Claudeが政府の“脆弱性”を発見―― サイバーセキュリティは、AIでどう変わる？

生成AIは「文書作成ツール」から「システムを守る基盤」へ

生成AIの活用と聞くと、文章作成、議事録、資料作成、社内問い合わせ対応などを思い浮かべる人が多いのではないでしょうか。しかし、生成AIの活用領域は、すでに日常業務の効率化だけにとどまりません。

Anthropicは2026年7月6日、カナダ・アルバータ州政府がClaude Codeを活用し、政府システムの脆弱性調査、修正、レガシーシステムの近代化を進めている事例を公開しました。Anthropicによると、同州政府のチームは約4億6,600万行のコードを約20時間で調査し、セキュリティ上の問題を特定・修正したといいます。

注目すべきなのは、単にClaudeへ「危険なコードを探して」と質問したわけではない点です。複数のAIエージェントを並列で動かし、脆弱性の発見、影響の分析、修正案の作成、テストコードの生成までを一連の業務として設計しています。

Anthropicが公開したアルバータ州政府のClaude活用事例

アルバータ州の技術・イノベーション省は、27の省庁が利用するITシステムを管理しています。その対象は、約1,280のアプリケーションと約3,400のコードリポジトリに及びます。税務記録、政府調達、社会サービスのケースファイルなど、機密性の高い情報を扱うシステムも含まれています。

一方で、長年運用されてきたシステムには、次のような課題が蓄積していました。

• 古いプログラムや開発言語が残っている
• システム全体の仕様書が十分に整備されていない
• セキュリティレビューを受けていないコードがある
• 修正すると別の機能に影響が出る可能性がある
• 対応できるセキュリティ人材が限られている

こうした問題は、アルバータ州政府だけのものではありません。長年使われてきた業務システムを抱える日本企業でも、システムのブラックボックス化や技術的負債は大きな経営課題になっています。

そこでアルバータ州政府は2025年から、Claude CodeとClaudeのOpus、Sonnetモデルを使い、既存システムの調査と改善を進めました。

約4億6,600万行のコードを20時間で調査

今回の発表で最も目を引くのが、調査対象となったコードの規模です。アルバータ州政府は約50のAIエージェントを自律的かつ並列に稼働させ、約4億6,600万行のコードを約20時間でスキャンしました。

AIエージェントは、コード上の脆弱性だけでなく、インフラ構成、デプロイ手順、技術文書の不足なども調べたとされています。アルバータ州政府のチームは、従来型の方法で同規模のレビューを実施した場合、約6.5年かかる可能性があったと試算しています。

もちろん、この数字だけを見て「AIなら人間の仕事を数千倍速くできる」と単純化すべきではありません。重要なのは、1人の担当者がClaudeとチャットしたのではなく、業務を分解し、複数のAIエージェントを並列実行できる仕組みを構築したことです。

生成AI導入の成果は、モデルの性能だけでは決まりません。

Claudeはどのように脆弱性を発見したのか

アルバータ州政府の仕組みでは、Claude Codeが大きく2段階でコードを調査しました。

第1段階：ルールベースで既知パターンを抽出

ルールベースのエンジンを使って、既知の問題パターンに該当するコードを抽出します。パスワードの埋め込みや古い暗号化方式など、定型的な問題の発見が得意な領域です。

第2段階：Claudeが文脈に沿って分析

抽出された箇所をClaudeが文脈に沿って確認し、本当に問題があるかを分析します。そのうえで、問題が見つかったファイル名やコードの行番号を示し、開発者が確認できる状態にしました。

従来の静的解析ツールは、既知のパターンを発見することには適しています。一方で、複数の機能をまたぐ複雑な処理や、権限管理、業務ロジック上の問題は見逃されることがあります。

Anthropicは、Claude Code Securityについて、コードの構成要素がどのように連携しているか、データがどこからどこへ流れるかを分析し、ルールベースのツールでは発見しにくい問題を探す設計だと説明しています。つまり、従来のセキュリティツールをAIに置き換えるというよりも、

これが今回のポイントです。

脆弱性の発見だけでなく、修正とテストまで支援

Claudeが担当したのは、問題の指摘だけではありません。脆弱性が見つかった場合、Claude Codeは修正案を生成し、テストを実行し、修正後のコードをビルドしました。

安全性を確認するための自動テストが存在しないシステムでは、先にテストコードを作成してから修正を行いました。また、古すぎて部分的な修正が難しいコードについては、より現代的で保守しやすい言語や構成への再構築も行ったとされています。Anthropicが紹介した例では、約25年前にJavaで開発され、当初5カ月を要した補助金申請システムを、4〜5日程度で再構築できたケースもあったといいます。

ここから分かるのは、AIによるセキュリティ対策が、単なる「脆弱性診断」にとどまらないということです。脆弱性を発見しても、古いシステムでは修正できないことがあります。そのため今後は、次の一連の流れをAIが支援するようになる可能性があります。

「レッドチームAI」と「ブルーチームAI」が常時レビュー

アルバータ州政府は、継続的なセキュリティレビューにもClaudeを活用しています。

攻撃者の視点からアプリケーションを調査する「レッドチーム」のAIエージェントが、どのように脆弱性を悪用できるかを分析します。その後、防御側となる「ブルーチーム」のAIエージェントが、国際的なセキュリティ基準に照らして防御状況を評価し、具体的な修正計画を作成します。各アプリケーションは、1回のレビューにつき約95項目のセキュリティ統制に基づいて確認されると説明されています。

この仕組みは、セキュリティ監査を「年に1回実施するイベント」から、「開発中に継続して実施するプロセス」へ変える可能性があります。コードを変更するたびにAIが確認し、問題があれば開発者へ通知する。このような運用が定着すれば、システム公開後に問題を探すのではなく、開発工程の中でリスクを減らせるようになります。

なぜ今回の事例が企業のAI導入にとって重要なのか

今回のニュースは、政府の特殊な事例に見えるかもしれません。しかし、企業のAI導入を考えるうえでも、重要な示唆があります。

1．生成AIの対象が「文書」から「基幹業務」へ広がっている

これまで企業の生成AI活用は、メール作成、要約、議事録、企画書などから始まるケースが一般的でした。こうした活用は導入しやすい一方で、削減できるのは個人の作業時間が中心です。今回の事例では、AIがソースコード、開発環境、セキュリティ基準、テスト工程と接続されています。生成AIが企業の中核業務へ組み込まれ始めた事例と捉えられます。

2．AIエージェントの並列実行が大規模業務を変える

約4億6,600万行という膨大なコードを短時間で調べられた背景には、約50のエージェントを並列で稼働させた仕組みがあります。人間の場合、専門家を50人集めても、役割分担、情報共有、進捗管理に多くの時間がかかります。AIエージェントは、作業手順と評価基準が明確であれば、同じ基準で大量の対象を同時に処理できます。今後はセキュリティだけでなく、契約書レビュー、品質検査、社内文書の整理、顧客対応履歴の分析などでも、複数エージェントを使った並列処理が広がるでしょう。

3．レガシーシステム対策とAI導入が一体化する

多くの企業では、古い基幹システムを刷新したくても、仕様が分からない、担当者が退職している、修正の影響範囲が読めないといった理由で先送りされています。生成AIは、古いコードの読み解き、仕様の文書化、テスト作成、現代的なコードへの変換を支援できます。AI導入は新しいチャットボットを追加するだけではありません。既存システムを理解し、整理し、安全に再構築するためにも活用できるのです。

Claudeに任せれば安全になるわけではない

今回の事例で見落としてはいけないのが、人間の関与です。アルバータ州政府では、Claudeが修正案を作成しても、そのまま本番環境へ反映していません。実際に適用する前に、政府のエンジニアが内容を確認し、承認しています。

AnthropicのClaude Code Securityも、発見内容、深刻度、確信度、修正案を提示しますが、最終的な適用判断は開発者が行う設計です。AIが出した結果には、誤検知や見落としが含まれる可能性があります。また、修正によって既存機能が動かなくなるリグレッションのリスクもあります。

そのため、企業がAIをセキュリティ領域で使う場合には、少なくとも次のような統制が必要です。

• AIがアクセスできるコードやデータの範囲を制限する
• 本番環境を直接変更できない権限設計にする
• AIが行った調査や変更内容をログに残す
• 修正前後に自動テストを実施する
• 重要な変更は必ず専門家がレビューする
• 誤検知と見落としの両方を定期的に評価する
• 利用モデルや外部サービスのセキュリティ条件を確認する

ポイントは、AIの判断を信じることではありません。

AIは攻撃側にも利用される

生成AIのセキュリティ能力には、二面性があります。防御側はAIを使って脆弱性を早期に発見できますが、攻撃者も同じようにAIを使って弱点を探せます。Anthropicも、脆弱性を発見・修正する能力が攻撃者による悪用につながる可能性を認識しており、防御目的での提供や安全対策を重視しています。

これは、企業にとって「AIを使うか、使わないか」という単純な話ではありません。攻撃者がAIを使うことを前提に、防御側もAIを活用して対応速度を上げる必要があります。従来は半年に1回だった脆弱性診断を、毎週、毎日、コード変更のたびに実施する。こうした防御体制への転換が求められる可能性があります。

実際に国内でどんな事故が起きているかは、2026年6〜10月に公表された268件を原因別に集計した「情報漏えいの原因と事例2026｜セキュリティ事故268件のDBで見る傾向と対策」で、生成AIが攻撃の各段階をどう変えたかとあわせて解説しています。

日本企業はどこから始めるべきか

いきなり全社のコードをAIに読み込ませるのは現実的ではありません。まずは、対象とリスクを限定したPoCから始めるべきです。

ステップ1：対象システムを限定する

最初は、本番の基幹システムではなく、影響範囲を管理しやすい社内ツールや小規模なWebアプリケーションを選びます。

ステップ2：AIに担当させる業務を絞る

最初から自動修正まで任せる必要はありません。コードの説明、技術文書の作成、脆弱性候補の抽出、テストケースの生成、修正案の提示など、確認しやすい業務から始めます。

ステップ3：既存ツールと組み合わせる

生成AIだけに依存せず、静的解析、依存関係の検査、脆弱性データベース、テストツールなどと組み合わせます。

ステップ4：評価基準を決める

単に「便利だった」で終わらせず、発見した脆弱性の件数、誤検知率、人間によるレビュー時間、修正にかかった時間、テストの成功率、既存ツールでは見つからなかった問題、導入前後の工数とコストなどの指標を測定します。

ステップ5：人間の承認フローを設計する

AIがコードを生成できても、本番反映の権限まで与える必要はありません。提案、検証、承認、反映を分離し、責任の所在を明確にします。

まとめ：生成AIは「便利な助手」から「企業を守る実務担当」へ

Anthropicが公開したアルバータ州政府の事例では、Claude Codeを使い、約4億6,600万行のコードを約20時間で調査しました。Claudeは、脆弱性の候補を探すだけでなく、修正案、テストコード、システム再構築まで支援しています。

一方で、AIの修正を無条件に採用しているわけではありません。最終判断は人間が行い、既存のセキュリティツールやテスト環境と組み合わせて運用しています。今回の事例から企業が学ぶべきことは、次の3点です。

1. 生成AIは文章作成だけでなく、セキュリティやシステム開発にも使える
2. 大きな成果には、複数のAIエージェントと既存ツールを組み合わせた業務設計が必要
3. AIに任せきるのではなく、人間が検証・承認する仕組みが不可欠

生成AIは、単に業務を効率化するツールから、企業のシステムと情報資産を守る存在へ進化し始めています。自社での活用を検討する場合は、まず小さな対象を選び、脆弱性の調査やコードレビューなど、結果を検証しやすい業務から始めることが重要です。

※ 本記事はAnthropicが2026年7月6日に公開したアルバータ州政府の事例発表をもとに、公開情報を整理・要約したものです。数値や仕様は今後変更される可能性があるため、導入検討時は各提供元の最新情報をご確認ください。Claude、Claude Code はAnthropicの商標です。