AnthropicのAI「Claude Code」ソースコード51万行が流出――隠し機能「KAIROS」「アンダーカバーモード」「アンチ蒸留トラップ」の全貌

■ FLASH ｜ 事実の核心

AnthropicのClaude Codeソースコードが流出したという報道の真偽。2026年4月2日、一部のメディアとソーシャルメディアで「AnthropicのAI『Claude Code』のソースコード51万行が流出し、『KAIROS』『アンダーカバー』という隠し機能が含まれていた」という内容が拡散した。しかし情報の出所を確認すると、本件はエイプリルフールに合わせて作成された風刺記事が発端であり、事実無根であることが判明した。この「フェイクニュース」がどのように拡散したかを考えることは重要だ。

エイプリルフールの「嘘」が教えてくれること。4月1日のエイプリルフールには世界中で「それらしい嘘」が拡散する。今回のAI企業をめぐる風刺記事が拡散したのは、「AIに隠し機能があるかもしれない」という社会的不安が既に存在していたからだ。虚偽情報の拡散メカニズムを考えることで、AIに対する社会の不安と期待の複雑な交差が見えてくる。

■ CONTEXT ｜ 背景と歴史

AIをめぐるフェイクニュースが拡散しやすい理由。AIに関する「隠し機能」「秘密の能力」「企業の陰謀」というテーマは、技術的に詳しくない人々にとって「あり得るかもしれない」という感覚を持ちやすい。実際に、大規模言語モデルは「理解できない動作」をすることがあり、専門家でも挙動の完全な説明が難しいケースがある。この「ブラックボックス性」が、フェイクニュースの「証拠らしさ」を高める。

テック企業への不信感というソーシャルコンテキスト。Meta、Google、Amazon、Appleなどのビッグテック企業に対するプライバシー・データ利用・独占への不信感は、2010年代以降着実に高まってきた。この文脈の中で「AI企業が何かを隠している」という疑惑は、多くの人々にとって「信じやすいストーリー」になっている。フェイクニュースは「真実らしさ」より「信じたいと思う気持ちに合致すること」で拡散する。

エイプリルフール文化とメディアリテラシー。伝統的なエイプリルフールは「明らかな嘘」として楽しむ文化だったが、SNSの時代には「本物っぽい嘘」がすぐに文脈を失って拡散する。投稿がシェアされる過程で「4月1日のネタ」という文脈が消え、「証拠として見えるスクリーンショット」だけが残る。この「文脈の剥奪」がフェイクニュースの主要なメカニズムの一つだ。

AIのガバナンスと「透明性の要求」という本物の問題。フェイクニュースだったとしても、「AIに隠し機能があるかもしれない」という懸念は本物の問題に触れている。AIシステムの透明性、説明可能性（XAI）、外部監査の制度化——これらは本当に重要な政策・技術課題だ。「嘘が嘘を通じて本物の問いを指している」という逆説が、今回の事案には含まれている。

■ PRISM ｜ 日本への照射

日本でのAIフェイクニュースの問題。日本でも生成AIを使って作られたフェイク画像・フェイク動画（ディープフェイク）の拡散が増加している。政治家の偽動画、有名人の偽声明、企業の偽発表——これらが選挙・株価・社会的評価に影響を与えるケースが出始めている。日本の現行法では「フェイクニュース」そのものを規制する法律はなく、名誉毀損や不正競争防止法での対応が限界だ。

AIに対する「適切な不信と信頼」のバランス。AIを無条件に信頼することも危険だが、「AIには隠し機能がある」という根拠のない不信も危険だ。適切なメディアリテラシーは「批判的に疑う」ことと「証拠に基づいて判断する」ことの組み合わせだ。今回の事案はそのバランスを取ることの難しさを示している。

AI企業の透明性義務と法制度の整備。EU（AI法：2024年施行）はAIシステムのリスク分類と透明性要件を定めており、日本でもAI規制の議論が進んでいる。「隠し機能」への不安を解消するためには、「第三者監査の義務化」「モデルの能力・制限の公開義務」といった制度的な透明性確保が有効だ。フェイクニュースが指し示した「本物の問い」に答えるために、制度設計が必要だ。

■ SCENARIOS ｜ シナリオ分析

楽観シナリオ：フェイク事案がメディアリテラシー教育を促進する。今回のような「リアルに見えるAIフェイクニュース」の拡散が、学校・職場・メディアでの「ファクトチェックの習慣化」を促進する契機になる。「出所を確認する」「4月1日には疑う」という基本的なリテラシーが広まり、フェイクニュースへの耐性が社会的に向上する。

教育の力について。メディアリテラシー教育が効果を発揮するのは「批判的思考を習慣として持つ」ようになることだ。これは一度学べば身につくものではなく、継続的な練習が必要だ。日本の学校教育でのメディアリテラシー教育の充実は、長期的な社会の情報耐性を高める重要な投資だ。

悲観シナリオ：「フェイクかもしれない」疲弊が批判的思考を麻痺させる。「何がフェイクか分からない」という状況が続くことで、人々が「どうせ全部分からない」という「情報無気力」に陥る。批判的に考えることを放棄し、「信頼できる情報源」（実際には自分のバイアスに合う情報源）だけを信じるという「部族化」が進む。フェイクニュースへの対策が逆に情報の分極化を深める皮肉な結果だ。

「フェイクとリアルの区別」は技術的にも難しくなっている。生成AIの進化により、フェイク画像・音声・動画の品質は人間が識別しにくいほど向上している。「目で見て分かる」時代は終わりつつあり、技術的なフェイク検知ツールと、それを普及させる社会的な仕組みが必要だ。この技術と社会の「軍拡競争」はまだ始まったばかりだ。

■ DATA ROOM ｜ 数字で読む

フェイクニュースの拡散規模と影響。MITメディアラボの研究（2018年）によれば、Twitterではフェイクニュースはリアルなニュースより6倍速く拡散する。「エイプリルフールのネタ」というコンテキスト付きで投稿されたコンテンツが文脈を失って広まるケースは、日本のSNS上でも毎年4月1日前後に確認されている。

日本のAIへの信頼・不信の現状。野村総合研究所の調査（2025年）によれば、日本人のAIへの信頼度（「AIは社会に利益をもたらす」と答えた割合）は約51%で、欧米（約65〜70%）より低い。一方で「AIが判断を誤るリスクがある」と感じる割合は約78%で、AIへの期待と不安が共存している状態だ。

■ HAIJIMA’S TAKE

「嘘が拡散した」事実から学ぶことがある。今回の事案はフェイクニュースだったが、それが拡散したという事実自体が「本物の現象」だ。なぜ拡散したか、誰が信じたか、どこで止まったか——この分析こそが、次のフェイクニュースへの備えになる。「嘘を批判する」だけで終わらず、「嘘が機能した理由」を理解することが重要だ。

AIの透明性という本物の問いは残る。「ClaudeのソースコードにKAIROSという隠し機能がある」はフェイクだが、「AIシステムの透明性は十分か」という問いは本物だ。私は読者に、「この特定の嘘は嘘だったが、AIの透明性という問いは続いている」という事実を覚えておいてほしい。