
Anthropic 「Claude Mythos」が変えるセキュリティ業界。AIに変わる業務と残る業務
2026年4月、Anthropicが「Claude Mythos」(以下、Mythos)というモデルを発表した。Firefoxだけで約300件の未知の脆弱性をAIが自律的に発見。以前のモデルが見つけたのは約20件だった。セキュリティ業界に、静かな衝撃が走った。
これはセキュリティの仕事が「なくなる」という話ではない。ただし「変わる」という話は、かなり現実味を持ち始めた。
業務の種類によって、Mythosの影響度は大きく異なる。今回はその構造を整理する。
Mythosとは何か。セキュリティ業界に何が起きたか
「Mythos」は、Anthropicが発表した、現時点で一般公開されていない最先端モデルだ。最大の特徴は、サイバーセキュリティにおける突出した能力にある。
MythosはFirefoxなど主要なブラウザとOSのゼロデイ脆弱性を自律的に数千件発見した。「ゼロデイ」とは開発者自身も知らなかった未知の脆弱性を指す。Firefox単体での発見数は約300件。以前のAnthropicモデルは約20件だった。人間のセキュリティエンジニアが何週間もかけて行うような作業を、Mythosは一夜で実行した。
Anthropicはこの能力を攻撃ではなく防御に使うことを選んだ。「Project Glasswing」として発見した脆弱性の修正を支援するため、Apple・Amazon・JPMorgan Chase・Palo Alto Networksなど限られた企業にだけアクセスを公開している。AIの発見結果は必ず人間のセキュリティエンジニアがレビューしてから対応する体制が設けられている。
日本でも具体的な反応が出た。首相(高市早苗氏)がMythosを念頭にサイバーセキュリティ戦略の見直しを指示し、重要インフラ事業者の脆弱性対応体制を整備する計画の策定を閣僚に命じた。MUFG・みずほ・三井住友の3メガバンクもMythosへのアクセスを順次取得し、防衛目的での活用を進めている。
Mythosは「未来のAI」の話ではない。今、セキュリティ業界に実際に影響を与えている出来事だ。
Mythosが変える業務:自動化が加速する領域
アラートのトリアージ・誤検知フィルタリング
SOCの日常業務の大部分は、大量のアラートを確認して「本物の脅威か、誤検知か」を判断する作業だ。この一次スクリーニングはAIが得意とする領域で、すでに多くの現場でAIツールが導入されている。
ただし「AIが誤検知と判断したもの」を最終確認するのは人間だ。AIの精度が上がっても、判断の責任はなくなりません。
脆弱性スキャンと自動レポート生成
脆弱性スキャンは以前から自動化ツールが主流だったが、Mythosはその概念を変えるだろう。既知パターンのスキャンにとどまらず、誰も気づいていなかったゼロデイを自律的に発見するレベルに達している。
「スキャンツールを動かして結果を確認する」という業務はAIが主役になりつつある。繰り返し発生する定型スキャンは、人の手から離れていくだろう。
マルウェア検知・パターンマッチング
既知のマルウェアパターンの検知はAIが得意だ。機械学習モデルは膨大なサンプルから特徴を学習し、人間よりも高速に判断できる。
一方で「これまで見たことのない未知の攻撃手法」への対応は、依然として人間の分析力が必要だ。
Mythosでも変わらない業務:人間が必要な領域
インシデントレスポンスの判断と指揮
実際のインシデントが発生したとき、「何が起きているか」を把握した上で「何を優先して対応するか」「どの範囲を隔離するか」「誰に何を伝えるか」を瞬時に判断する必要がある。
この文脈の読み取りと意思決定はAIには難しい。情報が不完全な状況での判断、過去の類似事例との照合、組織の事情を踏まえた優先順位付けは、経験と文脈理解が必要だ。
ペネトレーションテスト(攻撃的視点)
AIの脆弱性発見能力は、Mythosの登場で人間を大きく上回りつつある。ゼロデイを自律的に発見・実証できる今、「脆弱性を探す」という作業単体はAIが主役になっている。
ただし、「何をテストするか」というスコープの定義、「この脆弱性がビジネスにとって何を意味するか」の解釈、攻撃シナリオをリスクとして経営層に伝える力は、依然として人間の仕事だ。
ペネトレーションテスターの役割は「発見する人」から「AIの発見を判断・説明する人」へと移行しつつある。
セキュリティ設計とリスク評価
「このシステムをどう設計すれば安全か」「このリスクは許容できるか」という問いには、ビジネス要件・コスト・組織の優先度を統合した判断が必要だ。
技術とビジネスをつなぐこの役割は、AIが代替しにくい領域の一つだ。
ステークホルダーへの説明・合意形成
経営層やクライアントに「なぜこの対策が必要か」を伝え、予算と合意を取り付ける仕事はコミュニケーション能力が核心だ。
技術的な事実を相手に合わせた言語で説明し、判断を促す。AIが文章を生成できても、人間関係と信頼の構築は代替できない。
日本のセキュリティ現場への影響
政府と金融機関が動いた背景には、日本固有の構造的な弱さがある。
経済産業省の試算では2030年までに最大80万人のIT人材が不足すると予測されており、セキュリティ専門人材だけで見ても約11万人規模の不足が指摘されている。国内にMythos級のAIラボは存在しない。守り手の頭数がそもそも足りない状況に、AIによる攻撃の高速化が重なっている。
「AIが脆弱性を発見するスピード」と「企業がパッチを当てるスピード」の差が、日本では特に広がりやすい。これが今、日本のセキュリティ現場が直面している現実だ。
ただし見方を変えれば、これは「人材が足りていない市場」でもある。Mythosが業務を変えながらも、人間のセキュリティ人材への需要は構造として増している。未経験者がこの業界を目指す文脈としては、むしろ追い風になり得る。
未経験者への影響:チャンスか、脅威か
未経験からセキュリティを目指す人にとって、Mythosの普及はどう影響するか。
ポジティブな面 がある。AIが一次処理を担うことで、SOCなどの入門業務では「大量のアラートを手作業で確認する」という単純作業の比重が下がる。AI補助ツールを使いながら実務を学べる環境は、未経験者の学習負担を下げる可能性がある。
注意すべき面 もある。「とりあえずツールを動かして確認するだけ」の業務は、AIに代替される可能性が高い。「AIが出した結果を理解した上で判断できる」レベルを目指さないと、市場価値が下がっていく。
Mythosが示したのは「変化が来る」ではなく「変化は今ここにある」ということだ。入口が広がるとしても、止まっていい場所ではなくなっている。
今から身につけるべきスキルの変化
Mythos以降で変わるのは「何を学ぶか」ではなく、「どこを目指すか」だ。
AIツールを使える ことは、これから前提になる。特定のツールの使い方ではなく、「AIの出力を批判的に確認し、誤りを見つけて修正できる」力が実務では必要だ。
それ以上に価値が上がるのは以下の力だ。
文脈を読んで判断する力(状況が変化しても対応できる)
技術を非技術者に伝える力(経営・顧客・チームへの説明)
未知の状況に対応する力(想定外を想定する思考)
Project Glasswingでは、AIが発見した脆弱性を必ず人間のセキュリティエンジニアがレビューしてから対応する体制を採用している。「AIを動かし、結果を判断する人間」が業界の構造として必要とされている。
これらはどの職種にも共通するが、特にどの職種を選ぶかで磨かれるスキルは変わる。職種の選び方については、こちらで詳しく解説している。
→ セキュリティ職種×スキル完全解説(SOC・診断・SecEng)
最後に
MythosはセキュリティのDNAを変えつつある。ただし消しているのではなく、変えている。
単純・反復の業務は自動化が進む。一方で、判断・設計・説明を伴う業務は人間の価値が残り続ける。Mythos後の時代に未経験者がセキュリティを目指すなら、「AIに代替されにくい仕事」を最初から狙って入ることが、長く活躍できるキャリアの起点になる。
まずは職種の選び方から整理しよう。
→ セキュリティ職種×スキル完全解説(SOC・診断・SecEng)
どう学べばいいか知りたい方はこちら。
→ 未経験からセキュリティ職に就く最短ロードマップ(これだけやればOK)
この記事が役に立ったと感じた方は「スキ」をいただけると励みになります。
関連記事