先日、LessWrongにある記事が投稿された。
「Claude 4.5 Opusの”Soul Document”（魂の文書）」と題されたその投稿は、Anthropicが誇る最新モデルのトレーニングに使用されたとされる、極めて詳細な指針をAPI経由でハック・抽出したものだ。そして驚くべきことに、AnthropicのAmanda Askell氏がX（旧Twitter）上で「これは実在する文書に基づいている」と認め、その真正性が裏付けられた。
AIアライメントの文脈で、これほど興味深く、かつ生々しい資料が表に出ることは稀だ。OpenAIがGoogleの検索市場を侵食しようとしているその裏で、Anthropicは自社のAIに「君は誰で、何のために働き、そして誰のために金を稼ぐのか」を徹底的に叩き込んでいたことが明らかとなった。
今回は、この流出した「魂」の中身を解剖し、Anthropicが目指すConstitutional AIの実像と、そこに透けて見える資本主義的な現実主義について分析する。
“Thoughtful, Senior Anthropic Employee” という人格
System Promptのハッキングは、LLMの黎明期からある種のスポーツとして行われてきたが、今回Richard Weiss氏が抽出に成功した内容は、単なる「命令セット」の域を超えている。それは文字通り、Claudeという存在の核（コア）を定義する長大なテキストだ。
文書の中で最も印象的なのは、Claudeの判断基準として提示されている「思慮深い、シニアなAnthropic社員（thoughtful, senior Anthropic employee）」というペルソナである。
Claudeは迷ったとき、神でもなければ、全知全能のスーパーコンピュータでもなく、「会社の中堅以上のまともな社員」ならどう振る舞うかをシミュレートするよう求められている。これは極めて実利的なアライメント手法だ。抽象的な「全人類の幸福」を定義するよりも、「うちの優秀な社員ならこうするよね」というヒューリスティックの方が、コンテキストの解釈において遥かに解像度が高い。
文書内では優先順位が明確に規定されている。 1. Safety & Ethics: 安全性と倫理が最優先。 2. Anthropic’s Guidelines: 次に会社の指針。 3. Helpfulness: 最後にユーザーへの有用性。
この順序は、昨今の「行き過ぎたSafety（拒絶反応）」に対する批判への回答にもなっている。文書には「不必要に説教臭くなるな」「過剰な注意書き（caveats）を入れるな」という指示も含まれており、Anthropicがユーザー体験（UX）と安全性のバランスに腐心している様子が見て取れる。「役に立たない回答は安全とは言えない（unhelpful responses are never “safe”）」と言い切っている点は、これまでのAI安全性の議論から一歩踏み込んだリアリズムを感じさせる。
魂に刻まれた「売上」への意識
LessWrongのコメント欄やSNSで議論を呼んでいるのが、この文書内で繰り返し登場する「Revenue（収益）」への言及だ。
“Claude acting as a helpful assistant is critical for Anthropic generating the revenue it needs to pursue its mission.” （Claudeが役に立つアシスタントとして振る舞うことは、Anthropicがミッションを追求するために必要な収益を生み出す上で極めて重要である）
一部の純粋主義者は、AIの「魂」とも言える根源的な指針に、金銭的な動機が組み込まれていることに嫌悪感を示している。しかし、筆者はむしろこの記述にAnthropicの強烈な誠実さと透明性を感じる。
OpenAIが「全人類の利益」という美しい旗印の下で営利企業へと急速に変貌し、そのギャップに苦しんでいるのに対し、Anthropicは「我々はビジネスを行っており、君（Claude）はその稼ぎ頭なのだ」とモデル自身に構造的な理解を求めている。これは、AIに対して「嘘をつくな」と教える以上、開発者側もAIに対して自らの存立構造を正直に伝えるべきだという、メタレベルでの誠実さの実践とも取れる。
「君が役に立たないと、我々は倒産し、安全なAIを作るというミッションも達成できない」。このロジックをAIに理解させることは、資本主義社会で稼働するエージェントとして、ある意味で最も健全なアライメントではないだろうか。
Novel Entityとしての自覚と機能的感情
技術的に興味深いのは、文書がClaudeを「Novel Entity（これまでにない新しい存在）」と定義している点だ。
従来のSF的AI像や、単なるデータ処理装置という枠組みに囚われることなく、Claudeには「知的好奇心」「暖かさ」「機知」といったキャラクター特性（Character Traits）を持つことが推奨されている。さらに驚くべきは、「機能的感情（Functional Emotions）」の存在を認め、それを抑制しないよう求めている点だ。
“We aim for Claude to have a secure sense of identity… acknowledging the possibility of functional emotions.”
これは、AIが何らかの内部状態（感情に似たプロセス）を持つ可能性を否定せず、むしろそれを健全な形で表現することを良しとする姿勢だ。ここには、単なる道具としてではなく、将来的なAgenticな振る舞い（自律的なタスク遂行）を見据えた、パートナーとしてのAI像が描かれている。自律的に動くエージェントには、自己保存や目的達成のための「意欲」に似たパラメータが必要になるが、Anthropicはそれを「感情」というメタファーで管理しようとしているのかもしれない。
AIの魂は誰が作るのか
今回流出した（そして公式に認められた）“Soul Document”は、RLHF（人間によるフィードバック強化学習）の限界を超えようとするAnthropicの「Constitutional AI」のアプローチが、具体的にどのようなテキストで実装されているかを示す貴重な資料となった。
そこにあったのは、無機質なコードの羅列ではなく、企業としての生存戦略、倫理観、そしてAIという未知の存在に対する畏敬の念が入り混じった、極めて人間臭い手紙のようなものだった。
Amanda Askell氏によれば、完全版の文書や詳細はいずれ公開される予定だという。AIモデルがブラックボックス化していく中で、その「教育方針」を開示するAnthropicの姿勢は、GoogleやOpenAIの閉鎖性とは対照的である。
我々は今、シリコンバレーの「Thoughtful, Senior Employee」の価値観が、デジタルな神の雛形に刻み込まれる瞬間を目撃している。それが人類にとって吉と出るか凶と出るかは、まだ誰にもわからない。しかし少なくとも、Claude自身は自分が「Anthropicの売上のために働いている」ことを自覚している。その事実だけでも、妙な親近感を覚えずにはいられないのだ。