a16z CISO調査、2027年の最優先事項はAI――SOC導入は18%
a16zは、最高情報セキュリティ責任者（CISO）100人を対象とした調査を発表した。運用導入は限られているにもかかわらず、AIが2027年の優先事項を支配していることが示された。a16z CISO調査では、87%がセキュリティ支出の増加を予想している。一方で、脅威の調査や対応を支援するAIセキュリティオペレーションセンター（SOC）ツールを本番利用していると答えたのは18%にとどまった。
10月28日に発表されたこの調査は、従業員1,000人超の企業におけるセキュリティ責任者を対象としている。2027年に向けた主要施策の上位7件はすべてAIに関わるものだ。SOC自動化は最多の1位票を獲得した。社内AIエージェントのセキュリティ、SOC自動化、攻撃的セキュリティが、優先度の伸びで最も大きかった。攻撃的セキュリティとは、悪用可能な弱点を明らかにするため、認可を得たうえでシステムへの侵入を試みるテストを指す。
中心にある緊張関係は、支出の緊急性と導入準備の差だ。企業は自動化された防御を求める一方、自社のAI導入が新たな露出を生み出している。Microsoftはすでに既存製品内でセキュリティエージェントを提供しており、購入者には具体的なプラットフォームの選択肢がある。セキュリティ責任者が問うべきなのは、こうしたシステムにどの責任を確実に担わせられるか、そしてそれらの責任にどの程度の監督がなお必要かという点だ。
a16z CISO調査では、導入準備が支出の緊急性に後れを取っている
2027年のセキュリティ優先事項は、予算増加をAI対応の脅威と、エンタープライズAI導入によって拡大する攻撃対象領域に結び付けている。攻撃対象領域には、攻撃者が潜在的に悪用できるシステム、接続、権限が含まれる。この調査結果では、防御の自動化と社内AIの保護が、同じ支出の議論に置かれている。
この調査はAIセキュリティへの需要を示す一方、個々の製品の有効性については結論を出していない。
この区別が重要なのは、予算予測が意図を測るものであるためだ。本番導入は、組織がある機能を実運用で使用しているかを測る。どちらの数字も単独では、その機能がインシデントを減らすか、調査を改善するか、監督後にアナリストの時間を節約するかを示すものではない。
87%と18%の数値も、異なる問いを表している。前者は全体的なセキュリティ支出の見通しに関するものだ。後者は特定の製品カテゴリにおける現在の導入状況に関するものだ。両者を差し引けば、満たされていない需要を示すかのような誤解を招く指標になってしまう。
意義は、その対比にある。セキュリティ責任者は追加支出を見込む一方、注目度の高いAIセキュリティカテゴリの運用利用は依然として限定的だ。この組み合わせは、最終的な姿がまだ定まっていない購買機会を示している。
ベンダーにとって、機会にはソフトウェア販売だけでなく、評価や実装支援も含まれる。購入者は、重要な責任を製品に委ねる前に、それが自社環境に適しているかを判断する必要がある。説得力のあるデモでも、実運用に関するすべての疑問には答えられない。
購入者にとって、支出増は説明責任の問題を生む。セキュリティ責任者は、追加投資によって何が変わるのかを説明しなければならない。処理されるアラートが増えることは有用に聞こえるが、組織が重要な脅威をより早く特定できるかどうかは依然として明確ではない。
同じ懸念は社内AIの保護にも当てはまる。これまで把握されていなかったエージェントを発見することは可視性をもたらす。しかし、セキュリティチームがその可視性を、アクセス、所有権、許容可能な活動に関する意味のある判断につなげられるかどうかで、事業上の利益は左右される。
a16zのセキュリティ優先事項について説明を求める読者にとって、最も妥当な解釈は、セキュリティ予算が支えるべき業務の変化だ。この調査結果は、普遍的な導入順序を示すものではない。組織ごとに、関心から運用責任へ移る過程で異なる制約に直面する。
この区別は、より広範な市場に関する主張にも制約を与える。回答者は大企業のセキュリティを統括している。その優先事項が、人員配置や実装負担の異なる小規模組織を自動的に表すわけではない。
この調査は、企業の購買圧力を切り取ったスナップショットを示している。最も有用な示唆は、ベンダーがモデル能力に関する問いと並行して、運用準備に関する問いにも向き合うことになる点だ。
防御を購入する企業は、同時に守るべき対象も拡大している
AIは、つながり合う二つの側面を持つ予算問題を生む。セキュリティチームは、より多くの防御業務を処理するソフトウェアを求める。他部門は、文書へのアクセス、アプリケーションの操作、業務タスクの完了を担うAIシステムを求める。
生産性向上のためにAIを導入する組織は、その導入を有用にする権限についても責任を負うことになる。
AIエージェントは、モデルと接続されたツールを使ってタスクを実行するソフトウェアだ。エージェントに有用なツールを与えると、それが何を読み取り、変更し、送信できるかについての判断が必要になる。こうした判断により、AI導入はアクセス管理の問題となる。
社内リサーチアシスタントを導入する例を考えてみよう。承認済み文書を読むことと、共有ファイルを編集したり、社外へ情報を送信したりすることでは、露出の性質が異なる。基盤となるモデルは変わらなくても、システムがもたらす事業上の影響は拡大し得る。
この違いは、セキュリティ責任者、アプリケーション所有者、調達チームに負荷をかける。回答品質に焦点を置いた製品レビューでは、委任されたアクセスに関する問いを見落とす。初期導入だけに焦点を当てたセキュリティレビューでは、その後の変更を見落とす可能性がある。
NISTの研究者であるBill Fisher氏とRyan Galluzzo氏は、エージェントのアイデンティティリスクについての議論で、関連する懸念を指摘している。両氏は、認証情報の共有、過剰な権限、長期にわたり有効なアクセス認証情報について警告する。また、過剰な人間による承認要求は、同意疲れを引き起こす可能性があると注意を促している。
ここから得られる示唆は、既存のセキュリティ慣行が時代遅れになったと断じるほど広範ではない。エージェント導入は、アイデンティティと認可、すなわち識別された主体が何を実行できるかを決めるプロセスにおける既知の弱点を露呈させる。既存の統制は引き続き有効だが、その実装では自動化された活動を考慮する必要がある。
これは、エンタープライズAIの推進者に実務的な緊張を生む。アクセスを制限すれば有用性を下げる可能性がある。アクセスを広げれば、ミスや侵害の影響を大きくする可能性がある。セキュリティ支出は、モデルそのものの精度と並行して、この関係に対処しなければならない。
この圧力はナレッジワーカーにも及ぶ。日常的な情報ワークフローには、接続されたAIがますます関与している。文書の検索、通信内容の要約、共有資料の作成は、それぞれ異なる権限境界をまたぐ可能性がある。一見単純なアシスタントでも、複数のシステムに関与し得る。
個人とチームのナレッジの違いは、この議論の有用な出発点となる。企業の判断では、接続されたソフトウェアが取得した情報を使って何を実行できるかも考慮する必要がある。ナレッジへのアクセスと行動する権限は、別々に精査すべきだ。
ここでa16z AIセキュリティの影響が具体化する。事業側は、より広いアクセスによる生産性向上を望む一方、セキュリティ部門は結果として生じる露出への責任を負い続ける。追加支出は、同じ運用環境の中で両方の目標を支える必要がある。
この関係は、なぜ社内エージェントの保護が防御自動化と並んで位置付けられるのかを説明する。ソフトウェアが異なる部門を支える場合でも、いずれも組織の権限を伴って動作するソフトウェアに関わるものだ。
SOC自動化は、無制限の権限ではなく特定の業務を通じて進展する
SOC自動化が注目を集めるのは、セキュリティ調査に反復可能な作業が含まれるからだ。アナリストは証拠を収集し、シグナルを比較し、不審な活動を評価し、追加対応が必要かを判断する。こうした手順には、明確に識別できる支援機会がある。
運用上の価値は、範囲を限定した業務を確実に完了し、未解決の判断を適切な担当者へ引き渡せるかにかかっている。
Microsoftは、フィッシングトリアージエージェントを通じて具体例を示している。フィッシングとは、受信者をだまして情報を開示させたり、有害な行動を取らせたりするために設計された欺瞞的なメッセージを指す。Microsoftによれば、このエージェントはユーザーが報告したメールを分類し、その判断を説明し、アナリストからのフィードバックを支援する。
文書化されたワークフローは、分類ごとの違いを明確にしている。エージェントは、誤検知と判断した報告を解決できる。実際の脅威と分類されたメッセージは、アナリストによる調査のために開いたままとなる。この区分は、ベンダーがインシデント対応の全責任を主張せずに、調査の一部を自動化できることを示している。
この例は、比較上の優位性を証明するものではない。Microsoftの文書は自社製品と想定される動作を説明している。特定の組織における性能を評価するには、依然として独立したテストが必要となる。
ただし、導入が正確なモデルを選ぶこと以上の意味を持つ理由は示している。エージェントには、適切なアクセス、関連する証拠、既存ワークフロー内での明確な位置付けが必要だ。アナリストにも、その結論を評価するのに十分な情報が必要となる。
購入者にとって、結果として生じる比較は完了した業務に関わる。既存プラットフォームは、すでに利用されているシステムとの統合を提供できる。専門ベンダーは、特定タスクのより優れた処理によって優位性を得ようとする。どちらの道筋も、製品カテゴリだけで勝敗が決まるわけではない。
比較は、割り当てられた責任によっても変わる。証拠を要約することは、システムに一つの負担を課す。アラートを解決することは、別の負担を課す。従業員の業務を中断する行動を取ることには、明示的な検討を要するさらなる影響が伴う。
これは、18%という導入率がAI SOC製品に対する単純な評価として使えない理由の説明にもなる。導入の限定性は、統合、評価、ガバナンスに関する未解決の問題を反映している可能性がある。調査結果だけでは、どの説明が当てはまるかを特定できない。
また、本番利用は広範な自律性を保証するものでもない。導入済みのツールは、確立された制限の下で限定的なタスクを実行している場合がある。購入者とベンダーは、導入に関する主張を比較する前に、その範囲を説明する必要がある。
運用上の区別は、ベンダーがアナリストの時間削減を説明する際に特に重要になる。有用な評価には、結果のレビュー、エラーの調査、統合の維持に必要な労力を含めるべきだ。総活動件数だけでは、それらのコストは明らかにならない。
より広いa16z AIセキュリティの影響は、製品がこうした境界を理解しやすくするかにも一部左右される。責任が明確であれば、購入者は利点を評価し、失敗を特定しやすくなる。責任が曖昧であれば、どちらの判断も難しくなる。
したがって、SOC自動化はエンタープライズAIセキュリティ支出への具体的な入り口を提供する。その導入は、セキュリティチームが既存の責務の中で認識、測定、監督できる業務に左右されるだろう。
発見の高速化は、その後に続く作業への圧力を高める
攻撃的セキュリティの台頭は、第二の能力に関する問いを生む。弱点を発見しても、組織がどの発見事項が重要かを判断し、対処できなければ価値は限られる。自動化された発見は、負荷を後工程へ移す可能性がある。
より多くの検出結果が防御力の向上につながるのは、チームが関連する検出結果を完了済みの変更へと転換できる場合に限られる。
これは調査で測定された成果ではなく、テストの高速化から導かれる分析上の含意である。セキュリティ業務は組織の境界をまたぐため、重要な意味を持つ。露出状況が変わるまでには、検出結果の調査、エンジニアリング部門による担当、テスト、リリース判断が必要になる場合がある。
脆弱性を持つ社内アプリケーションを例に考えてみよう。テストシステムが悪用可能な経路を特定し、詳細な説明を生成する。アプリケーションの所有者は、影響を受けるサービスを理解し、提案された変更が業務運用を妨げないかどうかを判断しなければならない。
この引き継ぎの品質が結果を左右する。技術的に正しい検出結果であっても、担当が不明確なら未解決のまま残り得る。明確なレポートでも、影響を受けるシステムに運用上の制約があれば遅延に直面し得る。
これは、セキュリティ製品の購入担当者だけでなく、エンジニアリングマネージャーにも負荷をかける。彼らのチームは、新たな検出能力によって生じる作業を引き継ぐ。こうした作業負荷を考慮せずにセキュリティ製品を評価すると、組織への影響が見えにくくなる可能性がある。
同じ区別は自動修正にも当てはまる。提案されたコード変更を生成することは、候補となる解決策を生み出す。変更が必要な動作を維持し、露出を除去することを確認するには、追加の証拠が必要となる。
AIを活用した攻撃は、この緊急性の背景を示している。2025年11月、Anthropicは、Claude Codeの悪用を伴うAIが指揮したスパイ活動キャンペーンについて説明した。同社によると、攻撃者はこのシステムをおよそ30の標的に対して使用し、少数のケースで成功したという。
この説明は、あくまで提供事業者による調査と評価である。攻撃ワークフロー全体にわたる自動支援への懸念を裏付けるものではある。しかし、すべての攻撃者が自律的に活動できることや、人間の判断が不要になったことを示すものではない。
購入に関する含意はより具体的だ。購入者は、関連する露出を特定してから対応を完了するまでの時間を短縮するよう求められている。最初の段階だけを加速する製品では、この圧力の一部は解消されない。
これにより、攻撃的セキュリティ製品を比較するための有用な基準が生まれる。ある製品は、より多くの潜在的な弱点を特定するかもしれない。別の製品は、検出結果を再現、割り当て、解決しやすくするかもしれない。適切な比較は、購入者が実際に抱えるボトルネックによって決まる。
未解決の検出結果への対応にすでに苦慮している組織では、発見の追加だけで優先順位付けが複雑になる可能性がある。テスト範囲が限られる組織にとっては、発見範囲の拡大が実際の不足を補える。同じ能力でも、運用面では異なる結果をもたらし得る。
調査で示された優先順位の変化は、この区別をより緊急なものにしている。購入意欲の高まりにより、評価対象となる製品は増えるだろう。それらの製品がセキュリティを改善するかどうかは、導入されるワークフロー全体に左右される。
検出結果が示すのは購入者の意向であり、実証済みのセキュリティ成果ではない
a16z CISO調査は、企業の意識を把握するうえで有用な記録である。その検出結果は新興セキュリティ企業をめぐるより広範な投資論の中に位置づけられているため、限界にも注意を払う必要がある。
購入者の期待は市場仮説を支え得るが、製品の有効性や、どのベンダーが支出を獲得するかを立証・予測することはできない。
公開記事では、a16zが投資した企業が取り上げられている。この商業的な視点は回答の妥当性を損なうものではない。ただし読者には、報告された検出結果と、著者らによるスタートアップ機会についての結論を切り分ける理由を与える。
優先順位の上昇を解釈する際には、この区別が特に重要になる。あるカテゴリーが購入者の議題で上位に移るのは、問題の緊急性が高まったためかもしれない。だからといって、利用可能な製品が問題を十分に解決していることにはならない。
支出見通しについても、いくつかの結果は未確定のままだ。追加予算は、導入作業、専門ツール、既存ベンダー、あるいは他のセキュリティ上のニーズを支える可能性がある。見出しとなる割合だけでは、支出が最終的にそれらの選択肢へどう配分されるかを判断できない。
方法論はさらなる不確実性をもたらす。記事は、2027年に予定される優先順位と、回答者が記憶している2026年の優先順位を比較している。想起に基づく順位は、各時点で独立して収集・記録された回答を比較する場合とは異なる。
公開テキストでは、サンプリングや地域的な代表性に関する重要な疑問も未回答のままだ。読者は、結果をすべての大企業を統計的に代表する像として扱うべきではない。明示された回答者グループは、解釈に有用な境界を与える。
本番導入についても、同様の慎重さが必要だ。「本番」という言葉は、範囲や影響が異なる導入形態を含み得る。調査を支援するツールと、重大な変更を行う権限を持つエージェントでは、運用上の性質が異なる。
一貫した定義がなければ、将来の調査間の比較は誤解を招くものになり得る。見かけ上の増加は、タスク範囲の拡大、限定的に導入する組織の増加、あるいは回答者による既存ツールの分類方法の変化を反映している可能性がある。
したがって、18%という数字は、このサンプル内で報告された限定的な導入を示すにとどまる。失敗率、準備度スコア、信頼の直接的な指標を示すものではない。そうした主張には別種の証拠が必要になる。
独立した標準化活動は、製品中心の物語に対する有用な対抗軸となる。NISTのアイデンティティ分析は、確立された統制と実装上の規律を重視している。この観点は、AIを冠した製品を購入すれば根本的なガバナンス問題が解決するという示唆に疑問を投げかける。
a16zのセキュリティ優先順位について説明を求める読者にとって、この区別は重要である。調査は、購入者が何を重要と考えているかを記述している。購入がセキュリティを改善するかを評価するには、それが稼働する環境からの証拠が必要だ。
最も強い結論は、依然として焦点が明確である。AIは現在、これらの回答者の計画において中心的な位置を占めている。ただし、その結果として生まれる市場は、実装、測定可能な成果、そして誤りに対する責任に引き続き左右される。
支出が運用能力に転化するかを示す3つのシグナル
次の四半期には、購入者とベンダーが緊急性をどのように導入へ転換するかを示す証拠が得られるはずだ。最も有益な展開は、AI需要に関する大まかな主張を繰り返すのではなく、運用上の責任を記述するものとなる。
重要なシグナルは、より明確な導入範囲、測定可能なワークフロー成果、そしてエージェント権限に対する実装可能な統制である。
第一に、本番利用を定義する顧客開示に注目したい。有用な発表では、エージェントが実行する業務、アクセスするシステム、人間の介入を必要とする意思決定が明示される。この詳細により、導入に関する主張を解釈しやすくなる。
反復可能な調査タスクを対象とする導入は、段階的な拡大の根拠を支えるだろう。より広い責任範囲を示す証拠には、それに見合う、監督と影響に関するより明確な説明が必要になる。
反対に、導入範囲を省く発表では、現在の不確実性はほぼ残ったままとなる。顧客数だけでは、ツールが限定的な支援を超えたかどうかを説明できない。ベンダーが運用上の利用範囲の拡大を語る際、この区別は重要となる。
第二に、ワークフロー全体を測定する評価に注目したい。関連する証拠には、アナリストによるレビューの工数、エスカレーションの品質、システムがチームによる必要な対応の完了を助けるかどうかが含まれる。評価結果では、測定対象となるタスクと環境を説明すべきである。
攻撃的セキュリティでは、これは検出結果を解決へ結びつけることを意味する。SOCツールでは、自動分類の後に何が起きるかを検証することを意味する。適切な成果は、製品に割り当てられた責任によって異なる。
総作業負荷が低下したという公開証拠は、AIが防御能力を拡大するという見方を強めるだろう。大幅なレビューや手戻りを示す証拠は、実装が依然として大きな制約であることを示す。
こうした評価には、意味のある比較も必要だ。不明確な基準線に対して測定された結果は、購入者にほとんど何も伝えない。従来のプロセスを説明することで、読者は主張される改善が運用上の問題に対応しているかを理解できる。
第三に、エージェント・アイデンティティの原則から実働する実例への移行に注目したい。9月29日、NISTのNational Cybersecurity Center of Excellenceは、ソフトウェア開発を最初の実装ユースケースとして特定した。同組織のエージェント認可プロジェクトは、この環境における識別、認証、認可を実証する予定である。
認証はアイデンティティを検証し、認可は許可される行為を決定する。実働する実例は、組織がこれらの統制が連携した開発ツール全体でどのように機能するかを評価する助けとなり得る。この発表が示すのはプロジェクトの方向性であり、完成済みの普遍的標準ではない。
実務的なガイダンスは、企業がより明確な責任の下でエージェント利用を拡大できるという見方を強めるだろう。実装に関する不確実性が続けば、なぜセキュリティレビューが依然として負担の大きいものなのかを説明する助けとなる。どちらの結果も、調査が提起した導入準備度の問題に示唆を与える。
2027年の計画が進むにつれ、a16z CISO調査を実際の導入から得られる証拠と併せて読むべきだ。どの業務がアナリストのキューから移されたのか、どの判断が人に残されたのか、組織が露出を減らせたのかを問うべきである。社内エージェントについては、明確な所有責任と強制可能なアクセス制限を確認したい。セキュリティエージェントについては、監督と修正を含む結果を求めたい。こうした詳細は、有用な導入と野心的な評価を見分ける助けとなる。また、支出の増加が追加の防御能力を買っているのか、それとも主にその能力を確立するために必要な労力を支えているだけなのかも示す。次に意味のある更新は、これらのシステムが企業内で何を確実に実行するのかについての、より明確な説明である。次の導入に関する見出しから結論を導く前に、その説明を探すべきだ。
