投稿者 global-ai-media 
米国のステルススタートアップNoveeが5,150万ドル（約75億円）の巨額調達を行い、AIエージェントを活用したペネトレーションテスト（侵入テスト）市場への本格参入を果たしました。人間の専門家とAIが協調して脆弱性を学習・発見するこの新しいアプローチは、セキュリティ人材が慢性的に不足している日本企業にとって、セキュリティ運用のあり方を根本から変える可能性があります。
静的な診断から、AIによる「継続的学習」へのシフト
セキュリティ業界において、ペネトレーションテスト（システムの脆弱性を特定するために、あえて攻撃を仕掛けるテスト）は長らく人間のホワイトハッカーの独壇場でした。しかし、今回のNoveeの事例が示唆するのは、AIエージェントが単なる自動ツールを超え、能動的な学習能力を持ち始めているという事実です。
特筆すべきは、人間とAIの連携モデルです。AIが見逃した脆弱性を人間が発見した場合、そのシナリオをシミュレーション環境で再現し、AIに繰り返し学習させるプロセスが組み込まれています。これにより、AIは過去の失敗から学び、次回以降のテスト精度を向上させることができます。従来の静的な自動スキャンツールとは異なり、組織固有のシステム構成や攻撃パターンに適応していく「育てるセキュリティ」が可能になるのです。
日本企業の課題：人材不足と「点」のセキュリティ
日本国内のセキュリティ事情に目を向けると、多くの企業が外部ベンダーによる「年1回の定期診断」に依存しています。しかし、サイバー攻撃の手法は日々進化しており、リリースサイクルが高速化する現代のDevSecOps（開発・セキュリティ・運用の統合）環境において、年1回のチェックではリスクをカバーしきれません。
また、日本は欧米に比べて高度なセキュリティ専門家（ホワイトハッカー）の採用難易度が極めて高く、人件費も高騰しています。こうした背景から、24時間365日、休まずにシステムを擬似攻撃し続け、脆弱性を洗い出すAIエージェントの導入は、日本の「守りの弱点」を補完する強力な選択肢となり得ます。特に、サプライチェーン攻撃への対策が急務となっている製造業や、顧客データを大量に扱う金融・サービス業においては、内製化支援ツールとしての期待も高まります。
AI任せのリスクと限界
一方で、AIによるペネトレーションテストを万能薬と捉えるのは危険です。AIモデルは依然として「ハルシネーション（もっともらしい嘘）」のリスクを抱えており、存在しない脆弱性を報告して現場を混乱させる（フォールスポジティブ）可能性があります。
さらに重要なのは「ビジネスロジックの脆弱性」です。技術的なバグ（SQLインジェクションなど）の発見はAIが得意とするところですが、「仕様上は正しいが、業務フローとしては不正が可能」といった文脈依存の欠陥を見抜く能力は、依然として人間が優位です。日本の商習慣や独自の組織構造に深く根ざしたシステムの場合、海外製のAIツールがコンテキストを理解できず、重要なリスクを見落とす懸念も残ります。
日本企業のAI活用への示唆
今回の事例およびAIセキュリティの潮流を踏まえ、日本企業の意思決定者やエンジニアは以下の視点を持つべきです。
- 「点」から「線」への転換：
法規制やコンプライアンス対応のための「年1回の儀式」としての診断に加え、AIを活用した「常時継続的な診断」を導入し、Attack Surface（攻撃対象領域）を常に監視する体制へシフトする必要があります。 - 人間とAIの役割分担の明確化：
AIは広範囲・高頻度のスクリーニングに活用し、人間の専門家はAIが指摘した箇所の検証や、高度なビジネスロジックの診断に集中させるべきです。これにより、限られたセキュリティ予算と人材リソースを最大化できます。 - ベンダー依存からの脱却とガバナンス：
AIツールを導入することで、ある程度の診断を自社で完結（内製化）できる可能性が広がります。ただし、ツールの選定にあたっては「AIが何を学習しているか」「データが外部に流出しないか」といったガバナンス面での確認が不可欠です。 - 攻撃者もAIを使うという前提：
防御側がAIを使うのと同様、攻撃者もAIを使って脆弱性を探しています。「人間がチェックしたから大丈夫」というこれまでの常識を捨て、AIのスピード感に対抗できる防御体制を構築することが、今後の経営リスク管理の要となります。