AIで爆速Web開発、動くが危ない日本企業のセキュリティ盲点

爆速開発が広げる「動く」と「守れる」の距離

生成AIを使えば、プログラミング経験が浅い担当者でもWebアプリの画面、API、データベース接続を短時間で作れます。Stack Overflowの2025年調査では、回答者の84％が開発工程でAIツールを利用中または利用予定で、プロ開発者の51％は毎日使っています。Google CloudのDORA調査でも、技術職のAI利用は90％に達しました。

ただし、動作確認に成功したサービスが安全とは限りません。製造現場で試作品が動いても、量産ラインに検査工程や不良流出防止がなければ出荷できないのと同じです。日本企業の弱点は、AIの導入速度に対して、設計審査、権限管理、脆弱性検査、運用監視の仕組みが追いついていない点にあります。

AI生成コードに残る認証と権限の負債

ログイン成功だけでは足りない認可設計

Webサービスの安全性は、画面が表示されるか、フォームが送信できるかだけでは判断できません。攻撃者が狙うのは、ユーザーごとのデータ分離、管理者権限、APIの公開範囲、ファイルアップロード、例外処理など、正常系テストでは見えにくい境界部分です。

OWASP Top 10:2025では、Broken Access Controlが最重要リスクとして示されています。これは「ログインできるか」ではなく、「ログイン後に本来見てはいけないデータへアクセスできないか」を問う領域です。AIに「会員ページを作って」と頼めば、見た目と基本機能は整いますが、オブジェクト単位の認可、セッション失効、総当たり攻撃対策、監査ログまで自然に入るとは限りません。

OWASPのCitizen Development Top 10は、AI支援開発やローコード開発で「Blind Trust」が起きやすいと整理しています。生成されたコードやテンプレートを、十分に検証せず安全だとみなす状態です。とくにセキュリティ設定の項目では、AIが機能的な回答を優先し、プロンプトで求められていない安全対策を自動的に補わない危険が指摘されています。

この問題は、未経験者だけの問題ではありません。短納期の現場では、経験者でもAIの出力を「下書き」ではなく「完成物」として扱いがちです。Stack Overflow調査では、AIツールの正確性を信頼する回答者より、信頼しない回答者の方が多く、66％が「ほぼ正しいが完全ではないAI回答」に不満を感じています。セキュリティでは、この「ほぼ正しい」が最も危険です。

秘密情報と依存関係が漏れる量産構造

AI開発で増えるのはコードだけではありません。外部API、認証基盤、クラウドストレージ、決済、メール配信、検索、LLM連携など、Webサービスを動かすための鍵や接続情報も増えます。開発者がサンプルコードにAPIキーを貼り、AIがそれを前提に設定ファイルや手順を生成し、レビュー前にリポジトリへ入る流れは珍しくありません。

GitGuardianのState of Secrets Sprawl 2026は、2025年に公開GitHub上で検出された新規シークレットが2,900万件に達し、AI関連サービスのシークレット漏えいが前年比81％増えたと報告しています。AI支援コミットでは、秘密情報の漏えい率が公開GitHub全体の約2倍だったという分析もあります。MCP設定ファイルからも2万4,008件のユニークなシークレットが見つかっており、AIエージェント連携が新しい漏えい経路になりつつあります。

さらに、依存ライブラリの選定も弱点になります。AIは、使いやすいが保守が止まったパッケージ、脆弱性のあるサンプル、広すぎる権限を持つSDK設定を提案することがあります。OWASP Top 10:2025でSoftware Supply Chain Failuresが主要リスクに入っているのは、こうした外部部品の選定と更新がアプリ本体と同じくらい重要になっているためです。

AIによるコードレビューにも限界があります。2026年のPMLR掲載研究では、GitHub Copilotのコードレビュー機能がSQLインジェクション、XSS、安全でないデシリアライズなどの重大な脆弱性を頻繁に見逃し、軽微なスタイル指摘に偏る傾向が示されました。AIで作り、AIでレビューすれば十分という発想は、検査工程を同じ欠陥モードに依存させる危うさがあります。

日本企業で速度偏重が起きる組織構造

PoC量産を支える現場主導DXの落とし穴

日本企業では、生成AIの導入が「全社変革」より「日常業務の効率化」から進む傾向があります。JIPDECとITRの企業IT利活用動向調査2025では、企業の45％が生成AIを利用し、日常業務では80％超の企業が利用成果を認識していると示されています。これは前向きな変化ですが、同時に現場の小さな自動化が急増することを意味します。

問題は、現場で作った便利なWebツールが、いつの間にか顧客情報、見積情報、設備データ、契約情報を扱う準基幹システムになることです。最初は数人のチーム内ツールでも、共有リンクが広がり、API連携が追加され、外部委託先も使うようになると、セキュリティ要件は一気に重くなります。ところが、開発時の設計メモ、データ分類、権限表、障害時対応、退職者アカウントの棚卸しが残っていないケースが起きます。

製造業のDXでも同じ構造が見られます。生産設備の稼働データを可視化する小さなアプリは、改善活動には有効です。しかし、工場ネットワーク、クラウド、現場端末、外部AIサービスがつながれば、攻撃面は広がります。AIで作ったアプリが便利であるほど、利用部門は止めにくくなり、後からセキュリティ担当が追いかける構図になります。

IPAの情報セキュリティ10大脅威2025では、組織向けの上位にランサム攻撃、サプライチェーンや委託先を狙った攻撃、システムの脆弱性を突いた攻撃が並びます。AI開発のリスクは特殊な新問題ではなく、既存の脅威をより速く、より広い範囲に拡散させる増幅装置として捉えるべきです。

情シス後追いを招くシャドーAIの拡大

KPMGコンサルティングが2026年7月に発表した国内調査では、約半数の回答者が業務で生成AIを活用しています。一方で、私的な生成AIに業務関連情報を入力した経験は約14％、生成AIが作ったコードの処理内容を十分に理解しないまま利用・流用した経験は約65％に達しました。これは、禁止か許可かの二択だけでは実態を管理できないことを示しています。

シャドーAIが怖いのは、情報漏えいだけではありません。誰が、どのAIサービスに、どの権限で、どのデータを渡し、どのコードを本番へ入れたかが追跡できなくなります。事故が起きた後にログがなく、影響範囲もわからない状態では、技術的な修復より説明責任の方が重くなります。

IBMの2025年データ侵害調査では、AIモデルまたはAIアプリケーションの侵害を報告した組織が13％あり、そのうち97％はAIアクセス制御を備えていなかったとされています。さらに、侵害経験組織の63％はAIガバナンスポリシーがないか策定中で、シャドーAIに起因する侵害も報告されています。日本企業に限った数字ではありませんが、AI利用が先行し管理が遅れる構図は共通です。

ここで日本企業の課題は、セキュリティ部門の人数不足だけではありません。現場は「早く作る」評価軸で動き、情報システム部門は「止めない」責任を負い、経営は「AI活用件数」を成果として見がちです。この三者のKPIがずれたままでは、脆弱性は個人のミスではなく組織設計の結果として蓄積します。

安全なAI開発基盤を迫る国際標準の更新

AI支援開発を止める現実性は低いです。むしろ必要なのは、AIを使うほど安全になる開発基盤を整えることです。NISTのSecure Software Development Frameworkは、脆弱性を減らし、未発見の脆弱性が悪用された場合の影響を抑え、根本原因を再発防止につなげる実践群を示しています。2024年には生成AIとデュアルユース基盤モデル向けのSSDFプロファイルも公開されました。

OWASPのLLMアプリケーション向けTop 10も、プロンプトインジェクション、出力処理の不備、サプライチェーン、過剰な自律性など、従来のWebアプリとは違う攻撃面を整理しています。AIエージェントにDB操作、メール送信、デプロイ、チケット更新の権限を与えるほど、失敗時の被害はコード品質の問題を超えて業務プロセス全体へ広がります。

したがって、今後の社内ルールは「AIに機密情報を入れないでください」だけでは足りません。社内で使ってよいAIサービス、入力してよいデータ分類、生成コードのレビュー条件、本番投入前の検査、外部APIキーの保管、ログ保存、撤退基準まで、開発標準として実装する必要があります。文書だけでなく、CI-CD、秘密情報スキャン、SAST、依存関係スキャン、IaC検査に落とし込むことが重要です。

経営者が予算化すべき三つの安全装置

日本企業がまず整えるべき安全装置は三つあります。第一に、認証・認可・監査ログ・秘密情報管理を最初から備えた社内開発テンプレートです。現場に白紙から作らせず、安全な部品を使うほど早く作れる状態を作る必要があります。

第二に、AI生成コードを通す自動検査の標準化です。脆弱性スキャン、依存関係更新、APIキー検出、権限設定チェックを本番前の必須工程にします。第三に、AI利用を事業部任せにしない責任分担です。現場、情シス、セキュリティ、法務、経営が、利用範囲と事故時対応を共有する体制が要ります。

AI開発の競争力は、速く作れることだけでは決まりません。安全に直し続けられる設計、誰が見ても追跡できる運用、止める判断ができるガバナンスまで含めて、初めて企業の開発力になります。

参考資料:

• AI | 2025 Stack Overflow Developer Survey
• Announcing the 2025 DORA Report: State of AI-Assisted Software Development
• The State of Secrets Sprawl 2026 | GitGuardian Annual Report
• IBM Report: 13% Of Organizations Reported Breaches Of AI Models Or Applications
• OWASP Top 10 for Large Language Model Applications
• OWASP Citizen Development Top 10
• CD-SEC-07: Security Misconfiguration | OWASP Foundation
• Introduction - OWASP Top 10:2025
• NIST SP 800-218 Secure Software Development Framework
• Secure Software Development Practices for Generative AI and Dual-Use Foundation Models
• 情報セキュリティ10大脅威 2025 | IPA
• 「企業IT利活用動向調査2025」調査結果 | JIPDEC
• KPMGコンサルティング「AIの利活用・ガバナンス等の動向調査」
• GitHub’s Copilot Code Review: Can AI Spot Security Flaws Before You Commit?
• Do Users Write More Insecure Code with AI Assistants?