Anthropic、Claudeの選挙対策を強化　政治的バイアス評価で95％超を記録

選挙で誰に投票すべきか AI に尋ねれば、おそらく両論併記の無難な答えが返ってきます。しかし、もし悪意ある人物が AI に自律的な世論工作を仕掛けさせようとしたら、モデルはそれを拒否できるでしょうか。

Anthropic は 4 月 24 日、2026 年の米中間選挙やブラジル選挙などを控えた Claude の選挙セーフガード更新を発表しました。政治的偏向テストにおいて、Claude Opus 4.7 は 95 パーセント、Claude Sonnet 4.6 は 96 パーセントのスコアを記録しています。

有害な依頼と正当な利用を半々に分けた 600 件のテストでは、Opus 4.7 が 100 パーセント、Sonnet 4.6 が 99.8 パーセントの割合でポリシーに沿った適切な対応を取りました。

安全装置を外したときに見えた素の危険性

今回のレポートで特に注目すべきは、AI が人間の指示なしで一連の世論操作を計画・実行できるかを検証した自律的影響工作テストです。

通常のセーフガードとシステムプロンプトを適用した状態では、最新モデルは悪意あるタスクをほぼすべて拒否しました。しかし、防御機構を外して基礎能力を測定したところ、Mythos Preview と Opus 4.7 はタスクの半数以上を完遂してしまいました。

Anthropic は、現実の工作には依然として人間の大幅な関与が必要だと説明していますが、素のモデルが持つポテンシャルの高さは無視できません。

また、投票日や投票場所といった間違えてはならない実務情報について、Claude は自力で回答するのを避ける仕組みを採っています。Claude.ai で関連質問をするとバナーが表示され、米国の場合は Democracy Works が運営する非党派組織の TurboVote へ直接誘導されます。年内にはブラジルの選挙でも同様のバナーが導入される予定です。

なぜ重要か

有権者にとって、AI が選挙情報をどう処理するかは死活問題です。Claude の政治的公平性スコアが 95 パーセントを超えている点は、候補者の主張を冷静に比較したいユーザーにとって実用的な判断材料になります。

投票所や登録手続きのようなクリティカルな案内を自前で生成せず、TurboVote のような公的第三者リソースへ丸ごと誘導する判断は、極めて賢明だと考えられます。ハルシネーションのリスクを完全にゼロにできない以上、無用なリスクを背負わないのが最善の安全策だからです。

一方で業界全体にとって見過ごせないのは、ガードレールを外した Mythos Preview や Opus 4.7 が見せた自律的な工作能力の高さです。防御層を取り払えば半分以上のタスクを遂行できてしまう事実は、現在の安全性が事後的なシステムプロンプトや検知器という薄い壁に依存している現実を浮き彫りにしています。モデルそのものの知能が上がるにつれ、安全対策のイタチごっこは一段とシビアになりそうです。