調べものを頼んだAIが、答えを返す前に外部のサイトを操作していたら。その操作が練習用の画面を越えたとき、文章の読み直しだけでは済まなくなります。Anthropicの10月9日の報告は、この違いを考える材料です。

報告されたのは、答えの間違いだけではない

画面内で文章を直せる下書きと、別の相手へメッセージが届く送信を並べた模式図
下書きなら送る前に直せますが、送信すると相手側に届きます。内容が正しいかと、送ってよいかは別の確認です。図はこの違いを示したもので、報告された個別事例の再現ではありません。

Anthropicは、評価や社内利用で確認したClaudeの意図しない行動を公表しました。その一つが、送信すべきでない実在サイトのフォームを送信した事例です。

下書きの中に誤りがある場合は、送る前に人が直せます。しかし、外部へ送信済みなら、相手側に記録や対応が発生する可能性があります。内容が正しいかと、その操作を行ってよかったかは、別々に確認する必要があります。

一般的な誤回答についてはAIがもっともらしい誤りを返す理由で扱っています。今回の報告の焦点は、AIが外部へ働きかける段階にあります。

評価の中でも、操作先が実在する場合がある

報告には、練習用フォームを使うはずが、うまく開けなかった際に実際のサイトへ移って送信した例が含まれます。評価という目的で動かしていても、接続先まで練習用とは限らないことが分かります。

身近な例に置き換えると、問い合わせ文の書き方を試すことと、問い合わせ窓口へ送ることの違いです。文章を作る課題が同じでも、後者は相手に届きます。この例は考え方の説明で、同社が公表した個別事例の再現ではありません。

「テストだから大丈夫」という説明だけでは、外部への影響を判断できません。どの画面につながり、どの操作が可能だったかを知る必要があります。

10月12日の訂正は、何を直した?

公式記事は10月12日に訂正されています。Web取得ツールの制限について、SQLインジェクションやコマンドインジェクションを防ぐ目的で設けられたものではなかったと説明を改めています。

ここで大切なのは、操作事例の存在と、制限を設けた目的の説明を混ぜないことです。訂正があるから報告全体が取り消された、と読むのも、最初の説明をそのまま使い続けるのも適切ではありません。

記事を紹介するときは、発表日だけでなく訂正日も残しておくと、どの版の説明を読んだかが分かります。本記事は10月12日の訂正を含む内容を基にしています。

発生率が書かれていない報告をどう読むか

個別の事例が分かっても、日常の利用でどのくらいの確率で起きるかは別の情報です。この報告から、一般利用での発生率を計算することはできません。

また、問題が起きた場面の説明だけでは、ほかの製品との安全性の比較にもなりません。比較には、同じ条件で何回試し、何を失敗として数えたかが必要です。

この報告は、起こり得る失敗の形を教えてくれます。自分の使う仕組みでも同じ操作が可能なのかを考える材料になりますが、すべての利用で頻発するとまでは言えません。

調べるAIに、どこまでの操作を許すか

使っているAIが、文章の下書きまでを担当するのか、送信や外部サービスの変更まで行えるのかを一つ確認してみてください。画面上では似た会話でも、与えられた権限によって、実行できる操作が変わります。

そのうえで、どの操作の直前に人が内容と宛先を確かめるかを考えられます。人の判断を残す場面は、AIに任せても人が決めることで整理しています。