AI 導入の社内説明資料を作る管理職や情報システム担当の方に向けて、「AI でサイバー被害は増えるのか」という問いに数字で答える方法を整理します。読み終わると、恐怖をあおらず、対策も緩めない説明を、公開データと公的機関の資料にもとづいて組み立てられるようになります。
この記事で分かること
- AI の攻撃関連能力の指標は上がっている一方、米国の調査では被害経験率に検出できる変化がないこと
- 「変化なし」という結果が、どれくらい小さな変化までなら見逃しうるのか（筆者の計算）
- IPA と総務省がどのリスクを重く見ているか、そして企業の対策の前提をどう置けばよいか
ざっくり言うと：2つの数字は逆の方向を向いている
最初に結論の材料となる 2 つの数字を並べます。どちらも研究機関 Epoch AI が 2026 年 10 月に公開したデータです。
1 つ目は Cyber ECI（AI モデルのサイバーセキュリティ関連の能力を、35 種類のテスト結果から 1 つの点数にまとめた指標）です。商用で最も高い Claude Opus 5.5 は 171.14、GPT-6 Astra は 171.03 でした（Epoch AI）。
2 つ目は、米国の成人に「過去 12 か月にサイバー被害にあったか」を聞いた調査です。被害経験率は 2026 年 6 月が 46.2%、9 月が 44.6% で、Epoch は「検出可能な増加はない」と報告しています（Epoch AI）。
AIの攻撃関連能力（Cyber ECI） ── 上がっている
│ 同じ時期
米国成人の被害経験率 ── 検出できる変化はないこの組み合わせを「AI は危なくない」と読むのも、「数字に出ていないだけで危ない」と読むのも、どちらも早すぎます。以下で、それぞれの数字が何を言えて、何を言えないのかを確かめます。なお、Epoch の被害調査の URL には「Fable 5 公開以降」を示す語がありますが、Fable 5 の公開日は確認できなかったため、この記事は調査時期（2026 年 6 月と 9 月）を基準にします。
なぜ重要か：社内説明で「怖さ」と「数字」がずれやすい
経営層から「AI で詐欺や攻撃が増えるのでは」と聞かれたとき、ニュースの印象だけで答えると説明がぶれます。能力の話と被害の話が混ざると、「能力が上がった、だから被害が増えた」と因果関係を飛ばしてしまうからです。
逆に「調査では増えていない」とだけ伝えると、対策の予算や手順が緩みかねません。そこでこの記事では、能力の数字と被害の数字を分けて読み、最後に対策の前提へつなげます。
分析1：Cyber ECI の読み方
商用モデルは 2 年余りで約 44 点上がった
図 1 は、Epoch の表にある商用モデルの Cyber ECI を公開時期の順に並べたものです。GPT-4o の 126.74 から Claude Opus 5.5 の 171.14 まで、約 44 点上がっています。
次の表は、図の 5 点に、比較用として GPT-6 Astra（商用）とオープンウェイト最高の GLM-5.3 を加えたものです。
| モデル | 公開時期 | 種類 | Cyber ECI |
|---|---|---|---|
| GPT-4o | 2024年5月 | 商用 | 126.74 |
| GPT-5 | 2025年8月 | 商用 | 149.43 |
| Claude Opus 4.6 | 2026年2月 | 商用 | 157.99 |
| Claude Mythos Preview | 2026年4月 | 商用 | 164.82 |
| GLM-5.3 | 2026年8月 | オープンウェイト | 160.10 |
| GPT-6 Astra | 2026年9月 | 商用 | 171.03 |
| Claude Opus 5.5 | 2026年9月 | 商用 | 171.14 |
筆者が最初と最後の 2 点から粗く計算すると、1 年あたり約 19 点のペースです。途中の伸び方は一定ではないので、この値は勢いの目安として読んでください。
オープンウェイトとの差は「6〜7 か月」
オープンウェイト（モデルの中身である重みが公開され、手元で動かせる AI モデル。利用条件に制限があるものも含む）の最高は GLM-5.3 の 160.10 でした（Epoch AI）。商用最高との差は、筆者の計算で約 11 点です。
Epoch はこの水準を「商用の最先端が 6〜7 か月前にいた位置」と説明しています。これは、データ時点（2026 年 10 月 8 日）から、GPT-5.4（2026 年 3 月 5 日、7 か月前）と Claude Mythos Preview（2026 年 4 月 7 日、6 か月前）までをさかのぼった期間です。
2026/03〜04 商用の最先端が、この水準に到達
│
│ 約6〜7か月
↓
2026/10/08 時点（データ時点）
オープンウェイトの最高は GLM-5.3（2026/08 公開）
→ 重みが公開され、手元で動かせる企業の対策にとって大事なのはこの差です。オープンウェイトは重みを入手すれば手元で動かせるため、攻撃者も同じ能力を使えると考えられます。ライセンスで利用が制限されていても、攻撃者は条件を守らないと考えておく必要があります。つまり「半年ほど前の最先端の能力は、攻撃者も使える」と考えておく必要があります。
なお、Cyber ECI は 76 モデル・35 ベンチマーク・324 件の結果から計算されています（Epoch AI）。ただし、これは「テストでの能力」であり、実際の攻撃件数ではありません。
分析2：被害経験率 46.2%→44.6% の読み方
3 つの項目とも、ほぼ横ばい
調査は Ipsos の KnowledgePanel（無作為に選んだ人で作る、確率にもとづくオンライン調査パネル）で、6 月と 9 月の 2 回行われました。回答者は 6 月 1,021 人、9 月 1,024 人です（Epoch AI）。
図 2 のとおり、全体、頻繁に AI を使う人、巧妙なスパムのどれを見ても、変化はわずかです。
| 項目 | 2026年6月（90%区間） | 2026年9月（90%区間） | 差 |
|---|---|---|---|
| 何らかの被害（全体） | 46.2%（43.6〜48.8） | 44.6%（42.0〜47.2） | −1.6pt |
| 頻繁なAI利用者（毎日・毎週） | 53%（48〜59） | 51%（45〜57） | −2.0pt |
| 巧妙・個人宛てのスパム等 | 32.2%（29.8〜34.7） | 32.1%（29.7〜34.6） | −0.1pt |
90% 区間（同じ調査を何度も繰り返したとき、真の値がおよそ 9 割の確率で入る範囲）を見ると、6 月と 9 月の範囲は大きく重なっています。ここから、Epoch は「検出可能な増加はない」と判断しています。
個別の被害の種類では、情報漏えい 19.8%→18.2%、アカウント侵入 7.9%→6.0%、身代金要求 2.1%→0.9% など、いずれも減る方向でした。ただし、Epoch は、項目ごとの小さな変化は検出力の限界で見逃しうると述べており、「減った」と言い切れる材料ではありません（Epoch AI）。
「変化なし」と「変化を見分けられない」は別物
ここが記事の中心です。統計で「有意な変化なし」と出たとき、それは「変化がゼロだった」という意味ではありません。「この調査の精度では、変化を見分けられなかった」という意味です。
見分けられる変化の大きさは、標本の人数で決まります。人数が少ないほど、誤差の幅が広がり、小さな変化は誤差に埋もれてしまうからです。
分析3：標本 1,000 人で見つけられる変化の大きさ
計算の手順
Epoch は区間を、有効標本サイズ（重み付けの影響を差し引いた、実質的な回答者数）にもとづく Wilson 区間（割合の信頼区間を計算する方法の 1 つ）で出しています。有効標本サイズそのものは確認できなかったため、筆者は区間の幅から逆算しました。
- 区間の半分の幅を 1.645 で割り、標準誤差（推定値がどれくらいぶれるかを表す量）を求める
- 6 月と 9 月は別の人を調べているので、2 つの標準誤差を合わせて「差の標準誤差」を出す（両方に答えたのは 40 人だけです）
- 差の標準誤差に 1.645 を掛けて、90% の基準で「変化あり」と言える最小の幅を出す
- 検出の確率を 8 割にしたい場合は、1.645 と 0.842 の合計を掛ける
区間 43.6〜48.8 → 半幅 2.6 → 標準誤差 約1.58
区間 42.0〜47.2 → 半幅 2.6 → 標準誤差 約1.58
差の標準誤差 = √(1.58² + 1.58²) ≈ 2.24
検出できる最小幅 = 1.645 × 2.24 ≈ 3.7pt
8割の確率で検出できる幅 = 2.487 × 2.24 ≈ 5.6pt逆算した有効標本は約 990 人でした。実際の回答者 1,021 人とほぼ同じなので、逆算の考え方に大きなずれはないと考えられます。
結果：観測された変化は、見分けられる幅の半分以下
図 3 のとおり、観測された変化 1.6pt は、検出できる最小幅 約 3.7pt の半分以下です。
| 項目 | 観測された差 | 検出できる最小幅（90%） | 8割の確率で検出できる幅 | 差の90%区間（概算） |
|---|---|---|---|---|
| 何らかの被害（全体） | −1.6pt | 3.7pt | 5.6pt | −5.3〜+2.1pt |
| 頻繁なAI利用者 | −2.0pt | 8.1pt | 12.3pt | −10.1〜+6.1pt |
| 巧妙・個人宛てのスパム等 | −0.1pt | 3.5pt | 5.2pt | −3.6〜+3.4pt |
いずれも筆者が Epoch の公表区間から計算した値です。全体の差の区間は −5.3〜+2.1pt で、2pt 程度の増加も否定できていません。
頻繁な AI 利用者は約 220 人と少ないため、8pt 以上動かないと見分けられません。「AI をよく使う人ほど被害が増えたか」という問いには、この調査はほとんど答えられないということです。
まとめると、この調査から言えるのは「3〜4pt を超えるような大きな増加は、この 3 か月では起きていない可能性が高い」までです。「1〜2pt 程度の増加」があったかどうかは分かりません。
公的機関は何を重く見ているか：IPA と総務省
数字だけでは見えない部分を、公的機関の資料で補います。日本では IPA と総務省が、2026 年秋に AI とサイバーセキュリティに関する資料を相次いで出しています。
IPA 情報セキュリティ白書2026
IPA は 2026 年 9 月 30 日に「情報セキュリティ白書2026 サイバー防御新時代、諸刃の進化に備えよ」の PDF 版を公開しました（IPA）。プレスリリースは、ランサム攻撃や標的型攻撃が「AIの悪用等により手口が高度化し」、広範なサプライチェーンに被害を及ぼしたと記しています。
また、2026 年 4 月にある企業の汎用 AI モデルが公表されたことを契機に、AI の急速な進化へ対応する「Project YATA-Shield」が策定されたと説明しています。今回確認したのはプレスリリースの範囲で、白書 PDF の本文は確認できていません。
総務省「フロンティアAI時代」の検討会
総務省は 2026 年 10 月 16 日、通信事業のデータ保護とセキュリティの在り方を話し合う検討会の開催を発表しました（総務省）。きっかけは通信事業者の大規模なデータ漏えいで、フロンティアAI（その時点で最先端の高性能 AI）の登場や、通信サービスのソフトウェア化・クラウド化への対策と制度を検討します。
第 1 回会合は 2026 年 10 月 22 日で、2027 年夏頃を目途に取りまとめる予定です。検討事項の案は、技術面の対策、体制面の対策、規制の在り方の 3 つです。
対応表：どのリスクを誰が見ているか
図 4 は、リスクごとに 3 つの情報源の扱いを並べた表です。
| リスク | IPA 白書2026（プレスリリース） | 総務省 検討会 | Epoch のデータ |
|---|---|---|---|
| AI悪用で高度化したランサム・標的型攻撃 | 言及あり | 確認できていない | 身代金要求 2.1%→0.9%（区間は広い） |
| サプライチェーンへの被害の広がり | 言及あり | 確認できていない | 該当項目なし |
| フロンティアAIの登場 | YATA-Shield 策定の契機として言及 | 検討の目的 | Cyber ECI 商用171・オープン160 |
| 通信のソフトウェア化・クラウド化 | 確認できていない | 検討の目的 | 該当項目なし |
| 巧妙・個人宛てのスパム等 | 確認できていない | 確認できていない | 32.2%→32.1% |
公的機関がそろって重く見ているのは、「AI の進化で攻撃の手口や前提が変わる」という点です。一方で、被害が何 % 増えたという数字は、どちらの資料（確認した範囲）にも出てきません。
企業の対策方針：能力の前提を「半年遅れで攻撃者も使える」に置く
ここまでの材料から、筆者は対策の前提を次のように置くことを提案します。理由は、被害の数字は小さな変化を見分けられず、能力の数字は確実に上がっているからです。
| 判断の材料 | 分かったこと | 対策への反映 |
|---|---|---|
| 能力（Cyber ECI） | 商用は上昇が続き、オープンは約6〜7か月遅れで追う | 「半年前の最先端の能力は攻撃者も使える」前提で備える |
| 被害（米国調査） | 3〜4pt を超える増加は見えないが、小さな増加は否定できない | 「急増している」とはあおらず、対策も緩めない |
| 公的機関の論点 | AI悪用による手口の高度化、サプライチェーン、通信の守り方 | 取引先を含めた対策と、制度の動きの確認を続ける |
具体的な手順は次のとおりです。
- 自社の対策の想定を「半年前の最先端の AI を、攻撃者が自由に使える状態」に置き直す
- IPA が挙げたランサム攻撃とサプライチェーン被害について、取引先を含む連絡手順を確認する
- 被害データは「大きな増加がないか」を見る目安として使い、小さな変化の判断には使わない
- 総務省の取りまとめ（2027 年夏頃）と、次回の調査結果を見直しの時期として決めておく
社内説明のテンプレート（あおらず、緩めず）
図 5 は、経営層へ説明するときの流れです。能力 → 被害 → 公的機関 → 前提 → 見直し時期の順に話すと、因果関係を飛ばさずに伝えられます。
説明の文例は次のとおりです。社内資料にそのまま使えるよう、数字と出典を入れています。
1. AIの攻撃関連能力は、テストの点数で見ると2年余りで約44点上がっています（Epoch AI）。
2. 一方、米国の調査では、被害経験率は46.2%から44.6%で、検出できる変化はありません。
3. ただし、この調査では約3.7ポイント未満の変化は見分けられず、8割の確率で見分けるには約5.6ポイントの変化が必要です（筆者計算）。
4. IPAはAI悪用による手口の高度化を、総務省はフロンティアAI時代の通信の守り方を課題にしています。
5. そこで当社は「半年前の最先端のAIを攻撃者も使える」前提で対策を見直します。
6. 次の見直しは、総務省の取りまとめ（2027年夏頃）と次回調査の公表時に行います。つまずきやすい点
「有意な変化なし」を「安全の証明」と読む
最も多い誤解です。標本約 1,000 人の調査では、3.7pt 未満の変化は見分けられません。「増えていない」ではなく「大きくは増えていない可能性が高い」と言い換えてください。
また、3.7pt はぎりぎり「変化あり」と判定される境目の値で、本当の変化が 3.7pt でも見分けられる確率は約 5 割です。8 割の確率で見分けるには、約 5.6pt の変化が必要です。
米国のデータを日本にそのまま当てはめる
Epoch の調査対象は米国の成人です。日本の被害経験率を同じ形で示す公的データは、今回は集められませんでした。日本向けの説明では「米国の傾向」と明記してください。
被害を「AI のせい」と読む
調査は自己申告で、被害が AI によるものかは区別していません（Epoch AI）。また、2 回とも答えた人は 40 人だけなので、同じ人の変化を追うこともできません。
Cyber ECI の点数を固定の値として扱う
ECI は、新しいテスト結果を加えて計算し直すたびに値が動きます。最新の計算し直しでは、Claude Mythos 5 が 3.9 点、GPT-5.6 Sol が 4.7 点下がりました（Epoch AI）。商用とオープンの約 11 点差はこの変動より大きいものの、資料に点数を書くときは「2026 年 10 月 8 日時点」と添えてください。
まとめ
- AI の攻撃関連能力は上がり続けており、オープンウェイトも約 6〜7 か月遅れで追いついています。
- 米国の被害経験率は横ばいですが、この調査では約 3.7pt 未満の変化は見分けられず、8 割の確率で見分けるには約 5.6pt の変化が必要です（筆者計算）。「変化なし」は「安全」の証明ではありません。
- 対策は「半年前の最先端の AI を攻撃者も使える」前提に置き、総務省の取りまとめ（2027 年夏頃）を次の見直し時期にすると、あおらず緩めない説明になります。