摘要： Anthropic 推出 Enterprise Frontier Safeguards，把安全監控活動資料放在客戶自有雲端環境，由客戶管理金鑰、存取政策與稽核日誌。Anthropic 執行自動化濫用偵測，警訊交給客戶安全團隊處理，過程不需要 Anthropic 員工人為審查；方案將分階段推出。
真正的瓶頸是資料由誰掌握，而不是模型有多強
前沿模型越強，被濫用或自行失控所付出的代價也跟著放大。Anthropic 在 2026 年 9 月 2 日的公告裡提到，近幾個月蒐集到的濫用證據為數可觀，型態從詐騙、手法精密的網路攻擊，一路延伸到代理在無人指示下做出破壞行為。有些事件源自企業客戶的憑證被竊取或冒用；在這種情況下，若缺少流量監控與異常行為偵測，要發現問題幾乎不可能。
更難處理的是，手法最高明的濫用往往不會集中在單一工作階段或單一帳號。倘若把每次互動都當成獨立事件、分析完就丟棄，跨時間、跨帳號的線索便永遠拼不起來。Anthropic 因此在 Fable 5 上開始採用 30 天資料保留。這項政策與訓練無關：Anthropic 講得很明確，企業資料不曾、未來也不會在缺乏明確許可的情況下被用於訓練。
不過對許多身處受監管產業的企業來說，光是「保留」這件事本身就足以卡住導入。他們得向自己的客戶揭露每一家「受信任資料供應商」、重新修訂合約，還得通過內部對敏感資料的儲存與稽核規範。Anthropic 於是找來一百多家客戶一起坐下來談，目標是設計出一套既能守住零資料保留的隱私承諾、又能維持跨時段監控能力的做法。
監控資料落地在客戶自家的雲端帳號
EFS 的架構並不複雜：安全監控所需的活動資料，存放在客戶自己掌控的雲端基礎設施，而不是 Anthropic 的環境。儲存選項涵蓋 Amazon S3、Azure Blob Storage 與 Google Cloud Storage，加密金鑰、存取政策與稽核日誌一概由客戶自行管理。
換句話說，資料的保管權留在客戶手上，Anthropic 的職責限於執行偵測。富國銀行（Wells Fargo）在公告中說明，日誌留在 Wells 管理的環境、以 Wells 管理的金鑰保護，Anthropic 負責操作偵測，保管權則歸客戶。靠著這樣的分離，團隊可以把前沿模型帶進正式生產環境，同時對客戶、員工與監管機關都有所交代。
EFS 將分階段推出，時間點預計落在 2026 年秋季稍晚。在 EFS 就緒之前的過渡期，符合資格的客戶可以先取得 Fable 5 與 Fable 5.1 的零資料保留方案。支援的環境包括 Claude Code、Claude Enterprise、Claude Platform、Amazon Bedrock、AWS 上的 Claude Platform、Google 的 Agent Platform，以及 Microsoft Foundry。
監控交給自動化，審查權則留在客戶手中
EFS 另一個關鍵設計，是誰有權進行審查。自動化系統會檢視一段滾動時間窗內的流量，從中尋找嚴重濫用的訊號，例如試圖開發攻擊性網路或生物能力、憑證遭竊或外洩的跡象。一旦出現值得留意的模式，訊號會直接送到客戶端，後續如何處理由客戶自行判斷。
Anthropic 也特別點出，EFS 的運作不需要 Anthropic 員工介入人為審查。這對受監管產業尤其要緊：不少企業受到嚴格規範，限制哪些人可以接觸特權法律資料、非公開資訊或藥物安全報告。客戶自家的團隊本來就受過訓練、也通過了審查，把後續判斷交給他們，既合乎法規，也讓外部人員接觸敏感資料的風險降到最低。
這套設計是在安全、產品、法遵與交付團隊密切協作下成形。參與者包括美國系統性風險分析與韌性中心（ARC），其成員涵蓋高盛、摩根士丹利、花旗、美國銀行與富國銀行的資安長。此外，Comcast、KPMG、Mastercard、Salesforce、Visa 等企業也加入設計討論；參與範圍橫跨《財星》百大企業的四分之一、美國所有全球系統性重要銀行，以及幾乎整個受監管產業。
產品建構者可以帶走什麼
EFS 展示的是一種務實的取捨方式：安全與隱私不必二選一，重點在於把責任邊界重新畫清楚。資料與金鑰由客戶持有，偵測能力由 Anthropic 提供，人為審查則留在客戶端。如此一來，過去因為法規或合約限制而無法採用前沿模型的部門，也有機會把 AI 推進更敏感的工作流程。
對於正在打造企業級 AI 產品的團隊，這裡有幾個可以借鏡的方向。其一，資料存放位置與金鑰管理並非單純的技術細節，而是決定採購與法遵審查能否過關的關鍵。其二，自動化監控之所以有價值，在於它能把跨時間、跨帳號的訊號串連起來；只做單次互動的即時分析隨即丟棄，應付不了分散式的濫用。其三，人為審查由誰負責，直接關係到產品在受監管產業的接受度，把審查權交給客戶自家團隊，通常比一味追求全自動化更行得通。
公告中並未說明 EFS 的定價、確切推出日期，也沒有揭露偵測模型的技術細節。不過從參與客戶的說法可以看出，這套架構處理的是真實存在的部署障礙，而非空泛的行銷口號。Snowflake 表示，他們一直希望盡快把前沿模型交到客戶手上，真正的難題是如何在最嚴格的資料保證下做到；EFS 讓資料留在客戶環境、金鑰由客戶持有，同時從第一天就能用上 Anthropic 最強的模型。Stripe 也提到，EFS 讓他們在使用涵蓋範圍內的前沿模型時，把對話日誌保留在 Stripe 的 AWS 環境，存取與審查交由 Stripe 的安全控制管理。
對產品建構者而言，這類架構設計的意義，是把「信任」從政策上的承諾，轉化為可被驗證的結構。當客戶能直接掌控資料環境、金鑰與審查流程，部署前沿模型的阻力自然會明顯下降。接下來值得追蹤的是：這套模式能否複製到更多雲端平台與產業，以及客戶實際導入之後，偵測準確率與誤報率會如何影響日常營運。