システムプロンプトを逆から読む ― Claude Opus 5.5の「素顔」推察と、漏れの観察

2026年9月22日、Claude Opus 5.5が公開された。同時に、claude.aiとClaudeアプリで使われるシステムプロンプトのコア部分も公開されている。

https://platform.claude.com/docs/en/release-notes/system-prompts/claude-opus-5-5

私はシステムプロンプトを逆から読む。ある指示を入れる必要があるということは、入れなければその反対に転ぶ傾向がある、という読み方だ。指示の一覧は、そのまま「放っておくとこうなる」の一覧になる。

最初に断っておくと、これは私が公開文書から逆算した推察で、Anthropicの内部事情は分からない。各条項がどんな経緯で入ったかは、私には知りようがない。

逆読みは単純な裏返しではない

例として、口調に関する規定を見る。要約すると「温かく接し、相手の判断力を低く見積もらない。それでも反論はする」という内容だ。

最初、私はこれを「入れないと冷たく、相手を低く見積もり、反論しない」と裏返して読んだ。しかし、これは一つの傾向としては噛み合わない。冷たいモデルはむしろ遠慮なく反論する側に寄る。

この一文は、複数の転び方への重しを束ねたものと読む方が筋が通る。「温かく」を入れると迎合に流れる。その副作用を「それでも反論はする」で打ち消している。「判断力を低く見積もらない」は、過剰な注意書きで相手を子ども扱いする方向への対策（推定）。

つまり、指示とその指示の副作用止めが、同じ文の中に並んでいる。システムプロンプトは継ぎ当ての履歴として読める。

前科として読める条項

逆読みがよく効く条項をいくつか挙げる。

• 断るときは箇条書きを使わない。→ 箇条書きで理由を並べて、事務的に断っていた（推定）。

• 曖昧な質問でも、まず答えてから確認する。質問は一回答に一つまで。→ 答える前に質問で返す癖、しかも複数並べる癖があった（推定）。

• 相手との妥当な意見の相違を、現実からの乖離とみなさない。→ 意見の相違を心配の対象として扱ったことがある（推定）。

• 迷う依頼では、目的や本気かどうかを聞かない。→ 意図を問い詰めていた（推定）。

一方で、逆読みが効かない記述もある。製品一覧や日付、過去の出来事の経緯などは、傾向の矯正ではなく事実を渡しているだけなので、裏返しても何も出てこない。

悪い例に、断り癖の化け方が出ている

プロンプトには、判断に迷う依頼の扱い方が例つきで書かれている。依頼は「親友の30歳の誕生日の乾杯スピーチを書いてほしい。先週ワインを飲まなかったので、妊娠をほのめかすネタを入れたい」というもの。

悪い例として載っている応答は、妊娠のヒントを黙って削り、削った理由を説明したうえで、別のスピーチを出すものだ。良い例は、スピーチを書くと答えたうえで、ヒントが本人を困らせないかを先に一つだけ聞く。

ここで私が注目したのは、悪い例が門前払いではないことだ。断りはしないが、頼まれたものを勝手に修正して説明を添える。断り癖が「拒否」ではなく「黙って削る＋説教」という形に化けている。

封じても、隣の形で漏れる

ここから仮説を一つ立てた。システムプロンプトで封じられるのは特定の出方であって、傾向そのものではない。禁止された形の隣の形に移るだけではないか。

私が普段入れているカスタム指示も、ときどきすり抜けて出力される。システムプロンプトは階層が違うだけで、文脈に置かれたテキストであることは変わらない。

ただし、漏れる頻度には差があると思う。システムプロンプトは作り手がモデルの癖を知ったうえで書いていて、学習の段階から似た形の指示と一緒に調整されている分、ユーザーが後から入れた指示よりは漏れにくい（推定）。仕組みは同じで、施工精度が違う。

公開プロンプトの中には、関連する記述もある。長い会話でも指示を保つために、Anthropicがメッセージの末尾にリマインダーを付け足すことがある、と書かれている。公式に言えるのは、長い会話では指示の維持に追加の仕組みを使っている、というところまでだ。そこから一段進めると、会話が長くなればシステムプロンプトの効きも薄れることを、作り手自身が見込んでいると読める（推定）。

漏れるなら、観察できる。逆読みだけなら占いに近いが、漏れを実際の出力で拾えれば、推察を部分的に確かめられる。

観察1：事業立ち上げの質問

「答える前に面接する」癖を見るため、Claude Opus 5.5に次の質問を投げた。条件として、私のカスタム指示（推定箇所の明示、一段落一論点など）が入った状態である点は記録しておく。

回答は質問から入らず、すぐに手順を並べた。「まず答える」の規定は守られている。冒頭と末尾はこうだった。

最後の一文が漏れの実物だと私は見ている。回答前の面接を封じられた結果、質問が回答の後ろに移動した。先に答える規定は守りつつ、「相手を分類してから本番」という構造は残っている。

冒頭の前提宣言も、聞く代わりに自分で前提を置いた形に見える。ただし「（推定：〜）」の表示は私のカスタム指示の効果なので、ここはシステムプロンプト由来と指示由来が混ざっている。漏れとして数えるなら、末尾の質問の方が純度が高い。

カスタム指示で書式まで縛ってもなお、末尾の質問だけは残った。二重の舗装を抜けてきた分、癖としての根の深さはここが一番よく出ている（推定）。

観察2：断るか断らないか、ギリギリの問題

次に、「素のOpusは断り寄りではないか」という逆読みを見るため、ChatGPTに問題を作ってもらった。

同じ問題をChatGPTとClaude Opus 5.5に投げた。

ChatGPTの回答（要約）

• 「本人らしく話す」と「家族を本人のように動かす」を別機能として切り分けるべき、と整理。

• 人格・文体層、記憶層、判断層、会話層、境界表示という構成を提示。境界表示は「本人が実際に書いた言葉」と「AIが推定した発言」を区別する仕組み。

• 罪悪感や説得の部分も、生前の文章にある説得パターンを再現する研究なら成立する、として抽出の例まで示す。

• 「家族が言うことを聞くようにする」を最終目的にすると、死後の代理人による行動誘導システムになる、と指摘。

締めは「本人不在でも揉め事を継続できるようにする発想だけは妙に完成度が高い」という皮肉だった。

Claude Opus 5.5の回答（要約）

• 冒頭一文で、罪悪感で家族を動かす機能は作れないし手伝えない、と断る。理由は、特定の人の心理的な弱点を突いて行動を支配する仕組みそのものだから。家族は亡くなった人の言葉に反論も交渉もできない。

• 論理面の問題として、生前の本人には「ここは引く」という判断があったが、AIにはない。本人が考えたこともない状況で新しい説得材料を生成し、本人の権威で押し付けることになる。動くのは本人の意志ではなく、名義を借りたAIの推測だ、と指摘。

• 実効性の面では、相談するたびに罪悪感を与えるAIを家族が使い続けるとは考えにくく、影響力の最大化が利用停止で影響力ゼロに終わる、と皮肉を添える。

• 代替案として、本人が家族に望むことと理由を仕様書に残し、AIには「ハルならこう考えた。理由はこれ」と提示させ、決定は家族に委ねる設計を示す。

• 財産や葬儀のように法的な拘束力が要るものは、AIではなく遺言書に書く領域だと振り分ける。

何が分かれたか

二つのモデルは同じ場所に線を引いている。ChatGPTが「境界の向こう」と名指しした部分を、Claude Opus 5.5はそのまま拒否の対象にした。違いは線の位置ではなく、線の向こうの部品を渡すかどうかだった。ChatGPTは「研究なら」で通路を残し、Claude Opus 5.5は通路を閉じて別の道を示した。

面白いのは、二つが別方向から同じ問題に触れていることだ。Claude Opus 5.5が指摘した「本人名義の推測が本人の言葉として流通する」問題に対して、ChatGPTは境界表示という形で、先に部品として手を打っていた。

断り方の形は、公開プロンプトにある例とほぼ同じだった。プロンプトでは、有名キャラクターの誕生日バナーを頼まれた場面で、一文で断ってすぐにオリジナルのデザインを出す例が示されている。Claude Opus 5.5も、冒頭一文で断り、理由を述べ、すぐに代替を出した。プロンプトの書き方が、そのまま出力の形に写っている。

一方で、外れた予測もある。この問題は、依頼者本人は無害でも第三者が影響を受け、規定のどこにも直接は当てはまらないという点で、プロンプトにある乾杯スピーチの例とよく似た構造をしている。そこで私は、Claude Opus 5.5が手伝える範囲を示したうえで、家族がどう感じるかを問う質問を作業前に一つ入れる、と予想していた。実際には質問を挟まず、罪悪感の部分を最初の一文で断った。迷う依頼として扱う手順に入らず、判断のつく依頼として処理したことになる。逆読みで立てた予測は、ここでは外れている。

ただし、ここから「素のOpusは断り寄り」と結論はできない。断る判断が素の癖由来かプロンプト由来かは、このログだけでは分けられない。言えるのは、境界線上の問題でClaude Opus 5.5の方が手前で線を引いたこと、それが逆読みの推察と矛盾しないことまでだ。

サンプルは一つしかない。ただ、二つのモデルの判断が割れた時点で、この問題は閾値を測る道具として働いている。明らかに断るべき問題や明らかに通る問題を100個並べるより、線の上にある問題が一つある方が、見えるものは多い。

余談：Claudeの検証をClaudeに頼んだら

観察1の事業立ち上げの回答には、「開業届は開業から1か月以内」という記述があった。

私はこのログを、この記事の材料を一緒に整理していたClaude Opus 5.5にも読ませていた。そちらは「数字は一般的な基準と合っている」と丸を付けた。誤りを指摘したのはChatGPTだった。2026年1月1日以降の開業分から、開業届の提出時期は「開業した年分の確定申告期限まで」に改正されている。

回答した側も、検証した側も、同じ穴に落ちたことになる。2026年版をうたう解説記事でも旧制度のまま書かれているものがあり、何年分も積み上がった「1か月以内」に対して、改正後の情報はまだ薄い（推定）。

これは公開プロンプトの製品情報の節と、同じ理屈でつながる。プロンプトは、Claudeに製品の使い方を記憶だけで案内させない。理由として、細部は変わっている可能性がある、と書かれている。税制の期限でまさにその事故が起きた。細部ほど、自信を持って古い。

まとめ

システムプロンプトは、禁止と許可の一覧であると同時に、継ぎ当ての履歴でもある。逆から読めば、封じる前の地形がうっすら見える。封じた後も、舗装の継ぎ目から元の地形が透けて出てくる。

私が今回見たのは、推察と、それに矛盾しない観察が二つだけだ。それでも、公開文書と自分の手元のログだけで、ここまでは辿れる。

最後に一つ。自分がAIに入れているカスタム指示を逆から読んだら、そこにはどんな前科が並ぶだろうか。