AIエージェントが境界を曖昧にする中、企業の10社に9社がボットトラフィック危機に直面

PYMNTSは、役立つエージェントと脅威を見分ける能力への自信が高まっているにもかかわらず、調査対象企業の89.5%がボットトラフィックを課題と感じていると報じた。google newsの見出しは問題の規模を捉えているが、より深い問題は単なるボット数の多さではない。企業は今、悪意ある自動化と、正規の顧客のために動作するソフトウェアを区別しなければならない。

AIエージェントが商品を検索し、アカウントを管理し、購入を開始するようになるにつれ、その区別はさらに難しくなっている。ショッピングエージェントと不正ボットは、似た速度で似た行動を取ることがある。すべての自動化された訪問者をブロックすればリスクは減るが、新たに生まれつつある正当な商取引の形態も拒絶することになる。

対立の構図は、人間対ボットから、認可されたエージェント対信頼できない自動化へと移っている。既存の管理策は、人、デバイス、アカウントを識別するために設計されたものだ。特定の人物のためにソフトウェアが行動する権限を持つかどうかを判断するためのものではなかった。

調査が示す広範なボットトラフィック問題

ボット管理は、サイバーセキュリティチームだけの限定的な懸念ではなく、主流の業務課題となっている。

この調査結果は、本人確認企業Truliooと共同で実施されたPYMNTS Intelligenceの調査によるものだ。調査の完全版レポートでは、350人のビジネスリーダーからの回答を分析した。

回答者は、コンプライアンス、不正対策、リスク管理、引受、サプライヤー獲得、加盟店モニタリングに携わっていた。所属企業は複数の地域市場と売上規模にまたがって事業を展開していた。

PYMNTSは2025年8月1日から9月10日にかけて調査を実施した。その結果、組織の89.5%がボットトラフィックの管理を少なくとも多少は困難だと考えていた。

大半の企業は、この問題を軽度または中程度のカテゴリに位置付けた。それでも、ボットトラフィックがまったく課題にならないと答えたのは約10社に1社にとどまった。

調査ではさらに、52.3%の組織が前年にボットトラフィックの増加を経験したことが分かった。トラフィック量が安定していたと答えた企業は10%未満だった。

この結果が重要なのは、状況が両方向に動いていることを示すためだ。一部の企業ではトラフィックが減少した一方、過半数は増加に直面した。環境に変化がなかった企業はごく少数だった。

調査は、増加分のすべてが悪意ある活動だったとは示していない。ボットトラフィックには、検索クローラー、監視サービス、商用スクレイパー、顧客向けアシスタント、敵対的な自動化が含まれる。

この混在した集団こそが、結果を重要なものにしている。自動化の増加が自動的に不正の増加を意味するわけではないが、信頼に関する判断を要するインタラクションの数は増える。

セキュリティシステムは、未知のソフトウェアに追加認証を求めたり、完全にブロックしたりできる。しかし、認可されたエージェントが顧客の依頼を完了しようとしている場合、こうした対応は高コストになり得る。

調査は、このコストを偽陽性、すなわち正当なデジタル取引が誤って疑わしいと判定されるケースで測定した。大企業は3.3%の偽陽性率を報告した。

年間売上高が5,000万ドルから2億5,000万ドルの企業では、2.7%とより低い割合だった。この差は小さく見えるが、数百万件の取引に適用されると意味が変わる。

その規模では、割合のわずかな差が多くの顧客に影響を及ぼし得る。また、サポートコスト、購入放棄、繰り返される本人確認も発生し得る。

元のgoogle news掲載では、この結果をトラフィック管理に苦慮する問題として位置付けていた。基礎データは、アイデンティティ、認可、不正、顧客体験にまたがる、より広い問題を示している。

企業は、単にリクエストがソフトウェアから来たかどうかを判断しているわけではない。そのソフトウェアが信頼できるユーザーを代表し、要求された行動を実行する権限を持つかどうかを判断している。

正規のAIエージェントがリスクを高める理由

有用なAIエージェントの台頭により、まずブロックするセキュリティ方針は商業面でリスクを伴うものになっている。

従来のボット防御は、多くの場合、二項分類から始まる。リクエストを人間または自動化として扱い、その後に許可、追加認証、制限、またはブロックを行う。

自動化が既知のカテゴリに収まる場合、この手法は機能する。申告済みの検索クローラーは許可される一方、認証情報詰め込みボットは即時にブロックされることがある。

エージェント型AIは、この単純な区分を弱める。AIエージェントとは、ユーザーが定義した目標に向けて一連の行動を実行できるソフトウェアだ。

こうした行動には、商品の比較、在庫確認、フォーム入力、サブスクリプション管理などが含まれる。エージェントは、認証済みアカウントに入ったり、決済を開始したりすることもある。

その振る舞いは不正利用に似る可能性がある。有用なソフトウェアも悪意あるソフトウェアも、高速に閲覧し、予測可能な経路をたどり、フォームを送信し、繰り返しリクエストを行うことができる。

HUMAN Securityは、AIエージェントおよびエージェント型ブラウザからのトラフィックが前年比で7,851%増加したと明らかにした。同社のトラフィックベンチマークは、2025年中に観測された1京件超のインタラクションを分析した。

そのデータセットによると、AI主導の月間トラフィックは1月から12月にかけて187%増加した。学習用クローラーは依然として、観測されたAIボット量の67.5%を占めていた。

ただし、エージェント型システムはページを読む段階を越え始めていた。HUMANは、エージェント型アクティビティの77%が商品ページと検索ページで発生したと報告した。

さらに8.8%がアカウントページに現れ、5%が認証フローに到達した。チェックアウトページは、観測されたエージェント型アクティビティの2.3%を占めた。

これらの割合は、コマース企業が即時の圧力に直面する理由を示している。エージェントは、アカウント乗っ取りや決済不正のオペレーションが標的とするのと同じ機密性の高い領域に到達している。

したがって、セキュリティ上の問いは段階ごとに変わる。公開された商品ページの閲覧と、認証済みアカウント内で住所を変更することでは、リスクが異なる。

小売業者は、エージェントによる在庫商品の比較を歓迎するかもしれない。しかし、そのエージェントが保存済みの価値を利用したり、支払い情報を変更したりする前には、より強い証拠が必要になる。

大企業は特に影響を受けやすいようだ。PYMNTSの調査では、年間売上高が10億ドル以上の企業の57%が、ボット関連またはエージェント関連のインシデントや損失を経験していた。

小規模企業では、比較対象となる割合は32%だった。この調査は、企業規模がそうしたインシデントの原因だったとは証明していない。

大規模組織は通常、より多くのサイト、アカウント、市場、決済フローを運用している。また、より価値の高い標的となり、分類ミスが起き得るインタラクションもより多く処理する。

これにより、複数の部門に圧力が生じる。セキュリティチームは攻撃の成功を減らしたい一方、収益チームは拒否される顧客を減らしたい。

コンプライアンス責任者には、防御可能なアイデンティティ管理策が必要だ。プロダクトチームは、エージェントに過剰な権限を与えずに有用な機能へアクセスさせたい。

google newsを通じてこの話題を追う読者は、これをすべてのAIエージェントが安全でない証拠と解釈すべきではない。問題は自動化そのものではなく、信頼シグナルの不足にある。

本質的な争点は、認可と行動に基づく推測の対立

企業は、速度や閲覧行動だけから意図を推測するのではなく、エージェントの権限を検証する必要がある。

行動検知は、自動化や不正利用に関連するシグナルを探す。これには、異常なリクエスト頻度、スクリプト化されたナビゲーション、デバイスの不整合、繰り返される認証失敗が含まれる。

こうしたシグナルには引き続き価値がある。広範な攻撃を暴き、不審なセッションを特定し、より強い検証を発動できる。

しかし、行動だけでは、誰がエージェントを認可したかを常に説明できるとは限らない。正規のアシスタントと悪意あるボットが、技術的には似たパターンを示す場合がある。

これが本記事の中心的な対立だ。企業は行動から推測を続けるか、委任された権限を検証するシステムを構築するかを迫られている。

PYMNTSとTruliooは、この第2のアプローチを「Know Your Agent」、すなわちKYAと呼んでいる。この用語は、自動化された行為者を特定し、それを検証済みの権限と結び付ける管理策を指す。

KYAは、既存のアイデンティティフレームワークを拡張する。Know Your Customerは個人を確認し、Know Your Businessは商業組織を検証する。

エージェント検証は、さらに別の層を加える。どのソフトウェアが行動しているのか、誰の利益を代表しているのか、そしてその当事者がどの行動を承認したのかを問う。

この連鎖は重要だ。信頼できるエージェントであっても、侵害されたアカウントのために動作している可能性がある。検証済みのユーザーも、意図した以上のアクセス権をエージェントに与えることがある。

そのため有効な管理策には、認識可能なボット名だけでは不十分だ。ユーザー、エージェント、要求された行動、適用される制限の間に結び付きが必要になる。

こうした制限は、取引額、加盟店カテゴリ、時間、場所、データアクセスを対象にし得る。ユーザーは、購入を認可せずに商品調査のみを認可できる。

別のユーザーは、定期的な家庭用品の注文を許可する一方で、アカウント変更を禁止するかもしれない。正しい判断は、単なるエージェントのアイデンティティではなく、文脈に依存する。

このモデルは、すでにソフトウェアシステムで使われている委任アクセスに似ている。アプリケーションは一般に、ユーザーの完全な認証情報ではなく、範囲を限定した権限を受け取る。

エージェント型コマースは、この原則をブラウジングと取引へ拡張する。難しいのは、複数の企業と技術システムにまたがって認可を維持することだ。

ユーザーのアシスタント、アイデンティティプロバイダー、加盟店、不正対策プラットフォーム、決済ネットワークは、いずれもインタラクションの異なる部分を見る可能性がある。単一の参加者が完全な信頼記録を自動的に持つわけではない。

この分断により、企業は間接的な手掛かりに依存せざるを得ない。既知のユーザーエージェント、安定したネットワークアドレス、署名付きリクエストは役に立つが、各シグナルには限界がある。

攻撃者はブラウザの特性を模倣し、住宅用ネットワークを切り替えることができる。また、正規のアカウントを侵害したり、認可済みの統合を悪用したりすることもできる。

解決策は、単一の汎用ボットスコアではない。アイデンティティ、申告された目的、認可、行動、取引リスクを組み合わせた多層的な判断だ。

この変化は分析にも影響する。エージェントが閲覧した商品ページは、従来の人間による訪問でもなければ、必ずしも価値のないトラフィックでもない。

そのエージェントは、サイトを直接訪れない顧客のために選択肢を比較している可能性がある。分析システムは、すべてのリクエストを不正と見なすことなく、自動化された調査と後の購入を結び付ける必要がある。

この課題は、パブリッシングと検索にも及ぶ。Google News、従来の検索クローラー、学習用ボット、回答エンジンは、似たページを収集する場合でも、それぞれ異なる目的を持つ。

企業には、こうした違いを反映した方針が必要だ。ある企業はインデックス作成を歓迎し、モデル学習を制限し、取引エージェントについては認証後にのみ許可するかもしれない。

自信は高いが、証拠は隔たりを示している

ボット検知に対する企業の自信は、報告された損失と偽陽性率を前にすると不安定に映る。

大企業の10社に9社超は、悪意あるボットと有用なボットを区別することに自信があるとPYMNTSに回答した。自信だけでは、その管理策が信頼性高く機能することの証明にはならない。

同じグループは、小規模企業よりも高いインシデント率を報告した。大企業はまた、調査で最も高い偽陽性率を記録した。

これらの結果は、必ずしも矛盾するものではない。ある企業は同業他社より優れた成果を出していても、絶対額ではより大きな規模の損失を被る可能性がある。

また、強力な検知ツールを備えていても、より複雑なシステムにまたがって運用している場合がある。ログイン、API、子会社、決済経路が増えるたびに、管理上の新たな隙間が生まれる。

それでも、この対比は慎重に検討する価値がある。調査の回答者は、不正利用、コンプライアンス、リスク、および関連業務を担うリーダーだった。

回答は専門家としての評価を反映しており、検知精度を独立して検証したものではない。企業によって、インシデント、ボットトラフィック、有用なエージェントの定義も異なる可能性がある。

このレポートはデジタルIDベンダーと共同で作成されており、関連分野の専門性を備える一方で、商業的な視点も含む。読者はその提言を、中立的な技術標準ではなく、知見に基づくフレームワークとして受け止めるべきだ。

独立したトラフィックデータも、より大きな傾向を裏付けている。Impervaは、2024年に自動化トラフィックが人間による活動を上回ったと報告した。

同社の悪性ボットに関する調査では、世界のインターネットトラフィックの37%を悪性ボットに分類している。さらに14%は善性ボットによるもので、人間によるトラフィックは49%だった。

Impervaはまた、中程度および高度なボットがボット攻撃の55%を占めたとした。これらのプログラムは、実際のブラウザやユーザー行動を模倣しようとする。

単純な大量攻撃も、ボット攻撃に占める割合が40%から45%へ増加した。自動化を利用しやすくなったことで、経験の浅い攻撃者でも有害なトラフィックを大規模に生成できるようになっている。

レポートによると、高度なボットトラフィックの44%はアプリケーション・プログラミング・インターフェースを標的にしていた。APIは、ソフトウェア同士がデータを交換したり、機能を実行したりするための構造化された接続手段である。

この焦点はエージェント型システムにとって重要だ。エージェントはウェブサイトを利用できるが、効率的な商用エージェントはしばしば直接的なAPIアクセスを求める。

APIは、より強力な認証と明確に定義された権限を支えられる。一方で、認可が不十分な場合には、高価値な業務機能を露出させる可能性もある。

業界ごとの状況には大きな差がある。Impervaは、2024年に悪性ボットが小売トラフィックの59%、旅行業界のトラフィックの41%を占めたと報告した。

小売と旅行は、価値の高い標的も提供する。自動化された攻撃者は、在庫の買い占め、盗難カードのテスト、価格スクレイピング、ロイヤルティアカウントの乗っ取りを行える。

同時に、これらの業界は正当なエージェントにも適している。ソフトウェアが運賃を比較し、価格を監視し、購入を組み立てられれば、顧客は利益を得る。

この重なりは、企業が最高のブロック率だけを最適化できないことを意味する。不確実なやり取りをすべて拒否するシステムは、測定可能な攻撃を減らせるかもしれないが、失われた需要を見えにくくする可能性がある。

逆もまた危険だ。明確な権限なしにエージェントを許可する企業は、アカウント、決済、顧客情報を危険にさらす可能性がある。

調査による約1,000億ドルの推計には、不正利用による損失と、正当な取引を誤って拒否したことによる損失が含まれている。この数値は慎重に読むべきだ。

これは業界推計であり、調査対象企業の監査済み合計ではない。カテゴリーもまた、異なる種類の被害を測定している。

不正利用は、敵対的な行為が成功したことを表す。誤検知は、防御行為が正当なやり取りを損なったことを表す。

両者を合わせることで、中心的なトレードオフが浮き彫りになる。厳格な管理は商業的損失を生み得る一方、緩い管理はセキュリティ上の損失を生み得る。

目標は、摩擦を最大化することでも最小化することでもない。重要な各段階で、権限についてより正確な判断を下すことだ。

Google Newsが示す、ボット経済におけるより広範な変化

ボットの問題が拡大しているのは、自動化トラフィックが敵対的リスクと潜在的な商業価値の両方を持つようになったためだ。

長年、多くの組織はボットをウェブサイトのセキュリティ問題として扱ってきた。セキュリティチームは、スクレイピング、認証情報への攻撃、在庫の不正利用、サービス拒否活動を管理していた。

AIエージェントは、この議論を流通と収益の領域へ広げる。自動化された訪問者は、従来型のページビューを生まなくても、顧客の購買意図をもたらす可能性がある。

Akamaiは、2025年12月までにAIボットが同社ネットワーク全体のコマーストラフィックの47.9%を生成したと報告した。同社のコマースセキュリティに関する調査結果は、この業界がエージェント型不正利用の圧力の中心にあると位置づけた。

Akamaiはまた、コマース組織がAIボット活動の90%以上を監視対象として分類したと述べた。残る活動のおよそ4分の3は、制限なしに通過させていた。

分類が依然として不確実な場合、監視は理にかなった最初の対応となり得る。有用なエージェントを遮断しかねないルールを適用する前に、企業が行動を観察できるからだ。

しかし、不審な自動化がアカウントや決済機能に到達する場合、受動的な観察ではリスクが残る。企業には、やり取りの機微度が高まるにつれて変化するポリシーが必要だ。

公開ページでは、より広範なアクセスを許容できる。認証、保存済みの決済手段、ロイヤルティ残高、アカウント復旧には、より高い確信が求められる。

このリスクベースの段階的アプローチは、実用的な中間策となる。自動化されたすべてのリクエストを同じ危険度として扱うことを避けられる。

また、既知の企業が運営しているというだけで、エージェントに広範な信頼を与えることも避けられる。正当なサービスであっても、設定不備、侵害、または顧客の認可範囲を超えた利用が起こり得る。

運営者の集中は、別の複雑さを生む。HUMANは、2025年に観測したAI主導トラフィックの約69%をOpenAIのユーザーエージェントによるものとした。

Metaは約16%、Anthropicは約11%を占めた。特定された残りの運営者は、合計しても5%未満だった。

これらの測定はHUMANの顧客基盤に由来するため、インターネット全体を表すものではない。それでも、少数の運営者に関する判断がAI全体の露出をどのように形づくり得るかを示している。

小売事業者は、主要プロバイダーの認識可能なエージェントに対するルールを作成できる。しかし、プロバイダーの身元だけでは、特定の取引にユーザーの承認があるかどうかは分からない。

小規模またはセルフホスト型のエージェントは、さらなる課題を生む。未知のエージェントをすべてブロックすれば、大規模プラットフォームを優遇し、競争を制限することになる。

強力な検証なしに許可すれば、不正利用リスクは高まる。IDと委任された権限に関するオープン標準は、この対立を緩和できる可能性がある。

Google Newsは、取引を行うエージェントではないものの、有用な類推を提供する。パブリッシャーは、よく知られた検索クローラーを識別し、コンテンツを発見システム内でどのように表示するかを決定できる。

コマースには、この関係のより高度な形が必要だ。店舗は、誰が情報を要求しているかだけでなく、そのエージェントが次に何を実行できるかも理解しなければならない。

この変化は事業戦略に影響する。正当なエージェントを拒否する企業は、AIを介した商品発見や購買の場から姿を消す可能性がある。

エージェントをあまりに自由に受け入れる企業は、不正利用、スクレイピングコスト、汚染された分析データを抱え込む可能性がある。どちらの極端も、持続可能な運用モデルにはならない。

企業が次に注視すべきこと

次の段階は、検証可能なエージェント認証情報、より限定的な権限、そしてこれらの管理策が不正利用と誤検知の両方を減らすという証拠に左右される。

最初の兆候は、持ち運び可能なエージェントIDおよび認可手法の採用だ。小売事業者には、AIプロバイダーごとにカスタム接続を構築せずに検証できる認証情報が必要である。

これらの認証情報は、運営者を特定し、エージェントをユーザーに結び付けるべきだ。また、要求された行為について限定的な範囲も表す必要がある。

採用が進めば、KYAベースの管理策を支持する根拠は強まる。断片化した、または独自仕様のアプローチでは、企業は行動推論に依存したままとなる。

2つ目の兆候は、誤検知率の測定可能な変化だ。PYMNTSの調査は、大企業で3.3%、小規模企業で2.7%という率を示した。

今後の調査では、継続的な検証がこれらの数値を下げるかを示すべきだ。また、人間による取引と、認可されたエージェントによる取引も分ける必要がある。

不正利用を増やさずに拒否率が下がれば、ID中心のアプローチを支持することになる。損失の増加を伴う摩擦の低下は、その根拠を弱める。

3つ目の兆候は、大手小売事業者がログインとチェックアウトでエージェントをどのように扱うかだ。公開の商品発見はすでに一般的なエージェント活動だが、機微な行為はなお限定的である。

明確なエージェントアクセス規則と権限要件を公開する小売事業者に注目したい。また、アカウント乗っ取り、カードテスト、エージェント関連の紛争に関する開示にも注目すべきだ。

これらの動きは、エージェント型コマースが信頼できるチャネルになるのか、それとも管理されない自動化の新たな層になるのかを明らかにする。

企業は、管理策を改善するために普遍的な標準を待つ必要はない。自動化トラフィックを棚卸しし、公開閲覧と機微なアカウント操作を分離できる。

どのエージェントを許可するか、それらのエージェントが提示すべき証拠は何か、どの行為にユーザー確認を求めるかを定義できる。

企業はまた、すべてのデジタル接点で単一のボットスコアを使うことを避けるべきだ。公開カタログへのリクエストと決済手段の変更は、同等のリスクを伴わない。

継続的な検証は、セッション中に信頼を再評価できる。ID、デバイス、行動、取引コンテキスト、要求された権限を考慮できる。

このアプローチにも抑制が必要だ。企業が判断を説明できない場合、データ収集の拡大は、特にプライバシーやコンプライアンス上の懸念を生み得る。

自動化された不正利用対策には、レビューと異議申し立ての経路を設けるべきだ。正当な取引が疑われた場合、顧客には回復する手段が必要である。

セキュリティリーダーは、管理策が地域、デバイス、アクセシビリティツールによって不均衡な結果を生んでいないかも検証すべきだ。全体的な誤検知率の低下が、局所的に集中した被害を隠す可能性がある。

この変化を追うナレッジワーカーにとって、情報源の質は見出しの露出度と同じくらい重要だ。google newsの結果は重要な主張を示すことがあるが、その価値を決めるのは基礎となる方法論である。

PYMNTSの調査結果が意味を持つのは、定義されたサンプル、実査期間、詳細な測定指標を含んでいるためだ。それでも、ネットワークトラフィックの直接観測ではなく、調査回答を表している。

Imperva、HUMAN、Akamaiは観測データを提供しているが、いずれも自社の顧客ネットワークを通じてトラフィックを見ている。その割合を、単一の普遍的なボット数に統合すべきではない。

これらの情報源を総合すると、より限定的な結論を支持している。自動化トラフィックは増加し、悪性ボットは依然として大きな割合を占め、正当なエージェントは機微なワークフローに入りつつある。

残る不確実性は、管理策の質に関するものだ。企業は、新たな不正利用の経路を作らずに、認可されたソフトウェアを受け入れられることを証明する必要がある。

その証明は、信頼度調査ではなく結果から得られる。低いインシデント率、拒否される顧客の減少、追跡可能なエージェント権限が最も重要になる。

ボットに関する別の劇的なgoogle news見出しに遭遇した読者は、3つの質問をすべきだ。どのトラフィックが測定されたのか、どのように分類されたのか、そしてどの事業行為に到達したのか。

これらの質問は、一般的なインターネット上のノイズと本物の運用リスクを分ける。また、組織が単に自動化を検知するのではなく、権限を認識できるかどうかも明らかにする。

今後数か月で、企業が従来の「ボットか否か」というモデルを超えられるかが分かるだろう。そうなれば、エージェント検証はデジタルIDインフラの一部になり得る。

そうならなければ、企業は引き続き2つの高コストな誤りの間で選択することになる。敵対的な自動化を受け入れるか、正当な顧客意図を運ぶソフトウェアを遮断するかのどちらかだ。