AIだけの脆弱性診断、29%から9%へ。「AIに任せればOK」という幻想が崩れた理由
去年まで「AIに任せておけばいいんじゃないか」という空気があった。 セキュリティの世界でも、それは同じだったんだ。
AIを使った脆弱性スキャン。コードの穴を自動で探して、自動で報告してくれる。人間がやっていた地道な作業を、AIが代わりにやってくれる……そのはずだった。
でも、2026年のデータが出てきたら、話がガラッと変わってたんだよね。
「AIだけで脆弱性診断をする」という企業が、たった1年で29%から9%へと急落。もう3社に1社も信じていない計算になる。何があったんだろう？
数字が語る「AIへの信頼崩壊」
ペネトレーションテスト（侵入テスト）のプラットフォームを提供するCobaltが、2026年版の「State of Pentesting Report」を発表した。対象は約450人のサイバーセキュリティ専門家。同じ質問を2025年と2026年に重ねて聞いて、1年間での変化を追った調査だ。
数字を並べると、ちょっとびっくりするかもしれない。
AIだけで脆弱性テストを行う企業：29% → 9%（20ポイント減）
人間とAIのハイブリッドを好む企業：約47%（前年比22ポイント増）
AIの全自動スキャンが重要な脆弱性を見逃したと回答した企業：78%
「AIを全面的に信じる」から「AIに任せすぎるのは危険」へ。 たった1年でここまで変わるんだ、と思った。
なぜAIは「見逃す」のか
問題の本質は、AIが見つけられるものと見つけられないものの差にある。
AIスキャンツールが得意なのは、いわゆる「既知のパターン」だ。SQLインジェクション、クロスサイトスクリプティング（XSS）といった、「この形の攻撃が来たら危険」とデータベース化されている脆弱性。ここは速くて正確だよね。
でも、AIアプリ特有の脆弱性は違う。
たとえば「プロンプトインジェクション」。これはLLM（大規模言語モデル）を搭載したアプリに対して、巧みな言葉の操作で意図しない動作をさせる攻撃だ。防ぐためには、そのアプリの設計や文脈を深く理解していないと、どこが危ないかを判断できない。単発の自動クエリを投げるだけじゃ、絶対に見つからない。
Cobaltの CISO（最高セキュリティ責任者）はこう言っている。「LLMの脆弱性は、アプリのアーキテクチャを理解していないツールには見えない」と。
つまり、AIは「型にはまった弱点」は見つけられるけど、「文脈や設計の問題」はわからないんだよね。
AIアプリの脆弱性は、普通の2.7倍「危険」
もう一つ、見逃せないデータがある。
Cobaltのデータによれば、LLMを組み込んだAIアプリのペネトレーションテストで検出された問題のうち、高リスクに分類される割合が、従来のソフトウェアの2.7倍になるという。全体では高リスク率が約12%なのに対し、AI系アプリでは約32%が高リスクとして出てくる。
さらにその後の話がひどくて。 見つかった脆弱性のうち、修正済みになったのは38%だけ。残りの62%は「未対応」のまま放置されている。これは全カテゴリの中で最低の修正率だ。
修正にかかる時間も、19日から36日へと倍近くに伸びた。これは単純に「対応が遅くなった」というより、「より複雑で難しい問題を扱うようになってきた」という意味でもある。モデル側のベンダーとの連携が必要だったり、アーキテクチャを根本から変える必要があったり。そういう対応は、パッチを当てるより何倍もの時間がかかる。
セキュリティの専門家たちが「AIのセキュリティについていけている」と感じる割合は、2025年の64%から2026年には51%へと下がった。自信を持てない人が増えているんだよね。
AIを使ったときの「新しい脅威リスト」
AIを使う企業が増えると、それ専用の入り口から攻撃が来るようになる。
実際にAI関連のセキュリティインシデントを経験した企業のデータを見ると、最も多かった原因はこんな感じだ。
シャドーAI（44%）：会社が許可していないAIツールを使い始め、そこから情報が漏れる
データやモデルの汚染（41%）：AIが学習に使うデータや、モデル自体を改ざんされる
不適切な出力の取り扱い（41%）：AIの出力をそのまま使ってしまい、意図しない処理が走る
サプライチェーンの脆弱性（35%）：使っているAIのAPIやライブラリが危険にさらされる
プロンプトインジェクション（34%）：言葉の操作で、AIに意図しない動作をさせる
シャドーAIが一番多いのは、なんとなくうなずける話じゃないかな。
「ChatGPTが便利だから」と個人のアカウントで仕事の情報を貼り付けて処理する。あれがそのまま企業のリスクになるんだ。ツールの普及スピードが、セキュリティポリシーの整備スピードをはるかに超えている、という現実だよね。
「AIか、人間か」じゃなくて「どこで使い分けるか」
じゃあAIのセキュリティツールは全部やめればいいのか、というと、もちろんそうじゃない。
今の流れは「ハイブリッド」だ。
広い範囲を素早くカバーする部分はAIに任せる。でも、重要なシステムやAIアプリの診断には、人間の専門家による目視・判断を必ず入れる。そういう設計になってきている。
Cobaltが指摘しているのは、「問題は自動化か手動かじゃなくて、どの判断をAIに委ねるかの設計が重要だ」ということだ。自動化すべき部分と、人間が見るべき部分を分ける。この切り分けができているかどうかが、セキュリティレベルの差になってくる。
ちょっと面白いと思ったのは、「より深刻な問題に人間が取り組み始めた」という読み方ができる点だよね。修正に時間がかかるようになったのは後退じゃなく、今まで後回しにしていた本当に難しい問題に、ようやく手をつけ始めたということかもしれない。
📌 Miccellの視点：AIブームが「実務の重力」に引っ張られてきた
ぼくがこのレポートを読んで、いちばん印象に残ったのは「信頼の崩壊」という表現よりも、適切な使い方への収束という見方のほうがしっくりくる、ということだった。
AIブームのはじめはどのツールも「AIに全部任せよう」という雰囲気がある。効率化の夢が先走る時期だよね。でも、実際に使い込んでいくと「ここはAIじゃ無理」という領域が見えてくる。そして設計が変わっていく。
セキュリティの世界では、その「実務の重力」が特に強くかかる。穴があったら本当に攻撃される。「AIがいい感じだと思ってた」では許されない世界だから、嘘がつけない。
AIが「ツールとして定着する段階」では、こういう揺り戻しが必ず来る。
今回のセキュリティ業界のデータは、他の領域でも遅れて同じことが起きるかもしれない、という予告編として読めるんじゃないかな。「AIを盲信する期間」を早く抜けて「AIを賢く使う設計」に移れた人と組織が、次のフェーズで強くなるんだと思う。
🔚 まとめ：「AIを信じる」より「AIを設計する」時代へ
AIだけの脆弱性診断を信じる企業：わずか1年で29% → 9%へ急落
78%がAI自動スキャンの「見逃し」を経験
AIアプリは従来ソフトの2.7倍の高リスク問題を抱えている
修正率38%・修正時間36日という「難問の山積み」
答えは「AI vs 人間」じゃなく、役割の設計にある
AIをセキュリティに使うこと自体は悪くない。でも「AIが全部やってくれる」という期待は、今年のデータが静かに否定している。
あなたの組織や仕事でも、「AIに任せきりにしてる部分」を一度振り返ってみる価値があるかもしれないよね。
どんなツールも、設計次第で化けるか、穴になるかが決まる。セキュリティの世界が、そのことをデータで教えてくれた気がした。
🛠️ 製作ノート
今回のテーマ、最初は「AIの脆弱性診断ツールが信頼を失った」というネガティブな話に見えた。でも数字を追ううちに、「実務のフィードバックが設計を最適化していく、ごく自然なサイクル」として読めるようになってきた。
AIブームの「幻想期」と「適応期」の間にいる、という感覚はセキュリティに限らず、使っているツール全般に当てはまるかもしれない。
LLMの脆弱性が「最も修正されていないカテゴリ」だというのは、率直に怖いデータだよね。AI製品を使っている企業のセキュリティ部門が、今まさに「設計レベルの問題」と格闘していることが数字から伝わってきた。
Miccell - 仕組みがわかれば、世界はもっと面白くなる。