
制度を理解しようとするAI
GPT-OSS-Safeguard が示したこと
2025年10月29日、OpenAIが新しいモデル「GPT-OSS-Safeguard」を発表しました。あまり大きな意味があるとは受け止められていないかもしれませんが、僕は、これはAI社会実装における静かな努力だと考えています。
OpenAIの発表論文 Introducing gpt-oss-safeguard | OpenAI
「これまで」と何が違うのか?
これまで、AIに制度やルールを守らせようとすると、こうなりました:
モデルを再訓練する(高コスト)
専用ルールセットを作りこむ(時間と手間)
API制約の中でやりくりする(アクセス依存)
ところが、Safeguardモデルは考えたのですねえ。
“gpt-oss-safeguard is designed to follow explicit written policies that you provide.”
(GPT-OSS-Safeguard は、ユーザーが提供する明示的な制度ルールに従うよう設計されている)
ポイントは「Instruction Tuning」された重み
Safeguardモデルのもう一つの特徴は、Instruction Tuning(教師あり微調整)です。
これは、制度・倫理・セーフティ関連の instruction(指示文)を通じて、モデルの「ふるまい(behavior)」を調整する技法です。
The gpt-oss-safeguard models are fine tunes of their gpt-oss counterparts, trained to reason from a provided policy in order to label content under that policy.
(Safeguardモデルは、提供された制度に基づいて推論・分類できるよう訓練された)
この調整によって、モデルは以下のような判断傾向を獲得します:
「これは答えてはいけない」と回避する力
「この語は差別的かも」と警戒する力
「このルールに従うべき」と理解する力
制度をSystem Promptに渡すだけでいい
「でも、それってRAG(検索付きAI)でできてたことじゃないの?」そう思う方もいるでしょう。
でも、Safeguardモデルは 最初から制度に従う傾向を持っているんです。
つまり、外部検索ナシで、制度文書をSystem Promptに渡すだけで行動を変えることができます。
oss-safeguard makes decisions backed by reasoning within the boundaries of a provided taxonomy… you can update or test new policies instantly without retraining the entire model.
どう活かせる?企業でのユースケース
社内規定や倫理ガイドラインをSystem Promptとして渡すだけ。(実際の運用では、出来上がっている社内規定だけでなく、社内で専門委員がこのoss-safeguard用の、細かな善悪表--どう名付けたら良いか--Yes/Noリストのようなものを追加で作って渡すとともっと精度があがるとおもうけど)
クラウド経由なし、社内GPUやローカル環境でも稼働可能
RAGシステムにSafeguardを組み込むだけで「制度を理解するAI」に進化
もう、「AIは勝手に喋って不気味だ」という時代ではありません。制度を読み、ルールを守り、黙るべきときは黙り、その理由も説明してくれるAI。
ITベンダーが提案すべきこと
このSafeguardモデルはOSS(Apache 2.0)で、商用利用も可能です。
法務、CS、営業支援、採用、教育支援――二重チェックが必要だった社内業務を、制度対応型AIで支援できる。
IT企業は、自信をもって提案すべきです。
「もうAIは勝手に喋る存在ではありませんよ」と。
このOSS構造はTransformerであって、技術的には、特別なものではないようです。でも、制度とAIの結びつき方を「使い方」として公開したという点で、これは時代の入口を象徴する動きだと思うのです。
僕たちが制度を設計し、それをAIに読ませる。AIがその制度に沿って行動する。その構図が、オープンソースとして、誰にでも使える形で手渡されました。静かだけど、良い進展だなあと思います。
合同会社JOBIRUNさんの解説記事 とても良いです→ [論文解説]OpenAI「gpt-oss-safeguard」の分類性能と評価を解説