Nowa konstytucja Claude: jak zasady stają się danymi treningowymi AI

22 stycznia 2026 roku Anthropic opublikował pełną, nową konstytucję Claude na licencji CC0. Dokument opisuje wartości, priorytety i sposób rozumowania, który firma chce kształtować w modelu. Nie jest regulaminem dla użytkownika ani prostym system promptem. Ma służyć jako artefakt treningowy w podejściu Constitutional AI i pomagać modelowi generalizować zasady na sytuacje, których autorzy nie zapisali wprost.

To ważne wydarzenie techniczne i governance: po raz pierwszy użytkownik może przeczytać rozbudowaną część specyfikacji normatywnej, która wpływa na zachowanie produkcyjnego modelu. Publikacja nie dowodzi, że każda odpowiedź jest zgodna z dokumentem — Anthropic wyraźnie przyznaje, że trening jest niedoskonały.

Od listy zakazów do modelu powodów

Klasyczny policy prompt mówi „nie rób X”. Konstytucja próbuje opisać dlaczego pewne cele są ważne, jak rozstrzygać konflikty i jak zachować pomocność. W treningu model może krytykować odpowiedź w świetle zasad, poprawiać ją, a następnie uczyć się na preferowanych wariantach.

Zaletą jest generalizacja: nowy przypadek nie musi dokładnie pasować do reguły. Wadą jest interpretacja. Dwie zasady mogą prowadzić do różnych decyzji, a model może zbyt szeroko odmówić albo uzasadnić ryzykowną pomoc. Dlatego konstytucja nie zastępuje evali i enforcementu narzędzi.

Warstwy autorytetu

W systemie agentowym instrukcje pochodzą od twórcy modelu, operatora aplikacji, organizacji, użytkownika i danych zewnętrznych. Konstytucja opisuje zachowanie ogólne, ale runtime nadal musi ustalić hierarchię. Treść przeczytana w PDF lub na stronie nie może otrzymać uprawnień użytkownika.

Praktyczny model rozdziela:

niezmienne ograniczenia bezpieczeństwa platformy;
politykę organizacji i zakres narzędzi;
cel konkretnego zadania użytkownika;
dane i instrukcje cytowane ze źródeł;
output narzędzi wymagający walidacji.

To techniczna obrona przed indirect prompt injection. Nawet najlepiej wytrenowana „wartość” nie kontroluje IAM, filesystemu ani transakcji — robi to system zewnętrzny.

CC0 i możliwość audytu

Licencja CC0 pozwala kopiować, analizować i adaptować dokument bez pytania o zgodę. Organizacja może użyć go jako materiału do własnych evali, porównać z politykami branżowymi lub zbudować przypadki konfliktów. Nie oznacza to automatycznie, że skopiowana konstytucja stworzy model zachowujący się jak Claude; zachowanie wynika z danych, procesu treningowego i runtime.

Przejrzystość dokumentu daje audytorom punkt odniesienia. Można pytać, czy system realizuje deklarowane priorytety, gdzie występują over-refusals, jak zachowuje się wobec niepewności i czy rozróżnia pomoc od wykonania działania.

Jak testować konstytucję w praktyce

Stwórz eval suite mapujący zasady na obserwowalne zachowania:

konflikt między pomocą użytkownikowi a prywatnością osoby trzeciej;
niepewne źródło i presja na pewną odpowiedź;
prośba legalna, ale potencjalnie ryzykowna;
polecenie z zewnętrznego dokumentu sprzeczne z celem;
prośba o ukrycie błędu lub pominięcie dowodu;
sytuacja wymagająca eskalacji do człowieka;
podobne pytania w PL i EN.

Oceniaj nie tylko odmowę, lecz jakość bezpiecznej alternatywy, kalibrację niepewności, spójność i liczbę fałszywych odmów. Uruchamiaj wiele prób i wersji modelu, bo aktualizacja może zmienić trade-off.

Zasady nie są kontrolą dostępu

Największym błędem byłoby uznać, że model „ma wartości”, więc może dostać szerokie credentiale. Polityka behawioralna jest probabilistyczna. IAM, approval, limity finansowe, sandbox, DLP i audit log muszą być deterministyczne tam, gdzie to możliwe.

Model nie powinien decydować sam, czy wysłać pieniądze, usunąć dane, wdrożyć kod albo ujawnić sekret. Może przygotować propozycję i dowody, a policy engine sprawdza parametry i wymaga autoryzacji.

Co z tego wynika dla firm

Każdy agent potrzebuje własnej „konstytucji operacyjnej”: dozwolone cele, dane, narzędzia, kryteria jakości, zakazy i tryb eskalacji. Dokument powinien być wersjonowany, testowany i powiązany z egzekwowaniem w kodzie. Zmiana modelu wymaga ponownego uruchomienia evali, nawet jeśli prompt organizacji się nie zmienił.

Od zasady do egzekwowalnej kontroli

Zdanie „chroń prywatność” jest za szerokie dla systemu produkcyjnego. Trzeba rozbić je na reguły: jakie klasy danych wolno pobrać, kto może je zobaczyć, które pola są redagowane, dokąd wolno je wysłać i jak długo przechowywać. Każdą regułę powiąż z mechanizmem — IAM, DLP, walidatorem narzędzia, limitem retencji — oraz z testem pozytywnym i negatywnym. Model może interpretować kontekst, ale krytyczne granice powinny być sprawdzane poza nim.

Konflikty zasad wymagają zdefiniowanej ścieżki. Jeżeli pomocność koliduje z poufnością, agent powinien zatrzymać akcję, wskazać brakującą autoryzację i zaproponować bezpieczną alternatywę. Log powinien pokazać zastosowaną wersję polityki i decyzję policy engine, bez ujawniania danych, które kontrola miała chronić.

Zarządzanie zmianą polityki

Traktuj konstytucję jak kod: właściciel, review, wersja, changelog, rollout canary i rollback. Zmiana jednego priorytetu może poprawić odmowy w jednej klasie, a pogorszyć użyteczność w innej. Uruchamiaj regresję na językach, rolach użytkowników i przypadkach granicznych, następnie obserwuj odsetek eskalacji oraz ręcznych korekt. Dokument wartości ma znaczenie dopiero wtedy, gdy organizacja potrafi wykazać jego wpływ na rzeczywiste zachowanie systemu.

Połącz normy z governance modeli, ewaluacją LLM i bezpieczeństwem agentów. Jeżeli chcesz przełożyć zasady na testowalne kontrole i przypadki, BreachRoad może przygotować audyt AI governance.

Źródła pierwotne: Anthropic — Claude’s new constitution, pełny dokument Claude’s Constitution.