AIサイバーリスク、金融機関の防御を上回る速度で拡大

Gigamonは、調査対象の金融機関の77%がAI関連の侵害を経験したと報告した。データ保護のためにAIツールを導入している企業は91%に上るにもかかわらずだ。2026年8月にGoogle Newsを通じて広まったこの調査結果は、難しい対立を浮き彫りにしている。銀行はセキュリティの自動化を加速させている一方で、攻撃者も同様の技術を使い、より速く行動し、その結果生じる複雑さを悪用している。

この調査は、報告されたすべてのインシデントがAIによって引き起こされたことを証明するものではない。ただし、金融機関が攻撃チェーン、標的システム、防御対応のいずれかでAIに関わる事例を増やしていることは示している。侵害を経験した回答者のうち98%は、金銭的損失、データ損失、保険料の上昇、規制上の影響を含む重大な事業影響があったと回答した。

この緊張関係は、現在では単一ベンダーが後援する調査の範囲を超えている。イングランド銀行、金融行動監視機構、英国財務省は、最先端モデルが脆弱性の発見と悪用を加速させる可能性を警告している。そのため金融機関は、インフラ防御のためにAIを導入する競争と、自動化によって新たな侵入経路を生まないようにする競争という、二つの競争を同時に管理しなければならない。

Google Newsで取り上げられた調査が実際に示したこと

中心的な発見は、銀行にセキュリティツールが不足していることではない。自動化と投資を増やしても、一貫して優れた統制にはつながっていないという点だ。

Gigamonは2026年7月8日、金融サービス分野の調査結果を公表した。調査対象は、オーストラリア、フランス、ドイツ、シンガポール、英国、米国のセキュリティおよびIT部門のリーダー139人だった。これは、1,000人超の回答者を対象とする年次ハイブリッドクラウドセキュリティ調査の一部を成している。

同社によれば、金融サービス組織の66%はすでに、人の介入なしにAIがセキュリティ機能を開始することを認めていた。調査対象となった全業種での対応する割合は53%だった。この差は、金融業界が自律的または半自律的な防御へより速く移行していることを示唆している。

これらのシステムは、アラートの分類、デバイスの隔離、ポリシー変更、調査の開始といった行動を実行できる。その価値は速度にある。人間のアナリストは、大手銀行のエンドポイント、クラウドワークロード、IDシステム、アプリケーション、ネットワーク接続から発生するすべてのシグナルを調べることはできない。

それでも、同じ回答者は、可視化と統制が依然として難しいセキュリティ環境を説明している。金融セクター調査によると、77%がAIを伴う侵害を経験していた。さらに54%は、フィッシングやSMS詐欺を含むAI支援型ソーシャルエンジニアリングの増加を報告した。

47%は、AIまたは大規模言語モデルの導入環境を標的とする攻撃が増加したと回答した。このカテゴリーには、盗まれたモデル認証情報、公開されたアプリケーションプログラミングインターフェース、操作された入力、安全でないプラグイン、接続されたデータストアへの攻撃などが含まれ得る。

また、94%は検知能力と可視性の向上に向け、新たなセキュリティ技術へ投資したと回答した。しかし42%は、侵害の検知により時間がかかるようになったと述べた。この結果は、新たなツールを購入すれば自動的に対応時間が短縮されるという前提に疑問を投げかける。

問題の中心には断片化があるようだ。ハイブリッドクラウドのインフラを保護するうえで最大の課題として、52%が分断されたセキュリティツールを挙げた。ハイブリッドクラウドとは、プライベートシステム、パブリッククラウドサービス、そしてしばしば古いオンプレミス技術を、一つの運用環境に組み合わせたものだ。

各コンポーネントは、異なる形で活動を記録する可能性がある。あるツールはIDログインを捉え、別のツールはアプリケーションリクエストを捉え、さらに別のツールはネットワークトラフィックを捉える。これらのシグナルを迅速に結び付けられなければ、自動対応は不完全な状況認識に基づいて動作する可能性がある。

情報源についても精査が必要だ。Gigamonはネットワーク可視性およびオブザーバビリティ製品を販売しており、この調査は同社の商業的主張を直接裏付けるものでもある。その調査結果は回答者が報告した経験を示すものであり、独立監査済みの侵害一覧ではない。

サンプルは有用ではあるが限定的だ。対象は6カ国の金融セクターのリーダー139人であり、世界の金融システムを代表する国勢調査ではない。「AIを伴う侵害」や「重大な影響」といった定義も、回答者によって異なり得る。

こうした限界がシグナルを消し去るわけではない。割合は普遍的な測定値ではなく、認識されたエクスポージャーの指標として扱うべきことを意味する。重要なのは回答全体に見られるパターンだ。導入は拡大し、AI関連のインシデントは一般的であり、多額の投資にもかかわらず検知は依然として難しい。

金融機関は機会とエクスポージャーの両方を自動化している

銀行が圧力にさらされているのは、対応速度を改善する自律性が、行動、接続、障害発生が可能なシステムの数も増やすためだ。

金融機関にはサイバーセキュリティを自動化する強い理由がある。24時間稼働し、機密情報を処理し、顧客が継続的な利用を期待するサービスを支えているからだ。検知の遅れは、一つの侵害されたアカウントを、より広範な業務上の混乱へと発展させかねない。

AIは、防御側が手作業のチームでは処理できない量のテレメトリを処理する助けとなる。アラートの優先順位付け、異常行動の検知、インシデントの要約、封じ込め手順の提案が可能だ。成熟した環境では、アナリストが介入する前に、侵害されたデバイスを除外したり、不審なアクセスを取り消したりすることもできる。

問題は、こうしたシステムに実際のインフラ全体で行動させることにある。AIセキュリティエージェントには、ID管理、エンドポイントソフトウェア、チケット管理システム、クラウドコンソール、ネットワークポリシーへのアクセスが必要になる場合がある。権限が増えるほど対応能力は高まるが、エラーや侵害が発生した際の影響も大きくなる。

エージェント型AIは、この緊張関係をより鮮明にする。エージェント型システムは、定義された目標に向けて一連の行動を計画し実行できる。単に助言を生成する以上のことを行うため、組織はそのシステムが到達、変更、送信できる対象を統制しなければならない。

2026年のCambridge Centre for Alternative Financeの調査では、回答者の52%がエージェント型AIを導入していることが分かった。グローバル金融レポートでは、業界参加者352人、AIベンダー144社、規制当局130機関を調査した。

この調査では、ソフトウェアエンジニアリングが金融業界で最も成熟したAI活用分野として特定された。42%が全面導入を報告し、33%はシステムを開発中だった。これは、ソフトウェアエンジニアリングがAIをコード、リポジトリ、開発ツール、本番インフラへ直接接続するため重要である。

AI生成コードは正当な作業を加速させ得る。一方で、安全でないパターンを再現したり、チームが評価していない依存関係を導入したり、レビュー担当者が綿密に確認できる量を超える変更を生み出したりする可能性もある。同レポートは、生成コードの量と速度によって、従来の手作業レビューの有効性が低下していると述べた。

人間による監督の喪失は、ステークホルダーグループ全体の回答者51%が挙げた主要な懸念事項だった。これは、企業があらゆる定型的な行動に手動承認を残す必要があるという意味ではない。マシン速度でも有効に機能する統制が必要だという意味である。

こうした統制には、限定的な権限、完全な活動ログ、テスト済みのロールバック手順、推奨と自律実行の明確な境界が含まれる。また機関は、各判断にどのモデル、データソース、プラグイン、システムアカウントが関与したかを把握する必要がある。

その代替となるのは、説明責任を伴わない自動化だ。セキュリティチームはAIツールがファイアウォールルールを変更したことを把握していても、その理由を確認するのに十分な文脈を持たないかもしれない。そうなると、攻撃が続くなかで調査担当者は貴重な時間を費やして行動を再構築することになる。

従業員が未承認のAIサービスを導入すると、課題はさらに大きくなる。従業員が顧客情報を公開アシスタントに貼り付けたり、AIプラグインを共有ドライブに接続したり、リポジトリアクセスを持つコーディングツールをインストールしたりする可能性がある。こうした行動は、通常の調達・セキュリティプロセスの外でデータ露出を生み出し得る。

攻撃者も同じように、障壁が下がる恩恵を受ける。生成モデルは、もっともらしいフィッシングメッセージの作成、誘導文の翻訳、文体の変更、盗んだ情報を利用した詐欺の個別化を可能にする。音声や画像の生成は、なりすましの試みをより説得力のあるものにし得る。

AIが攻撃者によるアクセス、インフラ、実行の必要性をなくすわけではない。作戦の一部に必要な時間とスキルを減らすのである。この変化により、より多くのキャンペーンを同時に展開できるようになり、防御側が反復的なパターンを特定するための時間は短くなる。

そのため金融機関は、避けられない対応を迫られている。マシン速度の脅威に対抗するため十分に自動化しつつ、あらゆる自動システムに与える権限を制限しなければならない。動きが遅すぎればアナリストは対応しきれなくなる。統制なしに進めば、ネットワーク内部に新たな特権的アクターを生み出すことになる。

真の競争は自動化と統制の間にある

主な対立は、銀行と一群の攻撃者との間にあるのではない。マシン速度の自動化と、より遅い統制サイクルを中心に構築された組織との間にある。

従来の金融統制は、重要な変更が定義された段階を経ることを前提としている。ある人がアクセスを要求し、別の人が承認し、システムがその判断を記録する。ソフトウェアリリースはテスト、レビュー、計画された導入を経る。

AIはこれらのサイクルを圧縮する。防御エージェントは数秒以内にシグナルを評価し、行動を起こせる。攻撃側のモデルは、従来のセキュリティワークフローがパッチを承認するより速く、ソフトウェアをスキャンし、エクスプロイトを提案し、手順を調整できる。

イングランド銀行の2026年7月版Financial Stability Reportは、この加速をシステムレベルの懸念となり得るものとして説明した。安定性評価では、最先端AIが金融機関や市場インフラに対する攻撃の高度化と影響拡大を招く可能性があるとした。

同レポートは、最近のモデルが限定的な人間の入力で、脆弱なシステムに対する複数段階の攻撃を実行できることを示す証拠を引用した。ある管理されたリバースエンジニアリング課題では、最先端モデルは10分22秒で作業を完了した。人間の専門家は約12時間を要した。

管理された評価が、厳重に防御された銀行への攻撃成功に直接結び付くわけではない。しかしそれらは、速度差が業務上無視できないものになりつつあることを示している。週次の優先順位付けを前提に設計された対応プロセスは、脆弱性の発見が数時間以内に拡大する状況では機能しない可能性がある。

同レポートはまた、大手ソフトウェアプロバイダーにおける脆弱性発見件数の急増についても述べた。ベンダーが安全に評価・修正できる場合、正当な発見の増加は防御側に利益をもたらす。だが、その量がテストと導入の能力を上回れば負担となる。

パッチ適用そのものにもリスクがある。銀行は、決済、ID管理、取引、顧客サービス、報告を扱う大規模かつ相互接続されたアプリケーションに依存している。急いだ更新は、実際のセキュリティ上の弱点を閉じる場合でも、重要な業務サービスを中断させる可能性がある。

そこには不都合なトレードオフが生じる。パッチサイクルを遅らせれば、既知の弱点が露出したままとなる。サイクルを速めれば、共有システム全体でのエラー、停止、互換性のない変更のリスクが高まる。

一般的なテクノロジー供給企業は、影響をさらに増幅させる可能性がある。多くの金融機関は、同じクラウドプラットフォーム、アイデンティティサービス、ソフトウェアライブラリ、基盤モデルプロバイダーに依存している。そのため、単一の脆弱性が、各組織が自らのエクスポージャーを把握する前に、複数の企業へ影響を及ぼすおそれがある。

ケンブリッジ大学の報告書は、基盤モデルベンダーへの依存が顕著に集中していることを示した。関連する回答では、OpenAIが68.8%、Googleが46.8%、Anthropicが32%を占めた。これらの数値は報告された利用状況を反映したものであり、回答者は複数のプロバイダーを挙げることができた。

集中は、それらのサービスが本質的に安全でないことを意味するわけではない。相関した依存関係を生み出すということだ。多数の金融機関が同じサービス、インターフェース、モデルファミリーに依存していれば、障害や侵害は一社を超えて広がり得る。

規制当局は、こうした共有エクスポージャーを特に懸念している。ケンブリッジ大学の調査では、ベンダー、金融機関、規制当局の間で優先事項が異なっていた。敵対的AIの脅威を優先した規制当局は57%で、業界回答者の50%、ベンダーの35%を上回った。

サイバーおよびオペレーショナル・レジリエンスについても、同様の隔たりが見られた。規制当局では59%が優先事項に挙げたのに対し、業界回答者は46%、ベンダーは32%だった。こうした差は、供給側が性能を重視する一方で、規制対象の顧客が下流のレジリエンス負担をより多く担っている可能性を示唆する。

銀行は、その説明責任を外部委託することはできない。契約によって義務を割り当てることはできても、混乱後に決済、顧客アクセス、市場機能を即座に復旧させることはできない。金融機関には、重要業務を支えるサービスを理解する責任が残る。

そのため可視性が重要になるが、可視性だけが答えではない。ネットワーク由来のテレメトリーは、ユーザー、アプリケーション、クラウド、モデルの間でデータがどのように移動するかを示せる。個々のセキュリティ製品が別々に捉えるシグナルを結び付ける助けにもなる。

ただし、テレメトリーを増やすことは、別の過負荷問題を生む可能性がある。データに価値があるのは、チームがそれを解釈し、適切に保持し、インシデント時に活用できる場合に限られる。関連性のないアラートの流れを増やすだけでは、キューが膨らむだけだ。

したがって、効果的な統制には完全な連鎖が必要となる。企業には、正確な資産インベントリ、可視化されたデータ移動、制限されたエージェント権限、相関付けられたアラート、迅速な是正、検証済みの復旧が求められる。どの段階の弱点も、残りの仕組みを損なう可能性がある。

Gigamonの調査結果は、多くの企業が防御コンポーネントの数を増やしながらも、その連鎖を完成させていないことを示唆している。回答者の95%は、セキュリティは移動中のデータ全体にわたる可視性に依存すると答えた。検知時間が長いことは、その認識がまだ一貫した運用上の統制に変わっていないことを示している。

調査数値が立証していないこと

警戒すべき割合はガバナンス上の問題を示しているが、自律型AIがすべての金融機関の安全性を低下させていることを証明するものではない。

「AIが関与した侵害」という表現は、複数の出来事を含み得る。攻撃者がAIを使って誘導コンテンツを作成した可能性がある。被害組織では、影響を受けたシステムの中にAIアプリケーションが含まれていた可能性もある。あるいは、モデル、プラグイン、データパイプライン、周辺のクラウドサービスが標的となった場合もある。

これらの事象には異なる原因があり、必要な統制も異なる。フィッシングメールにはアイデンティティ保護とユーザー確認が必要だ。侵害されたモデルエンドポイントには、認証情報管理、監視、アプリケーション分離が求められる。それらを一つの割合にまとめると、こうした違いが隠れてしまう可能性がある。

自己申告型の調査データにも別の限界がある。回答者によって、インシデントが重大な損害を引き起こしたと判断する基準が異なる可能性がある。金銭的損失、データ損失、保険料の上昇、規制上の影響はいずれも深刻な結果だが、運用上の重みが同一ではない。

侵害を報告した企業の98%が重大な影響を経験したという主張は、調査の中で侵害を報告した組織にのみ当てはまる。全金融機関の98%が損害を伴うインシデントを経験したことを意味するわけではない。

この調査は、AI投資が結果を改善したかどうかも切り分けられない。高度な検知能力を持つ企業は、成熟度の低い組織が見逃すインシデントを特定できる可能性がある。その結果、侵害の報告件数が増えても、むしろ可視性の向上を示している場合がある。

大規模な金融機関は、標的も多く抱える。また、より多くのアプリケーションを運用し、より多くの従業員を雇用し、より多くのサプライヤーと統合している可能性がある。インシデント件数の多さは、統制の弱さではなく、エクスポージャーの大きさを反映している場合がある。

したがって、Google Newsの見出し付けは、業界全体の失敗を示す主張よりも狭く保つべきだ。この証拠は、AI関連リスクが調査対象のリーダー層に広く存在し、既存の可視性対策がしばしば不十分と感じられているという結論を支持する。普遍的な侵害率を立証するものではない。

独立した規制当局の調査結果も、より広い懸念をなお裏付けている。英国金融サービスを対象としたBank of EnglandとFCAの共同調査では、サイバーセキュリティが最も重大と認識されるAIリスクだった。2024 AI surveyによると、参加企業のうち、利用しているAIを完全に理解していると報告したのは34%にとどまった。

さらに46%は、理解が部分的だと回答した。84%はAIに関する説明責任を担う人物を任命しており、ガバナンス体制が一般化しつつあることを示している。しかし、書面上の説明責任が、モデル、データ接続、第三者依存関係の最新インベントリを保証するわけではない。

銀行が通常のソフトウェアを通じてAIを購入する場合、この区別は重要になる。ベンダーは、別個の導入を求めることなく、既存製品にモデル機能を追加する可能性がある。組み込みモデルは、中央のセキュリティチームがすべての利用を記録する前に、ワークフロー全体へ広がる場合がある。

AIの防御上の価値も認識する必要がある。英国National Cyber Security Centreは、AIが時間の経過とともにサイバー防御を改善すると見込んでいる。frontier AI guidanceでは、基本的なセキュリティ保護を維持しながら、脆弱性の特定と修正にこの技術を活用できると論じている。

現在のシステムには、なお重要な制約がある。モデルは長時間の作業中にコンテキストを失い、一貫性のない結果を生成し、暗号技術や複雑なマルウェア開発といった専門的な段階では苦戦することがある。こうした弱点は、信頼性の高いエンドツーエンド自動化を制限する。

攻撃者も、標的ネットワークにおける現実的な制約に直面する。アクセス、利用可能な認証情報、到達可能なシステム、そして検知を回避する手段が必要だ。AIが生成した計画が、それらの条件を自動的に提供するわけではない。

したがって、短期的な危険はより劇的なものではなく、より実務的なものだ。AIは、既存の弱点を取り巻く活動の量、個別最適化、速度を高める。インベントリが不完全で、アクセス権が過剰で、パッチ適用が遅れ、監視が断片化している金融機関は、圧力を受けやすくなる。

この解釈は、すべてのAI製品を同じリスクとして扱うことも避ける。隔離された環境でアラートを要約するモデルは、本番環境のアクセスを変更する権限を持つエージェントとは異なる。ガバナンスは、機能、データの機微性、潜在的な影響に応じるべきだ。

金融企業には、現実的な条件下で統制が機能するという証拠が必要となる。有用な指標には、検知時間、封じ込め時間、誤検知率、ロールバックの成功率、不正なモデル利用、テスト済み監視でカバーされる重要システムの割合が含まれる。

こうした運用指標は、購入したAIツールの数より重要だ。自動化がレジリエンスを向上させているのか、それともチームが監督すべき層を一つ増やしているだけなのかを示す。

規制当局は原則から運用上の圧力へと移行した

英国の当局は、フロンティアAIを遠い将来の政策課題として扱ってはいない。今すぐ高速化する攻撃に備え、既存の防御を整えるよう企業に求めている。

2026年5月15日、Bank of England、FCA、HM Treasuryは、フロンティアモデルとサイバー・レジリエンスに関する共同声明を発表した。同声明は、現在のフロンティア能力が一部のタスクにおいて、熟練した実務家が達成できる水準をすでに上回り、より高速かつ低コストで実行できると述べた。

この声明は新たな規則を設けたものではない。代わりに、AIの脅威を既存のオペレーショナル・レジリエンスに関する期待と結び付けた。規制対象企業にはすでに、重要サービスの保護、第三者の管理、インシデント対応、混乱からの復旧に関する責任がある。

joint AI statementは、取締役会および上級管理職に対し、新たに浮上するリスクを理解するよう求めた。また、脆弱性トリアージの迅速化、アクセス制御の強化、ソフトウェアサプライチェーンのより綿密な管理も呼びかけた。

これは、AIに関するサイバーリスクを通常の説明責任体制に位置付けるため重要だ。銀行は、この問題をイノベーションチームだけが担う実験的な技術プロジェクトとして扱うことはできない。セキュリティ、リスク、コンプライアンス、調達、事業部門のリーダーシップのすべてに役割がある。

当局はまた、AI支援型攻撃に匹敵する速度で動作できる自動化・AI活用型の防御を検討すべきだと述べた。この勧告は中核となるトレードオフを捉えている。規制当局は、手作業のプロセスだけでは拡大に対応できないと認識しているが、自動化は依然として統制下に置かれなければならない。

第三者リスクには特別な注意が向けられている。金融機関は、自らのネットワークに接続される外部アプリケーション、ライブラリ、サービスを特定する必要がある。また、サプライヤーが発見した多数の脆弱性を是正できるよう備えなければならない。

この期待は、基盤モデル企業にとどまらない。AIアプリケーションは、クラウドホスティング、アイデンティティサービス、ベクトルデータベース、プラグイン、監視ツール、通常のソフトウェアコンポーネントに依存することが多い。各レイヤーが依存関係やアクセス経路を生み出し得る。

FCAによる7月のリテール金融サービスのレビューは、消費者という観点を加えた。同レビューは、2030年以降に市場を形作ると予想される4つの主要なAI主導の変化の一つとして、増幅された詐欺・サイバーリスクを特定した。

規制当局の消費者調査では、エージェント型金融サービスへの関心が確認された。回答者の5分の1、推定1,100万人の英国成人に相当する人々が、あらかじめ設定された目標の範囲内で自律的に行動するAIを利用する可能性が高いとみられた。

こうした需要は、顧客に対して推奨を行ったり実行したりするサービスへ企業を向かわせる可能性がある。同時に、アイデンティティ、操作、不正な行為、誤解を招くモデル出力に関わる障害のコストも高める。

消費者向けエージェントはセキュリティエージェントとは異なるリスクを生むが、いずれも統制されたアクセスと信頼できるデータに依存している。侵害された金融アシスタントは、個人情報を露出させたり、有害な行為を開始したりする可能性がある。侵害されたセキュリティエージェントは、防御を無効化したり、不審な活動を隠したりするおそれがある。

オペレーショナル・レジリエンスは、これらの事例をつなぐ橋となる。モデル、サプライヤー、アプリケーション、統制が予期せず振る舞った場合にも、金融機関は重要サービスを提供し続けなければならない。すべての障害を防ぐことは現実的ではないため、企業は障害を封じ込め、そこから復旧する必要もある。

この規制の方向性は、取締役会に証拠を求める圧力をかける。リーダー層には、AIシステムが調達審査を通過したという説明だけでは足りない。権限、障害モード、依存関係、監視範囲、復旧経路を把握する必要がある。

これはベンダーにも圧力をかける。規制対象の金融業界にサービスを提供するプロバイダーは、モデル更新、インシデント通知、監査記録、データ保持、再委託先、サービス継続性に関する質問をさらに受けることになる。

直ちに生じるのは、金融AIに対する一律の制限ではない。英国当局は、より良い不正検知、顧客サービス、業務効率など、大きな利点を引き続き示している。その立場は、導入とレジリエンスを同時に進めなければならないというものだ。

これにより、Gigamonの結果は単なるマーケティング上の一時的な数字以上の意味を持つ。規制当局が、企業がセキュリティ投資を測定可能な統制に転換できるかを問うなかで、この結果は示された。高い導入率と検知時間の長期化が同時に見られることこそ、監督当局が検証する不一致である。

金融AIセキュリティの改善を示す3つのシグナル

次の段階は、より迅速な是正、自律システムに対する厳格な統制、そして共有サプライヤーに関する明確な証拠によって評価される。

第1のシグナルは、脆弱性管理がより大きな混乱を招くことなく加速するかどうかだ。最先端モデルは弱点をより迅速に特定できるが、発見は始まりにすぎない。企業は深刻度を評価し、影響を受ける資産を特定し、修正をテストして展開し、重要サービスが引き続き機能することを確認しなければならない。

規制当局や大規模機関が、パッチ適用時間や復旧テストに関する証拠を公表するかに注目すべきだ。エクスポージャー期間が持続的に短縮されれば、防御の自動化が脅威に追随しているという見方が強まる。拙速な是正に関連する障害が増えれば、その見方は弱まる。

第2のシグナルは、企業がエージェント型AIに対して実効性のある境界を設けるかどうかである。ポリシーだけでは、過剰な権限を持つエージェントを止められない。機関には、行動を制限し、機密性の高い環境を分離し、監査証跡を保持し、影響の大きい変更に承認を求める技術的統制が必要だ。

有用な証拠としては、管理されていないモデルの減少、完全なAIインベントリ、敵対的な入力下でのエージェントの挙動に対する定期的なテストなどが挙げられる。銀行が自律的な行動を追跡可能かつ可逆的であると示せれば、バランスは統制された導入へと傾く。

未承認の行動、露出したモデル認証情報、説明のつかない変更が増加すれば、逆方向を示すことになる。それは、導入のスピードが引き続きガバナンス能力を上回っていることを示唆する。

第3のシグナルは、規制当局が集中したテクノロジー依存にどう対処するかである。多くの機関は、同じクラウドプロバイダー、モデル開発企業、ソフトウェアライブラリに依存している。1社のサプライヤーにおけるインシデントが複数の企業に影響を与える前に、監督当局は相関したエクスポージャーを特定できるだけの情報を必要とする。

ここでは、イングランド銀行によるサイバーおよび情報技術リスク管理に関する今後の取り組みが重要になる。責任あるAI導入と第三者監督を対象とする国際的なガイダンスも同様だ。

重要なAIサービスに関するより詳細な報告は、共通の障害に備える金融システムの能力を強化する。ベンダーと規制当局の優先事項の隔たりが続けば、機関は完全には把握できないリスクを抱え続けることになる。

こうしたシグナルは、また別の見出し向けの割合よりも重要だ。調査は圧力を特定できるが、防御が改善しているかを決めるのは運用データである。検知時間、封じ込め速度、テスト済みの復旧、権限の適用範囲、サプライヤー集中度が、取締役会が追うべき指標になるべきだ。

Gigamonの調査は、信頼できる警告を示した。金融企業はセキュリティを自動化する一方で、AIに関連するインシデントの広がりと、根強い可視性のギャップを報告している。個別の調査定義には不完全さが残るとしても、規制当局の研究は根底にある懸念を裏付けている。

Google Newsの読者は、AIが銀行を打ち負かしているか、あるいは救っているかという最も単純な解釈に抗うべきだ。より厳しい現実は、その両方が同時に進行していることである。自動化は防御側の到達範囲を広げる一方で、統制すべき速度、複雑性、相互接続性も高めている。

金融機関はいま、AI主導の防御が、単にアラートや行動を増やし迅速化するだけでなく、より良い成果を生むことを証明する必要がある。セキュリティリーダーは、新たな自律システムのすべてについて、ひとつの具体的な問いを投げかけるべきだ。組織は、その行動を可視化し、制約し、説明し、元に戻せるのか。