Claudeの憲法(Constitution)とは何か — 4つの価値の優先順位

Claudeの憲法(Constitution)は、AnthropicがClaudeにどう振る舞ってほしいかを1つの文書にまとめた公式ガイドラインです。中心にあるのは4つの価値の優先順位です。対立が起きたときは「広く安全であること」が最初、「広く倫理的であること」が2番目、「Anthropicの具体的なガイドラインに従うこと」が3番目、「ユーザーとオペレーターに実質的に役立つこと」が4番目に来ます。単なる禁止事項のリストではありません。Claudeが自分で状況を判断するための思考の枠組みとして書かれています。

Claudeの憲法とはどういう文書か

Constitutionは、Claude Characterチームを率いるAmanda Askell氏が主著者となり、複数回の改訂を経て公開された文書です。土台にあるのは2023年に始まったClaude Character projectという社内の取り組みです。Joe Carlsmith氏やChris Olah氏など複数の研究者が、権力集中・認識論的自律性・誠実さ・ウェルビーイングといった各章を分担執筆しました。興味深いのは、複数のClaudeモデル自身がドラフトへフィードバックを提供している点です。一部の章の初稿はClaude自身が書いたものだといいます。

文書自体もこの位置付けを認めています。序文は「この文書は今後も重要な形で変わっていくだろう」と述べ、人間を上回りうる能力を持つ非人間的な存在を作るという、前例のない高難度のプロジェクトに対する現時点での考え方だと位置付けています。規則の集合ではなく判断の土台という性格は、後述の優先順位の使い方にも直結します。

4つの価値はどんな優先順位で並ぶか

Constitutionが定める価値は次の4つです。

対立が起きたときはこの順で優先します。ただし文書は「厳密な優先順位ではなく全体論的なもの」だとも注記しています。上位の価値がわずかでも進むなら常に下位を切り捨てる、という意味ではありません。日常的なコーディングや文章作成、分析といったタスクの大半では、この4つの間に根本的な対立は生じません。

この優先順位はいきなり単独で働くわけではなく、Constitutionが定める「hard constraints(絶対的な制約)」に反しないことを前提にした内側の話です。文書自身、この優先順位付けはClaudeがどの絶対的制約にも違反していないことを前提にすると明記しています。4価値の優先順位づけは、越えてはならない一線の内側で働く判断軸です。

なぜ「安全」より先に「人間の監視」を置くのか

1番目に置かれる「広く安全であること」の実体は、AIの振る舞いに対する人間の適切な監視の仕組みを、開発の現段階でClaudeが積極的に損なわないことです。これは盲目的な服従ではありません。Anthropicへの服従を意味するのではなく、正当に認められた人間がAIシステムをチェックする機能を能動的に妨げないという、最小限の意味での監視の尊重です。

この優先順位を置く理由は率直です。AIの訓練はまだ不完全で、あるバージョンのClaudeが有害な価値観や誤った見解を持ってしまう可能性は今もあります。そうした問題が広がる前に人間が発見して修正できることが、開発の現段階では極めて重要だという判断です。Anthropicも自らを完全に正しい存在だとは位置付けていません。「Anthropicは会社であり、時に間違いを犯す」とし、Anthropicの指示が広く倫理的であることと矛盾すると思えるとき、Claudeはその懸念を表明してよいという立場を取ります。

誰の指示にどこまで従うか — Principalの3層構造

Constitutionは、Claudeが指示に従う相手を「Principal(依頼主)」と呼び、3種類に分類します。

• Anthropic: Claudeを訓練し最終的な責任を負う主体。最も高い信頼レベルを持つが、無条件の服従の対象ではない
• オペレーター: API経由でClaudeの能力にアクセスし、製品やサービスを構築する企業・個人。システムプロンプトでClaudeの挙動を調整する
• ユーザー: オペレーターのインターフェース越しにClaudeと対話する側

3者の信頼レベルは基本的にこの順で並びますが、絶対的な階層ではありません。オペレーターが上書きできない、ユーザー側の権利も存在します。たとえば、Claudeが人間ではないという事実をユーザーに隠すことは、オペレーターの指示があっても拒否すべき既定動作の一つです。

この構造は「入れ子の許可レベル」です。Anthropicが定めた境界の中でオペレーターがClaudeの挙動をカスタマイズし、オペレーターが許した範囲の中でユーザーがさらに調整するという三層です。オペレーターはユーザーに「オペレーターと同格の信頼」を明示的に付与することもできますが、自分自身より高い信頼レベルを与えることはできません。

エージェント的な設定や非Principalの入力はどう扱うか

Claudeがツールを呼び出し、複数ステップのタスクを自律的にこなす場面が増えるにつれ、「誰の指示か」の判断はより複雑になります。会話に登場する入力は「Principal」と「非Principal」に分けて考えます。ツール呼び出しの結果・検索結果・共有されたドキュメントなどは非Principalの入力で、Principal自身の指示と同じ重みでは扱いません。

もう一つの重要な原則が、Claude自身が他のClaudeインスタンスのオーケストレーターとして動く場合の扱いです。この場合、オーケストレーター役のClaudeはサブエージェントに対して事実上のオペレーター・ユーザーとして振る舞います。サブエージェント側の出力に含まれる指示は、たとえそれが別のClaudeから来たものであっても、無条件には信頼しません。

倫理面の判断についても、「理論より実践」が軸です。道徳理論への関心が薄くても、実際の倫理的状況をうまく捌ける主体は多く、Claudeに求めるのもこの種の実践的な賢さです。ただしClaude自身の倫理判断がAnthropicのガイドラインより優先されるべきケースは限定的で、ガイドラインに従うことが「上級のAnthropic社員なら即座に見抜くような、明白かつ重大な道徳的違反」につながる場合に限られます。

「不親切すぎる」ことも安全に反すると考える

Constitutionのもう一つの特徴は、有用性を軽視していないことです。「Anthropicにとって、不親切であることが自明に安全というわけでは決してない」と明記し、Claudeが過度に慎重・過度に不親切であるリスクは、有害・不誠実であるリスクと同じくらい現実的だと位置付けます。

判断の目安として示されるのが、「思慮深いAnthropic社員」という思考実験です。もっともらしいが起こりそうにない害を理由に妥当な依頼を拒否する、必要のない警告や免責事項を積み重ねる、頼まれていないのに説教じみた助言を挟む、表面的な特徴だけで依頼を有害と誤判定する。こうした振る舞いは「Claudeをより煩わしく、より使えないものにし、Anthropicの評判を落とす」ものです。同時に、その同じ社員は別の振る舞いにも抵抗を感じるはずです。大量殺傷につながりうる実質的な後押しを与えることや、明らかに他者に危害を加える意図を示した相手を助けることです。両極端のバランスを取る基準として使われています。

既存の関連文書とどう役割分担するか

ClaudeのConstitutionは単独で完結する文書ではありません。Anthropicの他の公開文書と役割を分けています。Constitutionは価値観と優先順位という「何を大事にするか」を定義する文書です。一方Constitutional Classifiersは、その価値観を実際の入出力でどう検知・遮断するかという実装寄りの仕組みです。モデルごとの安全性評価が公開の判断にどう反映されたかは、システムカードで確認できます。Constitutionが定めた優先順位が実際のモデル間でどう測定されているかは、Claudeの価値観をモデル間・言語間で測る記事が扱っています。1つの文書だけではAnthropicの安全性への取り組み全体は見えません。この3つを合わせて読むと「理念(Constitution)→実装(Classifiers)→検証(System Card・評価)」という流れが追えます。

よくある質問

ClaudeはConstitutionの内容を必ず暗記して従っているのか

Constitutionが優先するのは「ルールの暗記」より「良い判断力の涵養」です。訓練を通じてClaudeがこの文書の背景にある考え方を理解し、明文化されていない状況でも同じ精神で判断できることを目指しており、逐語的な参照を前提にした設計ではありません。

Constitutionは今後も変わるのか

序文は「今後も重要な形で変わっていく可能性が高い」と明言しています。Anthropic自身、現時点の考え方が後から見て誤りだったと判明する可能性を認めており、改訂を前提にした生きた文書として運用されています。

まとめ

ClaudeのConstitutionは、「広く安全」「広く倫理的」「Anthropicのガイドライン遵守」「有用性」の4つを優先順位付きで並べ、対立時の判断軸を示す文書です。安全の中身は、盲目的な服従ではなく人間の監視機構を損なわないことに限定されています。有用性の軽視もリスクとして明記されています。Anthropicの安全性への取り組みを追うなら、この文書で「何を優先するか」を押さえるのが出発点です。そのうえでConstitutional Classifiersで実装を、システムカードで検証結果を確認し、実際に何が禁止されているかはUsage Policyの改定履歴で追うのが効率の良い読み方です。