AnthropicがEFS発表｜100社超と挑むデータ主権とAI運用の両立

米Anthropicは2026年9月1日、監視ログを顧客自身のクラウド内に完全隔離・保管できる企業向け新機能「Enterprise Frontier Safeguards（EFS）」を発表しました。機密データ保持の制約からフロンティアモデルの導入を躊躇していた日本の金融・医療・法務機関にとって、検証可能なデータ主権を担保しつつ最先端AIを活用するための実践的な指針となります。

規制業種100社以上と構築した「BYOストレージ」構想

米Anthropicは2026年9月1日、最新鋭モデル「Claude Fable 5.1」および「Claude Mythos 5.1」のリリースと同時に、企業向けプライバシー・統制フレームワーク「Enterprise Frontier Safeguards（EFS）」を発表しました。

従来のフロンティアAIモデル運用では、複数セッションやアカウントを跨ぐ組織的な悪用（サイバー攻撃コードの生成や生体兵器関連情報の探索など）を検知するため、AIベンダー側が一定期間（30日間など）プロンプトや生成ログを保持・解析するアプローチが一般的でした。しかし、この仕様は顧客データを外部に保管できない高規制セクターにとって、導入を阻む構造的な障壁となっていました。

EFSはこの課題を根本から解消するため、モデル運用の監視ログをベンダー側のサーバーではなく、顧客が契約・管理するクラウドアカウント（Amazon Web ServicesのAmazon S3、Microsoft AzureのAzure Blob Storage、Google CloudのGoogle Cloud Storage）に直接書き込むアーキテクチャを採用しています。

本機能の設計には、米Bank of Americaをはじめとする大手金融機関のCISO（最高情報セキュリティ責任者）が参画する業界団体ARC（Analysis and Resilience Center for Systemic Risk）の加盟行8社や、Visa、Mastercard、Salesforce、KPMGなど100社を超えるグローバル企業が共同設計パートナーとして参画しました。

【EFSにおけるデータフローと責任境界】
[ 顧客環境 / アプリケーション ]
   │  ▲ (APIリクエスト / レスポンス)
   ▼  │
[ Anthropic 推論基盤 (Claude Fable 5.1 / Mythos 5.1) ]
   │
   ├─► 完全自動セーフティパイプライン (リアルタイム解析)
   │     ※Anthropic従業員による人手レビューは完全排除
   │     ※悪用兆候のアラートのみ顧客管理者へ直接通知
   │
   └─► [ 顧客所有クラウドアカウント (AWS S3 / Azure Blob / GCS) ]
         ※顧客管理暗号鍵 (CMEK / KMS) による暗号化
         ※顧客独自のアクセス制御ポリシー (IAM) と監査ログで保護

以下の表は、EFSの発表に至る経緯と主要なマイルストーンを時系列で整理したものです。

年月日	主体	出来事・マイルストーン
2026年3月29日	Anthropic	データ保持ポリシーの更新・改善に関する社内詳細調査レポートを完了
2026年6月9日	Anthropic	Mythosクラスモデルに対し悪用検知を目的とした30日間のデータ保持要件を導入
2026年8月19日	米OpenAI	ZDR環境を維持しながらセッション横断で悪用を検知するPrivate Safety Processingを発表
2026年9月1日	Anthropic	「Enterprise Frontier Safeguards（EFS）」および新モデル「Claude Fable 5.1/Mythos 5.1」を発表

米大手金融機関Wells FargoのCISOであるMunish Kumar Sharma氏は、「EFSは私たちがまさに求めていたものを提供してくれる。ログは自社が管理する環境下にとどまり、自社が管理する暗号鍵で保護される」と公式にコメントし、機密性と安全監視の分離を評価しています。

EFS自体の機能追加費用は無料であり、顧客側は自社クラウドのストレージ容量やデータ転送料金のみを負担するコスト構造となっています。2026年秋の一般提供開始までの移行期間中、対象となるエンタープライズ顧客に対してはZDR（Zero Data Retention：ゼロデータ保持）ポリシーが暫定適用されます。

暗号鍵の完全制御と人手レビュー排除の技術的条件

EFSが成立した背景には、データストレージの分離（Bring Your Own Storage: BYOS）だけでなく、暗号化アーキテクチャと安全監視アルゴリズムの進化があります。

顧客管理暗号鍵（CMEK）によるゼロトラスト・ストレージ

EFSの基盤となるのは、顧客が自社のAWS KMS、Azure Key Vault、Google Cloud KMSなどで生成・管理する暗号鍵（CMEK / BYOK）を用いたログ暗号化です。

従来のSaaS型AIサービスでは、通信経路および保存データの暗号化が行われていても、暗号鍵の管理権限がベンダー側に帰属しているケースが主流でした。そのため、ベンダーの内部不正や司法機関からの開示要求に伴うデータアクセスリスクを完全に排除することは困難でした。

EFSでは、ログの書き込み権限のみをAnthropic側の推論基盤に一時的に付与し、ログデータの復号権限やライフサイクル管理ポリシー、アクセス監査ログの閲覧権限はすべて顧客側のIAM（ID・アクセス管理）ポリシーで統制します。これにより、仮にAnthropic側でインシデントが発生した場合でも、顧客データが第三者に漏洩する経路をインフラレベルで遮断しています。

人手レビューの完全排除と承認疲労の克服

もう1つの決定的な技術要件は、Anthropicの従業員による人手レビュー（Human Review）の完全な排除です。

これまで、多くのAIベンダーは自動検知フラグが立ったトラフィックに対し、安全性確認のために専任オペレーターによる目視確認（Human-in-the-loop）を実施していました。しかし、特権的な法務文書、M&Aの未公開内部情報、新薬の臨床試験データなどを扱う企業にとって、社外のオペレーターにデータを開示することは重大なコンプライアンス違反に該当します。

さらに、Claude Codeオートモードの内側：人間承認ゲートを備えたAnthropicの自律コーディングシステムでも触れたように、大量の通知に対する人間の確認作業は「承認疲労」を引き起こし、重大なリスクの看過や業務停止を招く要因となっていました。

EFSでは、人手による確認を完全に撤廃し、高度にチューニングされた自動安全分類パイプラインによってトラフィックをリアルタイム解析します。悪用兆候が検知された場合、そのアラートフラグはAnthropicではなく顧客のセキュリティ運用チーム（SOC）へ直接送信され、顧客自らがインシデント対応を実行します。

項目	従来のフロンティアモデル運用	EFS適用時の運用
ログ保存場所	AIベンダーの管理サーバー	顧客所有クラウドアカウント（S3/GCS等）
暗号鍵の管理	AIベンダーが管理	顧客がKMSで独自管理（CMEK）
不正利用レビュー	ベンダー専任オペレーターの目視確認	完全自動化分類パイプライン（人手排除）
アラート通知先	ベンダー内部の安全管理部門	顧客自身のセキュリティ管理者（SOC）

誤検知率60%削減と推論効率化

監視を完全自動化するにあたり、最もクリティカルとなるのが「良性プロンプトの誤遮断（False Positive）」です。特にサイバーセキュリティの脆弱性調査や法務デューデリジェンスのような業務では、プロンプト内に攻撃手法や機密用語が含まれやすく、従来の分類器では誤遮断が頻発していました。

Anthropicの発表によると、新世代のClaude Fable 5.1ではセーフティガードの誤検知率が従来比で60%削減されています。また、キャッシュ読み取りコストの最適化等により、一般的な推論ワークロードで約25%、複雑なエージェント処理では最大約45%の処理コスト削減を達成しています。

最上位モデルの安全性担保については、Anthropic「Model 2」の全貌と非公開の理由｜最上位Mythos 5を超える性能と2つの技術的リスクでも解説されている通り、モデル自体の能力拡張と安全制御の分離設計が高度に進展した結果といえます。

日本企業が直面するデータ主権の課題とインフラ設計

EFSが提示した「モデル機能の利用」と「データ主権の保持」の分離モデルは、日本のエンタープライズ市場におけるAI活用戦略に直接的な変革を迫ります。

金融庁ガイドラインおよびFISC安全対策基準への適合

日本の金融機関やFinTech企業において、パブリッククラウドや生成AIの導入における最大のハードルは、金融庁の監督指針やFISC（金融情報システムセンター）安全対策基準への準拠でした。

特に「外部委託先におけるデータの目的外利用防止」「委託先データの消去確認」「暗号鍵の自社管理」は厳格に求められる要件です。EFSの登場により、推論処理時にデータをモデル学習へ転用しない保証に加え、監視ログの物理的な配置場所と暗号鍵を自社環境に留めることが可能になりました。

これにより、これまでプライベートクラウドやオンプレミス環境へのモデル閉域展開を待たざるを得なかった規制業種においても、パブリッククラウド経由で最新のSOTA（State-of-the-Art）フロンティアモデルを実業務に組み込む現実的な選択肢が生まれます。

物理サンドボックスと連携した多層防御の必要性

ログの外部漏洩リスクが解消された一方で、モデルが自律的にツールを呼び出して外部システムを操作するエージェント型AIの運用では、新たなセキュリティ境界の設計が求められます。

アンソロピック自律AIハッキング事故の教訓｜プロンプト制御の限界と物理サンドボックスの必須化で浮き彫りになったように、プロンプトインジェクションやツールの不正実行は、モデルの論理的なセーフガードだけでは完全に防ぎきれません。

EFSを導入してログ管理を自社クラウドに統合した企業は、自社のクラウド監視ツール（AWS CloudTrail、Azure Monitor、Google Cloud Operations等）とSIEM（Security Information and Event Management）を連携させ、AIモデルからの出力ログと実行環境の挙動を単一のダッシュボードで一元監視する多層防御体制を整える必要があります。

暗号資産管理と将来的な耐量子暗号（PQC）対応

EFSのようなCMEKベースの統制を採用する場合、暗号鍵管理基盤（KMS）自体の堅牢性と可用性がAI業務全体の生命線となります。

自社管理鍵を用いた長期保管ログが増加するにつれ、将来的な暗号解読リスクを見据えた鍵ローテーションポリシーの策定や、耐量子暗号への移行計画と統合したデータガバナンス設計が、企業のセキュリティ統括責任者にとって必須の検討項目となります。

明日から着手すべき3つのアクション

EFSの発表は、AI導入の判断基準が「モデルベンダーを信頼するかどうか」という主観的な議論から、「自社のインフラアーキテクチャ上でログと鍵を完全に統制できるか」という客観的な技術設計のフェーズへ移行したことを示しています。

技術責任者および事業責任者が次世代AI基盤の構築に向けて進めるべきアクションは以下の3点です。

クラウドアカウント内のログ受領インフラとKMS設計の先行着手

自社のAWS、Azure、Google Cloud環境において、AI監視ログを受け入れる専用ストレージバケット（S3/Blob/GCS）をプロビジョニングし、アクセス権限を最小化した専用の顧客管理暗号鍵（CMEK）の構成を設計します。

内部コンプライアンス規定の改定とPoC対象業務の再選定

「ベンダー側でのデータ保持」を理由にこれまでAI活用を禁止・制限していた法務、財務、知財、人事などの機密部門において、EFS適用を前提とした利用ガイドラインの改定に着手し、高付加価値なユースケースの実証実験を前倒しで計画します。

自社SOCによるAIインシデント検知パイプラインの統合

EFSから直接通知されるセキュリティフラグを既存のSIEMやセキュリティ運用監視（SOC）フローに統合し、不正兆候が検知された際の隔離手順やアクセス遮断フローを自社インシデント対応プレイブックへ組み込みます。

出典: ITmedia NEWS
出典: Investing.com
出典: AI Weekly
出典: Anthropic