8月4日、Thomas Joosが「IBM finds 92% of companies hit by AI security breaches lacked basic access controls」と題した記事を公開した。IBMの大規模調査が明らかにしたのは、AIセキュリティ侵害を受けた企業の92%が基本的なアクセス制御を設定していなかったという事実だ。高度な攻撃技術でも、モデルそのものの脆弱性でもなく、「設定ミス」と「基礎の欠如」が被害の温床になっているという構図は、AI導入を急ぐあらゆる企業にとって看過できない警告である。

モデルより「設定ミス」が問題

IBMが公開したCost of a Data Breach Report 2026は、調査機関であるPonemon Institute（セキュリティ分野の独立系調査機関として知られ、IBMとの共同調査を長年手がけてきた）が602社を対象に実施した調査に基づく。AIに関連するセキュリティインシデントを経験した企業のうち、92%がAIシステムへの適切なアクセス制御を持っていなかったという。

注目すべき点は、問題の起点がモデルそのものではないことだ。影響を受けた企業の約20%において、侵入経路は侵害されたAPI、連携アプリケーション、あるいはクラウドサービスの設定ミスだった。オープンソースモデルを使っているか、プロプライエタリ（独自）モデルを使っているかは、ほとんど差がなかったとIBMは指摘する。

つまり、高度な技術を持つ攻撃者でなくとも突破できる、基本的な見落としが被害の温床になっているということだ。

AIインシデントのコストは平均533万ドル

コスト面での数字も具体的だ。

• AIが絡むインシデントの平均コスト：533万ドル
• AIが絡まないインシデントの平均コスト：470万ドル
• 全データ侵害の世界平均：499万ドル（前年比12%増）
• 攻撃者自身がAIを使用したケース：604万ドル
• 攻撃者がAIを使用しなかったケース：503万ドル

AIコンポーネントの有無で約63万ドルの差が生じており、さらに攻撃者側がAIを活用すると被害額は一段と膨らむ。前年比12%増という全体トレンドも踏まえると、AI関連インシデントのコストは業界全体の上昇曲線をさらに上回るペースで拡大していることがわかる。

攻撃者がAIを使う時代の到来

このレポートが示すもう一つの重要な示唆は、防御側だけでなく攻撃側もAIを積極的に活用し始めているという点だ。攻撃者がAIを使用したケースでは被害コストが604万ドルと、使用しなかったケース（503万ドル）と比べて約100万ドル高くなっている。

攻撃者がAIを使う目的として考えられるのは、フィッシングメールの精度向上、脆弱なAPIエンドポイントの自動スキャン、設定ミスのあるクラウドリソースの大量探索などだ。防御側の基礎が整っていなければ、AIを武器にした攻撃者に対して著しく不利な戦いを強いられる構造が、この数字に表れている。

「AI特有の脆弱性」より「基礎の欠如」

IBMの分析が示すのは、AIシステム固有の難解な脆弱性よりも、アクセス管理やクラウド設定といった基本的なセキュリティ対策の未実施が被害拡大の主因だという構図だ。

企業がAIシステムを急速に導入する中で、従来のITシステムに適用してきたセキュリティのベストプラクティスがAI基盤には適用されていないケースが多い。IBMレポートが具体的に言及する対策としては以下が挙げられる。

• **最小権限の原則**（Principle of Least Privilege）：ユーザーやシステムに対して、業務遂行に必要な最低限の権限のみを付与するという考え方。AIシステムでは、モデルが参照できるデータ範囲やAPIの呼び出し権限をこの原則に沿って制限することが基本となる
• APIキーの適切な管理：ハードコードされたキーや過剰な権限を持つキーを排除し、定期的なローテーションを実施する
• クラウド設定の継続的レビュー：ストレージの公開設定やネットワークアクセスポリシーの誤設定を定期的に監査する

これらはいずれも新しい概念ではなく、従来のクラウドセキュリティやWebアプリケーションセキュリティで長年推奨されてきた対策だ。AIシステムへの適用が遅れているのは、導入スピードの速さに対してガバナンスの整備が追いついていないことを示している。

企業が今すぐできる対策

IBMレポートの知見を踏まえると、AI導入企業が優先すべきアクションは技術的な高度さよりも基本の徹底にある。

まず、AIシステムに接続されているAPIおよびクラウドリソースの棚卸しを行い、不要なアクセス権限が付与されていないかを確認することが出発点となる。次に、AI関連のアクセスログを通常のセキュリティ監視の対象に含め、異常なAPI呼び出しパターンを検知できる体制を整えることが重要だ。

さらに、[NIST AI Risk Management Framework](https://www.nist.gov/system/files/documents/2023/01/26/AI RMF 1.0.pdf)やOWASPのLLM Top 10といった公開フレームワークは、AIシステム特有のリスクを体系的に把握するための実用的な参照資料となる。92%という数字が示す通り、多くの企業がこうした基礎的なチェックリストすら適用できていない現状では、まずこれらを活用することが有効な第一歩となるだろう。

IBMのレポートは毎年公開されており、昨年版との比較でも業界全体のコスト上昇トレンドは明確だ。AI導入の加速と並走する形で、セキュリティの基盤整備を進めることが急務といえる。

詳細はIBM finds 92% of companies hit by AI security breaches lacked basic access controlsを参照していただきたい。