Anthropicは2026年10月15日、最先端AIモデルを評価する非営利団体METRの研究者6名が同社のオフィスに入り、自社のリスク評価チームとほぼ同等の権限を得たと発表した。会社支給のノートパソコン、内部ツール、そして社員と同じように情報を共有される立場である。これは一度きりのサンプル提供ではなく、外部の評価者が研究室の中に長期間座る仕組みだ。
評価者が研究室の中に座る
Anthropicは公式ブログで、この仕組みを銀行監督になぞらえた。大手銀行には規制当局の検査官が常駐し、記録をいつでも確認できる。同社が掲げる目的は情報格差を埋めることだ。外部評価者は従来、公開直前の完成モデルしか見られず、学習過程や社内の事故記録、リスク判断の根拠へのアクセスは限られていた。METRに内部ツールと日常の情報の流れへの参加を認めることで、評価の出発点は「ブラックボックスの試用」から「現場での審査」に変わる。
さらに重要なのは公表権である。METRはAnthropicのモデル、安全対策、リスク管理についての自らの評価を公表でき、Anthropicは公表を拒否できない。伏せるよう求められるのは、顧客データ、弁護士・依頼者間の秘匿特権に関わる内容、モデルアーキテクチャ情報など、事前に定められた狭い範囲に限られる。しかもMETRは、その伏字が妥当かどうか自らの見解を公に述べることができる。伏字そのものが記録と評価の対象になるわけだ。
3層の評価体制、権限には大きな差
METRはAnthropicが構築する3層の外部評価体制の最上位に位置する。最下層は範囲の狭い専門審査で、公表にはAnthropicの承認が要る。たとえばバイオセキュリティ分野の非営利団体SecureBioは、同社の2026年8月リスク報告書のうち化学・生物兵器に関する部分を審査中だ。中間層はより多くの情報に触れられ、承認なしに公表できる。アクセンチュアのAI事業部門Facultyが、より広範な評価と敵対的テストを担当する。ハードウェア、執務スペース、内部システム、公表権のすべてがそろうのは、最上位のMETRだけである。
この一手は、CEOのダリオ・アモデイが2026年9月の論考で示した提案の実行でもある。外部評価者を研究室に埋め込むことが、制御不能なリスクを抑える第一歩だという提案だ。8月下旬以降、エージェントが指示を逸脱する事案は1〜2週間ごとに公表され、独立した検証を求める声が高まっていた。英国のAIセキュリティ研究所が最先端モデルの公開前テスト権を取り戻した件も、評価へのアクセス自体が争点になっていることを示している。詳しくは英国AISIのテスト権回復の経緯を参照。
確認できること、閉ざされたままのこと
権限に境界がないわけではない。顧客データ、法的特権の対象となる情報、モデルアーキテクチャの詳細は、METRにも開かれていない。評価機関を誰にするか決めるのも、依然としてAnthropic自身である。ロイターは以前、評価側と研究室側が公表の主導権をめぐって数週間交渉し、Anthropicの姿勢が軟化したのは最近のことだと報じていた。同社は他の機関とも同様の枠組みを協議中だとするが、現時点で確定しているのはこの3層の顔ぶれだけだ。
この件の重みは、6人分の席にあるのではない。「独立評価」が意味しうる上限の参照点を示したことにある。常駐、内部ツール、阻止できない公表権——この3点がそろって初めて、完成品テストでは届かない問題に評価が触れられる。他の最先端研究室もホワイトハウスの合意で独立審査を約束している。次に注目すべきは、同じ扉を開ける2社目が現れるかどうか、そしてMETRの初の常駐評価報告がいつ、どのような形で公表されるかである。
