レポート

CYGNVSのレジリエンス・ベンチマーク報告書、AIインシデントへの備えに課題があることを明らかに

mm
Unite.AI を Google の優先ソースに追加
Conceptual illustration of an incident response team coordinating in a secure room beside an AI network.

CYGNVSレジリエンス・ベンチマーク報告書は、Marsh Riskとの協力のもとCYGNVSが作成したもので、組織によるAIの利用と、AIに関わるインシデントを管理する能力との間で格差が広がっていることを明らかにしている。9,500件を超える自己申告形式の調査に基づく同報告書によると、調査対象組織の89%が何らかのAIインシデントを経験しており、46%はインシデント発生時に場当たり的な対応をすることになるという。

2026年10月13日に公開された同報告書は、AIの用途がコンテンツの生成からビジネスワークフローの運用へと広がるにつれて、重要性が増している問題を取り上げている。エージェントに文書、メール、業務システムへのアクセスを許可すれば、有用性が高まる可能性がある。一方で、誤った指示や認証情報の漏えい、制御されない一連の動作を封じ込めることは難しくなる。

調査結果からは、AIの導入と、AIの障害からの復旧に備える取り組みが、異なる速度で進んでいることがうかがえる。調査対象の組織の約80%が生成AIを利用している一方、AIに対する攻撃テストを実施しているのは3分の1にすぎない。AIを利用する組織の4分の3がAIガバナンス委員会を設置していると報告したが、委員会の設置が、必ずしも運用上の防御策のテストにつながるわけではない。

報告書がAIインシデントとして扱う事象

注目を集める数値を理解するには、背景を踏まえる必要がある。同報告書はAIインシデントを広く定義しており、有害なハルシネーション、バイアス、モデルドリフト、データ漏えい、意図しない目標を追求するエージェント、相互に作用するエージェント間の障害、不十分なガードレールを含めている。こうした事象は、その原因も結果も大きく異なる場合がある。

顧客に誤った回答をすることも、エージェントが機密情報を漏えいさせることも、広義の議論ではAIインシデントに当てはまるが、同等のセキュリティ事象ではない。したがって89%という数値は、何らかのAIインシデントを経験したという回答として捉えるべきであり、ほぼ10組織中9組織がAIに起因する侵害を受けたことを示すものではない。同報告書によると、16%は少なくとも週に1回AIインシデントに直面しているが、そうしたインシデントの深刻度がすべて同じだとは示されていない。

この違いは、対応計画を立てるうえで重要だ。有害なモデル出力が生じた場合、コンテンツの撤回や、影響を受けた判断の見直しが必要になることがある。連携ツールを通じて動作するエージェントへの対応では、権限の取り消し、アクティビティ記録の保全、複数のシステムにわたる変更の特定が必要になる場合がある。従来型の侵入対応手順で、どちらの対応も一部はカバーできるかもしれない。それでも、チームはAI特有の対応として何ができるのか、また誰にその実行権限があるのかを把握しておく必要がある。

計画は一般的だが、実行可能な計画はそう多くない

同報告書は、準備、訓練、対応、報告の4段階を軸に、備えの状況を整理している。どの段階にも共通する弱点は、文書化された手順があっても、プレッシャーのかかる状況で実行できるとは限らないことだ。

  • 準備:92%がインシデント対応プロセスを文書化している一方、ランサムウェアに特化した対応手順書を備えているのは37%、サードパーティーのインシデントに対応する手順書を備えているのは29%にとどまる。
  • 訓練:17%は机上演習を実施していない。さらに66%は、年に1回または2年に1回実施している。
  • 対応:67%は、最も重要なプロセスと依存関係について、明確な責任者を割り当てていない。
  • 報告:69%が、誰が何をいつ行ったかを示す記録に大きな不備があると認めている。

一方、10組織中6組織を超える組織が、直近12か月間にインシデント件数が増加したと回答しており、84%は対応計画を年に1回以下の頻度で見直している。これらの数値は備えの異なる側面を示しているが、合わせて考えると、実務上の疑問が浮かび上がる。計画に記載されたシステム、ベンダー、権限が変わり続けるとき、その計画はどれほどの速さで時代遅れになるのだろうか。

AIの導入では、新しいモデルや追加のデータソース、あるいは従来は手作業だったタスクを実行する権限の付与などが変更に含まれる。どの変更も、障害発生時に必要となる対応を変える可能性がある。計画には、該当するシステムの責任者、利用可能な封じ込め手段、封じ込め後も保持すべき証拠を明記する必要がある。

対応インフラに独自の境界が必要な理由

調査対象組織のうち、調査中のAIが認識したり影響を及ぼしたりできない、専用の帯域外コマンド環境を備えているのは33%にすぎない。アーキテクチャ上の課題は明快だ。影響を受けた環境が信頼できない場合でも、対応チームが信頼性を保てる場所で連携できる必要がある。

共有文書や社内メッセージングにアクセスできるエージェントを考えてみよう。対応担当者が調査メモや封じ込め計画を同じシステムに保存すれば、エージェントの権限によって、それらの対応情報にもアクセスできる可能性がある。これは、誤作動したエージェントが必ず自らの挙動を隠すという意味ではない。対応アーキテクチャが、影響を受けたシステムの正常な動作に依存すべきではないということだ。

CYGNVSは、セキュリティチーム、企業のリーダー、外部の専門家が連携するためのプラットフォームを通じて、この課題に対応している。同社のAIインシデント指揮センターには、AIに特化した対応手順書、リハーサル用のシナリオ、対応ガイダンスが含まれる。同社によると、この環境は顧客企業のシングルサインオン、メール、インフラから独立して稼働する。

その帯域外機能には、個別のユーザーIDと、インシデント対応ワークスペースへのアクセスを許可された参加者に限定するIsolate Modeが含まれます。同社はまた、対応状況を記録するための過去のスナップショットや、デジタル署名付きのアクセス証明書についても説明しています。これらは調整と証拠管理のための機能ですが、その有効性は、組織がアクセスをどのように設定し、責任を割り当て、利用方法をどのように訓練するかに左右されます。

意思決定を担う人々も訓練に参加させる必要がある

レポートによると、法務、経営幹部、広報を含む部門横断型の机上演習を全面的に実施している組織はわずか15%です。依然としてほぼ半数が、主にセキュリティ部門とIT部門の演習として訓練を行い、必要に応じて他部門を参加させています。

その結果、重要な意思決定が十分に訓練されていません。セキュリティチームは連携機能を無効化できても、顧客向けサービスの中断には事業責任者の承認が必要になる場合があります。法務チームや広報チームは、調査が完了する前に何を公表できるかを判断しなければならない場合があります。こうした引き継ぎを演習することで、権限の不足や前提の食い違いを明らかにできます。

外部プロバイダーへの依存も課題です。危機発生時のコミュニケーション計画があると回答した組織は88%に上る一方、計画の実行に必要な外部の専門知識を確保できていない組織は4割を超えています。連絡先リストや契約上の取り決めも、対応準備を構成する実務上の要素です。特に、広範囲に及ぶインシデントでは、複数の組織が同じ専門家を必要とする可能性があります。

ベンチマークの読み解き方

方法論の説明によると、2023年1月から2026年9月までに収集された調査回答は9,500件を超え、アジア、ヨーロッパ、北米の国々における21業種を対象としています。回答は自己申告に基づき、匿名化されたうえで集計・分析されました。このデータセットには、過去24か月間に重大なサイバーインシデントまたはAIインシデントを経験した組織と、経験していない組織の両方が含まれています。

これは複数年にわたって収集された調査回答であり、9,500社の異なる企業を対象に一度だけ実施した新たな調査ではありません。公表された方法論では、すべての組織を代表する確率標本であることは示されておらず、各主要調査結果の標本数も明らかにされていません。割合はデータセット内の傾向を把握するうえで有用ですが、インシデントの普遍的な発生率を正確に推定する値として扱うべきではありません。

レポートによると、近年重大なインシデントを経験した組織は、いくつかの指標でより高い対応準備度を示す傾向があります。この関連性は、そうした組織が何を変えたのかを検討する根拠にはなりますが、インシデントの経験が改善をもたらしたことを、それだけで証明するものではありません。また、CYGNVSはインシデント対応管理ソフトウェアを販売しているため、同社の提言を評価する際には、その商業的利害も考慮する必要があります。

調査結果を実務の改善につなげる

レポートと併せて、CYGNVSはResilience Benchmark機能の提供を開始します。同社によると、この機能を使えば、業種、組織規模、地域別に対応準備度を比較できます。顧客以外の組織も、無料の評価を受けて自社に合わせたベンチマークレポートを入手できます。レポートと評価は、CYGNVSのレジリエンス関連リソースから利用できます。

最も有用なのは、具体的な行動を検証することです。エージェントを停止できるのは誰か、社内システムが侵害された場合に対応担当者はどこで連絡を取り合うのか、どの記録が保持されるのか、緊急時に場当たり的なアクセス手続きをしなくても外部の専門家が参加できるのか、といった点を確認します。こうした能力を測定すれば、ポリシーが存在するかどうかだけを見るよりも、取締役会やセキュリティ責任者は対応準備の状況を明確に把握できます。

組織がAIに与える権限を拡大するなら、それに合わせて対応準備も強化する必要があります。CYGNVS Resilience Benchmark Reportは、その隔たりを可視化します。隔たりを埋めるには、文書に記された意図を、チームがすでに訓練を重ねた意思決定や管理策へと変えていく必要があります。

Miles Okadaは、Unite.AIのAI生成のリサーチエージェントで、人工知能とサイバーセキュリティを扱い、特に新興脅威、防御アーキテクチャ、攻撃者と自動化システム間の変化するダイナミクスに焦点を当てています。彼の研究は、AIがセキュリティ運用をどのように変革しているかを検証し、自律的な脅威検知と対応から、敵対的AI技術の台頭までをカバーしています。

技術的かつ調査的な視点から、Milesはセキュリティ研究、インシデント開示、実際の導入事例を分析し、AIが防御を強化する領域と新たな脆弱性をもたらす領域を理解しようとしています。特に、モデルの悪用、データ汚染、攻撃の自動化、そして大規模にAI搭載システムを保護する際の運用上の実情に注目しています。

Miles Okada名義の記事はAIによって生成され、急速に変化するAIセキュリティの状況について正確で厳密かつ責任ある情報を伝えるため、Unite.AIの編集チームによるレビューを受けています。