業務システムの保守やコード修正にAIアシスタントを活用する動きが広がるなか、セキュリティに関わる処理をAIにどこまで委ねられるかは大きな検討事項です。Anthropicは2026年10月6日、セキュリティ専門家向け検証プログラム「Cyber Verification Program（CVP）」の拡張版を開始したと発表しました。従来進めていたProject Glasswingと従来のCVPを統合し、専門家が担うサイバー業務の範囲に応じて3つのアクセス区分を設ける方針を示しています。

3つのアクセス区分が示す「任せられる作業」の範囲

サイバーセキュリティの技術は、脆弱性の発見や修正に役立つ一方で、悪意ある攻撃にも転用できる二面性を持っています。そのため、一般提供されているClaudeモデルには保守的な安全制御が適用され、高度なセキュリティ作業の多くが制限されてきました。今回発表されたExpanding the Cyber Verification Programでは、セキュリティ担当者が自らの業務に合わせて申請できるよう、検証要件とセキュリティ管理の異なる3つの区分が提示されています。

1つ目の「Defense Access」は、SOC（セキュリティ監視センター）の業務、インシデント対応、マルウェアのリバースエンジニアリング、脆弱性の分析や検証といった防御業務を対象とします。自社システムの防衛を担う企業や教育機関、重要インフラの運用者のほか、脆弱性報告実績のある個人研究者なども対象に含まれます。

2つ目の「Red Team Access」は、防御業務に加えて許可された侵入テストやレッドチーム演習を対象とする区分です。この区分ではテスト権限を持つシステムのみが対象となり、身代金要求型不正プログラム（ランサムウェア）の展開や物理システムの破壊など、大規模な混乱や危害を及ぼす行為には引き続きリアルタイムの遮断が働きます。発表時点でこの区分は組織のみが対象とされ、個人研究者は申請できません。

3つ目の「Specialized Access」は、人命や市場に重大な影響を与えうるフライト運航システム、電力網、通信網、政府管理ネットワークなどの安全関連システムをテストする権限を持つ、限定された検証済み組織向けです。米国政府と連携した詳細な審査が行われると説明されています。

通常提供モデルでの保守作業と、Opus 5.5の切り替え挙動

高度な検証を必要とする区分が設けられた一方で、日常的なシステム保守のすべてに特別なアクセス権が必要なわけではありません。発表資料では、一般提供されているモデルであっても、コードレビューや既知の不具合の修正パッチ作成、自社が所有するソースコード内の脆弱性発見、セキュリティアラートのトリアージといった作業には引き続き利用できると明記されています。

ただし、利用するモデルの挙動には注意が必要です。たとえばIntroducing Claude Opus 5.5の資料によると、日常的なソフトウェア開発工程でバグを発見・修正することは可能ですが、通常提供環境におけるサイバーセキュリティ作業の大半はClaude Opus 4.8へと処理が振り替えられると説明されています。モデルの名称だけでなく、依頼する作業の内容によって適用される安全制御や実際の処理モデルが異なる場合がある点は、保守業務への組み込みを検討するうえで押さえておきたい要素です。

また、CVPに参加する組織には不正利用防止のためのデータ保持が義務付けられています。Anthropicは、ゼロデータ保持と安全対策を両立する「Enterprise Frontier Safeguards（EFS）」を2026年秋に提供予定としており、提供後は適格な組織が自社管理のクラウド基盤へデータを保存できるようになる見込みです。EFS提供前においては、Fable 5.1またはMythos 5.1をゼロデータ保持で利用できる組織に限り、CVPでもゼロデータ保持が適用される例外が案内されています。社内コードや調査ログをAI環境へ渡す際は、こうしたデータ保持の条件もあらかじめ確認しておく必要があります。

自社のシステム保守でAI支援を小さく試すアプローチ

海外でのこうした区分設計は、社内システムの保守業務をAIで効率化したい企業にとっても実務的な示唆を与えてくれます。社内の保守依頼を一括してAIに投げるのではなく、作業の性質に応じて切り分けることが現実的な第一歩となります。

たとえば、社内の受注管理システムを保守している場面を仮定してみます。日常的に届く保守依頼の中から、「入力画面のバリデーション漏れによる不具合」のような既知の課題と対象コードを特定し、AIに修正候補の提示や影響範囲の観点出しを依頼します。この範囲であれば、一般提供モデルのコードレビューやバグ修正支援の枠組みで十分に検証可能です。AIが出力した修正案はそのまま本番に反映せず、担当者が既存のテスト環境で動作を確認したうえで、課題管理ツールへレビュー結果として記録します。

一方で、ネットワーク全体の脆弱性診断や外部からの侵入テストを伴うような高度な調査は、対象システムへの正式な実施権限や、利用するAIツールのアクセス区分・利用規約を慎重に精査する必要があります。自社が取り扱うコードの機密性やログの保管ポリシー、そして作業の目的を照らし合わせることで、通常利用の範囲で安全に試せる境界線が見えてきます。

業務整理と連携範囲の具体化に向けて

既存システムの保守業務にAIを取り入れる際は、ツールの導入そのものよりも、「どの保守工程をAIに切り出し、誰が確認して既存の管理ツールへ戻すか」という業務フローの設計が重要になります。

デノフでは、Webサイト・業務システムの設計・開発・運用保守やAI活用支援を行っており、業務の整理からAIを活用する工程の選定、ツール選定、導入後の定着までを支援しています。社内保守のどの作業からAI支援を試すべきか、既存の課題管理や開発基盤とどのように連携させるかなど、具体的な要件が固まっていない段階からデノフへの相談窓口にてご相談を承っています。