、Claudeの開発と提供に使われるインフラも供給している。この二重の立場が中心的な緊張関係を生む。密接なパートナーは同時に、投資家、供給事業者、流通チャネル、モデル競合相手になり得る。

米国の監視が実際に対象としているもの

確認済みの米国の審査は、AI提携の構造と競争への影響に関するものであり、Anthropicが違法にClaudeを学習させたとの公的認定ではない。

連邦取引委員会（FTC）は2024年1月、FTC法第6条(b)の権限を用いて正式な調査を開始した。この権限により、同機関は法令違反をあらかじめ主張せずとも、調査研究のために情報提出を求めることができる。

命令の対象となったのはAlphabet、Amazon、Anthropic、Microsoft、OpenAIだった。当局は、GoogleとAnthropic、AmazonとAnthropic、MicrosoftとOpenAIに関わる投資の詳細を求めた。

この提携に関する調査は、コーポレートガバナンス、協議権、クラウド支出のコミットメント、情報共有、各取り決めによる競争への影響を対象とした。また、計算資源などの投入要素へのアクセスに関する情報も求めた。

FTCは2025年1月にスタッフの調査結果を公表した。これらの結果は、2024年9月までにスタッフが利用できた情報と、2025年1月までの公開資料を補足したものだ。

報告書は、3つの関係に共通して繰り返し見られる特徴を特定した。クラウド事業者は持分を取得し、場合によっては協議、統制、収益に関連する権利も得ていた。AI開発企業は、パートナーから計算サービスを購入するための多額のコミットメントを行っていた。

提携は、資源や情報を交換するチャネルも生み出した。これには、モデル関連の資産、知的財産、財務情報、顧客指標、チップ設計作業、特定の学習データが含まれる可能性がある。

この表現は慎重に扱う必要がある。「学習データ」は、データセットの詳細から学習プロセスに関する運用情報まで、複数の種類の情報を指し得る。公開報告書には非開示部分があり、交換されたすべての記録が明かされているわけではない。

また、GoogleがAnthropicの完全な学習コーパスを秘密裏に受け取ったとも述べていない。GoogleがClaudeのアライメント工程を指示したとも主張していない。AnthropicがGoogleのモデル技術を複製したとの結論にも至っていない。

その代わり、当局は構造的なリスクを説明した。クラウド・パートナーが、他のインフラ供給事業者や競合するモデル開発企業には利用できない情報を得る可能性がある。長期的な技術コミットメントは、事業者の切り替えも困難にし得る。

したがって、この審査は単一モデルの行動に対する通常の調査よりも広範なものだった。最先端AIを支えるインフラが、一部のクラウド企業に異例の可視性と影響力を与えているかを問うたのである。

この違いは、元の集約見出しを読む際に特に重要だ。「学習手法を精査」といった表現は、連邦当局者がAnthropicの個別の学習判断を調べたことを示唆する。確認済みの記録が裏付けるのは、アクセス、依存関係、競争に関する、より限定的な結論である。

FTC報告書も、提携が違法だと断定するには至らなかった。スタッフ調査は潜在的なリスクを整理し、政策立案者に証拠の基盤を提供するものだ。裁判所の判決でも、執行上の訴状でもない。

それでも、この調査は規制上の基準線を変えた。かつて資金調達の取り決めとして提示されていたインフラ契約は、今やモデル開発への影響力につながる潜在的な経路として注目を集めている。

AnthropicとGoogleの関係が重要な理由

GoogleとAnthropicは単純な競合関係でも従来型のビジネス・パートナーでもなく、そのため両社の関係は評価が特に難しい。

Anthropicは2023年にGoogle Cloudをプロバイダーとして選択した。両社は、AnthropicがGoogleのGPUおよびTPUクラスタを利用しながら、計算システムを共同開発すると発表した。

Tensor Processing Unit（TPU）は、機械学習ワークロード向けに設計されたGoogleの専用プロセッサだ。これらのチップへのアクセスは、学習能力、運用効率、モデル配備の速度に影響を及ぼし得る。

Anthropicのクラウド提携は、AIシステムの学習、拡張、配備を明示的に対象としていた。これによりGoogleは、単なる外部の資金支援者ではなく、Claudeの技術的基盤の一部となった。

ClaudeはGoogle CloudのVertex AIプラットフォームを通じても利用可能になった。企業顧客はそのため、Geminiの開発元が運営するインフラから、Geminiと競合するモデルを取得できる。

この取り決めは双方に利益をもたらす。Anthropicは計算能力とGoogle Cloudの顧客へのアクセスを得る。Googleは、顧客がGeminiよりClaudeを選ぶ場合でも、自社プラットフォーム向けに需要の高いモデルを確保できる。

この重なりは競争を複雑にする。Googleは、AnthropicのワークロードやClaudeの配備からクラウド事業の収益を得ながら、モデル利用者をめぐって競争できる。Anthropicは、部分的にGoogleの技術に依存しながらGeminiに挑戦できる。

Anthropicは、単一のインフラ基盤への依存を避ける取り組みも進めてきた。異なるワークロードにGoogle TPU、Amazon Trainiumプロセッサ、Nvidia GPUを利用している。Amazonは引き続き、同社の主要なクラウドおよび学習パートナーである。

この多様化は、GoogleがAnthropicを支配しているとの主張を弱める。同時に、FTCが複数の提携をまとめて調べた理由も示している。最先端の研究所は、相互に接続された供給事業者に学習と配備をますます分散している。

重要な問いは、一つのプロバイダーがすべてのワークロードをホストしているかどうかではない。契約上、財務上、技術上の依存関係が、時間の経過とともに実質的な選択肢を減らしているかどうかである。

モデルの学習には、汎用サーバーを借りる以上のことが必要だ。エンジニアは、特定のチップ、ネットワークシステム、ストレージ層、開発ツール向けにソフトウェアを最適化する。こうしたワークロードの移行には、大規模なエンジニアリング作業が必要になる場合がある。

そのため、コミットメントは契約上の切り替えコストに加えて、技術的な切り替えコストも生み出し得る。別のプロバイダーが容量を提供できたとしても、移行は学習を遅らせたり、チームに重要な構成要素の再構築を求めたりする可能性がある。

FTCのスタッフ調査結果は、こうした関係が計算資源やエンジニアリング人材へのアクセスに影響を及ぼす可能性があると警告した。スタッフはまた、複数のクラウド・プロバイダー利用に対する制約の可能性も特定した。

こうした懸念はAnthropicにとどまらない。大手パートナーを持たないスタートアップが直面する市場は、アクセラレータへの優先アクセス、エンジニアリング支援、世界規模の流通を受ける企業が直面する市場とは異なる。

提携は、小規模な研究所が既存プラットフォームに挑戦する助けになり得る。Anthropicは大規模な計算インフラなしには、同じ規模で競争できなかっただろう。これが、こうした取り決めを支持する最も強い論拠である。

反対の論拠は、同じ提携が市場を少数のインフラ所有者の周囲に集中させ得るというものだ。モデル企業は資源を得る一方で、顧客へのアクセスも形作るプラットフォームに結び付けられる。

両方の効果は同時に存在し得る。提携は一つの挑戦者を強化する一方、市場参入を目指す次の挑戦者にとっての障壁を高める可能性がある。

Googleの立場は、このトレードオフを際立たせる。同社はインフラを供給し、モデル・マーケットプレイスを運営し、Geminiを開発し、Anthropicに経済的利害を持つ。それぞれの役割は個別には理解できるが、その組み合わせが監視を招いている。

AnthropicとGoogleをめぐる学習データの問題

最も機微な問題は、Anthropicが学習に何を用いたかだけではなく、Claudeがどのように構築されているかに関する情報をどのパートナーが閲覧できるのかという点だ。

モデルの学習データには、システムにパターン、能力、選好、行動上の制約を教えるために使われる事例が含まれる。しかし、この言葉は複数の異なる段階を一括りにしがちだ。

事前学習では、モデルを大規模なテキスト、コード、その他の素材の集合に触れさせる。その後の学習では、フィードバック、選定された事例、評価、強化シグナルを用いて応答を調整する。

Anthropicは、記述された原則を用いてモデル自身が応答を評価・修正できるようにする手法、Constitutional AIで知られている。同社は、あらゆる判断で直接的な人間のフィードバックに依存する度合いを減らすため、この手法を開発した。

憲法は、すべての人間の判断を置き換えるものではない。学習プロセスの一部で、批評や選好比較を導く原則を提供する。

Anthropicはまた、Claude 4のアライメント学習の大半で、人間のフィードバックを用いる標準的なチャットベースの強化学習を使用したと述べている。RLHFは、評価者が好む応答を促すために選好シグナルを利用する。

同社は後に、アライメントされた行動がなぜ重要なのかをモデルに教えることを目的とした手法を試験した。同社のアライメント研究は、シミュレーションされたエージェントのシナリオにおいて、行動例だけでは懸念される行為を排除できなかったと報告している。

一つの縮小版実験で、Anthropicは介入により測定上のミスアライメント率が22%から15%に低下したと述べた。同社は、行動例と根底にある原則の説明を組み合わせた学習で、より強い結果が得られたと報告している。

これらは同社が実施した実験であり、この手法がエージェント型リスクを解決するという独立した証明ではない。Anthropicは、その監査があらゆる破滅的な自律的行動を除外できるわけではないと認めている。

この不確実性により、学習情報へのアクセスは商業的にも戦略的にも価値を持つ。失敗した実験の詳細は、成功した実験の詳細と同じくらい重要になり得る。

どのデータの組み合わせが失敗したかを知るパートナーは、高価な行き止まりを避けられる可能性がある。評価設計、チップ最適化、モデルの挙動に関する情報も、競合する開発プログラムを形作り得る。

FTCは、GoogleがGeminiの改善にAnthropicの機密情報を利用したと公に立証してはいない。報告書はその代わり、クラウド・パートナーが他では得られない機微な情報を入手する機会を特定した。

これは、アクセスとインセンティブに基づく競争上の懸念である。不正利用の証拠ではない。

Googleは、インフラを安全かつ効率的に運用するために、ある程度の技術的可視性を必要とする。クラウド・エンジニアは、ワークロード要件、ハードウェア利用率、ネットワーク、信頼性の制約を理解しなければならない。

Anthropicは、学習性能を改善するためにチップ設計者とも協力する可能性がある。こうした協力は計算資源の無駄を減らし、より大規模な実験を支援できる。

インフラ提供者が競合モデルを開発する場合、その線引きはより難しくなる。サポートを通じて得られた運用上の知識が、モデル研究に役立つ情報と近接し得るためだ。

契約、アクセス制御、社内分離ポリシーによって、そのリスクを抑えることはできる。ただし、FTCの公開資料では、Googleとの関係で用いられた個々の安全措置を評価するには十分な詳細が明らかにされていない。

この検証上の空白は、記事の結論にも反映されるべきだ。公開情報は、情報面での優位性が生じる可能性を精査する根拠にはなるが、GoogleがAnthropicの独自の学習プロセスをコピーしたとの主張を裏付けるものではない。

同じ慎重さは、学習データそのものにも当てはまる。報告書は、AnthropicがGoogleと共有したデータセットの一覧を公表していない。調査対象となったパートナーシップの中で交換された情報について、より一般的に言及しているにとどまる。

したがって読者は、次の3つの問いを分けて考えるべきだ。

• AnthropicはClaudeの学習にどのような素材を使用したのか？

• AnthropicはGoogleにどのような情報を提供したのか？

• Anthropicを支援する過程で、Googleの従業員またはシステムは何にアクセスできたのか？

これらの問いには重なる部分があるが、同じものではない。1つに答えても、残る2つへの答えが自動的に得られるわけではない。

開発者や企業の購買担当者にとって、この区別は信頼に関わる。組織は、モデル、クラウド、アプリケーションの提供者が、技術情報と顧客情報の周囲に明確な境界を維持しているかを知る必要がある。

この懸念は、ナレッジワークフローにも現れる。機密性の高い文書全体でAIを利用するチームは、モデルがどこで稼働し、どのシステムがそのコンテキストを処理できるのかを理解すべきだ。管理されたknowledge blendingワークフローは、情報がツール間をまたぐ際にも来歴を可視化し続けるのに役立つ。

競争が中心的なトレードオフ

米国当局は、AIの挑戦者を資金面で支援することによる競争上の利益と、クラウド依存が生む集中の両方を慎重に比較検討しなければならない。

Anthropicの成長は、「最大プラットフォームが勝つ」という前提に対する実例を規制当局に与えている。Claudeは、Google、OpenAI、Meta、xAIのシステムと直接競合している。

インフラのパートナーシップがなければ、比較的新しい研究所は、最先端の学習に必要な数のプロセッサを確保するのに苦労する可能性がある。大手クラウド事業者は、容量、エンジニアリング支援、企業向けの即時の販売網を提供できる。

それにより、モデル層での競争が拡大する可能性がある。顧客には有力な選択肢がもう1つ生まれ、既存の開発者は性能、安全性、サービス品質の面で圧力を受ける。

しかし、モデル層はインフラ層から独立して存在しているわけではない。最先端モデルの開発者はすべて、チップ、データセンター、ネットワーク、エネルギー、専門的なエンジニアリングに依存している。

そうした資源を世界規模で提供できる企業は限られている。学習ワークロードがより大規模かつ専門化するにつれ、これらの企業の交渉力は高まる。

ここで規制上の難しい選択が生まれる。パートナーシップを阻止すれば独立性は守れるかもしれないが、挑戦者から不可欠な投入資源を奪いかねない。無視すれば、インフラ所有者が複数のモデル開発者に対して間接的な影響力を蓄積することを許す可能性がある。

FTCの報告書は、この緊張関係を捉えたが、解決はしていない。パートナーシップは製品の拡大やモデルの配布に役立ち得ると指摘する一方、ロックイン、乗り換えコスト、機密情報へのアクセスについても警告した。

GoogleによるAnthropicへの投資は、両面を示している。Geminiの競合を支援する一方で、Googleに最先端モデル開発市場の内部により近い立場を与える。

AmazonとAnthropicの関係は、さらに別の層を加える。AnthropicはAmazonを主要なクラウドおよび学習パートナーと位置づけつつ、Googleとのインフラ関係も維持している。

このマルチクラウド戦略は、Anthropicに交渉力と冗長性を与える。チップの利用可能性、効率性、技術的適合性に応じてワークロードを割り当てられる。

ただし、複数の提供者を使っても集中は解消されない。むしろ、開発者を複数の大手プラットフォームにつなぎとめる一方で、より小規模なインフラ企業を最も価値の高い業務の外に置くことになり得る。

英国のCompetition and Markets Authorityは、GoogleとAnthropicの関係を合併規則の下で調査した。最終的に、この取り決めは当該規定に基づく追加調査の対象にはならないと判断した。

その合併判断は、あらゆる競争理論の下でこの関係が無害だと宣言したものではない。英国法における特定の管轄上の問題を扱ったものだ。

米国の調査も、最終的な評決として扱うべきではない。FTCスタッフ報告書は市場の特徴と考えられる懸念を特定している。執行措置には、別個の法的・事実的分析が必要となる。

MicrosoftとOpenAIとの比較では、政策上の課題がより明確になる。この関係も、資金提供、クラウド依存、モデルの流通、製品面で重なり合う野心を組み合わせている。

したがって規制当局が調べているのは、孤立したAnthropicの問題ではなく、業界構造である。繰り返し現れるパターンは、モデル研究所と、不可欠なコンピューティングインフラを支配する企業を結び付けている。

安全性は、さらに複雑さを加える。Anthropicは、リスク低減を軸に学習と展開の選択を位置づけている。緊密なインフラ協力は、より大規模な安全性評価に必要な能力を提供できる。

同時に、安全性に関する主張は外部者にとって検証が難しくなり得る。独立研究者が、モデルの重み、学習記録、コンピューティング資源に同等のアクセスを得ることはほとんどない。

クラウドパートナーシップは、その情報格差を深める可能性がある。パートナーは技術的な知識を得る一方、研究者、顧客、小規模な競合他社に提供されるのは公開概要だけだ。

これはAnthropicの公表研究に意味がないということではない。同社は、アラインメントの失敗、評価手法、モデルの振る舞いに関して、異例に詳細な研究を公開している。

それでも、自主的な開示は独立した精査の代わりにはならない。どの実験を公開するか、どの詳細を編集・非公開にするか、不確実な結果をどう特徴づけるかは、研究所が決める。

重要な対立は、したがって安全性対競争ではない。集中したアクセス対信頼できる説明責任である。

パートナーシップは、より安全な開発を支援する一方で、その開発を検証できる人を制限し得る。規制当局は、一方が他方を打ち消すと考えるのではなく、両方の結果を評価しなければならない。

公開証拠が立証していないこと

入手可能な記録は継続的な精査を正当化するが、AnthropicまたはGoogleが米国法に違反したと主張する根拠にはならない。

FTCスタッフ報告書は、競争への潜在的な影響を説明している。GoogleがClaudeの技術を盗んだ、あるいはAnthropicが完全なモデルのレシピを秘密裏に引き渡したとは非難していない。

また、Googleの投資がAnthropicの安全性ポリシーを決定したことも証明していない。Anthropicは、Googleや他の主要なAI開発者とは異なる立場を公に示してきた。

報告書は、モデル学習をめぐる長年の著作権紛争にも決着をつけていない。著作権訴訟では、開発者が保護された著作物を適法に取得し利用したかが問われる。パートナーシップに関する調査は、企業間の関係が競争にどう影響するかを問う。

2025年のAnthropicに関する連邦裁定は、その違いを示している。裁判官は、モデル学習と原資料の取得を別々の法的問題として扱った。

裁判所は、Anthropicによる書籍のモデル学習への利用は、フェアユース分析において変容的であると判断した。しかし、海賊版コピーを恒久的な中央ライブラリに保管することまで、その保護を拡張しなかった。

その裁定は、特定の請求、原告、記録、手続上の状況に関するものだった。あらゆるデータセットや学習手法に対する包括的な免除を生み出したわけではない。

また、GoogleがAnthropicから情報を受け取ったかどうかにも触れていない。著作権訴訟とFTCの調査を結び付けると、どちらの記録も裏付けない、より広範な非難を生むことになる。

したがって、元のニュースの方向性は慎重に読むべきだ。「米国がAnthropicの学習手法を精査」という表現は、いくつかの異なる論争を1つのフレーズに圧縮している。

連邦当局は、学習データとAI開発手法に関わる関係を精査してきた。裁判所は別途、Claudeの学習のために書籍を取得・利用することの適法性を精査してきた。

米国の政府機関は、最先端モデルの安全性と政府のアクセスについても検討している。これらの論点は相互に作用するが、異なる法律を用い、異なる問いに答える。

もう1つ未解決なのは、機微な技術的アクセスの意味である。クラウド提供者は必然的に一部のワークロード情報を観察する。規制当局は、日常的な支援がいつ競争上の優位性へと変わるのかを判断する必要がある。

答えは、依然として大部分が非公開の詳細に左右される。関連する事実には、従業員のアクセス、データ保持、社内ファイアウォール、契約上の制限、情報が競合するモデルチームに届き得るかどうかが含まれる。

FTCの公開報告書は、完全なアクセスマップではなくカテゴリーを提示している。編集によって機密の事業情報は保護されるが、外部からの検証は制限される。

そのため、競合する解釈の余地が残る。支持者は、インフラ協力は必要であり慎重に管理されていると主張できる。批判者は、集中した供給者が新興競合他社を特権的に見渡せると主張できる。

どちらの立場も、公開証拠によって決定的に確立されたわけではない。現時点で最も妥当な判断は、より限定的なものだ。

AnthropicとGoogleのパートナーシップは、情報アクセス、乗り換えコスト、市場集中に関するもっともらしいリスクを生み出している。規制当局は、そのリスクを文書化したが、不正行為を立証したわけではない。

この区別は、正確性を守りつつ、ニュースの重要性を維持する。規制当局は、監視に値する市場構造を特定するために、違反行為が完了している必要はない。

企業顧客も同じ規律を適用すべきだ。モデルのパートナーシップが、自社のプロンプトや独自文書を自動的に露出させるとは考えるべきではない。

代わりに、選択した導入形態について、データ処理条件、保持管理、モデル学習ポリシー、クラウドアーキテクチャ、アクセス境界を確認すべきだ。

開発者も、モデルの振る舞いとインフラのガバナンスを区別すべきである。アラインメントが取れた応答であっても、その応答を支える企業間で情報がどのように移動するかは明らかにならない。

同様に、マルチクラウド戦略が自動的に独立性を保証するわけではない。回復力を高める一方で、少数の供給者への深い依存を維持し得る。

したがって、検証上の空白はニュースの一部であり、それを退ける理由ではない。未回答の問いは、身近なAI製品の下にある情報経路に関わっている。

次に注目すべきこと

AnthropicとGoogleへの精査が、より広範な競争事案へ発展するのか、それとも業界構造に対する警告にとどまるのかを示すシグナルは3つある。

第1のシグナルは、新たな米国の執行措置または強制的な情報提供要請である。具体的な排他的行為を名指しする申立てがあれば、この話はFTCの記述的なスタッフ調査を超える。

そのような措置には、明確な法理が必要となる。規制当局は、契約上の制限、差別的なインフラアクセス、機微な情報の不正利用、あるいは別の測定可能な競争上の損害に焦点を当てる可能性がある。

この段階がなければ、2025年の報告書は最も明確な連邦政府の説明であり続ける。監視の枠組みは示すが、それ自体で罰則を科すものではない。

第2のシグナルは、技術情報の境界に関する開示の拡大である。GoogleとAnthropicは、どのチームが学習関連情報を受け取り、競合するモデルグループがどのように分離されているのかを説明できる。

有用な開示は、アクセス制御、保持期間、監査プロセス、エスカレーション手順を扱うだろう。責任あるAIに関する一般的な約束では、競争上の問いには答えられない。

詳細な境界ポリシーがあれば、この関係が制御されない情報流通を生むという主張は弱まる。曖昧さが続けば、規制当局によるアクセスや独立監査を求める声は強まる。

3つ目のシグナルは、Anthropicが意味のあるインフラ選択肢を維持しているかどうかだ。新たなコンピューティング契約は、排他性、可搬性、そしてワークロード移行への影響という観点から評価すべきである。

Anthropicが複数のチッププラットフォームを利用していることは、柔軟性を求めていることを示唆する。実際の試金石となるのは、重要なワークロードを法外な遅延や制約なしに移せるかどうかだ。

顧客への提供形態も重要である。Claudeが競合する複数のクラウドプラットフォームで利用できることは選択肢を支え得るが、それは企業がアプリケーション全体を作り直すことなくプロバイダーを変更できる場合に限られる。

AIの購買担当者にとって、こうしたシグナルは企業の忠誠心に関する憶測より有用だ。中心となる論点は、提携が執行可能な境界を保ちながら選択肢を拡大するかどうかである。

開発者が直ちに取るべき行動は、各AIワークロードがどこで稼働しているかを文書化することだ。どのプロバイダーがプロンプトを処理し、ログを保存し、モデルへのアクセスを提供し、関連するアイデンティティシステムを管理しているかを記録する。

チームは、確認済みの開示情報と推測も分けるべきだ。モデルの文書はトレーニング原則を説明できる一方、クラウド契約はインフラとデータの取り扱いを規定する。

AnthropicとGoogleをめぐる問題が重要であり続けるのは、現代のAI競争が持つ多層的な性質を浮き彫りにするためだ。単一の製品が、競合するモデル、共有プロセッサ、クラウドマーケットプレイス、重なり合う投資にまたがって存在し得る。

具体的な規制当局の申し立て、検証可能なアクセス制御、そして実際のワークロード可搬性を示す証拠に注目すべきだ。そうした事実が、提携の利益がこれまで文書化されてきた集中リスクを上回るかどうかを左右する。

それまでは、慎重な結論が妥当である。米国当局は、GoogleとAnthropicが、一部のトレーニング関連データを含むリソースや機密情報をどのようにやり取りしているかを精査してきた。

当局は、GoogleがClaudeのトレーニングを管理している、あるいはAnthropicの機密手法を不正利用したと公に立証してはいない。次に重要となる進展には、その隔たりを証拠で埋めることが求められる。