OpenAIは2026年8月7日、開発中の新モデル「Astra」について、内部評価の結果「Critical（重大）」レベルのサイバー攻撃能力を否定できないと発表した。同社が定める安全性評価の枠組み「Preparedness Framework」において、モデルがこのレベルに達したと判断されたのは今回が初めてで、OpenAIは開発体制を隔離環境に移し、政府機関やAI安全団体と連携した検証体制を敷いている。

Preparedness Frameworkと「Critical」の基準

Preparedness Frameworkは、OpenAIが2023年に策定した先端AIモデルの新興リスクを段階的に管理するための内部指針だ。サイバーセキュリティ、生物・化学兵器、AI自己改善など複数の領域でリスクレベルを定義し、しきい値を超えたモデルには追加の安全対策を義務付ける仕組みになっている。

サイバーセキュリティ領域における「Critical」レベルの基準は明確だ。堅牢化された実運用システムに対して、人間の介入なしに複数のゼロデイ脆弱性を自動的に発見し、実際に悪用可能な形にまで作り込める能力、あるいは高レベルの目標だけを与えられた状態から攻撃全体の戦略を自律的に立案・実行できる能力を指す。これまでのモデル（直近のGPT-5.6-Solを含む）はいずれも一段階下の「High」にとどまっており、Astraの内部テスト結果はOpenAI自身にとっても想定を超えるものだったとみられる。

OpenAIが講じた対策

OpenAIはAstraの一部の内部開発作業を一時停止し、以下の追加対策を導入したと説明している。

  • テスト環境をネットワークから隔離し、外部システムへのアクセスを制限
  • モデルの重み（パラメータ）の保管方法を強化
  • エージェントとして自律動作する際の挙動を逐一監視する体制の構築
  • 政府機関やAI安全性に関する外部団体との連携によるレッドチーム検証

具体的な連携先の機関名は公表されていないが、モデルの安全性評価を自社だけで完結させず、外部の第三者検証を組み込んでいる点が今回の対応の特徴だ。

なぜこれが重要か

AI企業各社は近年、自主的な安全性評価の枠組みを相次いで公表してきたが、実際に最高危険度のしきい値が発動し、開発プロセスの変更にまで至った事例はこれまでほとんど注目されてこなかった。「作っておいたルールが、実際に機能した」という初のケースである点が、今回の発表が業界内外で高く評価されている理由だ。

生成AIがコーディング支援やエージェント型タスクの実行で急速に能力を伸ばしていることは周知の事実だが、その裏側で「攻撃的なセキュリティタスク」の能力も同じペースで伸びていることを、OpenAI自身が数値と手続きをもって認めた形になる。ゼロデイ脆弱性の発見は本来、高度なスキルを持つ人間の研究者が時間をかけて行う作業だが、それをAIエージェントが自律的に、しかも複数同時並行でこなせる未来が現実味を帯びてきたことを意味する。

実務への影響

日本のIT現場にとって、今回の発表は「対岸の火事」ではない。まず、AIエージェントによる自動化された脆弱性スキャン・攻撃コード生成が現実の脅威として迫っている以上、セキュリティ担当者はパッチ適用サイクルの短縮や、多層防御の見直しを前倒しで検討すべき局面に来ている。攻撃側がAIを使う速度に、防御側の運用が追いついていない組織は少なくないはずだ。

次に、自社で生成AIサービスやAPIを選定・導入する際の判断材料として、提供元がPreparedness Frameworkのような安全性評価の仕組みを持ち、かつそれを実際に運用しているかどうかは、今後ますます重視すべきポイントになる。今回のOpenAIの対応は、評価基準を「宣言するだけ」で終わらせず、しきい値超過時に開発プロセスそのものを止めて検証する運用まで踏み込んでいる点で、企業のAIガバナンス体制を評価する上での一つの参考事例になる。

また、SOC（セキュリティオペレーションセンター）やCSIRTを運用する組織では、AIが生成した可能性のある攻撃パターンの検知ルールについて、今のうちから検討を始めておく価値がある。ゼロデイ脆弱性を自動発見・自動悪用するAIエージェントが実運用レベルに近づいているという今回のニュースは、防御側にとっても「AIをどう活用して対抗するか」という宿題を突きつけている。

出典: この記事は Responding to the next frontier of critical cyber capabilities の内容をもとに、筆者の見解を加えて独自に執筆したものです。