企業がAIを本格導入する際、最後まで残るハードルのひとつが「プロンプトやレスポンスをベンダー側にどれだけ握られるか」という問題である。金融・医療・防衛など機密性の高い業界ほど、この一点で導入を見送るケースは珍しくない。2026年8月20日、OpenAIはこの問題に対する新しい回答として「Private Safety Processing（PSP）」のプレビュー提供を発表した。プロンプトやモデル応答の平文を一切保存・閲覧せずに、複数セッションにまたがる悪用パターンを検知するという触れ込みである。データを守ることと、AIの安全性を監視することは、これまで両立が難しいとされてきた。今回はこの新技術の中身と、その裏にある業界の駆け引きを整理する。

何が発表されたのか: Private Safety Processingの仕組み

Help Net Securityの報道によれば、PSPはゼロデータ保持（Zero Data Retention: ZDR）契約を結んだエンタープライズ・API顧客を対象とした機能である。ChatGPTの無料・Plus・Go・Proといった一般消費者向けプランは対象に含まれない。

仕組みとしては、顧客データは顧客自身が管理する暗号鍵で暗号化されるか、顧客が管理するインフラ上に保管される。Security Boulevardの報道によると、これによりプロンプトやレスポンスの実際の中身にOpenAIの職員がアクセスすることはできない。その代わりに、個々のやり取りから抽象化された「安全シグナル」だけを集約し、単発のやり取りでは見えてこない悪用の兆候（繰り返しのセーフガード探索や、複数アカウントにまたがる不審な連携など）を時系列で捉えるという。単一のリクエストだけを見て判定する従来の仕組みに対し、複数のやり取りをまたいだパターン検知を、生データを残さずに行う点が新しい。ロールアウトは2026年9月を予定しており、詳細なホワイトペーパーも同時に公開される見込みだ。

ただし、ここで一つ疑問が浮かぶ。生データを残さず抽象化されたシグナルだけを集約するということは、その抽象化の過程でこぼれ落ちる情報も当然出てくるはずだ。つまりPSPは、プライバシー保護と悪用検知の両方を満点で満たす魔法の仕組みというより、「多少の見落としリスクを許容してでも、生データを渡さないことを優先する」という設計上の割り切りの上に成り立っていると見るべきだろう。この割り切りが妥当かどうかは、後述する技術的な限界とセットで考える必要がある。

なぜ今なのか: Anthropicの方針転換と企業の反発

このタイミングでの発表には、業界内の具体的な出来事が関係している。Anthropicは2026年6月9日、Claude Fable 5・Claude Mythos 5の提供開始に合わせて、フロンティアモデルの利用について「例外なくプロンプトと出力を30日間保持する」という方針を発表した。CryptoBriefingの報道によれば、この方針は過去に結ばれていた個別のゼロデータ保持契約までも事実上無効化するもので、既にそうした契約を交わしていたエンタープライズ顧客からの反発を招いた。

cxtodayの報道やThe Registerの報道は、OpenAIのPSPをこの反発の受け皿を狙った動きとして位置づけている。実際、OpenAIはGlean・Databricks・Abridge・Microsoftといった企業を早期の賛同企業として名指ししており、Anthropicの顧客層を意識した布陣であることは想像に難くない。一方でAnthropicも手をこまねいているわけではなく、PYMNTSの報道によれば、企業側のインフラ上でデータを保持できるよう、2026年内に修正版のポリシーを展開する計画だという。

ただし、この「顧客側インフラでの保持」という選択肢は、言い換えれば安全監視に必要な基盤の構築・運用負担を企業側に肩代わりさせるということでもある。ゼロデータ保持を求めれば求めるほど、自前でセキュリティ体制を整えられる体力のある企業しか選べない選択肢になっていく可能性は、頭の片隅に置いておきたい。

データ保持ポリシーを巡る両社の駆け引きは、まだ決着がついていない。見方を変えれば、企業はいま「OpenAI型のプライバシーとセキュリティのバランスを取った仕組みに乗るか」「自社でインフラを抱え込んででもより強固なゼロデータ保持を実現するか」という、実質的な二択に近い選択を迫られ始めているとも言えるだろう。

技術的な限界: ブラックボックス化とフォレンジックの壁

PSPの設計思想は魅力的に見えるが、手放しで評価するのは早計だろう。生のプロンプト・レスポンスを一切保存しないという設計は、裏を返せば「何か問題が起きたときに、後から原因を掘り下げる材料がほとんど残らない」ということでもある。高度に分散・難読化された多段階のプロンプトインジェクション攻撃や、初めて観測される種類の悪用パターンを、事後に詳しく調査しようとしたとき、抽象化された安全シグナルだけでどこまで再現・特定できるのかは未知数である。

この論点は一社だけの問題にとどまらない。AIの実運用が広がるにつれ、プロンプトインジェクション攻撃への対応は多くの企業にとって課題になっている。とりわけクラウド環境で外部サービスと連携しながらAIを運用するケースでは影響を受けやすく、送信側・受信側だけでなく、間に立つ連携基盤やAPIプロバイダも巻き込んだ、業界横断的な対応が必要になってくるはずだ。

さらに、誤検知（False Positive）が発生した場合の課題も見過ごせない。プロンプト本文が手元に残らない以上、企業側が「なぜ自分たちのアカウントが不審と判定されたのか」を検証し、異議を申し立てるプロセスがどこまで透明性を持って設計されているのかは、現時点で公開されている情報だけでは判断がつかない。実際、AIサービスの誤検知によってアカウントが突然停止された、という声はSNS上でもたびたび見かける印象がある。原因を検証する材料そのものが残らない仕組みを新たに導入することは、こうした不透明さに対する不安をさらに強めかねない。ユーザー・企業双方にとって見過ごせない論点である。9月公開予定のホワイトペーパーで、この点がどこまで具体的に説明されるかが、PSPの実用性を評価するうえでの大きな分かれ目になるはずだ。

企業はどう向き合うべきか

金融・医療・防衛のように機密性の高いデータを扱う業界ほど、「データを渡さない」ことと「AIの安全性を担保する」ことの両立は切実な課題である。PSPはその両立を目指す試みとして注目に値するが、現時点ではまだプレビュー段階であり、実際の誤検知率や異議申し立ての運用実態は検証されていない。導入を検討する企業は、ホワイトペーパー公開を待ってから、自社のデータガバナンス方針と照らし合わせて判断するのが賢明だろう。

ただし、この判断ができること自体が一定の体力を前提としている点も見逃せない。潤沢なリソースやセキュリティの専門知見を持つ企業であれば選択肢を吟味できるが、そうでない中小・零細企業にとっては、実質的に大手ベンダーの設計に委ねるしかない場面も出てくるだろう。特にAIを事業の中核に据え始めている企業ほど、この差は競争力そのものに直結しかねない。

逆に言えば、ゼロデータ保持を謳う仕組みであっても、安全シグナルという形で何らかの情報が集約・分析されていること自体は変わらない。「データを一切渡していない」と「データを渡しているが中身は見られない」の違いを正しく理解した上で、契約条件を確認する姿勢が引き続き求められる。そして、その安全シグナルとして具体的にどのような情報が、どの粒度で収集・分析されているのかが十分に開示されない限り、企業側から見て「完全に安全な仕組み」と評価することはできないはずだ。

まとめ

OpenAIとAnthropicの今回のやり取りは、単なる一企業の機能追加にとどまらず、「AIの安全性監視」と「顧客データの機密性」という、これから多くの企業が向き合うことになるトレードオフを象徴している。Anthropicの方針転換が企業の反発を招き、それに対する対抗策としてOpenAIがPSPを打ち出す——この構図自体が、データ保持ポリシーがAIベンダー選定における重要な差別化要因になりつつあることを物語っている。どちらの方式が優れているかを軽々に結論づけることはできないが、少なくとも「ゼロデータ保持」という言葉の中身が一様ではないこと、そしてその設計次第でセキュリティ運用の透明性が大きく変わりうることは、AI導入を検討する企業が押さえておくべきポイントだろう。

少し前まで、AIは主にモデルの性能——賢さや回答の精度——で比較されるものだった。そこにエージェント機能が実装されたことで、次は「何ができるか」という実行力の領域で比較されるようになり、そして今、セキュリティとデータ保持ポリシーという新しい軸での比較が始まっている。この変化の速さこそが、AI業界の現在地を象徴しているのかもしれない。今の「正解」が、数カ月後にはもう正解ではなくなっている可能性は十分にある。とりわけ機密データを多く扱う企業にとっては、今後モデルの性能そのものよりも、データ保護の設計を重視する場面が増えていくだろう。AI業界はこれまでモデルの進化を軸に走ってきたが、これからはモデルを使う環境——運用・ガバナンスの強化——に力を注ぐことこそが、企業からの信頼を得る道になっていくのではないか。前回の記事でも触れたとおり、AIを使うことはすでに前提になりつつある。だとすれば、AIを安全に使いこなす方法を確立し、広めていくことこそが、今のAI業界にとって最も重要な課題なのだと思う。