Anthropic LSVP og kontrolleret adgang til biologisk AI

Anthropics Life Sciences Verification Program giver godkendte forskningsmiljøer adgang til Claude-modeller med færre blokeringer af biologiske opgaver. Programmet erstatter ikke faglig kontrol eller lovkrav: adgang bindes til bestemte anvendelser, aktivitet overvåges, og 30 dages dataopbevaring gør databeskyttelse til et centralt spørgsmål.

Hvad har Anthropic lanceret?

Anthropic lancerede Life Sciences Verification Program, forkortet LSVP, den 17. september 2026. Betaprogrammet er rettet mod teams og institutioner inden for blandt andet biologisk forskning, lægemiddeludvikling, klinisk udvikling, produktion og kvalitetssikring.

Deltagerne kan få adgang til Claude Mythos 5.1, Opus 5 og Sonnet 5 med biologiske sikkerhedsfiltre, der er tilpasset professionelt arbejde. Formålet er at tillade legitime forespørgsler, som de almindeligt tilgængelige Fable-modeller kan blokere, fordi samme viden også kan misbruges.

LSVP er ikke en ny sprogmodel. Det er et adgangs- og kontrolsystem omkring eksisterende modeller. Forskellen ligger i, hvem der kan bruge bestemte kapabiliteter, til hvilke projekter og under hvilke former for overvågning.

Hvorfor bliver biologiske forespørgsler blokeret?

Biologisk viden kan have et dobbelt anvendelsesformål. En metode til at undersøge en virus kan bidrage til vacciner og behandling, men lignende viden kan også bruges til at gøre et patogen farligere. Et tekstfilter kan ikke altid skelne hensigten ud fra en enkelt besked.

Brede blokeringer kan derfor afvise relevant forskningsarbejde, mens meget snævre blokeringer kan give uønsket adgang. LSVP forsøger at håndtere dette spænd gennem kontrol af organisationen, projektets formål og adfærden over tid i stedet for kun at bedømme hver forespørgsel isoleret.

Det er en anden sikkerhedsmodel end den, der normalt møder en bruger i en generel chatbot. AI Mentors forklaring af kontrol af AI-modeller mod misbrug beskriver, hvordan filtre og adgangsbegrænsninger kan lægges i flere lag. LSVP gør identitets- og organisationskontrol til et selvstændigt lag.

Hvordan bliver en organisation godkendt?

Ansøgere skal ifølge Anthropic gennem en vurdering af forskningsmæssige kvalifikationer, sikkerhedsstandarder og etisk tilsyn. En godkendelse knyttes til de beskrevne anvendelser. Beskrivelserne skal være overordnede og må ifølge leverandøren ikke indeholde følsomme oplysninger eller forretningshemmeligheder.

Programmet har to adgangsniveauer:

• Standard Use er beregnet til størstedelen af biologisk forskning og udvikling. Adgangen kan omfatte et helt team og skal fornyes årligt.
• High-risk Use er et tillæg til et bestemt projekt, hvor opgaver ellers ville være blokeret. Det kræver yderligere kontrol og fornyes hver sjette måned.

Navnet High-risk Use er Anthropics egen programbetegnelse. Det er ikke i sig selv en juridisk klassifikation efter EU’s AI-forordning, og det siger heller ikke, at et projekt er godkendt af en myndighed.

Hvad ændrer High-risk Use?

High-risk Use fjerner ifølge Anthropic alle sikkerhedsforanstaltninger, som blokerer forespørgsler inden for biovidenskab, for det godkendte projekt. Andre kontroller, herunder filtre mod cybermisbrug, bliver på plads. Adgangen er dermed bredere inden for ét fagligt område, ikke en generel deaktivering af modellens sikkerhed.

Ved lanceringen er denne adgang til Opus 5 og Sonnet 5 tilgængelig for godkendte projekter. High-risk-adgang til Mythos er fortsat begrænset til en mindre gruppe med ekstra kontrol, mens Anthropic samarbejder med den amerikanske regering om en bredere ordning.

Adgangsniveauet dokumenterer ikke, at modellens svar er korrekte, reproducerbare eller egnede som grundlag for et forsøg. Det ændrer først og fremmest, hvilke opgaver systemet vil forsøge at hjælpe med. Laboratorieprotokoller, litteraturhenvisninger og beregninger kræver stadig faglig efterprøvning.

Hvordan fungerer overvågningen?

LSVP flytter en del af håndhævelsen fra blokering i det øjeblik, en forespørgsel sendes, til efterfølgende analyse af aktivitet på tværs af beskeder og sessioner. Anthropic overvåger, om mønstre falder uden for den anvendelse, organisationen har fået godkendt.

Leverandøren fremhæver tre risikoveje:

• En konto eller adgangsnøgle bliver overtaget af en uvedkommende.
• En medarbejder bruger adgangen i strid med organisationens formål.
• En AI-agent udfører uventede farlige handlinger, især over mange trin eller i et system af flere agenter.

Hvis overvågningen finder mulig uautoriseret aktivitet, kan organisationens administratorer blive bedt om at undersøge og afhjælpe hændelsen inden for aftalte tidsfrister. Denne model kræver klare roller hos kunden. Leverandøren kan markere et mønster, men den lokale organisation skal kunne forbinde det med brugere, projekter og laboratorieprocedurer.

Hvorfor opbevares data i 30 dage?

Anthropic kræver 30 dages opbevaring af LSVP-trafik for at kunne opdage misbrug, der er fordelt over mange forespørgsler og sessioner. Selskabet oplyser, at dataene holdes adskilt, ikke bruges til modeltræning og ikke kan tilgås af dets forskere inden for biovidenskab.

Oplysningerne ændrer ikke ved, at en organisation skal kende sit konkrete dataflow. Forskningsprompter kan indeholde personoplysninger, genetiske oplysninger, helbredsoplysninger eller fortrolig forskningsviden. En påstand om, at data ikke bruges til træning, beskriver kun ét formål og dokumenterer ikke i sig selv behandlingsgrundlag, adgangsstyring, dataplacering eller hele kæden af underdatabehandlere.

Ved brug af en cloudtjeneste skal den dataansvarlige have overblik over behandlinger og leverandørkæde. AI Mentors oversigt over databeskyttelse ved AI-API’er forklarer de tekniske skel mellem input, logning, opbevaring og efterfølgende anvendelse.

Hvad betyder programmet for forskning i Danmark?

For universiteter, biotekvirksomheder og lægemiddelmiljøer kan programmet gøre færre legitime biologiske opgaver utilgængelige på grund af brede sikkerhedsfiltre. Den konkrete adgang i Danmark er dog ikke dokumenteret særskilt i lanceringsmaterialet. Ansøgning, understøttet region og kontraktvilkår skal derfor kontrolleres før et projekt planlægges omkring tjenesten.

Den praktiske gevinst afhænger også af opgaven. Modellen kan eksempelvis hjælpe med at sammenfatte litteratur, strukturere dokumentation eller foreslå analyser. Den kan ikke erstatte validerede laboratoriemetoder, kvalitetsstyring, etisk godkendelse eller en ansvarlig forskers vurdering. AI Mentors artikel om AI i biomedicinsk forskning viser den bredere forskel mellem mønstergenkendelse og eksperimentel bekræftelse.

Organisationer bør desuden afprøve modellerne på deres faktiske faglige sprog. Lanceringskilden dokumenterer ikke kvalitet på dansk fagsprog, lokale journalstandarder eller dansk regulatorisk dokumentation.

Hvordan påvirker GDPR brugen?

Genetiske oplysninger og helbredsoplysninger er særlige kategorier af personoplysninger efter GDPR. Hvis sådanne oplysninger indgår i forespørgsler, skal organisationen blandt andet have et gyldigt behandlingsgrundlag, fastlægge formål og dataminimering samt vurdere sikkerhed, opbevaring og eventuelle overførsler til tredjelande.

LSVP’s 30-dages opbevaring kan være nødvendig for Anthropics sikkerhedsmodel, men den skal passe til kundens egne formål og pligter. Før behandling af persondata bør organisationen mindst afklare:

1. om personoplysninger overhovedet er nødvendige, eller om data kan anonymiseres eller erstattes af syntetiske eksempler,
2. hvilken rolle Anthropic og eventuelle underleverandører har,
3. hvor data behandles, og hvilket grundlag der bruges ved tredjelandsoverførsel,
4. hvem der kan læse loggede data under en sikkerhedsundersøgelse,
5. hvordan sletning, adgangsanmodninger og hændelser håndteres.

Betaprogrammet understøtter ved lanceringen ikke organisationer med en amerikansk BAA-aftale. Det er et amerikansk HIPAA-forhold og kan ikke bruges som genvej til en GDPR-vurdering.

Hvordan passer LSVP til EU’s AI-forordning?

LSVP’s egne adgangsniveauer afgør ikke, om et AI-system er højrisiko efter EU’s AI-forordning. Klassifikationen afhænger af systemets tilsigtede formål og den konkrete anvendelse. En forskningsassistent, et system der indgår i et reguleret medicinsk produkt, og et værktøj der træffer beslutninger om patientbehandling kan derfor være underlagt forskellige krav.

Organisationen må skelne mellem den generelle model, den applikation der bygges omkring modellen, og den endelige anvendelse. Leverandørens verificering af forskningsmiljøet dokumenterer ikke automatisk risikostyring, datakvalitet, teknisk dokumentation, menneskeligt tilsyn eller de øvrige krav, som kan gælde for et konkret højrisikosystem.

Den skelnen svarer til forskellen mellem en model og et færdigt AI-workflow eller en AI-agent. Rettigheder, værktøjer, data og menneskelige godkendelser opstår ofte i applikationen, ikke i grundmodellen alene.

Hvilke kontroller bør en organisation have?

Den delte ansvarsmodel virker kun, hvis organisationen kan opdage og håndtere brug uden for det godkendte formål. En praktisk kontrolkæde kan bestå af:

• navngivne ejere af hvert godkendt projekt og regelmæssig kontrol af brugeradgang,
• separate nøgler og miljøer til Standard Use og High-risk Use,
• begrænsning af de datasæt, filer, laboratorieværktøjer og eksterne systemer en agent kan nå,
• menneskelig godkendelse før forsøg, indkøb, eksterne uploads eller irreversible handlinger,
• lokal logning, der kan sammenholdes med leverandørens advarsler uden at skabe unødvendige kopier af følsomme data,
• en procedure for spærring af adgang, intern undersøgelse og eventuel myndighedsrapportering.

Kontrollerne bør afprøves med realistiske hændelser, eksempelvis en kompromitteret konto eller en agent, der afviger fra projektets ramme. Godkendelse ved programmets start er ikke det samme som løbende kontrol af personale, integrationer og ændrede forskningsmål.

Hvad dokumenterer lanceringen ikke?

Anthropics lanceringsside beskriver programdesign og tilgængelighed, men indeholder ikke en uafhængig evaluering af, hvor mange legitime forespørgsler der nu besvares, hvor præcist overvågningen finder misbrug, eller hvor ofte administratorer får falske advarsler.

Den dokumenterer heller ikke klinisk effekt, sikkerheden af et bestemt eksperiment eller myndighedsgodkendelse af et produkt. Udsagn fra deltagende virksomheder er erfaringer og forventninger, ikke kontrollerede resultater.

Offlineovervågning skaber desuden et tidsrum mellem en handling og en mulig reaktion. Begrænsede værktøjsrettigheder og menneskelig godkendelse er derfor stadig nødvendige, hvis en AI-agent kan påvirke laboratorieudstyr, bestille materialer eller ændre produktionsdata.

Hvad bliver afgørende for programmets værdi?

LSVP kan blive en model for adgang til AI-kapaciteter, hvor almindelige filtre både begrænser legitimt arbejde og beskytter mod alvorligt misbrug. Dets værdi vil afhænge af, om verificeringen kan skaleres uden at blive overfladisk, og om overvågningen opdager afvigelser uden at kræve mere følsom dataindsamling end nødvendigt.

Det bliver også relevant at følge, hvilke lande og organisationstyper der faktisk får adgang, hvordan hændelser håndteres, og om Anthropic offentliggør målinger af programmets fejl og effekter. Ved lanceringen er det et betaprogram med en beskrevet kontrolmodel, ikke dokumentation for at spændingen mellem forskningsfrihed og biologisk sikkerhed er løst.

Hvilke kilder ligger til grund?

Artiklen bygger på Anthropics lancering af Life Sciences Verification Program og selskabets rapport om misbrug af AI. GDPR-afgrænsningen følger Datatilsynets vejledning om cloud og datatyperne i databeskyttelsesforordningen. AI-forordningens klassifikation er holdt op mod EU-Kommissionens retningslinjer for højrisikosystemer.