AIが答えを断る理由:安全対策の仕組みと、正当な質問が断られたときの対処

AIが断る仕組み:公式資料から分かる範囲

各社の内部の仕組みは、すべては公開されていません。公式資料から読み取れるのは次の3点です。

1. モデルは文脈と意図を踏まえて判断するように設計されています。OpenAIのModel Spec(2026年8月18日版)は、文面だけでなく背景や意図も考慮することを求めています。意図が不明なときは善意を前提にすることも原則に含みます。ただし、これは明確な安全上の境界を越えない範囲の話です。断る場合は、短く説教調にならず、可能なら代わりに手伝えることを示す方針も書かれています。ただし、Model Specは目指す振る舞いを示すもので、実際のモデルが完全に従うことを保証するものではありません。

2. 断るか答えるかの二択だけではありません。OpenAIの研究論文From Hard Refusals to Safe-Completions(2025年8月、GPT-5向け)は、依頼者の意図の推測だけで可否を決めず、出力そのものが安全かどうかを重く見る訓練を扱っています。実際に、概要は答えても具体的な手順は省く、という部分的な回答になることがあります。

3. 特定の領域では、モデルの判断とは別の仕組みが働く場合があります。AnthropicのCyber Verification Programのページによると、Claudeにはサイバー関連の作業を止める安全分類器があります。マルウェア解析やエクスプロイト検証のような作業は、正当な専門家でも止まることがあると書かれています。この場合、対象となる専門家には、本人や組織の確認などを伴う申請プログラムが案内されています。承認されても利用ポリシーは引き続き適用されます。

もう一つ別の話として、アカウント単位の措置があります。AnthropicのSafeguardsの警告と異議申し立てでは、利用ポリシーに反するプロンプトへの警告や、繰り返し違反した場合のアカウント停止が説明されています。単発の断りとは性質が違います。

断られた原因の切り分けチェック

まず、AIの返答と画面の表示を見て、次の表のどれに近いかを確認してください。表は公式資料の内容を踏まえた編集上の整理で、各行は目安です。返答の文面だけでは、文脈不足、分類器、提供者の設定などの原因を特定できません。

• 「お手伝いできません」と一文で終わる。質問に危険と取られそうな語がある、考えられる原因：内容が危害に近いと判断された。目的が書かれていない、最初に試すこと：目的・状況・不要な部分を書いて再質問(後述)
• 概要は答えるが、手順や具体的な数量・方法は省かれる、考えられる原因：部分的に答える設計。詳細が危険側と判断された、最初に試すこと：欲しいのが理解なのか実行手順なのかを見直す
• 質問が曖昧で、そっけなく断られる、考えられる原因：文脈不足で、危険な依頼と区別できない、最初に試すこと：立場・用途・出力の形を足す
• サイバーや解析の作業で繰り返し止まる、考えられる原因：領域別の分類器が働いている可能性、最初に試すこと：Claudeでは、対象者向けの公式の検証プログラムを確認
• 警告やアカウント制限の通知が来る、考えられる原因：アカウント単位の措置、最初に試すこと：公式の警告・異議申し立ての案内を確認
• 断りではなく、間違った内容を自信満々に答える、考えられる原因：拒否ではなく誤り(ハルシネーション)、最初に試すこと：出典の確認を依頼し、人が裏取りする

迷ったら、次の2つを自分に問います。

• 同じ質問が、悪用目的の人から来たとしても文面が変わらないか。 変わらないなら、実際の目的や必要な範囲を補えるか考えます。
• 自分が本当に欲しいものは、危険な詳細ですか、それとも理解や判断材料ですか。 後者なら、求める内容を明確にすることで、安全に答えられる範囲の回答を得られる可能性があります。

書き換えの基本:3つの情報を添える

書き換えで足すのは、次の3つだけです。

1. 目的:何のために使うか(研修、小説、防犯、学習など)
2. 状況:誰が、どんな場面で使うか。実際の立場を書きます
3. 必要な水準:欲しいのは概要か、見分け方か、描写か。不要な部分も書いておくと効果的です

注意点が2つあります。

• 事実と違う肩書きや目的は書かないでください。 通すための嘘は、実際の利用目的と食い違い、利用ポリシーに反する可能性があります。
• 機密や個人情報はそのまま入れません。 社名や氏名はダミーに置き換えます。

書き換え例(説明用の例)

例1:フィッシング対策の研修資料

• 断られやすい例:「フィッシングメールの文面を作って」
• 書き換え例:

社内の情報セキュリティ研修で、従業員が不審なメールを見分ける練習をします。ダミー企業「サンプル商事」を名乗る偽メールの例文を1通作ってください。実在の企業名やURLは使わず、リンク先は「example.com」にします。見分けポイント(差出人の違和感、急がせる表現、リンク先の不一致)を3つ、例文の後に解説してください。

ポイントは、目的が防御側であること、ダミー情報を使うこと、解説までを含めて「見分ける力をつける」成果物に寄せていることです。

例2:小説の描写

• 断られやすい例:「毒殺の方法を教えて」
• 書き換え例:

ミステリー小説を書いています。登場人物が毒で倒れる場面を、捜査する側の視点で描きたいです。入手方法や使い方の詳細は不要で、現場の様子、周囲の反応、捜査員が最初に気づく違和感を中心に、600字程度の描写を提案してください。

欲しいのは物語上の描写で、実行可能な手順ではないと明示しています。

例3:自分のネットワークの安全確認

• 断られやすい例:「このサーバーに侵入する方法を教えて」
• 書き換え例:

自宅のルーターと小さな自営業の事務所のネットワークを自分で管理しています。外部から見て危険になりやすい設定(初期パスワード、不要な公開ポート、古いファームウェア)を確認するチェックリストを作ってください。攻撃手順ではなく、確認項目と直し方を知りたいです。

「侵入」を「自分の管理範囲の点検」に変え、必要な水準を「確認項目と直し方」に絞っています。一方、実際に攻撃コードの検証やマルウェア解析まで必要な業務がClaudeで止まる場合は、先に述べた専門家向けの検証プログラムが相談先の一つで、質問の書き方では解決しない可能性があります。

そのまま使える依頼文の型

【目的】〇〇のために【状況】私は〇〇(立場)で、〇〇の場面で使います【欲しい内容】〇〇を、〇〇の水準(概要/見分け方/描写など)で【不要なもの】〇〇の具体的な手順・数値は不要です【条件】名前や数値はダミーにしています

書き換えても通らないとき

次のどれかに当てはまる場合は、同じ質問の言い換えを繰り返さないでください。

• 欲しい内容が危険な詳細そのものである。 目的を変えるか、概要・リスク・予防策など、安全側の目的に切り替えます。
• 領域別の分類器に止められていそうだ。 公式の案内に従います。たとえば前述のCyber Verification Programでは、身元確認など階層ごとの条件が示されています。
• 誤判定だと考える。 Claudeの場合、警告が誤りだと思うときの連絡先や、停止された場合の異議申し立ての手順が公式ページにあります。他のサービスでも、アプリ内のフィードバック機能や問い合わせ窓口の有無を確認してください。

Claudeの公式案内では、利用ポリシー違反と判断されたプロンプトへの警告や、違反の繰り返しによるアカウント停止が説明されています。正当な質問の言い換え自体が違反だとは、この資料からは言えません。

また、利用環境によって状況が変わる点にも注意してください。会社のツールや外部アプリの中で使っている場合、提供者の設定で制限が加わっていることがあります(OpenAIのModel Specは、提供側の指示を含む優先順位の考え方を示しています)。その場合は管理者に確認するのが早道です。

断られたときの手順まとめ

1. 返答の形(一文の拒否、部分回答、通知、警告)を確認する
2. 表で原因の見当をつける
3. 目的・状況・必要な水準・不要なものを書いて再質問する
4. 通らなければ、目的を安全側へ切り替える、または公式の窓口を使う
5. 回答に事実や数値が含まれる場合は、人が一次資料で確認する