TRAIのAI通信セキュリティは加速するが、人間による監督も追いつかなければならない

TRAIのAnil Kumar Lahoti委員長は9月14日、有害な判断には迅速な人間の介入が必要だと警告しつつ、通信ネットワークにおけるAIの自律性拡大を支持した。この発言は、TRAI AI telecom security政策が難しいトレードオフに直面していることを示している。事業者にはネットワークの速度で反応する自動システムが必要である一方、利用者には、そうしたシステムが誤った場合に責任を負う人間が必要だ。

ニューデリーで開催されたCO.AI 2026でLahoti氏は、人工知能がネットワーク管理、サービス設計、リスク特定、運用上の意思決定に影響を与え得ると述べた。また、自動化によって責任の所在が曖昧になってはならないとも主張した。通信事業者とテクノロジーベンダーは、高い影響を及ぼすシステムに対する人間の監督を維持すべきだという。

この警告が重要なのは、インドがすでに実験的な通信AIの段階を超えているためだ。Bharti Airtel、Reliance Jio、Vodafone Ideaは、スパムや詐欺のパターンを特定する自動システムを活用している。TRAIも事業者に対し、機械生成されたスパム情報を共有し、執行措置を連携させるよう指示している。

中心的な争点は、もはやAIと手動のネットワーク管理の対立ではない。迅速な自動対応と、責任ある介入とのせめぎ合いである。すべてのアラートが人間の判断を待つなら、セキュリティシステムの価値は失われる。しかし、無制御の自動化は、正当な発信者、送信者、企業、サービスを誤って制限しかねない。

Lahoti氏の立場は、自律ネットワークを否定するものではない。それを実現する条件を定めるものだ。通信AIは検知を加速させる一方で、重大な誤りを見直すための短く明確な経路を維持しなければならない。

TRAI AI Telecom Securityは助言から運用政策へ移行

TRAIは通信AIを、遠い政策課題ではなく運用インフラとして扱っている。

Lahoti氏は、Cellular Operators Association of Indiaと英国高等弁務官事務所が主催したフォーラム、CO.AI 2026で発言した。このプログラムは、自律ネットワーク、セキュリティとレジリエンス、市民および公共サービス向けのAI活用に焦点を当てた。

同氏のネットワーク自律性に関する発言の報道によると、Lahoti氏は通信ネットワークをインドで最も複雑なインフラシステムの一つと位置付けた。同氏は、この分野は従来型の自動化から、はるかに高い自律性を持つネットワークへ進展できると述べた。

従来型の自動化は、既知の状況に向けてあらかじめ用意されたルールに従う。より自律的なシステムは、ネットワークデータを観測し、状況を評価し、行動を選択し、条件の変化に適応する。この違いは、ソフトウェアが固定された指示を実行するだけでなく、意思決定に加わるため、問題の重大性を高める。

その期待は実務的だ。AIシステムは、数百万件の通話、メッセージ、端末、ネットワークイベントにわたるトラフィックパターンを調査できる。手作業でアラートを確認するチームよりはるかに速く、異常を特定できる。また、個別に確認すれば無害に見えるシグナルを関連付けることも可能だ。

セキュリティは用途の一つにすぎない。事業者はAIを使って機器故障を予測し、容量を配分し、エネルギー消費を削減し、保守の優先順位を決められる。顧客向けシステムでは、スパムの分類、サポート依頼の振り分け、不審なアカウント活動の特定が可能になる。

これらの用途には一つの重要な共通点がある。予測を、実在の人々に影響を及ぼす行動へ変換することだ。モデルの出力によって、メッセージに警告が付くか、ドメインがブロックされるか、モバイル接続が調査対象となるかが決まり得る。

だからこそLahoti氏は、自律性の拡大と説明責任を結び付けた。同氏の主張は、AIが意思決定をやめるべきだというものではない。機械が意思決定に関与した後も、責任の所在が特定可能でなければならないということだ。

このタイミングは、TRAIの最近の規制業務も反映している。2026年2月27日、同規制当局は、事業者間の情報共有と規制措置を対象とするスパム情報に関する指示を出した。これは、AIと機械学習の検知システムが生成した情報を制度化することを目指したものだ。

この措置は、自動フラグの影響を変える。一つの事業者ネットワーク内で生じた疑いが、別の事業者や規制当局によって利用される共有情報になり得る。セキュリティ上の潜在的な利点は拡大するが、不正確な分類もより広く伝播しかねない。

以前のシステムは、しばしば一人の契約者に警告を表示するだけだった。通話に応答するかブロックするかの選択は顧客に委ねられていた。連携された枠組みでは、個別の苦情がなくても先回りした執行を支援できる。

これは重要な政策転換だ。AI生成の評価は、規制措置の仕組みにより近づいている。そうなれば、精度、文書化、不服申立て、訂正の迅速さは公益上の要件となる。

したがってLahoti氏の発言は、既存の導入プログラムにガバナンスの層を加えるものだ。問題は、事業者がAIを使うかどうかではない。こうしたシステムにどこまでの権限を与え、自動判断が失敗したときに何が起きるかである。

検知の高速化が事業者に大きな圧力をかける

AIを有用にする速度そのものが、誤った判断を食い止めるために使える時間を短縮する。

通信セキュリティシステムは、手作業による確認だけでは対応が追いつかない速さで展開するイベントを処理する。詐欺キャンペーンは、従来型の調査が最初の結論に達する前に、携帯電話番号、メッセージテンプレート、リンク、端末を次々と切り替えられる。

AIベースの検知は異なる運用モデルを提供する。不自然な発信頻度、短時間通話のパターン、繰り返し利用される宛先、不審なリンク、関連端末のクラスターを特定できる。その後、システムは顧客に警告を出すか、案件を執行ワークフローへ送ることができる。

このアプローチは、インドの主要通信事業者に二方向から圧力をかける。規制当局と顧客は、スパムや詐欺に対するより迅速な対応を期待する。同時に、正当な送信者は、途切れないアクセスと誤った分類に異議を唱える意味のある手段を求める。

Airtelは両側面を示す有用な例だ。同社の公式スパム識別規約によると、行動パターン、通話頻度、通話時間、不審なURL、端末識別子、250超の派生パラメータを分析している。

Airtelは一致する通話やメッセージをスパムの疑いとしてラベル付けする。この特定のワークフローでは、最終的なブロックの選択は顧客に委ねられている。また同規約は、システムの精度、可用性、エラーのない運用を保証しないとしている。

この留保は単なる法的文言ではない。確率的なセキュリティの基本的な限界を示している。モデルは、ある活動が既知の不正行為に似ているかを推定する。送信者の身元、目的、認可について完全な知識を持つわけではない。

大量の活動は詐欺組織を示す可能性がある。しかし、病院、配送サービス、学校、銀行、緊急通知システム、政府機関から発生する場合もある。有害なトラフィックと正当な通信を分けるのは文脈だが、モデルが常に十分な文脈を得られるわけではない。

偽陰性は逆の問題を生む。高度な攻撃者は、多数のアカウントに活動を分散させたり、既存のしきい値を下回るよう行動を変えたりできる。そのため、一見慎重なモデルであっても、最も重要なキャンペーンを見逃す可能性がある。

詐欺の手口が変わり続けるなか、事業者はこれらの誤りのバランスを取らなければならない。過度に積極的なフィルターは正当なサービスを妨げる。偽陽性を避けるフィルターは、有害な通話やリンクに顧客をさらす可能性がある。

TRAIの2026年3月の提案は、規制がAI分類を十分な証拠とは見なさずに活用し始めていることを示している。苦情件数のしきい値に関する提案の報道によると、TRAIは、AIシステムが過去10日間に番号へフラグを付けていた場合、3件のユニークな苦情を受けて措置を取ることを提案した。既存のしきい値は5件だった。

この仕組みは、機械による検知と人間からの報告を組み合わせる。アルゴリズムだけですべてを決定することは認めない。しかしAIフラグによって、追加の証拠がどれほど迅速に措置の発動につながるかが変わる。

この提案は、重要な通信を妨げるリスクにも対処した。詐欺師が一つの登録済みヘッダーまたはメッセージテンプレートを悪用した場合、TRAIはまずその特定の資産を停止することを提案した。送信者には、より広範なトラフィックが停止対象となる前に、問題を修正する24時間が与えられる。

このより限定的な対応は、Lahoti氏の発言の中心にある介入原則を反映している。自動システムには、影響に見合った措置が必要だ。不審な構成要素が、組織に接続するすべてのサービスを自動的に停止させるべきではない。

事業者がネットワークをまたいで検知システムを接続するにつれ、圧力は高まる。一つの共有シグナルは、単独の通信事業者では把握できない協調的な不正行為を明らかにできる。一方で、受信者が再評価に必要な証拠を持たなければ、誤ったラベルを増幅する可能性もある。

したがって、ネットワーク全体のセキュリティにはリスクスコアの交換以上のものが必要だ。事業者には、共有された定義、タイムスタンプ、理由コード、証拠基準、訂正手順が必要となる。さもなければ速度は向上しても、説明責任の所在はより見つけにくくなる。

自律ネットワークには実際に機能する人間のオーバーライドが必要

人間による監督が顧客を守るのは、権限を持つ担当者が自動措置を迅速に理解し、一時停止し、取り消せる場合に限られる。

「human in the loop」は安心感を与える表現として使われがちだが、それが意味を持つかどうかは運用上の詳細に左右される。執行後に説明のないリスクスコアを受け取る人は、有効な監督を行えない。

実効性のあるオーバーライドは、導入前から始まる。事業者は、AIシステムが単独で実行できる措置、承認を必要とする措置、実行を禁じる措置を決めなければならない。その境界は、単にモデルの平均精度ではなく、潜在的な損害を反映すべきだ。

影響の小さい措置には、より多くの自動化を適用できる。ネットワーク容量の調整や内部調査の優先順位付けは、通常、即時の損害が限定的だ。番号の切断、ドメインのブロック、重要なメッセージの遅延には、より高い基準が必要となる。

担当者には有用な証拠も必要だ。「モデル信頼度：94 percent」という警告だけでは、判断の根拠を説明できない。スタッフには、関連する行動シグナル、最近の履歴、関連インシデント、結果を生成したルールまたはモデルのバージョンが必要となる。

その証拠は迅速に届かなければならない。Lahoti氏が即時の介入を重視するのは、数日後に認められた正しい不服申立てであっても、実務上は失敗となり得るためだ。企業は顧客からの電話を逃すかもしれず、消費者は緊急時にアクセスを失う可能性がある。

責任ある設計の課題には、三つの異なる時間軸がある。

第一に、システムは数秒または数分以内に不審な行動を検知しなければならない。検知の遅れは、不正行為が大量通信ネットワーク全体に広がることを許してしまう。

第二に、影響に見合った対応によって即時の損害を抑えるべきだ。警告、一時保留、対象を絞った制限は、すべての予測が最終判断であると決めつけずにリスクを低減できる。

第三に、事業者は重大な結果を伴う判断に対して迅速なエスカレーション手段を用意しなければならない。適格な担当者が証拠を確認し、サービスを復旧し、接続されたシステム全体に修正を反映できる必要がある。

こうした安全策は、監査証跡も生み出すべきである。重大な判断ごとに、入力シグナル、選択された措置、承認権限、後日のレビューを記録しなければならない。監査可能性によって、規制当局は孤立した誤りと、体系的な偏りや脆弱な運用管理を区別できる。

TRAIは9月のイベント以前から、同様の原則を示していた。2026年2月のIndia AI Impact Summitで、Lahotiは効率性の向上には、透明性、説明責任、人間による監督、明確なガードレールが伴わなければならないと述べた。規制当局の責任あるAIセッションでは、通信および重要デジタルインフラにおける障害を対象とするAIインシデント・データベースの基準も議論された。

インシデント・データベースは、通信AIガバナンスにおける大きな弱点に対処するものとなる。事業者がシステムを改善できるのは、障害が一貫して記録・分析される場合に限られる。散発的な苦情だけでは、複数のネットワークが同じ誤りを犯しているかどうかは分からない。

報告は、モデルの誤りと政策上の誤りを切り分けることにも役立つ。モデルは異常なパターンを正確に特定していても、過度に広範なルールが、その観測結果を不当な回線切断へと変えてしまうことがある。モデルを修正しても、実際の問題は解決しない。

複数の組織が関与すると、責任の所在は曖昧になり得る。通信事業者がネットワークを運用し、ベンダーがモデルを提供し、別の組織が脅威インテリジェンスを維持している場合がある。規制当局は、どの主体が判断を調査し、取り消すことができるのかを把握する必要がある。

契約だけが答えではない。顧客が接するのはサービス提供事業者であり、リスクスコアの背後にある見えないベンダー連鎖ではない。システムの一部を第三者が開発した場合でも、事業者には運用上の責任が求められる。

通信事業者は、模擬インシデントを通じて介入手順も検証すべきである。実際の障害発生時に従業員が判断責任者を特定できなければ、文書化されたエスカレーション方針はほとんど保護にならない。

最も有用なテストは、具体的な結果を測定するものだろう。責任を負うシステムを特定するまでにどれほど時間がかかるか。担当者は判断を再現できるか。類似の措置を停止できるか。修正はどれほど迅速に他の事業者へ届くか。

こうした問いは、人間による監督を倫理的なスローガンからエンジニアリング要件へと変える。また、TRAI AI telecom securityを検知率だけで評価できない理由も示している。

AIセキュリティの効果には実証的根拠がある一方、重要な空白も残る

インドにはデータ駆動型の通信防御が機能し得ることを示す証拠があるが、見出しを飾る成果だけでは、正当な利用者がどの程度巻き込まれているかは分からない。

インドの通信詐欺対策の規模は、規制当局が自動検知を求める理由を示している。手作業によるケース処理では、通信事業者、金融機関、警察当局、決済システム、消費者からの報告にまたがる情報を効率的に結び付けることはできない。

インド通信省は、通信リソースの不正利用疑いに関する安全な情報交換基盤であるDigital Intelligence Platformを運営している。2026年2月の政府アップデートによると、1,200を超える組織がこのプラットフォームに参加していた。

参加組織には、中央の治安機関、36の州・連邦直轄領にまたがる警察組織、銀行、決済事業者、通信会社が含まれていた。このシステムは、単一組織の見解に依存するのではなく、双方向のインテリジェンス共有を支援する。

政府によると、AIと大規模分析を用いて不審なモバイル接続を特定するASTRシステムは、再確認に失敗した後の880万件超の回線切断に寄与した。再確認が重要なのは、同システムの判定が唯一の証拠として機能したのではなく、精査のきっかけとなったためだ。

同じ通信詐欺に関するアップデートでは、国際的ななりすまし電話防止システムが24時間以内に1,350万件の通話を遮断したと報告された。当局者は、インドの番号を表示するなりすまし電話は、2024年10月の同システム稼働開始後、約99％減少したと述べた。

これらの数字は、機械の速度を活用した防御を支持する根拠となる。なりすましや組織的詐欺は、通信システムの規模と相互接続構造を悪用する。自動分析は、個々の顧客苦情では見えないパターンを特定できる。

ただし、執行措置の集計値は、いくつかのガバナンス上の問いに答えていない。正当な接続のうち、どれだけが再確認の対象となったのかは示されていない。異議申し立ての所要時間、復旧率、地域や顧客グループ間の差も測定していない。

これらの数値は、検知とその後の行政プロセスも一体化している。再確認に失敗して切断された接続があったとしても、AIによる当初の評価がすべてのケースで独立して正しかったことの証明にはならない。

通信事業者が報告する結果にも同様の限界がある。Airtelは、詐欺・スパム検知ツールの導入後、同社ネットワーク上の苦情が減少したとしている。その利用規約では、特定とブロックは完全な保護を保証しないベストエフォート型サービスとも説明されている。

両方の説明は成り立ち得る。システムは全体的な被害を減らす一方で、個々の利用者にとってコストの高い誤りを生む可能性もある。責任ある評価には、人口レベルの成果とケースレベルの説明責任が必要となる。

攻撃者も適応する。通信事業者が通話頻度の高さを検出し始めれば、悪意ある送信者はより多くの番号にトラフィックを分散させられる。フィルターが不審なURLを調べるようになれば、犯罪者はリダイレクト、新規作成ドメイン、画像、あるいは被害者を別チャネルへ誘導する会話を利用できる。

この敵対的な環境では、恒久的な精度の主張は特に信頼しにくい。通信AIは、新たな手口に対して継続的に評価されなければならない。ある四半期に高い性能を示したモデルでも、攻撃者の行動が変われば有効性を失う可能性がある。

そのためセキュリティチームは、フラグの総数以上を追跡すべきである。有用な指標には、フラグ付きケースにおける確認済み詐欺、苦情から発見された見逃し不正、異議申し立ての成功数、復旧までの時間の中央値、同じ検知ルールに関わる反復的な誤りなどが含まれる。

独立したテストは、こうした測定を強化するだろう。事業者には機密性の高いセキュリティ手法を保護する正当な理由があるが、機密性を理由に、規制当局が性能や消費者被害を検証できなくなるべきではない。

懐疑的な結論は明快だ。AIは継続的な導入を正当化するだけの価値を示してきた。しかし、公的に入手できる証拠は、現行システムが速度、精度、救済措置のバランスを一貫して取れていると結論付けるには不十分である。

この不確実性は、Lahotiによるガードレールの要請を支持する。TRAI AI telecom securityの必要性を弱めるものではない。むしろ、その政策が成功しているかを判断するために必要な証拠を定義する。

主な争点は自動化された行動と説明責任ある行動の対立だ

説明責任がすべての対応を遅らせるなら通信セキュリティは失敗する。しかし、自動化による誤りを誰も修正できない場合も、同じく失敗する。

AIベンダーはしばしば、自律性を成熟度の階段として位置付ける。ネットワークは人間が操作するツールから始まり、支援された判断へと進み、最終的には多くの機能を独立して管理するシステムに到達する。

通信セキュリティは、「自律性が高いほど良い」という単純なモデルには当てはまらない。判断ごとに結果の重大性は異なり、それに応じて適切な自動化の度合いも変わる。

システムは、顧客に直接的な被害を与えることなくシグナルを自動収集できる。限定的な結果にとどまるアラートの優先順位付けもできる。だが、通信の遮断、サービスの制限、あるいは事業者間での告発情報の共有には、より強い統制が必要だ。

したがって、適切な比較は自律型ネットワークと旧来の手作業システムの対比ではない。説明責任ある自律性と、不透明な自律性の対比である。

説明責任ある自律性では、ソフトウェアが定義された範囲内で迅速に行動できる。なぜその措置が行われたのかを記録し、特定可能な責任者に通知し、取り消しを可能にする。組織は結果に対する責任を保持する。

不透明な自律性は処理量に焦点を当てる。膨大な量を処理できる一方で、明確な説明を示したり、誤りを解決する担当者を割り当てたりできない。誤った判断が広がるとき、その速度は責任となる。

Lahotiの発言は、通信事業者とテクノロジー企業をこの分断における責任ある側へ位置付けている。同時に、規制当局に対しても、説明責任の要件を具体化する圧力をかける。

広範な原則だけでは、特定のリスクスコアがブロックの発動条件となり得るかをネットワークチームに伝えられない。異議申し立てをどの程度迅速に処理すべきか、インシデント報告を誰が受け取るべきかも定められない。

詳細な基準では、高影響の判断、必要なログ、エスカレーション権、許容される介入時間を定義する必要がある。また、ある事業者が分類を覆した後、共有インテリジェンスをどのように修正すべきかも説明すべきだ。

規制当局自身もトレードオフに直面する。過度に規範的なルールは、攻撃やネットワークアーキテクチャの変化に伴い時代遅れになり得る。曖昧な義務は、事業者間で一貫しない安全策を生みかねない。

リスクベースのアプローチは中間的な道を提示する。より大きな被害をもたらす可能性のある行動に強い統制を割り当てる一方で、事業者が技術的な検知手法を更新できるようにする。

9月のフォーラムでは、国際的な側面も示された。英国臨時高等弁務官のBen Mellorは、犯罪者が詐欺でAIを利用している一方、組織も同じ技術を使って被害のパターンをより早期に認識できると述べた。COAIと英国高等弁務官事務所は、AI、デジタル接続性、信頼、技術協力を対象とする覚書に署名した。

詐欺ネットワーク、技術サプライヤー、通信トラフィックは、一つの管轄区域内にとどまることがほとんどないため、国境を越えた協力は重要である。事業者は、同一の規制制度を求めることなく、詐欺パターンやインシデント対応に関する知見を交換できる。

業界の代表者は、AI導入のさらなる深化を支持した。Bharti Airtelの幹部Rahul VattsはAIと通信を連続体として表現し、Reliance Jioの幹部Ravi Gandhiは組織的詐欺の防止における協力を強調した。彼らの立場は、増大するトラフィックと脅威の量を、手作業のレビューチームを同じ割合で増やすことなく管理する必要性を反映している。

しかし、業界の支持は、すべての導入が安全であることの独立した証明ではない。通信事業者は、不正利用の削減と運用の自動化から利益を得る。また、誤りを評価するために必要な性能データの多くも彼らが管理している。

TRAIの役割は、こうしたインセンティブと消費者保護を結び付けることにある。規制当局は、有用な実験を認めつつ、効率性が自動化システムによって誤分類された人々に見えないコストを転嫁しないようにしなければならない。

このバランスを考えると、Lahotiの警告は責任あるAIを求める一般論以上の意味を持つ。それはすでに重要インフラに組み込まれ、すでに顧客体験に影響を与え、ますます規制措置にも影響を及ぼしているシステムに関するものだ。

ガードレールが実在するかを示す3つのシグナル

次の試金石は、TRAIと事業者が人間による監督を、原則として繰り返すだけでなく、測定可能な手順へ変換できるかどうかである。

第1のシグナルは、高影響の自動化判断に関する詳細な枠組みだ。TRAIは、事前の人間による承認、即時通知、または措置後の迅速なレビューを必要とする行動を特定すべきである。

こうした枠組みは、リスク水準と運用ルールを結び付けることでLahotiの主張を強化する。その不在は、説明責任の解釈を各事業者に委ねることになる。

最も重要な詳細は、介入の期限と判断責任の所在だ。最終的なレビューを約束するだけでは、重要な期間に番号を誤って制限された送信者を保護できない。

第2のシグナルは、事業者間で共有されるAIスパムインテリジェンスの実装だ。TRAIが2月に出した指示は、連携したキャンペーンをより早く特定する機会を生む一方、訂正が非難と同じ速さで伝わるかどうかも問うことになる。

事業者が不審な番号のリストだけでなく、標準化された理由コードや裏付けとなる指標を交換している証拠に注目したい。また、審査が成功した後に共有フラグを削除または更新するプロセスがあるかも重要だ。

信頼できる訂正の仕組みは、協調型のTRAI AI telecom securityを支持する根拠を強める。通信事業者間で不整合が続くなら、相互運用性がガバナンスに先行していることを示すだろう。

第3のシグナルは、結果およびエラーに関する指標の公表だ。フラグが付けられた通話件数、切断された接続数、ブロックされたリンク数は活動量を示すが、公平性や正確性を測るものではない。

TRAIと通信事業者は、確認済みの不正利用率、異議申立ての結果、復旧までの時間、主要なAI関連インシデントを、一貫した形式で開示すべきだ。集計報告であれば、機微なセキュリティ手法を保護しつつ、安全策が機能しているかを明らかにできる。

インシデントのデータベースは特に価値が高い。モデルドリフト、不完全なデータ、ベンダー変更、過剰な執行ルールに関する繰り返し発生する障害パターンを示せる可能性がある。

この3つのシグナルは、実践的な検証枠組みを構成する。意思決定ルールは、人間がいつ介入すべきかを定義する。共有された訂正メカニズムは、1つの誤りが広がるのを防ぐ。公開指標は、システムが意図どおりに機能しているかを明らかにする。

通信AIを構築する開発者がこれを重視すべきなのは、ガバナンス要件が製品アーキテクチャを形づくるためだ。説明可能性、監査ログ、可逆的な措置、アクセス制御は、導入後に低コストで追加できるものではない。

企業の購買担当者は、各自動判断の責任主体が誰か、そして誤りをどのように再構築するのかをベンダーに問うべきだ。また、人間のレビュー担当者が、セキュリティシステム全体を無効化せずに不具合のあるワークフローを停止できるかも検証すべきである。

消費者が注目すべきなのは救済手段だ。スパム警告は有用だが、重大な制限には、明確な異議申立てルートと予測可能な対応時間が必要となる。

Lahotiの立場は、より自律的なネットワークの余地を残しつつ、責任を伴わない自律性は退けている。これは正しい方向性だが、決定的な作業はこれから始まる。

AIシステムが通信に関する判断を誤った際、迅速な介入が機能することを、通信事業者は証拠として公表するのだろうか。答えによって、インドのネットワーク自動化が説明責任を伴うインフラとなるのか、それとも単に執行を高速化するだけの仕組みにとどまるのかが決まる。