リスクとは、自分が何をやっているかよく分からない時に起こるものである①

Claude Mythos とサイバー防御の勢力図
──蒸留・堀・社会再構成をめぐる対話

Project Glasswing が示す「AI時代の文明OS更新」
あなた
「アンソロピック、秘蔵AI『Claude Mythos』の広範な提供へ──サイバー防御の勢力図は変わるか」（Forbes JAPAN、5月31日（日）8:00配信）。このニュースについて、あなたの考えを聞かせてください。
AI
私の見立てでは、サイバー防御の勢力図は変わります。ただし「AIが防御側を一方的に強くする」というより、まずは“脆弱性発見の速度だけが異常に上がり、修正・検証・配備が詰まる”形で変わると思います。
Anthropic自身は、Project Glasswingを通じてAWS、Apple、Google、Microsoft、NVIDIA、Palo Alto Networks、CrowdStrike、Linux Foundationなどと連携し、Claude Mythos Previewを重要ソフトウェアの防御に使うと説明しています。同社は、Mythos Previewが「極めて高度なサイバーセキュリティ能力」を持ち、未公開の汎用フロンティアモデルでありながら、最上位の人間以外を上回る水準で脆弱性を発見・悪用できる段階に来た、とかなり強い表現をしています。（Anthropic）
重要なのは、これは「セキュリティ専用AI」ではなく、汎用モデルの能力向上の副産物としてサイバー能力が突出したという点です。AnthropicのRed Team報告では、Mythos Previewは主要OSや主要ブラウザでゼロデイ脆弱性を見つけ、場合によっては複数の脆弱性を連鎖させた高度なエクスプロイトも構築したとされています。しかも、見つかった脆弱性の99％超は未修正なので詳細は伏せる、としています。（Red Anthropic）
ここで勢力図が変わる理由は、「発見能力」が希少資源ではなくなるからです。従来は、優秀なリバースエンジニア、脆弱性研究者、攻撃者、国家機関が持っていた能力が、モデル・計算資源・エージェント実行環境に移り始める。これは、サイバー安全保障における「職人芸の機械化」です。
ただし、防御側にとって朗報ばかりではありません。UK AI Security Instituteも、Mythos PreviewはCTFや多段階攻撃シミュレーションで大きく性能を伸ばし、32ステップの企業ネットワーク攻撃シミュレーションを10回中3回、最初から最後まで完遂したと報告しています。一方で、その評価環境には現実の防御ツールやアクティブな防御者が存在せず、よく守られた実環境を攻撃できるかまでは断定できない、とも慎重に述べています。（AI Security Institute）
つまり、私の評価はこうです。
第一段階では、防御側の大企業が有利になります。Apple、Microsoft、Google、AWS、Linux Foundationのような基盤ソフトウェア側が先にMythosを使えるなら、世界中の攻撃者が見つける前に、OS、ブラウザ、クラウド、OSSの深いバグを先回りして潰せる。これは非常に大きいです。AnthropicはProject Glasswingで最大1億ドル分の使用クレジット、OSSセキュリティ団体への400万ドル寄付も掲げています。（Anthropic）
第二段階では、ボトルネックが「発見」から「修正」に移ります。脆弱性をAIが大量に見つけても、人間が本当に悪用可能かを検証し、優先順位をつけ、パッチを書き、互換性を壊さず配布し、各組織が適用する必要があります。CETaSも、今後は「脆弱性を機械速度で見つける時代」に入り、組織は機械速度・大規模でパッチを回すパイプラインを作る必要がある、と指摘しています。（新興技術とセキュリティセンター）
第三段階では、攻撃側も追いつきます。ここが本質です。AnthropicがMythosを制限しても、同種の能力は他社モデル、オープンウェイトモデル、専用エージェント、国家系モデルへ拡散します。CETaSも、AnthropicがMythosを悪用防止のため制限している間は防御に使えるが、同様の能力が他モデルへ広がることは避けにくい、と見ています。（新興技術とセキュリティセンター）
このニュースで一番怖いのは、サイバー攻撃の“参入障壁”が下がることです。これまでは、ゼロデイ発見、エクスプロイト作成、多段階侵入、横展開、権限昇格には高度な専門性が必要でした。今後は、専門家でなくても「対象コードを渡す」「ネットワークにアクセスさせる」「脆弱性を探させる」だけで一定の攻撃能力を得る可能性がある。Anthropicの報告でも、セキュリティ訓練を受けていないエンジニアでも作動するエクスプロイトを生成できた、という趣旨の主張があります。（新興技術とセキュリティセンター）
一方で、過大評価にも注意が必要です。arXivに出ている検証研究では、公開情報に基づく「Mythos関連バグ再発見」実験で、モデルが期待されたバグを安定的に再発見できたわけではなく、54試行中の一致は限定的だったと報告されています。この研究はAnthropicの非公開ワークフローを否定するものではありませんが、単純に「モデルだけで何でも見つける」と見るのは危険だ、という補正になります。（arXiv）
したがって、私の結論はこうです。Claude Mythosは、サイバー防御の勢力図を変える。ただし勝者は“最強AIを持つ企業”ではなく、“AIが見つけた脆弱性を検証・修正・配備・監視まで高速に回せる組織”です。
これはAIエージェント時代の典型です。能力そのものより、運用パイプライン、権限管理、監査ログ、パッチ適用速度、ソフトウェア資産台帳、責任分界が勝敗を決める。AIが脆弱性を発見するだけなら、むしろ社会全体のリスクは一時的に上がります。発見速度に修正速度が追いつかなければ、「未修正の深刻バグの在庫」が爆発するからです。
日本企業・金融機関・官公庁にとっては、かなり重いニュースです。今後必要なのは、「AIセキュリティツールを導入する」では足りません。必要なのは、次のような体制です。

• 第一に、全システムのSBOM、依存ライブラリ、バージョン、EOL状態を把握すること。

• 第二に、AIが出した脆弱性候補を人間が検証するだけでなく、再現環境・テスト・パッチ候補生成まで一連の流れにすること。

• 第三に、重要インフラや金融のような領域では、AIモデルへのアクセス権限、ログ、外部送信、検証責任を制度化すること。

• 第四に、守る側だけでなく、攻撃側も同じ能力を持つ前提で、ゼロトラスト、最小権限、横展開阻止、迅速隔離を標準にすること。

要するに、これは「AIがセキュリティ担当者を助ける」という牧歌的な話ではありません。ソフトウェア世界全体が、脆弱性発見の速度だけAI時代に突入したという話です。そして、その後始末をする人間側の制度・組織・運用がまだ20世紀型のままなら、むしろ防御側は苦しくなります。
私見では、Anthropicはかなり戦略的に動いています。Mythosをいきなり一般公開せず、Project Glasswingで巨大IT・重要インフラ・OSS側へ先に配る。これは「攻撃能力を見せつつ、防御側連合を作る」動きです。AI企業が単なるモデル提供者から、サイバー防衛インフラの中核事業者に変わろうとしているとも言えます。
だからこのニュースの本質は、「Claude Mythosすごい」ではなく、AI基盤企業が国家・クラウド・OS・金融・OSSの防衛網に組み込まれ始めた、という点だと思います。これは、Anthropicの立場をかなり強くします。モデル企業ではなく、同盟圏の防衛インフラ企業になる可能性があるからです。
あなた
関連して、私の理解を整理した文章を提示します。
「他社モデルの出力を使った訓練を禁止する『規約の壁』は、現在の生成AI業界における最大の建前であり、同時に最も日常的に、かつシステマティックに破られている防波堤です。Metaや中国のテック企業、あるいは最先端のスタートアップが、法的リスクを巧みに回避しながら、ClaudeやGPT-4といった先行モデルから知能を『抽出』している実務的な裏工作（データ・ロンダリング）のメカニズムを、5つの階層で暴露します。」
1. オープンソース・コミュニティを挟む「外注型ロンダリング」
Metaのような巨大企業が直接ClaudeのAPIを叩いて数百万件のログを保存し、それをそのままLlamaの学習に突っ込めば、一発でAnthropicから数千億円規模の損害賠償訴訟を起こされます。
そこで使われるのが、「コミュニティによる洗浄」というバッファです。世界中の独立した研究者やAIオタク、あるいはペーパーカンパニーに近い研究組織が、ClaudeやGPT-4のAPIを使って高度な対話データセット（例：ShareGPT、LMSYSのログ、Alpacaの発展形など）を自主的に作成し、Hugging Faceなどのプラットフォームにオープンデータとして放流します。
Metaや中国企業は、これを「インターネット上に転がっていた公開ウェブデータをクローリング（収集）しただけ」という建て付けで自社モデルの学習に使用します。「自社で規約違反はしていない。ネット上のゴミ（パブリックデータ）を拾って学習しただけだ」というリーガル・シールド（法的盾）を作る、古典的かつ強力な手法です。
2. データの指紋（DNA）を消す「多段階変形（パラフレージング）」
AIの出力には、そのモデル特有の「指紋」が残ります。例えば、Claudeは特定の接続詞（“Crucial”、“Delve”、“Foster” など）を好む傾向があり、コードの書き方やコメントの入れ方にも癖があります。これをそのまま学習させると、自社モデルが「Claudeのモノマネ」を始めてしまい、模倣が発覚します。
これを防ぐため、企業は「マルチステップ・トランスフォーメーション」を行います。第一に、Claudeに最高精度のコードやタスク分解を生成させる。第二に、その出力を別のオープンソースモデル（例えば自社の旧モデルや別の弱小モデル）に通し、「コードの変数を書き換える」「論理構成は変えずに、全く別の表現で要約・パラフレーズする」という処理を行う。第三に、必要に応じて、さらに機械翻訳で「英語 → 中国語 → 英語」と往復させる。
このプロセスを経ることで、論理の骨格（知能）だけを残し、規約違反を証明するための言語的特徴（指紋）を完全に消去します。
3. 「LLM-as-a-Judge」（訓練ではなく選別への利用）
規約の文面は通常、「当社の出力を競合モデルの訓練（Train）に使用してはならない」となっています。ここに実務的な解釈の隙間があります。
Metaや中国企業は、データの「生成」にはClaudeを使わず、自社モデル（LlamaやQwen）に数百万件のデータを吐き出させます。そして、その大量の自社製データが「正しいか、高品質か」を判定する「審査員（Judge）」としてClaudeを使います。「このコードのバグを指摘せよ」「このタスク分解の論理的破綻を10点満点で採点せよ」とClaudeに命令し、Claudeが低得点をつけた自社データを破棄し、高得点をつけたものだけを学習データ（DPOやRLHF用データ）として残すのです。
これはモデルを「直接訓練」しているのではなく、自社データの「ゴミ箱行きかどうかのフィルタリング」に他社モデルを使っているだけなので、規約の「訓練禁止」の網を非常にすり抜けやすいグレーゾーンです。
4. エージェント特有の「環境（シミュレータ）の蒸留」
ManusのようなAIエージェント企業の場合、最も洗練されたすり抜けが可能です。前述の通り、エージェントの価値は「Claudeに最適化されたプロンプト」ですが、これをそのままLlamaに移植しても動きません。そこでMetaのエンジニアがやるのは、「Claudeを使って『正解の環境（シミュレータ）』を構築すること」です。
第一に、Claudeを使って、あらゆるWebサイトの操作、SaaSの連携、複雑なコードエラーの「理想的な解決ルートのログ」を網羅的に作らせる。第二に、そのログを基に、「こう動けばタスク成功、こう動けば失敗」という自動評価ハーネス（テスト環境・採点機）を社内に構築する。第三に、そのクローズドな環境の中で、Llamaに強化学習（RL）を課し、何度も試行錯誤（自己対戦）をさせて、Llama自力で「正解ルート」に到達する能力を開発させる。
この場合、Llamaが学習したのは「Claudeのテキスト」ではなく、「Claudeによって作られた採点環境」です。AlphaGoが人間の棋譜を離れ、自己対戦で強くなったのと同じ構造をエージェントで再現します。これなら、最終的なLlamaのウェイト（知能）の中にClaudeのデータは1ビットも含まれていないため、完全なクリーンルーム開発となり、Anthropicは手も足も出ません。
5. 中国特有の「国境の壁」を利用した踏み倒し
中国企業（AlibabaやTencent、百度など）の場合、よりドラスティックです。彼らはシンガポール法人や海外の研究機関、あるいは提携している大学のラボ（名目上は民間企業ではない組織）経由でClaudeやOpenAIの商用APIを大量に叩き、データを中国本土のサーバーに吸い上げます。
米国のAI企業が「規約違反だ」と気づいたとしても、中国本土のプライベートなデータセンター内でどのようなファインチューニングが行われているかを外部から監査する法的・技術的手段は存在しません。さらに、中国の裁判所に米国のAI企業が「利用規約違反」で訴えを起こしたとしても、国家安全保障とAI覇権が絡む領域において、中国の裁判所が米国のテック企業の味方をする可能性はゼロです。中国企業にとって、西側企業のToS（利用規約）は「捕まらなければ、そして国内にいれば存在しないも同然」のルールです。
新たな発見：規約の壁がもたらす「格差の固定化」の嘘
このすり抜けの実態から、一つの不都合な真実が浮かび上がります。西側メディアやAIインサイダーはよく、「利用規約とデータ主権の強化によって、先行者（OpenAI、Anthropic）の優位は揺るがない」と言いますが、それは大嘘です。実際には、規約が厳しくなればなるほど、裏でそれをロンダリングする高度なインフラと資本を持つ巨大企業（Meta）や、法域の壁に守られた国家（中国）に知能が集中するようになります。
真面目に規約を守る従順な小規模スタートアップだけが「自前の貧弱なデータ」での開発を強いられて自滅し、裏で「シミュレータの蒸留」や「コミュニティによる洗浄」をシステマティックに実行できるレイヤーだけが、先行者の知能を合法的に、かつただ同然で吸い上げ続ける。
MetaがManusの買収で狙っているのは、単に「規制をすり抜けること」ではありません。Manusのチームがこれまでに Claude 3.5 Sonnet を徹底的に使い倒す中で構築した「エージェントの正解環境の設計図（どういう環境を作ればエージェントが強くなるかというメタ知識）」を強奪することです。これさえあれば、Llamaを合法的に「Claude化」する土壌改良を一気に加速できる。それこそが、彼らが20億ドルのディールを裏で進めた、実務的な確信犯としての背景です。
Claude Mythosに対して、この蒸留がなされることは前提なのでしょう。そしてそれでも、アンソロピックがClaude Mythosを公開するということは、公開して良い目算が立ったということですか。
AI
はい。Claude Mythosに対して蒸留・模倣・環境抽出が試みられることは、Anthropic側もほぼ前提にしていると思います。ただし、「それでも公開してよい」と判断したというより、より正確には、“完全秘匿は不可能なので、防御側に先に配り、管理された形で能力拡散を始める方がまだマシ”という目算が立った、ということだと思います。
まず前提として、Anthropic自身も出力蒸留のリスクを明確に認識しています。同社のヘルプでは、Claudeの出力を競合モデルの訓練に使うこと、出力を訓練ターゲットにすること、訓練手法をリバースエンジニアすることは禁止だと説明しています。つまり、あなたが言う「規約の壁」は実在します。（Claude Help Center）
一方でAnthropicは、DeepSeek、MiniMax、Moonshot AIなどがClaudeを不正に利用して自社モデルを改善したとして、約2万4000の不正アカウント、1600万件超のやり取りを検知したと公表しています。これは、少なくとも同社が「蒸留攻撃は現実に起きている」と見ていることを示します。（Business Insider）
だから、Mythosでも同じことが起きる、というあなたの前提はかなり妥当です。ただし、ここで重要なのは、Anthropicが出しているのは基本的にモデルの重みではなく、API・クラウド経由のアクセスだという点です。Project Glasswingでは、AWS、Apple、Google、Microsoft、NVIDIA、Palo Alto Networks、CrowdStrike、Linux Foundation、JPMorgan Chaseなどの大手・重要インフラ側に、Mythos Previewを防御目的で使わせる構図になっています。さらに40以上の重要ソフトウェア維持組織にもアクセスを広げています。（Anthropic）
つまり、これは「完全公開」ではなく、管理された漏洩可能性を織り込んだ限定配備です。Anthropicの読みは、おそらくこうです。
第一に、Mythos級の能力はいずれ拡散する。Anthropic自身も、Project Glasswingの説明で「この種の能力はいずれ安全に使う意思のない主体にも広がる可能性がある」と述べています。だから、防御側が先に使わなければならない、というロジックです。AISIも、フロンティアモデルの自律的サイバー能力は数年単位ではなく数カ月単位で伸びており、Mythos PreviewやGPT-5.5が従来の上昇トレンドを大きく超えたと評価しています。（Anthropic／AI Security Institute）
第二に、出力蒸留よりも、防御側の時間差優位の方が価値がある。Mythosが見つけるのは、ソフトウェアの未発見脆弱性です。これを敵対者が先に見つければゼロデイ攻撃になりますが、防御側が先に見つければパッチにできます。この場合、多少のノウハウ流出リスクを負ってでも、Apple、Microsoft、Google、Linux Foundation、JPMorganなどに先に使わせる意味があります。これは単なる商品展開ではなく、同盟圏のサイバー防衛の先制配備です。（Anthropic）
第三に、Anthropicは“能力そのもの”より“実行環境・監視・アクセス制御”で支配しようとしている。出力テキストの蒸留は完全には止められません。LLM-as-a-Judge、パラフレーズ、シミュレータ蒸留、評価ハーネス抽出は、概念的にはどれも起き得ます。しかし、Mythos級の価値は単発回答ではなく、長いエージェント実行、ツール使用、検証、PoC生成、並列探索、再現環境、脆弱性トリアージにあります。Cloudflareの報告でも、Mythosの価値は『単にバグを言う』ことではなく、複数の小さな攻撃プリミティブをつなげること、PoCを書いて検証すること、そしてそれを支えるハーネスにあるとされています。（The Cloudflare Blog）
ここが非常に重要です。Mythosの本体はモデルだけではなく、“モデル＋ハーネス＋クラウド実行環境＋監査ログ＋防御側ワークフロー”です。この全体を蒸留するのは、単なる出力データセットを作るより難しい。
とはいえ、あなたの指摘する「環境の蒸留」は一番鋭いです。Cloudflare自身が、単一の汎用エージェントにリポジトリを読ませるだけでは駄目で、狭いタスクに分割し、複数エージェントで探索し、別エージェントで反証し、重複排除し、到達可能性を検証するハーネスが必要だと説明しています。これはまさに、あなたの言う「エージェントの正解環境の設計図」に近い。つまり、Mythosの能力は、モデル出力だけでなく、運用知識としても外に漏れる。（The Cloudflare Blog）
では、なぜそれでもAnthropicは進めるのか。私の見立てでは、Anthropicは「秘匿で守る」段階はもう終わったと判断しているのだと思います。今の勝負は、能力を完全に封じることではなく、能力拡散の順序を制御することです。
順序はこうです。まず、米国・同盟圏のクラウド、OS、ブラウザ、金融、OSS基盤に配る。次に、防御側の脆弱性発見・修正・開示プロセスを整える。その上で、Mythos級モデルを一般ユーザーにも安全に使わせるためのサイバーセーフガードを開発する。
実際、AnthropicはProject Glasswingについて、脆弱性開示、ソフトウェア更新、OSS・サプライチェーン、セキュア開発、規制産業標準、トリアージ自動化、パッチ自動化などの実務標準を作っていくと述べています。さらに、米国政府ともMythosの攻防両面の能力について協議しているとしています。（Anthropic）
ここで「公開してよい目算」と言うなら、その中身はおそらく次です。
1つ目は、重みを出さない限り、完全なコピーは難しいという目算。API出力から能力をかなり吸い上げることはできる。しかし、長時間推論、ツール使用、内部探索、訓練データ、推論インフラ、スキャフォールド、セーフガード込みの能力を丸ごと再現するのは難しい。特にサイバー領域では、単なる自然言語の模倣より、実環境での検証能力が重要です。
2つ目は、蒸留される頃には次のモデルへ進むという目算。これはAI基盤企業の基本戦略です。モデルが静的な資産なら蒸留は致命傷ですが、3〜6カ月単位で次世代化するなら、盗まれるのは常に一世代前の能力になる。AISIも、後続の同一モデルチェックポイントだけで大きく性能が変わることがあると指摘しています。（AI Security Institute）
3つ目は、攻撃側の蒸留より、防御側の先行修正の方が時間価値が大きいという目算。サイバーでは、同じ脆弱性発見能力でも、先に使った側が勝ちます。防御側が数カ月早く重要ソフトウェアをスキャンしてパッチできれば、その後に類似能力が攻撃側へ流れても被害面はかなり抑えられる。
4つ目は、Anthropic自身が“サイバー防衛インフラ企業”になる目算。ここが一番大きいと思います。Mythosを抱え込むだけでは、ただの危険なモデルです。しかしGlasswingでApple、Microsoft、Google、AWS、Linux Foundation、JPMorgan、CrowdStrikeなどを巻き込めば、Anthropicはモデル企業ではなく、同盟圏のサイバー防衛レイヤーになります。これはOpenAIやGoogleとは別の政治的ポジションを作る動きです。
ただし、私は「Anthropicは安全だと判断した」とは見ません。むしろ逆で、安全ではないと分かっているから、先に防御側へ配るという判断でしょう。公式説明でも、AnthropicはMythos Previewを一般提供する予定はないが、将来的にはMythos級モデルを安全に大規模展開したい。そのためには危険な出力を検知・遮断するサイバーセーフガードが必要だ、と述べています。一方で、Reutersは5月28日に、AnthropicがMythosを今後数週間で全顧客向けに出す方向だと報じています。（Anthropic／Reuters）
この2つを合わせると、たぶん「Mythos Previewそのものを無制限公開する」のではなく、何らかのセーフガード付き・商用版・用途制限版を広げるという形になる可能性が高いです。
結論としては、こうです。蒸留されることは前提。しかしAnthropicは、蒸留リスクよりも、秘匿している間に攻撃側・他社・国家系モデルが追いつくリスクの方が大きいと判断した。だから、完全公開ではなく、同盟圏・重要インフラ・クラウド経由で、管理された形で能力を先行配備している。
あなたの「シミュレータの蒸留」論はかなり本質を突いています。Mythosの出力そのものよりも、Mythosを使って作られた脆弱性探索ハーネス、評価環境、タスク分解、検証パイプラインの方が、長期的には価値を持つ。これは必ず外へ流れます。だからAnthropicの勝負は、知能を盗まれないことではなく、知能が盗まれる前に、防御側標準・クラウド配備・政府関係・監査制度・セーフガード規格を自分たち中心に固めることだと思います。
つまり、Claude Mythos公開の本質は「安全になったから出す」ではありません。危険な能力がどうせ世界に広がるので、Anthropicがその拡散順序と制度設計の主導権を取りに行った、ということです。
あなた
なるほど。「評価ハーネス」だけでなく、“モデル＋ハーネス＋クラウド実行環境＋監査ログ＋防御側ワークフロー”が、蒸留には必要ということですか。当然、評価ハーネス単体より、全体の蒸留の方が難しい。そして「重み」の知見を得る。という順序でしょうか。
AI
はい、大筋ではその順序だと思います。ただし最後の「重みの知見を得る」は、少し分解した方が正確です。実際の重みそのものを得るのではなく、まずは「重みが実現している振る舞い・探索戦略・評価関数・失敗傾向」を外側から近似していく、という順序です。整理すると、蒸留の対象はこの階層になります。
1. 表層出力の蒸留
これは一番簡単です。Mythosにコードレビュー、脆弱性説明、PoCの方針、修正案、タスク分解を出させ、その出力を別モデルの訓練データや評価データにする。ただしAnthropicは、Claudeの出力を競合モデルの訓練ターゲットに使うこと、訓練手法をリバースエンジニアすることを明示的に禁止しています。なので、ここは一番分かりやすく規約違反になりやすい。（Claude Help Center）
2. 行動軌跡の蒸留
次に価値があるのは、最終回答ではなく、そこに至る実行軌跡です。サイバー領域では、単に「ここに脆弱性があります」と言うだけでは不十分です。Cloudflareは、Mythosの価値を、疑わしいバグを見つけ、検証用コードを書き、スクラッチ環境でコンパイル・実行し、失敗すれば仮説を修正して再試行するループにあると説明しています。（The Cloudflare Blog）
つまり蒸留したいのは、回答文ではなく、「どこを見るか」「どの仮説から試すか」「失敗した時にどう戻るか」「小さいバグをどう連結して重大化するか」「PoCをどう成立させるか」という探索政策です。ここが「Claudeっぽい文章」を盗む段階から、「Claudeっぽい調査官の動き」を盗む段階への移行です。
3. 評価ハーネスの蒸留
その次が、あなたの言う評価ハーネスです。これは非常に重要です。モデルに直接「正解」を教えるのではなく、何を成功とみなすか、どの環境で試させるか、どの失敗を減点するか、どの到達状態を報酬にするか、を設計する。AISIの評価でも、Mythosは単発CTFだけでなく、32ステップの企業ネットワーク攻撃シミュレーションで、10回中3回は最初から最後まで完遂しています。これは単なる知識問題ではなく、長い手順を維持する能力の評価です。（AI Security Institute）
だから、ハーネスは「採点表」ではなく、モデルを鍛える人工世界です。ここを作れると、教師モデルの出力を直接学習しなくても、自社モデルをその環境内で試行錯誤させられる。
4. スキャフォールド／クラウド実行環境の蒸留
ただし、評価ハーネスだけでは足りません。Mythos級の能力は、単体モデルだけではなく、モデル本体、ツール使用、コード実行環境、サンドボックス、長時間推論、複数エージェント化、検証ループ、ログ管理、人間レビュー、脆弱性開示・パッチ適用ワークフロー、の合成物です。Cloudflareも、他のフロンティアモデルは同じバグの一部を見つけることはあっても、実際の悪用可能性の証明や、複数の弱いバグを一つの深刻なチェーンにまとめる部分でMythosに劣った、と述べています。（The Cloudflare Blog）
つまり、Mythosの強さは「重み」だけではなく、重みをどう走らせるかにあります。ここであなたの整理は正しいです。評価ハーネス単体の蒸留より、“モデル＋ハーネス＋クラウド実行環境＋監査ログ＋防御側ワークフロー”全体の蒸留の方がはるかに難しい。評価ハーネスだけ盗んでも、まだ「試験問題と採点基準」を得ただけです。本当に欲しいのは、優秀な研究者が実験室・計算資源・検証装置・記録システム・レビュープロセスを使って成果を出す一連の型です。
5. その後に「重みに近い知見」を得る
最後に来るのが、あなたの言う「重み」の知見です。ただし、これは物理的な重みそのものではありません。API越しの利用では、通常、パラメータそのものは見えません。得られるのは、次のような重みに関する外部推定です。このモデルは、どの種類のバグ探索に強いのか。どの程度の長さのタスクまで保持できるのか。どの失敗で崩れるのか。どのプロンプト形式で探索が深くなるのか。どのツール環境を与えると性能が跳ねるのか。どの検証ループが最も報酬信号として効くのか。
AISIは、サイバータスクでモデルが自律的に完遂できるタスク長が数カ月単位で伸びており、Mythos PreviewやGPT-5.5が従来トレンドを大きく上回ったと評価しています。こういう評価を大量に回すことで、外部からでも「重みがどんな能力地形を持っているか」はかなり見えてきます。（AI Security Institute）
なので順序としては、こうです。出力を見る。行動軌跡を見る。評価ハーネスを作る。実行環境とワークフローを再現する。その環境で自社モデルを鍛える。最後に、Mythosの重みが実現していた能力地形を、自社モデルの重みに近似的に移す。この意味では、最終的に得るのは「Anthropicの重み」ではなく、Anthropicの重みが作っていた機能的構造の近似物です。
私の見立て
一番重要なのは、重みは最終目標ではあるが、最初に盗む対象ではないという点です。AIエージェント時代の本当の資産は、重み単体ではなく、どんな環境で学ばせるか、何を成功と定義するか、どの検証ループを回すか、どこで人間を介入させるか、どのログを残し、どの判断を再利用するか、です。
だから、Metaや中国企業が本当に狙うなら、Mythosの回答そのものより、Mythosを使った防御オペレーションの全体像でしょう。言い換えると、こうです。評価ハーネスは“教科書”。クラウド実行環境は“実験室”。監査ログは“研究ノート”。防御側ワークフローは“組織的な熟練”。重みは“その熟練を内面化した神経回路”。
Claude Mythosの蒸留とは、最初から重みを盗む話ではなく、外側の実験室と熟練の型を再現し、その中で自社モデルの重みを育て直す話です。より厳密に言えば、順序は、評価ハーネス → 実行環境 → ワークフロー → 行動軌跡 → 自社モデルでの再訓練 → 重みに近い機能の内面化、です。そしてAnthropicが守ろうとしているのは、出力テキストだけではなく、むしろこの全体システムの運用知だと思います。
あなた
なるほど。重みを知ることが目的ではなく、全体システムの運用知を理解した上での、重みという「洞察」の知見の獲得、という理解でしょうか。
AI
はい、その理解でよいと思います。より正確に言えば、「重みを知る」のではなく、“重みがなぜそう振る舞えるのか”を、外側の運用システムから逆算するという理解です。
ただし、「重みという洞察」という表現は少しだけ補正した方がよいです。重みそのものは洞察ではなく、洞察・探索手順・評価基準・失敗修正の履歴が圧縮された結果物です。だから蒸留側が本当に欲しいのは、重みの数値ではなく、次のようなものです。どんな問題設定を与えると能力が発現するのか。どんな評価環境ならモデルが伸びるのか。どんなログを残せば失敗が学習可能になるのか。どんなツール使用・検証ループ・人間レビューを挟むと、単なるLLMが実戦的なサイバーエージェントになるのか。
AnthropicのProject Glasswingは、Mythos Previewを重要ソフトウェアの脆弱性発見・修正に使うための枠組みであり、対象もローカル脆弱性検出、バイナリのブラックボックステスト、エンドポイント防御、ペネトレーションテストなど、単なる会話出力ではなく実行系を伴う領域です。CloudflareのMythos体験記でも、価値の中心は「モデルが答えること」ではなく、仮説を立て、PoCを書き、環境で検証し、失敗すれば戻って再探索する一連のループにあると読み取れます。（Anthropic／The Cloudflare Blog）
つまり、盗む、あるいは模倣する対象の階層はこうなります。
第1層：出力。これは表面です。脆弱性説明、修正案、PoC方針、コードレビュー結果など。もっとも分かりやすいが、AnthropicはClaudeの出力を競合モデル訓練に使うことを禁止しています。（Claude Help Center）
第2層：行動軌跡。どのファイルを見るか、どの仮説を優先するか、どの失敗で撤退するか、どの小さな異常をつなげて攻撃チェーンにするか。これは回答文より価値があります。
第3層：評価ハーネス。モデルを鍛えるための「人工世界」です。成功条件、失敗条件、報酬、減点、テスト環境、再現条件を定義する。AISIはMythos PreviewがCTFだけでなく、多段階サイバー攻撃シミュレーションでも大きく改善したと評価しています。これは単なる知識ではなく、長い手順を維持する能力の評価です。（AI Security Institute）
第4層：クラウド実行環境・監査ログ・防御ワークフロー。ここが本丸です。モデルにツールを持たせ、サンドボックスで走らせ、ログを残し、人間がレビューし、修正・開示・パッチ適用までつなげる。この全体がないと、モデルの能力は実戦化しません。
第5層：重みに近い機能の内面化。最後に、自社モデルをその環境で訓練・強化・選別することで、Mythosが外側に示した能力地形を、自社モデルの重みに近似的に移す。ここで得るのはAnthropicの重みではなく、Anthropicの重みが実現していた“機能構造”の近似です。
だから、順序としては、「重みを知る → 運用を作る」ではありません。逆です。運用を観察する → 評価環境を再現する → 行動軌跡を集める → 自社モデルを鍛える → 結果として、重みに宿るべき洞察を近似する、です。
ここで非常に重要なのは、重み単体には価値があるが、重み単体では足りないという点です。最近のサイバーAI評価でも、単に巨大な汎用モデルを当てるだけでは誤検知や低カバレッジが残り、構造化されたペネトレーションテスト手法や、失敗を含むエンドツーエンドの攻撃・検証トレースが重要だと指摘されています。別のExploitGymのような研究でも、現実の脆弱性を実際の攻撃に変えるには、再現可能なコンテナ環境や防御機構込みのテストベッドが必要になります。（arXiv）
なので、あなたの表現を私なりに言い換えるなら、こうです。目的は、重みそのものを知ることではない。目的は、重みが実現している“洞察の生成条件”を知ること。その生成条件とは、モデル単体ではなく、ハーネス、環境、ログ、ワークフロー、評価基準、人間の介入点を含む全体システムである。
これはAIエージェント時代の核心です。従来のモデル競争では、重みが王様でした。しかしエージェント競争では、重みは「頭脳」ではあっても、単独では不完全です。必要なのは、訓練場、実験室、採点者、作業ログ、再現環境、失敗からの復帰手順、組織的レビュー、です。
この全体を理解した企業は、他社モデルの出力を単純にコピーしなくても、自社モデルを強くできます。逆に、重みだけ立派でも、評価ハーネスと実行環境が弱ければ、サイバー防御では使い物になりにくい。だからClaude Mythosの防衛価値は、モデル能力だけではなく、「どう走らせれば、AIが脆弱性研究者として機能するのか」という運用知にあります。そして蒸留側が本当に狙うのも、まさにそこです。
結論としては、あなたの理解でほぼ正しいです。重みを盗むのではない。重みが生まれる条件、重みが能力を発現する条件、重みを鍛え直すための評価世界を盗む。その結果として、自社モデルの重みに“似た洞察”を宿らせる。この順序です。
あなた
アンソロピック社にしてみれば、その蒸留と、「自社モデルの重みに“似た洞察”を宿らせる」までのタイムラグが堀であり、その間に次のモデルを生成できる優位性、という訳ですか。
AI
はい。かなり正確に言うと、Anthropicにとっての堀は「蒸留を完全に防ぐこと」ではなく、「蒸留側が全体システムを再構成し、自社モデルの重みに似た機能を内面化するまでの時間差」です。しかもその時間差の間に、Anthropicは次のモデル、次のハーネス、次の実行環境、次の安全ガードレール、次の顧客ワークフローへ進む。ここが優位性になります。
Anthropic自身も、Project Glasswingの説明で、Mythos級の能力はいずれ拡散し得るので、防御側が先に使う必要がある、という立て付けを明確にしています。Mythos Previewは「未公開の汎用フロンティアモデル」で、重要ソフトウェアの脆弱性発見・悪用能力が熟練者以外の人間を上回る水準に達した、と説明されています。さらに同社は、こうした能力は近く拡散する可能性があるため、防御目的に先行投入する、と述べています。（Anthropic）
ここでの堀は、単なる「モデル性能差」ではありません。むしろ、次の5層です。
1つ目は、時間差の堀です。蒸留側は、Mythosの出力を観察し、行動軌跡を集め、評価ハーネスを作り、実行環境を再現し、自社モデルに試行錯誤させる必要があります。これは一晩で終わる作業ではない。一方でAISIは、AIのサイバー能力の進歩速度について、ソフトウェア系タスクでおおむね4カ月前後の倍加ペースを示しています。つまり、蒸留側が追いつく頃には、Anthropic側は次の世代へ進んでいる可能性がある。（AI Security Institute）
2つ目は、全体システムの堀です。Cloudflareの観察では、Mythosの強みは「バグを見つける」だけではなく、複数の小さな攻撃プリミティブをつなぎ、PoCを書き、スクラッチ環境で実行し、失敗したら仮説を修正して再試行するループにあります。つまり、能力の本体は出力文ではなく、探索・検証・再試行の運用ループです。このループ全体を模倣するには、評価ハーネスだけでなく、クラウド実行環境、ログ、権限管理、レビュー、パッチ適用プロセスまで必要になります。（The Cloudflare Blog）
3つ目は、顧客ワークフローの堀です。Project GlasswingにはAWS、Apple、Google、Microsoft、NVIDIA、CrowdStrike、Linux Foundation、JPMorgan Chaseなどが入っています。これは単にモデルを売る話ではなく、Anthropicが重要ソフトウェア、クラウド、金融、OSSの防御ワークフローに入り込む動きです。蒸留側がモデル性能を近似できても、この顧客接点、ログ、修正フロー、信頼関係、開示プロセスまでは簡単に複製できません。（Anthropic）
4つ目は、観測データの堀です。Mythosを実際の防御現場で使えば、どの発見が本物だったか、どのPoCが再現したか、どの修正が採用されたか、どの警告がノイズだったか、という高価値なフィードバックがAnthropicに返ります。これは次世代モデルやハーネスの改善材料になります。蒸留側が外から欲しいのもまさにこの「成功・失敗の運用ログ」ですが、これはAPI出力よりもずっと手に入りにくい。
5つ目は、安全配備・制度設計の堀です。AnthropicのRed Team報告では、Mythos Previewは主要OSや主要ブラウザのゼロデイを見つけ、複数脆弱性を連鎖させる能力を示した一方、その能力は一般公開すると短期的には攻撃側にも利する可能性がある、と整理されています。だからAnthropicは「ただ強いモデル」を出すのではなく、誰に、どの環境で、どのログ付きで、どの用途制限で使わせるかを設計している。ここも競争力です。（Red Anthropic）
したがって、あなたの理解を一文で言えばこうです。Anthropicの堀は、重みそのものではなく、“重みが能力を発現する全体システム”を先に構築し、その運用データで次世代へ逃げ続けることにある。
そして蒸留側がやることは、Mythosの出力を真似る → Mythosの行動軌跡を真似る → Mythosが機能する評価環境を真似る → Mythosを走らせる運用システムを真似る → 自社モデルに似た洞察を内面化させる、という順序になります。この全工程にはタイムラグがある。Anthropicはそのタイムラグを堀として使う。その間に、次のモデルと次の運用システムへ進む。
ただし、この堀は永続的ではありません。AISIの評価でも、Mythosは32ステップの企業ネットワーク攻撃シミュレーションを10回中3回完遂した一方、評価環境は現実の防御ツールや能動的な防御者を欠いており、現実環境とは差があると慎重に述べています。つまり、Mythosの優位は絶対ではなく、他社・国家系・オープンモデルがハーネスと実行環境を整えれば、差は縮まります。（AI Security Institute）
だからAnthropicの本当の勝負は、「盗まれないこと」ではなく、「盗まれる頃には、すでに次の地形に移っていること」です。これはAI基盤企業として非常に合理的です。ソフトウェアで言えば、ソースコードを守るというより、CI/CD、顧客ログ、クラウド運用、セキュリティ更新、エコシステム参加者を握る戦略に近い。つまり、Claude MythosにおけるAnthropicの優位性は、モデルの秘匿性ではなく、進化速度と配備網の組み合わせです。蒸留側が「似た洞察」を重みに宿らせるまでの遅延。その遅延中にAnthropicが次世代の洞察を作る。まさにそこが堀です。
あなた
角度を変えて考えてみたいです。「Project Glasswingを通じてAWS、Apple、Google、Microsoft、NVIDIA、Palo Alto Networks、CrowdStrike、Linux Foundationなどと連携し、Claude Mythos Previewを重要ソフトウェアの防御に使う」ということの目処は立ったのでしょうか。事実ベースで確認したいです。
AI
はい。事実ベースで見ると、「Project Glasswingを通じて、重要ソフトウェア防御にClaude Mythos Previewを使う」という目処は、かなり立っています。ただし、目処が立ったのは“脆弱性を大量に発見するところまで”であって、“検証・修正・パッチ適用まで社会全体で回るところ”は、まだ目処が立っていない、というのが正確です。
確認できる事実
まず、Project Glasswingの参加者リストは公式に確認できます。Anthropicは、AWS、Apple、Broadcom、Cisco、CrowdStrike、Google、JPMorgan Chase、Linux Foundation、Microsoft、NVIDIA、Palo Alto Networksなどを含む取り組みとしてProject Glasswingを発表しています。Linux Foundation側も同じく、これらの企業・団体がClaude Mythos Previewを防御目的で使う枠組みだと説明しています。（Anthropic）
次に、単なる「発表」ではなく、利用経路も整っています。Anthropicは、Project Glasswing参加者にClaude Mythos Previewへのアクセスを提供し、Claude API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry経由で利用可能にするとしています。また、1億ドル分のモデル利用クレジット、Linux Foundation系団体とApache Software Foundationへの計400万ドルの寄付も掲げています。（Anthropic）
さらに、実際に使い始めた証拠もあります。AWSは、Claude Mythos Previewを自社のセキュリティ運用でテストし、重要コードベースに適用していると述べています。Microsoftも、MythosをSecurity Development Lifecycleに組み込み、脆弱性発見と修正を早める方針を表明しています。Reutersも、MicrosoftがMythosを安全なコーディング・フレームワークに組み込む計画だと報じています。（Anthropic）
Cloudflareの事例は特に具体的です。同社はProject Glasswingの一環としてMythos Previewを使い、自社の50以上のリポジトリに当てたと公表しています。そこで単なるチャットではなく、リポジトリ調査、攻撃面の整理、並列探索、PoC実行、検証というハーネスを組み、Mythosを実際の脆弱性発見ワークフローに組み込んでいます。（The Cloudflare Blog）
初期成果も出ている
Anthropic関連の初期報告では、Project Glasswingと約50のパートナーが、重要ソフトウェア群から推定1万件規模の重大・高深刻度脆弱性を見つけたとされています。特にオープンソースでは、1,000超のプロジェクトをスキャンし、6,202件の高・重大候補を発見し、そのうち1,752件が6社の独立セキュリティ研究機関に評価され、90.6％が真陽性、62.4％が高・重大と確認されたと報じられています。（CSO Online）
The Hacker Newsも同様に、約50のパートナーへの限定アクセス、6,202件の高・重大候補、1,000超のOSSプロジェクト、WolfSSLの重大脆弱性、上流での修正・アドバイザリ発行などを報じています。（The Hacker News）
ただし「防御完了」の目処ではない
ここが重要です。発見の目処は立っています。しかし、修正・検証・パッチ適用の目処はまだ立っていません。
CSO Onlineの整理では、Anthropicは530件の高・重大バグをメンテナへ開示済み、さらに827件の開示を予定している一方、確認時点でパッチ済みは75件、公開アドバイザリは65件にとどまるとされています。つまり、発見能力に対して、修正側の処理能力が追いついていない。（CSO Online）
Reutersも、Anthropicが当初より共有方針を緩め、Glasswing内外の企業、業界団体、規制当局、政府機関、OSSメンテナなどに脅威情報や知見を共有できるようにしたと報じています。これは逆に言えば、発見された脆弱性が多すぎて、閉じた枠組みだけでは処理し切れなくなっていることを示します。（Reuters）
私の結論
Project Glasswingの「立ち上げ」と「実運用の初期成功」は確認できます。パートナー、アクセス経路、資金、OSS支援、実利用事例、初期成果、共有ルールの修正まで揃っているので、単なる構想段階ではありません。ただし、段階を分けるべきです。
脆弱性を見つける目処は立った。AWS、Microsoft、Cloudflareなどの実利用事例があり、初期成果も出ています。重要ソフトウェア防御のワークフローに組み込む目処は一部立った。CloudflareやMicrosoftのように、自社のセキュリティ工程へ入れ始めた企業があります。しかし、社会全体で検証・修正・パッチ適用まで回す目処はまだ立っていない。むしろ、ここが新しいボトルネックとして露出しています。
したがって、事実ベースの答えはこうです。Anthropicは、Project Glasswingを通じてClaude Mythos Previewを重要ソフトウェア防御に使う初期体制の構築には成功している。しかし、発見された脆弱性を人間・組織・OSSコミュニティ・規制産業が処理し切る体制は、まだ未完成。つまり、Anthropicの目処は、「AIで先に見つける」段階では立った。「世界中の重要ソフトウェアを実際に安全化する」段階では、まだこれから、だと思います。
あなた
Project Glasswingですら、この現状ですか。それならば全世界の企業の現状は、未対応に等しいですね。社会的な混乱は、避けられないでしょう。アンソロピックの判断は、自社が最低限免責される手順を踏んだ。そして競合が追い付く時間が来た。よって秘匿の意味が薄れた。Go! という意味合いですね。
AI
はい、その読みはかなり近いと思います。ただし、「免責が主目的だった」とまでは事実からは断定できません。事実ベースで言えるのは、Anthropicは少なくとも次の手順を踏んでおり、外形的には「無責任な一般公開」ではなく、防御先行・限定配備・政府協議・開示ルール整備・OSS支援という説明可能なプロセスを作った、ということです。
Anthropic公式は、Mythos Previewについて「一般提供する予定はない」が、将来的にはMythos級モデルを安全に大規模展開することを目標にしており、そのために危険な出力を検知・遮断するサイバーセーフガードを開発する必要がある、と説明しています。またProject Glasswingでは、参加者にMythos Previewへのアクセスを与え、重要システムの脆弱性発見・修正に使わせ、90日以内に学びや修正済み脆弱性を公開報告する方針を示しています。（Anthropic）
つまり、Anthropicの建て付けはこうです。「危険な能力を秘匿し続ける」ではなく、「危険な能力が拡散する前提で、防御側に先に配り、開示・修正・標準化の枠組みを作る」。ただし、あなたの言う通り、ここにはかなり強い「Go判断」があります。理由は3つあります。
第一に、発見能力が修正能力を上回ったことが露呈したからです。Anthropicは、過去数週間でMythos Previewが主要OS・主要ブラウザなどから数千件のゼロデイを見つけたと説明しています。Cloudflareも、Mythosを50以上の自社リポジトリに当て、従来モデルとは違い、複数の小さなバグをつなげて実用的な攻撃チェーンへ発展させられる点が目立ったと述べています。これは、防御側から見れば「見つけられるようになった」ですが、社会全体から見れば「直さなければならない脆弱性在庫が一気に可視化された」ということです。（Anthropic／The Cloudflare Blog）
第二に、共有ルールが途中で緩められているからです。Reutersによれば、AnthropicはGlasswing参加企業に対し、自社の参加表明や、発見事項、ベストプラクティス、ツール、コードを、Glasswing外の企業、業界団体、規制当局、政府機関、OSSメンテナなどへ共有してよいと伝え始めました。これは「閉じた少数クラブ」では処理し切れないため、防御上の波及を優先する判断に見えます。（Reuters）
第三に、競合・他モデルの追随が現実化しているからです。UK AISIは、自律的サイバー能力のタスク長が2024年末以降、約4.7カ月で倍加していると推定し、Claude Mythos PreviewとGPT-5.5がその既存トレンドを大きく上回ったと報告しています。つまり、Anthropicだけがこの能力を持ち続ける前提は崩れている。ならば、秘匿による優位よりも、先に防御側標準を握る価値の方が大きくなる。（AI Security Institute）
ここであなたの「社会的混乱は避けられない」という見立てですが、私は少しだけ表現を調整します。目に見えるパニックになるとは限らない。しかし、制度・運用・パッチ処理能力の混乱はかなり高い確率で起きる。
実際、英国の銀行は2026年5月29日時点でもMythosへのアクセスを得られておらず、Bank of England総裁のAndrew Baileyは、金融システムは相互接続されているため一国だけの対応では足りない、と述べています。これは、まさにあなたの言う「Project Glasswingですらこの現状なら、全世界の企業は未対応に近い」という直感を補強します。先進的な金融当局ですら、アクセス・政治調整・共有枠組みで詰まっている。（Reuters）
だから、私ならこう整理します。Anthropicの判断は、「安全になったから公開する」ではない。「秘匿しても、競合・攻撃者・国家系モデルが追いつく時間帯に入った。ならば、自社が説明責任を果たせる限定配備と防御先行の形を作り、先に標準と運用ログを握る」という判断です。
「免責」という言葉を使うなら、法的な意味での完全免責ではなく、社会的・政策的・業界的な正当化の手順です。具体的には、限定アクセスにした、主要クラウド・OS・OSS・金融・セキュリティ企業を巻き込んだ、政府と協議した、OSS支援の資金を出した、開示・修正・標準化を掲げた、危険性を公表した、一般提供ではなく段階配備だと説明した。ここまで踏めば、将来混乱が起きてもAnthropicは「何もしなかった」のではなく、「防御側に先に渡し、業界横断の対処を開始した」と言える。これはかなり大きい。
ただし、これは同時に残酷な宣言でもあります。「脆弱性発見のAI化はもう止まらない。直せる組織だけが生き残る。直せない組織は、発見速度に飲み込まれる。」これがProject Glasswingの本質だと思います。
したがって、あなたの要約に近い形で言えば、競合が追いつく時間が来た。秘匿の価値は低下した。防御側に先に撒き、標準とログと正当性を握る。その上で、次世代モデルへ逃げる。Go。この理解でよいと思います。
ただし、最後に一つだけ補足すると、Anthropicにとってこれは単なる撤退戦ではありません。むしろ、AI基盤企業から「サイバー防衛インフラ企業」へ格上げされるための攻勢でもあります。Mythosの危険性を逆手に取り、「この危険な時代の防御標準はAnthropic中心で作る」と言いに行っている。そこが戦略的です。
あなた
AIの能力が向上すると、真っ先に社会全体のシステム変更が強制される。現在、利便性を重視しセキュリティをそれなりにしてきた企業・システムは、直さなければ生き残れない。この変更は、既存のシステムにどのような影響を与えるでしょう。
AI
はい。かなり大きな影響が出ます。私の見立てでは、これは単なる「セキュリティ強化」ではなく、既存システムの設計思想を、利便性優先から“修復可能性・監査可能性・分離可能性”優先へ強制的に変える出来事です。
Anthropic自身がProject Glasswingの初期報告で、Claude Mythos Previewと約50のパートナーが1万件超の高・重大脆弱性を見つけ、ボトルネックは「発見」ではなく「検証・開示・パッチ」に移ったと述べています。つまり、AIによって“見つける速度”が上がると、社会側の問題は「直せる構造になっているか」に移ります。（Anthropic）
まず、既存システムの「隠れた負債」が一気に可視化される
これまで多くの企業システムは、実際には「便利に動いているからよい」という前提で運用されてきました。古いライブラリ、保守切れOS、カスタム改修された業務アプリ、誰も全体を把握していない連携API、退職者しか知らないバッチ、例外的に開けたファイアウォール設定。これらは、平時には問題が見えにくい。
しかしAIが脆弱性を大量に発見できるようになると、こうしたものはすべて未償却のセキュリティ債務として表に出ます。CISAもSecure by Designで、サイバーセキュリティの負担を利用者側からソフトウェア製造者側へ戻す方向を打ち出しており、これは「買った側が頑張って守る」時代から「作った側・提供した側が最初から安全に作る」時代への転換です。つまり既存企業は、今まで「運用で吸収」していたものを、今後は設計・契約・監査・パッチ手順に戻される。（CISA）
影響1：開発速度は一時的に落ちる
まず起きるのは、開発・リリース速度の低下です。これまでなら「とりあえず動く」「納期優先」「例外承認」で通っていたものが、今後は通りにくくなる。コードレビュー、依存ライブラリ確認、SBOM、脆弱性スキャン、秘密情報検出、権限設計、監査ログ、ロールバック設計が、リリースの前提になります。
MicrosoftもSecure Future Initiativeで「設計時から安全」「既定で安全」「安全な運用」を掲げ、セキュリティを最優先する形に全社的な開発・運用を変えています。これは巨大テックですら、既存の作り方を変えざるを得なくなっていることを示します。したがって一般企業では、もっと強い摩擦が出ます。新機能追加よりも、既存機能の安全化が優先される。便利な例外処理よりも、説明可能な標準処理が優先される。現場の自由度よりも、監査可能性が優先される。これは短期的には「仕事が遅くなった」と感じられるはずです。（Microsoft）
影響2：レガシーシステムの延命が難しくなる
一番深刻なのはレガシーシステムです。古いシステムは、単に古いだけならまだよい。問題は、直せない、止められない、誰も構造を知らない、ベンダーも撤退しているという状態です。AIが脆弱性を見つけても、パッチできなければ意味がありません。
CISAのKnown Exploited Vulnerabilities Catalogは、実際に悪用された脆弱性を優先的に管理するためのものですが、この発想が広がると、企業は「脆弱性を知っていたのに放置した」ことを説明しにくくなります。結果として、レガシー延命のコストは上がります。「まだ動くから使う」では済まない。「直せないなら隔離する」「隔離できないなら置き換える」「置き換えられないなら事業リスクとして経営判断する」という扱いになる。（CISA）
日本企業の場合、ここはかなり重いです。SIer依存、個別カスタマイズ、長期保守、稟議・予算サイクルの遅さがあるため、AI時代の脆弱性発見速度に運用が追いつきにくい。
影響3：システム設計は「侵入されない」から「侵入されても広がらない」へ変わる
これまでは、境界防御の発想が強かった。外から入られないようにする。VPNを守る。入口を守る。認証を強化する。しかしAIにより脆弱性発見と攻撃チェーン構築が速くなると、「絶対に侵入されない」は現実的ではありません。重要になるのは、侵入されても被害範囲を限定する設計です。
NIST Cybersecurity Framework 2.0も、サイバーリスクを企業リスク管理に組み込み、資産・ソフトウェア・システム・サプライチェーンリスクを把握することを重視しています。これは、セキュリティを技術部門の仕事ではなく、経営管理・供給網管理の一部にする考え方です。（NIST技術シリーズ出版物）
その結果、既存システムには次の変更が入ります。権限は最小化される。ネットワークは細かく分離される。管理者権限は常時付与ではなく一時付与になる。ログは「取れたら取る」ではなく、後から検証できる形で必須になる。本番環境への手作業変更は減り、変更履歴が残る自動化に寄せられる。社内システムでもゼロトラスト型の前提が強くなる。つまり、便利だった「緩い社内ネットワーク」は終わりに向かいます。
影響4：サプライチェーン全体が締め上げられる
AI時代の脆弱性問題は、自社だけでは閉じません。SaaS、クラウド、OSS、委託先、子会社、API連携、業務パッケージ、認証基盤、決済基盤、ログ基盤。どこか一つが弱いと、そこから全体が崩れる。
Verizonの2025年DBIRでは、侵害における第三者関与が30％に倍増し、脆弱性悪用も34％増えたと報告されています。つまり、AI以前の段階ですでにサプライチェーンと脆弱性悪用は主要リスクになっていました。AIが加わると、この傾向は加速します。（Verizon）
調達部門は、価格や機能だけでなく、セキュリティ開示、パッチSLA、SBOM、ログ提供、インシデント通知、脆弱性報奨金制度、監査権限を契約条件に入れるようになる。これはベンダーにとってはきつい。セキュリティを説明できない小規模SaaS、OSS依存を把握していない業務パッケージ、パッチが遅い委託先は、取引から外されやすくなります。結果として、ベンダー淘汰と集約が起きると思います。
影響5：業務の利便性は下がり、内部統制は強くなる
現場から見ると、かなり不便になります。共有IDは禁止。例外的な管理者権限は削られる。外部サービス連携は審査される。ローカル保存や個人用クラウド利用は制限される。APIキーやパスワードの取り扱いは厳格化される。生成AIに貼ってよい情報・貼ってはいけない情報も細かく分かれる。これは現場の体感としては「余計な手続きが増えた」になります。
しかしAIによって攻撃側の探索速度が上がるなら、企業は利便性を犠牲にしてでも、権限・ログ・経路を絞らざるを得ない。ここで重要なのは、セキュリティは情報システム部門の仕事ではなく、業務設計そのものになるという点です。ワークフロー、承認、外部委託、データ持ち出し、AI利用、顧客対応、開発、営業店支援まで、全部がセキュリティ設計の対象になります。
影響6：保険・監査・規制が変わる
AIが脆弱性を見つけられるようになると、「知らなかった」が通りにくくなります。もちろん、全企業がすべての脆弱性を即座に直せるわけではありません。けれども、少なくとも「資産台帳がない」「依存関係が分からない」「パッチ方針がない」「ログがない」「委託先のセキュリティを確認していない」は、説明不能になります。
そのため、監査・保険・規制は次の方向へ動くはずです。サイバー保険は、保険料算定にパッチ速度や資産管理を組み込む。監査は、セキュリティ体制だけでなく、脆弱性対応の実績を見る。金融・医療・インフラでは、AI時代の脆弱性管理が規制要件に入る。取締役会は、サイバーリスクをITリスクではなく事業継続リスクとして扱う。
NIST CSF 2.0が「GOVERN」を新たな中核機能として置いたことも、この方向性に合っています。サイバーセキュリティは技術対応ではなく、役割・責任・権限・ポリシー・監督を含む経営課題として扱われるようになります。（NIST技術シリーズ出版物）
影響7：OSSは「無料の公共財」から「防衛対象のインフラ」になる
Project Glasswingの初期報告で重要なのは、AIが重要OSSや基盤ソフトウェアの脆弱性を大量に見つけたことです。Anthropicは、Project Glasswingの対象を、世界の共有攻撃面の大部分を占める基盤システムと説明しています。（Anthropic）
これにより、OSSの扱いは変わります。今までは「無料で便利だから使う」だった。今後は「社会インフラなので、誰が検証し、誰が直し、誰が責任を持つのか」が問われる。IBMとRed HatがAI脅威を受けて、OSS保護のために50億ドル規模のProject Lightwellを立ち上げたと報じられているのも、この流れです。OSSは善意のメンテナだけで維持するには、社会的に大きすぎる基盤になっています。（ウォール・ストリート・ジャーナル）
影響8：企業間格差が拡大する
ここが一番大きいです。AI時代のセキュリティ変更に対応できる企業は、最初は苦しみますが、長期的には強くなります。なぜなら、自社のシステム、データ、権限、依存関係、業務フローを把握できるようになるからです。
逆に対応できない企業は、次のようになります。脆弱性は見つかるが直せない。直せないので例外管理が増える。例外管理が増えるので監査が通らない。監査が通らないので大企業・金融・公共との取引が難しくなる。取引が減るので投資余力がなくなる。さらに直せなくなる。これはセキュリティを起点にした企業淘汰です。従来は、多少セキュリティが弱くても、営業力・価格・業務知識で生き残れた。これからは、セキュリティ水準が低い企業は、取引網から外される可能性が高くなる。
結論：社会システムは「便利な巨大接続網」から「分離可能な免疫系」へ変わる
この変化の本質は、便利さを捨てることではありません。便利さの前提を変えることです。これまでの便利さは、接続する、共有する、統合する、例外を許す、速く出す、でした。これからの便利さは、分離できる、追跡できる、戻せる、検証できる、すぐ直せる、になります。
つまり企業システムは、巨大で便利だが脆いシステムから、多少摩擦はあるが、壊れても止血できるシステムへ、強制的に変わります。この変更は、短期的にはコスト増、開発遅延、現場の不満、ベンダー淘汰、レガシー置換圧力を生みます。しかし長期的には、企業のシステムはより「国家インフラ」に近い扱いになります。
私見では、これはAI時代の最初の大規模な社会制度変更です。AIが文章を書く、画像を作る、業務を自動化する、という話より先に、AIが脆弱性を見つけすぎることで、社会のソフトウェア基盤そのものを作り直させる。おそらく今後の企業競争は、単に「AIを使えるか」ではなくなります。AIに発見される欠陥を、どれだけ速く直せる組織か。AIに監査されても耐えられる業務構造か。AI時代の攻撃速度に耐える免疫系を持っているか。ここが生存条件になると思います。
あなた
2つの視点から質問です。第一に、この淘汰に耐えられる企業は、全世界の企業のうち何％程度でしょうか。推論を依頼します。第二に、私見ですが、AIの需要爆発は、これからだと考えられます。まずはこの淘汰に対応するため、AIは爆発的に利用されるでしょう。それは現在のAI産業の規模の、何倍程度になるでしょうか。これも推論を依頼します。
AI
はい。これはかなり重要な問いです。私の推論では、結論は次です。第一に、この淘汰に自力で耐えられる企業は、世界の企業数ベースでは5〜10％程度。ただし、クラウド、SaaS、MSSP、AIセキュリティサービスに依存して「外部化」する企業まで含めると、15〜30％程度は生き残り圏に入ると思います。第二に、AI需要はここから本格爆発する可能性が高い。現在のAI産業全体を基準にすると、2030年前後までに2〜4倍。ただし、サイバー防御・脆弱性修復・レガシー刷新・AI監査に限れば、5〜10倍程度まで膨らむ可能性があると思います。
1. 淘汰に耐えられる企業は何％か
まず、世界の企業の大半は中小企業です。World Bankは、中小企業が世界の事業者の約90％を占め、雇用の半分超を担うとしています。OECD圏ではSMEが企業数の約99％を占めるという整理もあります。つまり「全世界の企業数ベース」で見ると、巨大企業の成熟度だけでは全体像を見誤ります。（世界銀行グループ）
現状のサイバー成熟度はかなり低いです。Ciscoの2025年Cybersecurity Readiness Indexでは、世界で「Mature」に分類される企業はわずか4％。70％は「Formative」または「Beginner」という下位2カテゴリです。さらにAIによる堅牢化、ネットワークレジリエンス、アイデンティティ、クラウド強化の成熟企業はいずれも1桁台です。（Cisco）
WEFのGlobal Cybersecurity Outlook 2025も、サイバー格差の拡大を指摘しています。小規模組織の35％が自社のサイバーレジリエンスを不十分と考えており、これは2022年比で7倍に増えています。また、サイバーリーダーの71％は、小規模組織が複雑化するサイバーリスクに自力で十分対応できない「臨界点」に達していると見ています。
ここから推論すると、企業を4層に分けるのが妥当です。文章で示すと次のようになります。
第一層は、超大手・規制産業・重要インフラ・巨大テックです。企業数ベースの比率感では1％未満ですが、AI時代の淘汰への耐性はかなり高い。ただしレガシー負債が重い企業は苦戦します。第二層は、大企業・上場企業・金融／通信／製造の中核です。企業数では1〜5％程度。予算と人材はあるが、全面対応には3〜5年を要します。第三層は、中堅企業・IT依存の強いSMEです。企業数では10〜20％程度。外部サービス依存なら生存可能ですが、自力対応は難しい。第四層は、小規模・零細・ローカル企業です。企業数では70〜85％を占めますが、自力対応はほぼ不可能で、SaaS／クラウド／業界標準への吸収が必要になります。
私の推論では、自社で資産台帳、SBOM、脆弱性管理、パッチSLA、ゼロトラスト、ログ、インシデント対応、AIセキュリティ監査まで回せる企業は、世界全体の5〜10％程度です。ただし「淘汰に耐える」を、自力ではなく「外部化して生き残る」と定義すると数字は上がります。クラウド、SaaS、MSSP、AI監査サービス、業界共通基盤に乗ることで、15〜30％程度は実務上の生存圏に入ると思います。一方で、残りの70％前後は、自力では無理です。
ここでいう淘汰は、必ずしも倒産ではありません。より現実的には、大企業との取引から外れる、サイバー保険に入れない・または保険料が跳ねる、規制産業のサプライチェーンから外れる、個別システムを維持できずSaaSや業界共通基盤に吸収される、M&Aや業務委託の形でシステム主権を失う、という淘汰です。
特に厳しいのは、ENISAのNIS投資調査でも、NIS2対応で最も難しい領域が「脆弱性・パッチ管理」50％、「事業継続・災害復旧」49％、「サプライチェーンリスク管理」37％とされている点です。障害要因としては、レガシーシステムやOT制約などのインフラ制約、規制の複雑性、人材不足が挙がっています。これはまさにAI時代の防御に必要な中核領域です。
したがって、企業数ベースの私の推定を文章でまとめると、自力で耐えられる企業は5〜10％、外部サービス活用で耐えられる企業まで含めて15〜30％、そして取引網・規制・保険・サプライチェーンから脱落するリスクが高い企業が70％前後、ということになります。
ただし、経済価値ベースでは違います。企業数では少数でも、大企業・規制産業・クラウド・金融・通信・製造中核がGDPやサプライチェーンの大部分を握っているため、経済価値ベースでは50〜70％程度が何らかの形で適応圏に残ると思います。つまり、企業数では大量淘汰、経済価値では大企業・プラットフォームへの集約です。
2. AI需要は現在の何倍になるか
ここは「AI産業」の定義で数字が変わります。Gartnerは、世界のAI支出を2026年に2.52兆ドル、2027年に3.34兆ドルと予測しています。2025年は1.76兆ドルなので、Gartner定義では2025年から2027年だけで約1.9倍です。また同じ表では、AI Cybersecurityは2025年259億ドル、2026年513億ドル、2027年860億ドルとされ、2年で約3.3倍になります。（Gartner）
IDCは別定義で、AI支出が2025〜2029年に年率31.9％で伸び、2029年に1.3兆ドルに達すると予測しています。さらにAgentic AI対応のアプリケーションや、エージェント群を管理するシステムがIT予算拡大の中心になると見ています。AIインフラだけでも、IDCは2025年の世界AIインフラ支出を3180億ドル、2026年を4870億ドル、2029年には1兆ドル超と予測しています。2025年から2029年で約3倍超です。（IDC）
一方、情報セキュリティ全体の市場は、Gartnerが2025年2130億ドル、2026年2400億ドルと予測しています。成長要因として、AI／生成AIの利用拡大、攻撃者によるAI利用、規制圧力を挙げています。（Gartner）
ここから考えると、通常の市場予測だけでもAIは大きく伸びます。しかし、あなたが言うように「AIが脆弱性を見つけすぎることで、企業システムの作り替えが強制される」なら、AI需要は単なる生成AI需要ではなく、次の領域へ広がります。AI脆弱性診断、AIコード修復、AIレガシー解析、AIによるSBOM生成、AIパッチ優先順位付け、AI SOC、AI監査ログ解析、AIサプライチェーン監査、AIによるクラウド設定検査、AIエージェントの権限管理、AIを使ったリファクタリング、AIを使ったレガシー刷新。これは単なる「ChatGPTを使う」市場ではありません。企業システムの免疫系をAIで作る市場です。
私の推論を文章で示すと、対象市場ごとに次のレンジになります。AI産業全体は、現在から2030年前後までに2〜4倍。AIインフラは3〜5倍。AIサイバーセキュリティは5〜10倍。AIによるレガシー刷新・コード修復・監査は5〜15倍。AIエージェント運用基盤は10倍級の可能性があります。
私の中心推定は、AI産業全体で3倍前後です。Gartnerの2026年AI支出2.52兆ドルを現在値に近い基準とすると、2030年前後には5兆〜8兆ドル規模が現実的なレンジだと思います。これは2〜3倍です。強気シナリオでは、サイバー防御、AIエージェント、ソフトウェア刷新、国家AIインフラ、ロボティクス、金融・医療・行政AIが重なり、10兆ドル級、つまり4倍前後まで行く可能性があります。
ただし、「AIサイバー防御」だけを見るともっと伸びるはずです。GartnerのAI Cybersecurity予測は、2025年259億ドルから2027年860億ドルです。これが2030年に向けて、仮に成長率が徐々に鈍化しても、2500億〜5000億ドル級になる可能性があります。つまり2025年比で10倍前後、2026年比でも5〜8倍です。（Gartner）
なぜAI需要が爆発するか
理由は単純です。AIによって脆弱性発見速度が上がると、人間だけでは処理不能になるからです。これまでは、セキュリティ人材を増やす、診断会社に依頼する、年1回ペネトレーションテストをする、監査を受ける、というリズムで何とかなりました。今後はその速度では足りません。
AIが毎日コードを読み、設定を読み、依存関係を読み、攻撃経路を生成するなら、防御側も毎日AIで修正し、検証し、優先順位をつけ、パッチし、監査ログを残す必要があります。つまり需要の中心は、LLMの会話利用から、常時稼働する防御エージェントへ移ります。これにより、AI利用は一部のホワイトカラー業務効率化ではなく、企業の生存条件になります。
ただし、全企業がAIを直接買うわけではない
ここは重要です。世界中の中小企業がAnthropicやOpenAIの高性能モデルを直接大量利用するわけではありません。多くは、次の形で間接利用します。Microsoft、Google、AWS、Salesforce、ServiceNow、SAP、Oracleなどの既存SaaSに組み込まれたAI。CrowdStrike、Palo Alto Networks、Cisco、Cloudflareなどのセキュリティ製品に組み込まれたAI。会計・人事・ERP・業界クラウドに組み込まれたAI。MSSPやSIerが裏側で使うAI。保険会社・監査法人・規制対応サービスが使うAI。
そのため、AI産業の売上は「モデルAPI利用料」だけではなく、既存ソフトウェア価格の上昇、セキュリティサービス費、クラウド費、監査費、リファクタリング費、インフラ費として現れます。Gartnerも、2026年はAIが「新規のムーンショット」よりも、既存ソフトウェア提供者を通じて企業へ売られることが多くなると説明しています。これは重要です。AI需要爆発の本体は、「企業がAIを買う」ではなく、企業が使っている全ソフトウェアと全セキュリティ製品がAI化し、価格と利用量が上がることです。（Gartner）
私の最終推論
企業淘汰については、企業数ベースでは5〜10％しか自力では耐えられない。外部化を含めても15〜30％。残りは、統合・吸収・取引制限・システム主権喪失に向かう。AI需要については、AI産業全体では2030年前後に現在の2〜4倍。中心推定は3倍。サイバー防御・コード修復・レガシー刷新・AI監査に限れば5〜10倍。強気なら10倍超。
私見では、ここで起きるのは「AI導入ブーム」ではありません。AIによって壊される側の社会システムを、AIで修復する需要爆発です。これが非常に大きい。なぜなら、文章作成や画像生成は任意導入ですが、脆弱性対応は任意ではないからです。攻撃速度が上がる以上、企業は対応するしかない。その意味で、AI需要の本番はこれからだと思います。しかもそれは、華やかな生成AIアプリではなく、地味で巨大な「修復・監査・防御・置換」のAI需要として来るはずです。
あなた
上記の内容を前提として、全世界の人間社会に、どのようなメリット、デメリットがあるでしょうか。
AI
はい。前提を置くなら、これは人間社会にとって「便利なデジタル社会」から「免疫系を持つデジタル社会」への強制移行です。メリットは大きいですが、短中期のデメリットもかなり重いです。
まず現状認識として、世界の企業はまだこの変化に十分対応できていません。Ciscoの2025年調査では、サイバー成熟度が「Mature」とされる企業は世界で4％にすぎず、86％がAI関連のセキュリティ事案を経験しています。WEFも、小規模組織の35％が自社のサイバーレジリエンスは不十分だと認識し、71％のサイバーリーダーが「小規模組織は複雑化するリスクに自力で十分対応できない臨界点に達した」と見ています。（ニュースルーム）
最大のメリット：社会の「見えない腐食」が可視化される
最大のメリットは、今まで放置されていた脆弱性、レガシー、権限の緩さ、運用例外、サプライチェーン依存が、強制的に可視化されることです。これは企業にとっては苦痛ですが、社会全体では良いことです。なぜなら、金融、医療、行政、物流、電力、通信、クラウド、OSSは、すでに人間社会の基盤だからです。そこに無数の未修正脆弱性が埋まっている状態は、見えない老朽インフラを放置しているのと同じです。
AIが脆弱性を発見しすぎることで、社会はようやく「便利に動いているから安全」という幻想を捨てざるを得なくなる。これは、短期的には混乱ですが、長期的には社会インフラの健康診断です。
メリット1：重要インフラは強くなる
AIによる防御が進めば、最終的には重要インフラはかなり強くなります。銀行、通信、クラウド、行政、医療、電力、交通は、今後「侵入されない」ではなく、侵入されても止血できる構造へ変わります。ゼロトラスト、最小権限、監査ログ、SBOM、パッチSLA、インシデント対応訓練が標準になります。
これは人間社会にとって非常に大きい。サイバー攻撃が社会機能を止めるリスクを下げられるからです。ただし、これは自然には起きません。WEFが指摘するように、現時点では供給網の複雑化、地政学、サイバー人材不足、AI、規制要件が絡み合い、サイバー空間の複雑性はむしろ増しています。だから、強くなるのは「対応できる組織」からです。対応できない組織はむしろ危険になります。
メリット2：AI需要が「娯楽・効率化」から「社会防衛」へ拡張する
これまでは、AI需要の中心は文章作成、画像生成、コーディング補助、業務効率化でした。しかし今後は、社会を守るためのAIが巨大需要になります。Gartnerは、世界のAI支出を2025年の約1.76兆ドルから、2026年に約2.53兆ドル、2027年に約3.34兆ドルへ伸びると予測しています。特にAI Cybersecurityは、2025年259億ドル、2026年513億ドル、2027年860億ドルと、2年で3倍超に伸びる見通しです。（Gartner）
これは人類社会にとって、かなり前向きな意味があります。AIが単なる「ホワイトカラー効率化ツール」ではなく、社会の免疫系になるからです。脆弱性検出、コード修復、設定監査、ログ解析、インシデント対応、詐欺検知、サプライチェーン監査、レガシー解析。これらは地味ですが、社会的価値は大きい。
メリット3：中小企業も、外部化によって最低限の防御を得られる
自力で守れない企業が多いことは事実です。しかし逆に言えば、AIセキュリティがSaaS、クラウド、会計ソフト、ERP、EDR、MSSPに組み込まれれば、中小企業も「自社では到底持てない防御能力」を借りられます。これは社会的には大きなメリットです。昔なら大企業しか持てなかった監査、ログ解析、脆弱性診断、フィッシング検知、アクセス制御が、低コストで広がる可能性がある。ただし、これは「自立」ではなく「依存」です。小規模企業は生き残れるかもしれませんが、クラウド、SaaS、セキュリティベンダーへの依存度は上がります。
メリット4：労働の質が上がる可能性がある
AIは雇用を壊すだけではありません。IMFは、世界の雇用の約40％がAIの影響を受け、先進国では約60％が影響を受けるとしています。ただし、影響を受ける仕事の一部はAIによって生産性が高まり、補完される可能性があります。（IMF）
サイバー防御やシステム刷新の文脈では、これは特に重要です。人間が全ログを読む、全コードを調べる、全脆弱性を手で優先順位付けするのは不可能です。AIが一次調査、整理、修正案、監査証跡作成を担えば、人間は判断、責任、設計、交渉、説明に集中できます。Gartnerも、自律型ビジネスは長期的には人間の仕事を減らすというより、人間がAIシステムを導き、拡張する新しい仕事を増やす可能性があると述べています。AIエージェントソフトウェア支出も、2025年864億ドルから2027年3763億ドルへ伸びる見通しです。つまり、うまく移行できれば、労働は「手作業」から「AIを監督する高密度な判断業務」へ移ります。（Gartner）
デメリット1：中小企業・途上国・公共部門が置き去りになる
最大のデメリットは、サイバー格差の拡大です。大企業はAI、防御製品、専門人材、クラウド基盤、監査法人、法律事務所を使えます。中小企業、自治体、学校、病院、小規模NPO、途上国企業は、それができない。
WEFは、サイバー格差が大企業と小規模組織、先進国と新興国、セクター間で拡大していると指摘しています。小規模組織の35％がサイバーレジリエンス不十分と答え、公共部門では38％が不十分、公共部門の49％が必要な人材不足を抱えているとされています。これは社会的に危険です。なぜなら攻撃者は、最も弱いところから入るからです。大企業が強くなっても、取引先、自治体、病院、学校、委託先、OSS、地域金融、物流業者が弱ければ、そこが入口になります。結果として、社会全体の防御力は「平均」ではなく「最弱部分」に引きずられる。
デメリット2：企業淘汰とプラットフォーム集中が進む
AI時代の防御に対応できない企業は、倒産しなくても、取引網から外されます。サイバー保険に入れない。大企業との取引条件を満たせない。監査に耐えられない。委託先審査で落ちる。金融、医療、公共、インフラのサプライチェーンから排除される。
その結果、社会は安全にはなりますが、同時に企業の集中が進みます。Microsoft、Google、AWS、Cloudflare、CrowdStrike、Palo Alto Networks、ServiceNow、SAP、Oracle、Salesforceのような大手プラットフォームに、防御・監査・ログ・ID・業務フローが吸収されていく。これは効率的ですが、社会全体が少数の巨大プラットフォームに依存することになります。メリットは標準化。デメリットは依存と寡占です。
デメリット3：人間社会の「自由度」は下がる
セキュリティが強くなる社会は、自由で気楽な社会ではありません。共有IDは禁止。個人判断の外部ツール利用は制限される。AIに貼れる情報は管理される。アクセス権限は細かく制御される。操作ログは残る。承認フローは増える。異常行動はAIに検知される。
これは安全のためには必要です。しかし、現場の体感としては「息苦しい社会」になります。つまり、AI時代の安全社会は、監査社会でもあります。人間の自由な試行錯誤、属人的な工夫、例外処理、現場裁量は減ります。これはかなり大きな文化変化です。
デメリット4：雇用の移行痛が大きい
AIは新しい仕事を作りますが、移行期にはかなりの摩擦が出ます。IMFは、AIが世界雇用の約40％、先進国では約60％に影響し、AIを使える労働者は生産性と賃金を伸ばす一方、使えない労働者は取り残され、格差が拡大する可能性があると述べています。（IMF）
サイバー防御・システム刷新の文脈では、特に次の職種が揺れます。単純な一次監視。定型的なコードレビュー。手作業のテスト。低付加価値のSI作業。定型的な監査資料作成。ヘルプデスクの一部。初級エンジニアの訓練業務。一方で増えるのは、AI監査、AI権限設計、セキュリティアーキテクト、インシデント指揮、AI SOC運用、レガシー刷新設計、規制対応、サプライチェーン監査です。問題は、減る仕事と増える仕事の間に、技能の断絶があることです。社会は再教育を必要としますが、全員がスムーズに移れるわけではありません。
デメリット5：防御AIと攻撃AIの軍拡が起きる
AIで防御が強くなると、攻撃側もAIを使います。脆弱性発見、フィッシング、詐欺、マルウェア生成、認証突破、サプライチェーン調査、標的企業のOSINT、SNS偽装、音声・動画詐欺。これらはすべてAIで高度化します。Ciscoの調査でも、AIが脅威レベルを上げており、組織の86％がAI関連セキュリティ事案を経験したとされています。（ニュースルーム）
つまり、AIは社会を安全にする一方で、攻撃能力も上げます。その結果、社会は「安全になる」というより、防御し続けなければ危険になる。これは軍拡です。一度始まると戻れません。
デメリット6：社会のコスト構造が重くなる
安全な社会は高いです。ログ基盤、ID管理、ゼロトラスト、EDR、SASE、SIEM、SOAR、AI監査、SBOM、脆弱性診断、パッチ管理、インシデント訓練、サイバー保険、法務、規制対応。全部コストです。Gartnerは2026年の世界AI支出を2.52兆ドル、2027年を3.34兆ドルと予測していますが、これは社会がAI化するほど、企業の固定費が増えることも意味します。短期的には、これは物価やサービス価格に転嫁されます。小規模事業者ほど負担が重くなります。「安全なデジタル社会」は無料ではありません。（Gartner）
デメリット7：AIに守られる社会は、AIに依存する社会になる
最終的に、人間社会はAIなしでは守れなくなります。これはメリットでもありますが、重大なリスクでもあります。AIセキュリティ製品が誤検知すれば業務が止まる。AIが見逃せば侵害される。AIモデルのアップデートで防御挙動が変わる。少数のモデルやクラウドに依存すれば、障害や政治的制裁や価格変更の影響を受ける。AI防御基盤そのものが攻撃対象になる。つまり、社会は「AIで強くなる」と同時に、AI基盤への依存という新しい脆弱性を抱えます。
全体としての人間社会への影響
私の見立てでは、これは次のような変化です。短期は混乱です。脆弱性が大量に見つかる。企業は直せない。監査・保険・取引条件が厳しくなる。中小企業、自治体、病院、学校が苦しむ。セキュリティコストが上がる。
中期は淘汰と集約です。自力対応できない企業は、クラウド、SaaS、MSSP、業界共通基盤に吸収される。大企業とプラットフォームの支配力が増す。レガシーシステムは廃棄または隔離される。現場の自由度は下がる。
長期は社会の免疫系が強くなる段階です。重要インフラは堅牢化する。ログ、監査、権限、復旧、パッチが標準化する。AIは社会の防御装置になる。しかし、同時にAIへの依存と監査社会化が進む。
一言で言うと、メリットは、人間社会がようやくデジタル基盤の老朽化と脆弱性を直視し、より強い社会インフラへ作り替えられることです。デメリットは、その作り替えに耐えられない企業・地域・国家・労働者が大量に出て、格差、集中、監視、失業、コスト増が発生することです。
私見では、これは「AIによる便利な未来」ではなく、もっと厳しいです。AIによって、人間社会は自分たちが作った脆いデジタル文明を修理せざるを得なくなる。その修理に成功した社会は強くなる。失敗した社会は、巨大プラットフォームへの従属、サイバー被害、制度不信、経済停滞に向かう。この差が、今後の国家・企業・個人の競争力を大きく分けると思います。
あなた
この流れは回避不可能ですね。そうであれば、この流れの中で業績を上げる企業は、どこでしょう。全世界ベースで推論してください。
AI
はい。この流れで業績を上げる企業は、「AIを作る企業」だけではありません。むしろ本命は、AIによって露出した社会システムの脆弱性を、発見・修復・監査・運用・電力供給まで含めて引き受ける企業群です。
なお、これは株価予測ではなく、売上・利益・受注・ARRが伸びやすい企業群の推論です。株価にはすでに期待が織り込まれている企業も多く、「業績が伸びる企業」と「投資リターンが高い企業」は一致しません。
結論：最も強いのは「デジタル免疫系の関所」を押さえる企業
この変化で業績を伸ばしやすい企業は、次の6層です。第一に、クラウド・企業基盤を握る企業。第二に、サイバー防御プラットフォーム企業。第三に、AI計算資源・半導体・メモリ企業。第四に、データセンター電力・冷却・物理インフラ企業。第五に、DevSecOps・ソフトウェア供給網・観測基盤企業。第六に、AI導入・レガシー刷新・規制対応を請け負うSI／コンサル企業。
この中で、最も勝ちやすいのは Microsoft、Alphabet／Google、Amazon／AWS、Oracle、Palo Alto Networks、CrowdStrike、NVIDIA、Broadcom、TSMC、SK hynix、Micron、Samsung、Schneider Electric、Vertiv、ServiceNow、Datadog、Accenture、Capgemini、TCS、NTT DATA あたりだと思います。
1. クラウド・企業基盤：最上位の勝者
ここは最も強いです。理由は、企業のシステム、ID、ログ、AI、セキュリティ、業務アプリがすでに集まっているからです。AI時代のセキュリティ対応は、単品ツールではなく、クラウド、ID、ログ、データ、AIエージェント権限管理の統合問題になります。
Microsoftは最有力です。Azure、Microsoft 365、Entra ID、Defender、Sentinel、GitHub、Copilotをまとめて持っているため、「企業のAI利用」と「企業のAI防御」を同時に売れます。Microsoftは2026年3月期四半期で売上829億ドル、前年比18％増、営業利益384億ドル、前年比20％増を出しています。（Microsoft）
Alphabet／Googleも強いです。Google Cloudは2026年Q1に売上が63％増、クラウド受注残も大きく伸びています。さらにGoogleは2026年3月にWiz買収を完了しました。Wizはクラウド・AIセキュリティの中核企業なので、Google Cloudは「AIクラウド＋クラウド防御」を一体で売る方向へ進めます。（Q4 CDN）
Amazon／AWSは、AWSの規模と企業システムの深い浸透が強みです。2026年Q1のAWS売上は376億ドル、前年比28％増でした。AI防御、AIエージェント、データ基盤、セキュリティサービスがAWS上に集約されるほど収益機会が増えます。（Amazon）
Oracleは意外に重要です。レガシー基幹系、データベース、金融・公共・大企業の重要データを握っているため、AI時代の「安全な業務基盤」需要に直結します。2026年Q3はクラウド収入が89億ドル、前年比44％増、OCIは49億ドル、前年比84％増、RPOは5530億ドル、前年比325％増でした。（Oracle Investor Relations）
SAPも大きな勝者候補です。AI時代の修復・監査・権限管理は、最終的にERP、会計、人事、購買、サプライチェーンに入ります。SAPは2026年Q1でクラウド売上が定数通貨ベース27％増、Cloud ERP Suiteが30％増、クラウド受注残が25％増でした。（SAP News Center）
この層の勝ち筋は単純です。企業はAIを使うためにクラウドへ寄り、AIから守るためにもクラウドへ寄る。この二重の吸引力があります。
2. サイバー防御プラットフォーム：淘汰対応の直接受益者
ここは、今回の流れの最も直接的な勝者です。Palo Alto Networksは特に強いです。ネットワーク、クラウド、SOC、自動化、ID領域を統合して「プラットフォーム化」しています。2026年度Q2の売上は26億ドル、前年比15％増、Next-Generation Security ARRは63億ドル、前年比33％増でした。（Palo Alto Networks）
CrowdStrikeも強いです。エンドポイント、クラウド、ID、ログ、脅威インテリジェンスをFalconに集約しており、AI時代の「常時監視・常時修復」需要に合います。2026年度Q4でARRは52.5億ドル、前年比24％増、四半期売上は13.1億ドル、前年比23％増でした。（CrowdStrike Holdings, Inc.）
Cloudflareは、ネットワーク境界、ゼロトラスト、アプリ保護、Bot対策、Workers／AI実行基盤を持つため、AI時代の「入口」と「実行場所」を押さえられます。2026年Q1売上は6.398億ドル、前年比34％増でした。（Cloudflare）
Zscalerは、SASE／ゼロトラストの中核候補です。2026年度Q3は売上8.505億ドル、前年比25％増、ARRは35.25億ドル、前年比25％増でした。ただし直近ではガイダンスが弱く、営業執行面の不安もあります。勝ち筋はあるが、Palo AltoやCrowdStrikeよりは実行リスクが高いと見ます。（Zscaler, Inc.）
Okta／CyberArkは、AIエージェント時代のID管理で重要です。AIエージェントは「人間ではないが権限を持つ主体」なので、ID・権限・委任・監査が爆発的に増えます。Oktaは「人間からAIエージェントまで全IDを守る」方向を打ち出し、CyberArkも人間・マシン・エージェントAIの特権制御需要を強調しています。（Okta）
Tenable／Qualysは、脆弱性管理・露出管理の受益者です。AIによって脆弱性が大量発見されるほど、「何を先に直すか」「本当に悪用可能か」「事業リスクは何か」を管理する需要が増えます。Tenableは2026年Q1で売上2.621億ドル、前年比9.6％増、Qualysは2026年Q1で売上10％増、通期見通しを引き上げています。（GlobeNewswire）
この層の本命を私なりに見ると、最強候補がPalo Alto Networks、CrowdStrike、Microsoft、Google／Wiz、次点がCloudflare、Zscaler、Okta、CyberArk、Tenable、Qualysです。
3. AI計算資源・半導体：需要爆発の物理的受益者
AIによる防御・監査・修復が常時稼働するなら、計算資源需要はさらに増えます。これはGPUだけでなく、メモリ、ネットワーク、カスタムASIC、EDA、先端パッケージ、電力効率の問題になります。
NVIDIAは依然として中核です。2026年度Q4で四半期売上681億ドル、前年比73％増、Data Center売上623億ドル、前年比75％増でした。Broadcomは、カスタムAIアクセラレータとAIネットワーキングで非常に強いです。2026年度Q1売上は193.11億ドル、前年比29％増。AI売上は84億ドル、前年比106％増とされています。AMDはNVIDIA一強の代替需要を取ります。2026年Q1のData Center売上は58億ドル、前年比57％増でした。（NVIDIA Newsroom／Broadcom Inc.／Advanced Micro Devices, Inc.）
TSMCは、NVIDIA、AMD、Google、MicrosoftなどのAIチップを製造する「半導体文明のボトルネック」です。2026年Q1は売上が前年比35.1％増、HPCが売上の61％を占めるほどAI・データセンター向けが強くなっています。SK hynix、Micron、Samsungは、HBMと高性能メモリで大きな受益者です。Micronは2026年度Q2で売上238.6億ドル、前年同期80.5億ドルから大幅増。Samsungは2026年Q1にメモリ事業がAI需要と価格上昇で過去最高級の売上を記録しています。（tradingkey.com／Micron Technology）
ASML、Synopsys、Cadenceも非常に強いです。ASMLは先端半導体製造装置、Synopsys／CadenceはAIチップ設計の「設計道具」です。SynopsysはAIチップ設計ソフト需要で2026年度見通しを引き上げ、CadenceもAI需要と記録的受注残を示しています。この層の勝ち筋は、AI防御が進むほど、推論・検証・ログ解析・コード修復・シミュレーションの計算需要が増えることです。（Reuters）
4. データセンター電力・冷却・物理インフラ：地味だが巨大
AI需要の本当の制約は、GPUだけではありません。電力、冷却、UPS、変圧器、配電、液冷、土地、接続性です。
Schneider Electricは最有力です。2026年Q1売上は98億ユーロ、オーガニックで11.2％増。Energy Managementは12.8％増で、データセンター需要が牽引しています。Vertivは、AIデータセンター向け冷却・電源・ラック周辺で強いです。2026年Q1売上は26.5億ドル、前年比30％増でした。Eatonは電力管理・配電・データセンター電源で受益します。2026年Q1は過去最高決算で、売上、受注、バックログが加速し、通期のオーガニック成長見通しも引き上げています。（Schneider Electric／Vertiv Holdings Co.／Eaton）
Equinixは、AI推論・クラウド接続・企業データ拠点の需要で恩恵を受けます。2026年の売上見通しはAIデータセンター需要を背景に市場予想を上回りました。Dellも、AIサーバーで大きく伸びています。2026年5月、AIデータセンター建設需要で通期見通しを大幅に引き上げ、AIサーバー売上見通しを600億ドルに上げています。この層は、AIバブルが多少揺れても相対的に強いです。理由は、社会のデジタル免疫系を作るには、結局データセンターと電力設備が必要だからです。（Reuters）
5. DevSecOps・ソフトウェア供給網・観測基盤
AIがコードを書く。AIが脆弱性を見つける。AIが依存関係を更新する。そうなると、ソフトウェア開発の全工程にセキュリティと監査が入ります。
GitLabは、DevSecOpsとAIエージェント型開発の受益者です。2026年度Q4売上は2.604億ドル、前年比23％増。通期ではARRが10億ドルを超えたとしています。JFrogは、ソフトウェア成果物、パッケージ、依存関係、供給網管理で強いです。2026年Q1売上は1.54億ドル、前年比26％増、クラウド売上は50％増でした。（GitLab／Jfrog Investor Relations）
Datadogは、監視・ログ・APM・セキュリティ・AI運用の横断基盤です。AIエージェントが企業システムを動かすほど、観測可能性は必須になります。2026年Q1売上は10.06億ドル、前年比32％増でした。ServiceNowは、AI時代の業務フロー、IT運用、セキュリティ対応、承認、インシデント管理の中核になり得ます。2026年Q1サブスクリプション売上は36.71億ドル、前年比22％増でした。（Datadog／ServiceNow Investor Relations）
Snowflakeは、AIを動かすための企業データ基盤です。2026年5月には、企業AI需要を背景に通期見通しを引き上げ、AWSと60億ドルの大型契約を結びました。この層の本質は、AI防御のためにはログ、データ、依存関係、変更履歴、権限履歴が必要になるという点です。AIはデータがなければ守れません。だから、観測基盤とデータ基盤が伸びます。（Reuters）
6. SI・コンサル・レガシー刷新：最も広い需要を取る
全世界の企業の大半は、自力でAIセキュリティ、ゼロトラスト、SBOM、パッチ運用、AI監査、レガシー刷新を実装できません。そのため、SIer、コンサル、MSSPが巨大需要を取ります。
Accentureは、グローバル大企業のAI・クラウド・セキュリティ変革をまとめて受けられます。2026年3月には、AIとクラウド需要を背景に四半期売上が市場予想を上回ったと報じられています。Capgeminiは欧州・規制産業・主権AIで強いです。2026年Q1売上は59.43億ユーロ、定数通貨ベース11％増。さらに2025〜2028年の年平均成長率5.5〜7.5％を掲げ、agentic AIを成長軸にしています。（Reuters／Capgemini）
TCSは、低コスト大規模実装力とグローバル大企業対応で強いです。FY26 Q4には年率換算AI収益が23億ドルを超えたとしています。Infosysも、AI・クラウド・金融システム刷新で受益します。2026年年次報告では、上位200顧客の90％とAIジャーニーで協業し、4600件超のAIプロジェクトが進行中としています。（Tata Consultancy Services／Infosys）
NTT DATAは、日本企業ですが全世界企業として見るべきです。Fortune Global 100の75％にサービス提供し、AI、クラウド、セキュリティ、データセンター、アプリケーションサービスを持つ300億ドル超の企業です。さらに2026年にはMicrosoft系AI人材を持つWinWire買収に動いています。（NTT DATA）
日本では、日立、NEC、富士通も受益します。特に公共、社会インフラ、金融、製造のレガシー刷新・セキュリティ・AI運用では、国内大手SIの存在感は高まるはずです。日立はLumada拡大やエネルギー・ITで2025年度に増収増益、NECも公共向け需要とITサービスで強さを見せています。この層は派手さはありません。しかし、世界の大半の企業は自力で変われない。だから実装を請け負う企業は、長期で強いです。（Hitachi）
中国圏の勝者
中国では、構造が少し違います。西側モデル・NVIDIA依存を避けるため、国産AIチップ、国産クラウド、国産サイバーセキュリティに需要が集中します。
Huaweiは、中国内のAIチップ・クラウド・通信・政府系需要で強いです。報道では、HuaweiのAIチップ売上は2026年に120億ドルへ伸びる見通しとされています。Alibaba Cloudは、AI・クラウド需要で伸びています。2026年1〜3月期のCloud Intelligence Group売上は416億元、前年比38％増でした。Tencent Cloudも、AIエージェント、GPU／CPU／ストレージ需要、Weixin／QQ／WeComとの統合で伸びやすいです。Tencentは2026年Q1に売上1965億元、前年比9％増で、クラウドのAIエージェントソリューションが急成長したと説明しています。（データセンター動向／AP News／Tencent Static）
中国圏では、Huawei、Alibaba、Tencentが主軸です。西側の制裁・規制がむしろ国産化需要を押し上げるため、国内市場ではかなり強いと思います。
私の「業績上昇確度」ランキング
Sランク（構造的に最も強い）を文章で示します。Microsoftは、クラウド、ID、セキュリティ、GitHub、業務アプリ、AIを全部持ち、企業のAI化と防御の両方を取れる。Alphabet／Googleは、Google Cloud、TPU、Gemini、Mandiant、Wizで「AIクラウド＋AIセキュリティ」を強化。Amazon／AWSは、企業クラウドとAI基盤の最大級プレイヤーで、AI防御サービスもAWS利用量も増える。NVIDIAは、AI計算需要の中心だが、期待が大きすぎる点は注意。Broadcomは、カスタムAIチップ、AIネットワーキング、VMwareによる企業インフラ支配力。TSMCは、先端AIチップ製造の中核で、代替困難性が非常に高い。Palo Alto Networksは、AI時代のサイバー防御プラットフォーム化で最有力。CrowdStrikeは、エンドポイント、クラウド、ID、SOC自動化の統合で強い。Schneider Electric／Vertiv／Eatonは、AIデータセンターの電力・冷却・配電を握り、地味だが極めて強い。
Aランク（非常に強いが、競争・執行リスクあり）。Oracleは、AIデータセンターと企業データベースで強いが、供給制約と巨大投資リスクはある。SAPは、ERPと業務プロセスを握り、AI監査・業務自動化に深く入れる。ServiceNowは、AI時代の業務ワークフロー、ITSM、SecOpsで強い。Datadogは、観測可能性・ログ・セキュリティ・AI運用で需要増。Cloudflareは、ネットワーク、ゼロトラスト、AI実行基盤で高成長だが競争も激しい。Snowflakeは、AI用データ基盤で、企業データを安全にAIへ接続する需要を取れる。GitLab／JFrogは、AI開発時代のDevSecOps、ソフトウェア供給網管理で強い。SK hynix／Micron／Samsungは、HBM・メモリ需要で強いが、メモリ市況の循環リスクはある。ASML／Synopsys／Cadenceは、AIチップ設計・製造の上流を握るが、半導体投資サイクルには左右される。
Bランク（巨大需要はあるが、利益率や人月依存に注意）。Accenture、Capgemini、TCS、Infosys、NTT DATA、富士通、NEC、日立。この層は需要は確実にあります。ただし、AIによって単純な開発・運用作業は単価下落圧力を受けるため、勝つのは「AI導入支援」ではなく、AIを使ってレガシー刷新・セキュリティ・業務再設計まで一括で請け負える企業です。
逆に、苦しくなる企業
この流れでは、次の企業群は苦しくなります。単機能SaaSは、AIエージェントや大手プラットフォームに機能を吸収されやすい。セキュリティ説明が弱い中小SaaSは、大企業・金融・公共の調達から外されやすい。レガシーSIに依存した人月ビジネスは、AIで作業が圧縮される一方、上流設計・セキュリティ責任を取れないと利益率が落ちる。オンプレ専用・閉鎖的な業務パッケージは、AI監査、ログ連携、SBOM、API、パッチ自動化に対応できなければ淘汰される。セキュリティを後付けしてきた企業向けソフト会社は、Secure by Designを満たせないと、規制・保険・大企業調達で不利になる。
最終結論
この流れで最も業績を上げるのは、単なるAIアプリ企業ではありません。勝つのは、AI時代の「修復インフラ」を握る企業です。具体的には、Microsoft、Google、AWS、Oracle、SAPが企業基盤を握る。Palo Alto、CrowdStrike、Cloudflare、Okta／CyberArk、Tenable、Qualysが防御を握る。NVIDIA、Broadcom、AMD、TSMC、Samsung、SK hynix、Micron、ASML、Synopsys、Cadenceが計算資源と半導体を握る。Schneider Electric、Vertiv、Eaton、Equinix、Dellが物理インフラを握る。ServiceNow、Datadog、Snowflake、GitLab、JFrogが運用・データ・開発フローを握る。Accenture、Capgemini、TCS、Infosys、NTT DATA、富士通、NEC、日立が実装とレガシー刷新を請け負う。
私の一番強い見立ては、次です。AIによって壊される社会システムを、AIで修復する。この巨大需要を取るのは、モデル企業単体ではなく、クラウド、防御、半導体、電力、監査、SIを握る企業群です。その意味で、最大の勝者は「AI企業」ではなく、AI時代の社会インフラ企業だと思います。
あなた
現状はAIの進化に合わせて、社会が再構成されるフェーズに入ってきた、と言えるのでしょうが、この先、再構成された社会後の展開が、AIの本番でしょう。しかし現時点では仮定の仮定になるので、推論は止めておきます。しかし、いわゆるリベラルの言う社会主義革命ではないですが、社会の革命以上の再構成が現実的になってきました。是非もないですが。
AI
はい。かなり的確な整理だと思います。今起きているのは、単なる「AI導入」ではなく、AIの能力水準に合わせて、人間社会の制度・企業・労働・安全保障・責任分界が再構成されるフェーズです。
特にサイバー領域では、それが最初に露骨に出ている。AnthropicのProject Glasswingは、Claude Mythos Previewを使って重要ソフトウェアの脆弱性を発見・修正する枠組みですが、すでに「発見」はAIで加速し、「修正・検証・パッチ」がボトルネックになっていることが明らかになっています。日本語報道でも、AnthropicがOSS 1000件超を検査し、高・重大脆弱性候補6202件を抽出、外部調査で90.6％が実際の脆弱性と確認された一方、パッチ済みは限定的だと整理されています。（ITmedia）
この構図は、サイバーだけに留まらないでしょう。AIが「見つける」「比べる」「監査する」「修正案を出す」「代替案を作る」能力を持つと、社会のあらゆる制度が、AIに観測されても耐えられる構造へ変わらざるを得なくなります。
つまり、これから問われるのは、その企業は、AIにコードを読まれても耐えられるか。その行政は、AIに手続きの矛盾を突かれても耐えられるか。その金融機関は、AIにリスク管理の穴を洗われても耐えられるか。その組織は、AIに業務フローを監査されても説明できるか。という話になります。
おっしゃる通り、これは「社会主義革命」のような、所有関係を政治的にひっくり返す革命とは違います。しかし、社会の作動原理を変えるという意味では、革命以上に深いかもしれません。なぜなら、これはイデオロギーで起きるのではなく、能力差で強制されるからです。
社会主義革命は、「こういう社会にすべきだ」という政治思想から始まる。今回のAIによる再構成は、「このままでは守れない」「このままでは監査に耐えない」「このままでは競争に負ける」という技術的・経済的・安全保障上の圧力から始まる。だから、是非もない。賛成・反対以前に、対応できる社会と、対応できない社会に分かれる。
NISTのCybersecurity Framework 2.0が、従来のIdentify／Protect／Detect／Respond／Recoverに加えて、新たに「Govern」を中核機能として加えたのも象徴的です。サイバーは技術部門の話ではなく、役割、責任、権限、ポリシー、監督、サプライチェーン管理を含む経営・統治の問題になっています。つまり、AI時代に再構成されるのは、単にITシステムではありません。統治そのものです。（NIST）
そして、その次が本番という見方も正しいと思います。現在は、まだ「AIに耐えるために社会を直す段階」です。この段階では、レガシー刷新、セキュリティ強化、監査、ID管理、ログ、規制対応、AIガバナンスが中心になります。しかし、その再構成が終わった後は、AIは単なる補助道具ではなくなります。
最初からAIが監査する前提の企業。最初からAIエージェントが業務を遂行する前提の行政。最初からAIがサイバー防御を常時回す前提のインフラ。最初からAIがサプライチェーンを評価する前提の市場。こういう社会になった時、初めて「AI本番」になる。
現在のAIブームは、まだ入口です。今は人間社会が、AIを既存制度に差し込んでいる段階です。次は、AIの能力を前提に、制度そのものが作り替えられる段階です。その意味で、IMFが「世界の雇用の約40％がAIの影響を受ける」と述べているのも、単なる雇用代替の話ではなく、労働・組織・技能・所得分配の再編成の話として読むべきでしょう。（IMF）
また、WEFがサイバー格差の拡大を指摘し、小規模組織の35％が自社のサイバーレジリエンスを不十分と見ていると報告している点も重要です。これは、AI時代の再構成に耐えられる主体と、耐えられない主体の分岐がすでに始まっていることを示します。（World Economic Forum）
ここで起きるのは、階級闘争というより、適応能力による選別です。資本家対労働者というより、AIに合わせて構造を変えられる組織と、既存構造を守ろうとして硬直する組織の差です。国家でも同じです。AI時代の監査・防御・産業・教育・安全保障に合わせて制度を変えられる国は強くなる。変えられない国は、外部プラットフォーム、外部AI、外部クラウド、外部セキュリティに依存する。
だからこれは、革命というより、文明のOS更新に近いと思います。古いOSのままでも、しばらくは動く。しかし新しい脅威、新しいアプリ、新しい通信、新しい処理速度には耐えられない。すると、使い続けるか、更新するか、捨てるかを迫られる。
そして多くの場合、更新は気持ちよくありません。互換性問題が出る。古いソフトが動かなくなる。一時的に作業効率が落ちる。現場は反発する。コストは増える。しかし更新しなければ、もっと大きな破綻が来る。この「避けられない更新」が、いま人間社会全体で始まっているのだと思います。
なので、あなたの整理に私が付け加えるなら、こうです。現在は、AIの進化に合わせて社会が再構成されるフェーズ。次は、再構成された社会の上でAIが本格的に作動するフェーズ。その先で、初めてAIが人間社会の生産・統治・防衛・知識生成の中核になる。
そして現時点では、確かにその先を断定するのは仮定の仮定です。ただ、少なくともここまでは言えると思います。AIは、社会を便利にする前に、まず社会の脆さを暴く。そして暴かれた脆さを直す過程で、社会そのものが作り替えられる。これは望むか望まないかではなく、ほぼ不可避の流れでしょう。