目次
- AIで戦争はどう変わったのか｜精密攻撃と意思決定の高速化
- Claude Mythosはなぜ核兵器並みのインパクトなのか
- AI時代の本当の資源はデータと電力になる
- AI軍事技術は米中対立と台湾情勢をどう変えるのか
AIで戦争はどう変わったのか｜精密攻撃と意思決定の高速化
- ✅ AIの導入で、戦争は「大量破壊」だけでなく「精密に狙う」方向へ大きく変化している。
- ✅ スマホ、監視カメラ、衛星情報、ハッキングで集めたデータをAIが分析し、標的の特定や攻撃判断が高速化する。
- ✅ 攻撃精度が上がる一方で、戦争や軍事行動のハードルが下がる可能性があり、安全保障の考え方そのものが変わり始めている。
AIが戦争のスピードを変えている
AIの進化は、軍事の世界にも大きな変化を持ち込んでいます。これまでの戦争では、攻撃対象を見つけるまでにどうしても時間がかかっていました。情報機関が人を使って調べ、衛星画像を分析し、現地の通信や移動情報を確認し、軍の上層部が攻撃の可否を判断する。こうした手順を一つひとつ積み重ねるので、標的を選んで実行に移すまでには相当な手間がかかっていたわけです。
ただ、AIが入ってくると、この流れが一気に加速します。膨大なデータを人が順番に確認するのではなく、AIが短時間で整理し、標的の位置や行動パターン、周辺にいる人物、攻撃した場合の被害の広がりまで計算できるようになっているためです。言い換えると、戦争における「探す・判断する・狙う」という作業が、以前とは比べものにならないほど速くなっている、ということです。
従来の軍事作戦では、1日に攻撃できる対象はどうしても限られていました。標的の確認、被害予測、承認手続きなどに時間がかかるからです。ところがAIを使えば、成功率や被害範囲を数値として出しやすくなり、攻撃対象の選定数が大幅に増える可能性が出てきます。ここが、AIによる軍事のパラダイムシフトと呼べる部分です。
スマホや監視カメラが軍事情報になる時代
AIによる精密攻撃を支えているのは、高性能な兵器だけではありません。むしろ鍵になるのは、日常の中で生まれるデジタルデータです。スマホの位置情報、通信履歴、周辺人物の移動、監視カメラの映像、車両の動き、衛星から得られる情報などが組み合わさることで、特定の人物がどこにいるのかを高い精度で把握できるようになります。
たとえば、直接の標的本人がスマホを持っていなくても、周囲の人物や家族、護衛、関係者がデジタル機器を使っていれば、そこから行動パターンが見えてきます。誰がいつ集まり、どの車に乗り、どこで降り、どの時間帯に移動しているのか。こうした情報が長期間にわたって蓄積されると、AIはそこから標的の居場所や次の動きを推測できるようになります。
ここで押さえておきたいのは、現代の軍事作戦が「兵器そのもの」だけで成り立っているわけではない、という点です。兵器が動く前に、情報収集とデータ分析があります。つまり、攻撃の精度はミサイルの性能だけではなく、標的に関するデータをどれだけ集め、どれだけ速く分析できるかに左右される時代になっています。
ピンポイント攻撃が核抑止の考え方も揺さぶる
AIによる精密攻撃が進むと、従来の核兵器を中心とした抑止力の考え方にも影響が出てきます。核兵器は、特定の人物だけを正確に狙うための兵器ではありません。広い範囲を破壊し、相手に甚大な被害を与えることで、攻撃を思いとどまらせるという発想に基づいています。
しかしAIによって、重要人物や軍事施設をピンポイントで狙えるようになると、軍事力の意味が変わってきます。大規模な破壊をしなくても、相手の意思決定中枢や重要な作戦能力を直接狙える可能性が出てくるためです。要は、破壊の規模ではなく、情報の精度と攻撃判断の速さが力になる、ということです。
もちろん、これは戦争の被害が必ず小さくなるという単純な話ではありません。精密攻撃によって民間人の被害を抑えられる可能性はありますが、その一方で「限定的に攻撃できるなら実行しやすい」という判断につながる危険もあります。ここが本当に難しいところです。大規模戦争を避ける技術にもなり得る一方で、小規模な攻撃や暗殺型の作戦を増やす要因にもなり得ます。
戦争と攻撃の境界があいまいになる
AI時代の軍事行動では、「戦争」と「攻撃」の境界もあいまいになっていきます。大規模な軍隊を動かして全面戦争を始めるのではなく、特定の人物や施設だけを狙って短時間で攻撃する。こうした作戦が増えると、国家間の衝突は見えにくく、判断しにくい形になります。
従来であれば、軍隊の移動や大規模な空爆は国際社会にも見えやすいものでした。しかしAIとサイバー技術を組み合わせた作戦では、まず水面下でデータが集められ、監視カメラや通信機器がハッキングされ、標的の行動が分析されます。そのうえで、最も効果が高いタイミングを選んで攻撃が実行されます。表に出るのは最後の攻撃だけで、その前段階にある情報戦は見えにくいままです。
この構造では、軍事力の強さは戦車や戦闘機の数だけでは測れません。情報機関の能力、AI分析基盤、サイバー攻撃力、データベースの規模、そして現地に入り込む人的情報網が一体となって、実際の作戦能力を形づくります。ここが、現代の安全保障を考えるうえで大きなポイントになります。
AI戦争の本質はデータを制する力にある
AIによって戦争が変わるという話は、単に「AI搭載兵器が登場する」という意味ではありません。もっと本質的には、データを集め、分析し、軍事判断に結びつける力が決定的に重要になるということです。どれだけ多くの情報を持ち、それをどれだけ早く使えるかが、攻撃の成否を左右します。
この変化は、軍事大国だけの話ではありません。民間のスマホ、クラウドサービス、監視カメラ、通信インフラが軍事情報と結びつく以上、一般社会のデジタル化も安全保障と無関係ではなくなります。便利さの裏側で、あらゆるデータが国家間の情報戦に使われる可能性がある、ということです。
AIによる精密攻撃は、戦争の被害を限定する可能性を持つ一方で、国家が攻撃を選びやすくなる危うさも抱えています。ここから見えてくるのは、戦争の主役が「兵器の破壊力」から「データと分析力」へ移りつつある現実です。次のテーマでは、この変化をさらに強める存在として紹介されるClaude Mythosと、サイバー戦争の衝撃を整理していきます。
Claude Mythosはなぜ核兵器並みのインパクトなのか
- ✅ Claude MythosのようなAIは、ソフトウェアやOSの脆弱性を短時間で見つける力を持ち、サイバー戦争の前提を大きく変える。
- ✅ セキュリティの穴を見つける力は、防御だけでなく攻撃にも転用でき、持っている側と持っていない側の差が一気に広がる。
- ✅ 軍事システム、民間インフラ、企業、自治体までデジタル化が進むほど、AIによるサイバー攻撃の影響範囲は広がっていく。
脆弱性を見つけるAIが安全保障を変える
Claude Mythosが大きな衝撃として扱われる理由は、サイバー空間における「攻撃の入口」を短時間で見つけられる点にあります。ここでいう脆弱性とは、ソフトウェアやOS、アプリ、システムの中にあるセキュリティ上の穴のことです。かんたんに言うと、外部から不正に入り込まれる可能性がある弱点です。
これまで脆弱性の発見には、高度な知識を持つハッカーやエンジニアが多くの時間をかけて調査する必要がありました。OSやアプリの構造を調べ、コードの動きを追い、どこに不具合や抜け道があるのかを探す作業は、とても専門的で手間のかかるものでした。
しかしAIがこの作業を担えるようになると、状況は一気に変わります。人間が長期間かけて探していた穴を、AIが短期間で大量に見つける可能性が出てくるからです。これは単なる便利なセキュリティ支援ツールではありません。国家の軍事力や企業の防衛力、社会インフラの安全性に直結する技術です。
防御の技術は攻撃の技術にもなる
脆弱性を見つけるAIは、本来であれば防御に役立ちます。自分たちのシステムの弱点を早く発見し、修正すれば、サイバー攻撃を受ける前に守りを固められるからです。企業や政府機関にとっては、かなり強力な防衛手段になります。
ただし、同じ技術は攻撃にも使えます。相手のOSやアプリ、通信システム、軍事システムの弱点を見つけ、それを修正せずに自分たちだけが把握していれば、必要なタイミングで侵入や妨害に使えるためです。ここが、Claude MythosのようなAIが核兵器並みのインパクトと表現される理由です。
従来のサイバー攻撃では、攻撃者が使える脆弱性を見つけるまでに大きな労力が必要でした。しかしAIが大量の穴を短時間で見つけるようになると、攻撃側の準備スピードが一気に上がります。しかも、その穴がまだ公表されていないものであれば、相手は防御策を用意できません。これはゼロデイ脆弱性と呼ばれるもので、発見された時点では修正パッチが存在しないため、非常に危険です。
この構造では、AIを持つ側が一方的に有利になります。相手の弱点を先に知っている側は、攻撃のタイミングを選べます。一方、持たない側は、自分たちのどこに穴があるのかすら気づかないまま、システムを使い続けることになります。
軍事のデジタル化が新しいリスクを生む
現代の軍事システムは、すでに深くデジタル化されています。通信、衛星、レーダー、ドローン、ミサイル、兵站管理、指揮命令系統など、多くの領域がソフトウェアとネットワークに依存しています。つまり、軍事力は物理的な兵器だけでなく、それを動かすデジタル基盤によって支えられているということです。
このデジタル基盤に脆弱性があれば、敵はそこを狙えます。通信を止める、位置情報を狂わせる、指揮命令を混乱させる、兵器の運用を妨害する。こうした攻撃は、直接ミサイルを撃ち込まなくても軍事行動を大きく乱す可能性があります。
ここで問題になるのは、デジタル化が進めば進むほど、便利さと引き換えに攻撃される入口も増えることです。高度にネットワーク化された軍隊は、情報共有や作戦判断のスピードでは大きな強みを持ちます。その一方で、システムの穴を突かれた場合には、広い範囲で機能不全が起こるリスクを抱えます。
AIによる脆弱性発見は、このリスクをさらに広げます。人間の攻撃者だけでは見つけにくかった穴までAIが発見できるようになると、防御側は常に広範囲のシステムを点検し続けなければなりません。攻撃側が速くなるほど、防御側にも同じかそれ以上のスピードが求められるようになります。
民間インフラもサイバー戦争の対象になる
Claude Mythosの衝撃は、軍事だけにとどまりません。現代社会では、企業、工場、自治体、病院、金融機関、電力網、水道、交通など、ほぼすべての重要インフラがデジタルシステムで管理されています。つまり、軍事システムと同じように、民間インフラにもサイバー攻撃の入口が存在します。
たとえば、工場の制御システムに侵入されれば、生産ラインが止まる可能性があります。病院のシステムが止まれば、診療や救急対応に影響が出ます。自治体のデータが攻撃されれば、住民サービスや行政手続きにも支障が出ます。電力や通信が狙われれば、社会全体の機能が大きく揺らぎます。
こうしたリスクは、戦争と平時の境界をあいまいにします。ミサイルが飛んでこなくても、相手国の重要インフラを止められれば、社会に大きな混乱を与えられるためです。つまり、サイバー攻撃は見えにくい形の軍事行動になり得ます。
とくにAIが脆弱性を大量に見つける時代になると、攻撃対象は一部の軍事施設だけではなくなります。民間企業や自治体が使うシステムも、国家間の情報戦やサイバー戦の影響を受ける可能性があります。ここが、AI時代の安全保障を考えるうえで見落としやすいポイントです。
持つ側と持たざる側の差が広がる
Claude MythosのようなAIがもたらす最大の変化は、技術を持つ側と持たない側の差が一気に広がることです。サイバー空間では、相手の弱点を知っているかどうかが大きな力になります。見つけた脆弱性をすぐに修正するなら防御力になりますが、秘密にして保持すれば攻撃力になります。
この構図は、核兵器の保有に似た側面があります。核兵器を持つ国と持たない国の間に大きな力の差が生まれたように、AIによる脆弱性発見能力を持つ国と持たない国の間にも、新しい非対称性が生まれます。もちろんAIは核兵器のように一瞬で都市を破壊するものではありません。しかし、相手の軍事・行政・経済システムの弱点を握るという意味では、国家の行動を左右するほどの影響力を持ち得ます。
さらに、AI技術は一度差がつくと追いつくのが簡単ではありません。高性能なAIを作るには、優秀な人材、大量のデータ、計算資源、資金、実戦的な運用経験が必要です。単にソフトウェアを導入すれば同じことができるわけではありません。だからこそ、AIを安全保障の中核に据えた国ほど、次の時代の主導権を握りやすくなります。
サイバー防衛は国家の基礎体力になる
AIによるサイバー戦争の時代には、国家や企業の防衛意識も変わる必要があります。これまでは、セキュリティ対策というと、ウイルス対策ソフトやパスワード管理、社内システムの監視といったイメージが強くありました。しかしAIが攻撃側にも使われる時代には、もっと広い視点でシステム全体を守る必要があります。
具体的には、OSやアプリの更新、クラウド環境の管理、サプライチェーンの確認、重要インフラの分離、バックアップ体制、攻撃を受けた後の復旧計画まで含めて考える必要があります。ここで大事なのは、サイバー防衛を一部の専門部署だけの仕事にしないことです。
AI時代のサイバーリスクは、軍事、行政、企業活動、日常生活のすべてに関わります。スマホやパソコン、自治体サービス、金融システム、工場の設備までがつながっている以上、どこか一つの穴が社会全体の弱点になる可能性があります。
Claude Mythosが象徴しているのは、AIが単なる便利な道具ではなく、国家間の力関係を変える戦略技術になっている現実です。サイバー空間の弱点を見つける力は、これからの軍事力や経済力の一部になっていきます。そしてその先には、AIを動かすためのデータ、電力、クラウド基盤を誰が握るのかという、さらに大きな問題が見えてきます。次のテーマでは、AI時代の本当の資源となるデータとデータセンター、そして日本が直面するデジタル依存の構造を整理していきます。
AI時代の本当の資源はデータと電力になる
- ✅ AIの競争力は、モデルの性能だけでなく、大量のデータを保存・処理する基盤によって支えられている。
- ✅ データセンターには広い土地、冷却設備、安定した電力が必要であり、AI時代の安全保障はエネルギー政策とも深く結びつく。
- ✅ 日本が海外クラウドに依存し続けると、データ管理だけでなく、継続的な支払いによるデジタル赤字の問題も大きくなる。
AIを動かす土台はデータにある
AIの発展を考えるとき、多くの場合はモデルの性能や回答の賢さに注目が集まります。たしかに、高性能なAIモデルをつくる技術はとても重要です。ただ、AIを実際に動かし続けるには、その裏側にある膨大なデータと計算基盤が欠かせません。
AIは何もないところから判断しているわけではありません。大量の情報を学習し、そこからパターンを見つけ、必要な答えや予測を出しています。軍事、行政、企業活動、医療、物流、金融など、あらゆる分野でAIを使うほど、扱うデータの量は増えていきます。つまり、AI時代に力を持つのは、優れたAIそのものだけでなく、AIに使わせるデータをどれだけ持ち、どれだけ安全に管理できるかという点です。
ここで押さえておきたいのは、AIの競争は表面上はソフトウェアの競争に見える、というところです。ただ実際には、データを集める力、保存する力、分析する力、そしてそれを継続的に運用するインフラの競争でもあります。データを持つ国や企業ほど、AIを強くできる可能性が高くなります。
データセンターはAI時代の重要インフラになる
大量のデータを使うには、それを保存し、処理する場所が必要です。その中心になるのがデータセンターです。データセンターとは、多数のサーバーを集めて、データの保存や計算処理を行う施設です。かんたんに言うと、AIやクラウドサービスを支える巨大なコンピューターの集積地です。
データセンターは、ただ建物を用意すれば終わりという話ではありません。サーバーは動き続けることで熱を出します。そのため、機器を冷やすための冷却設備が必要になります。さらに、膨大な計算を行うためには大量の電力も必要です。AIの利用が広がるほど、データセンターの数や規模は拡大し、それに伴って電力と冷却の負担も増えていきます。
このため、AI時代の競争力はエネルギー政策とも深くつながります。安定した電力を確保できる国、冷却に適した場所を持つ国、データセンターを国内で運用できる国は、AIの利用や安全保障の面で有利になります。逆に、データ基盤を海外に依存している国は、便利さを得る一方で、自国の重要な情報基盤を他国の企業やインフラに預けることになります。
クラウド依存が生むデジタル赤字
日本でも行政や自治体、企業のデジタル化が進み、さまざまなデータがクラウド上に保存されるようになっています。クラウドは、インターネットを通じて外部のサーバーを利用する仕組みです。自前で大きな設備を持たなくても、必要な分だけデータを保存したり、システムを動かしたりできるので、とても便利です。
しかし、そのクラウド基盤の多くを海外企業に依存している場合、別の問題が生まれます。利用量が増えれば増えるほど、利用料を海外企業に払い続ける構造になるためです。これは、デジタル赤字と呼ばれる問題につながります。デジタル赤字とは、クラウドサービスやソフトウェア、デジタル広告などの利用料が海外へ流出し、国としての収支が悪化する状態を指します。
身近な例でいえば、スマホの写真をクラウドに保存し続けると、容量が足りなくなり、追加料金を払う必要が出てきます。行政や自治体のデータでも同じことが起こります。住民情報、行政手続き、各種申請、記録データなどは、時間がたつほど増えていきます。一度クラウドを使い始めると、データ量は減るよりも増える方向に進みやすく、利用料も継続的に発生します。
ここで問題になるのは、途中で別の基盤へ移ることが簡単ではない点です。大量のデータとシステムを移行するには、費用も時間も技術的な負担もかかります。その結果、特定のクラウドに依存し続ける状態になりやすくなります。便利だから使い始めたものが、いつの間にか抜け出しにくい基盤になるということです。
デジタル小作人という構造
海外クラウドへの依存を考えるうえで、「デジタル小作人」という見方があります。これは、他者が所有するデジタル基盤を借り、その上で行政や経済活動を行い、継続的に使用料を払い続ける構造を表した言葉です。
農地を持たない小作人が地主に地代を払いながら耕作するように、デジタル基盤を持たない国や企業は、クラウドを持つ巨大企業に利用料を払いながらデータを運用することになります。もちろん、海外クラウドには安定性や機能面で大きな強みがあります。だからこそ多くの組織が利用します。しかし、依存が深まるほど、自分たちのデータ基盤を自分たちでコントロールしにくくなるという課題も大きくなります。
この構造は、単なる費用の問題ではありません。行政データ、企業活動、医療情報、教育情報、地域の記録など、社会の基盤になる情報がどこに置かれ、誰のルールで運用されるのかという問題です。AI時代には、データそのものが価値を持つため、データを預ける先の選択は経済政策であり、安全保障政策でもあります。
中国型データ社会にもリスクがある
データを国内で大量に集める仕組みがあれば安心、というわけでもありません。中国のように、監視カメラ、スマホ決済、行政データ、信用スコアのような仕組みを通じて、社会全体のデータを国家が広く集めるモデルには、別のリスクがあります。
大量のデータを一元的に集めれば、国内統治や治安維持、AI開発には有利に働く面があります。誰がどこにいるのか、どのような行動をしているのか、どのような人間関係があるのかを把握しやすくなるためです。しかし、こうしたデータベースに外部から侵入されれば、国家の中枢や重要人物の動きまで読み取られる危険があります。
言い換えると、データを集めれば集めるほど強くなる一方で、侵入されたときの被害も大きくなります。AI時代のデータ基盤は、資産であると同時に弱点にもなります。便利さ、統治能力、経済効率を高める一方で、そのデータが奪われたり、悪用されたりした場合には、国家全体の安全保障に関わる問題になります。
AI時代の独立性はインフラから問われる
AI時代の独立性は、単に国産AIをつくるかどうかだけでは測れません。データをどこに保存するのか、クラウドを誰が運用するのか、電力をどう確保するのか、冷却設備をどう整えるのか。こうした基盤の部分まで含めて考える必要があります。
AIを使えば使うほどデータは増え、データが増えるほどデータセンターが必要になります。データセンターが増えれば、電力と冷却の問題が大きくなります。つまり、AIは情報技術であると同時に、エネルギーと土地、建物、設備を必要とする物理的な産業でもあります。
日本にとって重要なのは、便利な海外サービスを使うか使わないかという単純な二択ではありません。必要なところでは活用しながらも、行政や安全保障、重要インフラに関わるデータをどのように守り、どの範囲を国内で管理するのかを考えることです。
AIの主導権を握る国や企業は、これからの国際秩序にも大きな影響を与えていきます。データ、電力、クラウド基盤を持つ側が優位に立ち、それを持たない側は依存を深める可能性があります。次のテーマでは、こうしたAI軍事技術とデータ支配が、米中対立や台湾情勢、そして国際秩序にどのような影響を与えるのかを整理していきます。
AI軍事技術は米中対立と台湾情勢をどう変えるのか
- ✅ AI軍事技術の進化は、アメリカ、中国、ロシアなど大国間の力関係に大きな影響を与えている。
- ✅ 精密攻撃やサイバー戦の能力差は、台湾有事の判断や抑止力のあり方にも関わってくる。
- ✅ これからの国際秩序では、核兵器や通常兵器だけでなく、AI・データ・サイバー能力が国家の強さを左右する。
AI軍事技術は大国間競争の中心になる
AI軍事技術の進化は、アメリカ、中国、ロシアといった大国間の競争を大きく変えています。これまでの軍事力は、核兵器、空母、戦闘機、ミサイル、戦車といった物理的な装備を中心に語られてきました。しかし、AIが戦争の意思決定や標的選定、サイバー攻撃に深く入り込むようになると、国家の強さは兵器の数だけでは測れなくなります。
重要になるのは、どれだけ多くのデータを持ち、それをどれだけ速く分析し、実際の作戦に結びつけられるかです。アメリカが強いとされる理由の一つは、軍事技術だけでなく、情報機関、AI企業、クラウド企業、サイバー部隊、実戦経験が一体となって動いている点にあります。つまり、単独の兵器ではなく、国家全体のデジタル基盤が軍事力になっているということです。
中国もAIや監視技術、デジタル統治の分野で大きな力を持っています。ただし、社会全体をデータ化していることは、同時に弱点にもなります。膨大なデータベースが外部から侵入されれば、国家中枢の動きや重要人物の行動が読み取られる可能性があるためです。AI時代の大国間競争では、データを多く持つことが強みであると同時に、攻撃される入口を増やすリスクにもなります。
イラン攻撃が中国やロシアに与えた衝撃
AIを使った精密攻撃の実例は、中国やロシアにとって大きな警告になります。とくに、重要人物の位置を把握し、周辺の通信や監視カメラ、スマホ情報を組み合わせて攻撃につなげる能力は、従来の軍事常識とは違う脅威です。
中国やロシアが注目するのは、攻撃そのものだけではありません。攻撃に至るまでの情報収集、分析、標的特定、サイバー侵入、人間を使った情報工作がどのように組み合わされたのかという点です。表に見えるのはミサイルや空爆であっても、その裏側では、長期間にわたるデータ収集とAI分析が行われています。
このような技術が実戦で使われると、大国は自国の防衛体制を見直さざるを得なくなります。重要人物の移動、親族や側近の通信、監視カメラの管理、政府施設周辺のデジタル機器など、これまで以上に幅広い領域を守らなければならないためです。
とくに中国のように、社会全体の監視カメラやデジタル決済、個人データが統合されている国では、その基盤が外部から狙われた場合の影響が大きくなります。国内統治に使っていたデータが、逆に外部勢力によって重要人物の追跡や軍事判断に利用される可能性があるからです。ここに、AI時代のデータ国家が抱える根本的な矛盾があります。
台湾有事の判断にもAIの差が影響する
AI軍事技術の差は、台湾情勢にも影響を与える可能性があります。台湾有事とは、中国が台湾に対して軍事的圧力や侵攻を行う事態を指します。これまでは、上陸作戦の難しさ、アメリカ軍の介入、台湾の防衛力、周辺国の対応などが主な論点でした。
しかしAI時代には、そこに新しい要素が加わります。軍事行動を始めた場合、自国の指揮系統や通信網、艦艇、航空基地、ミサイル部隊、指導部の動きがどれだけ相手に把握されるのかという問題です。もし相手がAIを使って標的を高速に特定し、ピンポイントで攻撃できるなら、侵攻を始める側のリスクは大きくなります。
また、AIによるサイバー攻撃で通信や物流、金融、電力などが混乱すれば、軍事作戦だけでなく国内統治にも影響が出ます。台湾周辺での軍事衝突は、単なる海上や空中の戦闘では終わらず、サイバー空間、宇宙、情報戦、経済制裁が組み合わさる複合的な危機になります。
そのため、AI軍事技術の差は、戦争の勝敗だけでなく、そもそも軍事行動を始めるかどうかの判断にも関わります。相手の能力が見えにくいほど、攻撃する側は慎重になります。逆に、自分たちが圧倒的に有利だと判断すれば、限定的な攻撃を選びやすくなる可能性もあります。
核抑止からAI抑止へという変化
これまでの大国間の抑止力は、核兵器を中心に考えられてきました。核抑止とは、相手に壊滅的な反撃を与える能力を持つことで、攻撃を思いとどまらせる考え方です。冷戦期の米ソ対立では、この核抑止が国際秩序の大きな土台になっていました。
しかしAI時代には、抑止力の形が変わり始めています。相手の軍事システムを止める力、指導部の居場所を特定する力、重要インフラを麻痺させる力、情報を操作して混乱を起こす力が、新しい抑止力になり得るためです。都市を丸ごと破壊する能力だけでなく、相手の意思決定能力を狙って機能不全にする能力が重要になっています。
この変化は、核兵器の意味を完全になくすものではありません。核兵器は依然として圧倒的な破壊力を持ちます。ただし、AIによる精密攻撃やサイバー攻撃が発展すると、核兵器を持っていること自体が新しいリスクになる可能性もあります。核関連施設や指揮命令系統がデジタル化されていれば、そこを狙われる危険があるためです。
かんたんに言うと、これからの抑止力は「大きく壊せるか」だけではなく、「相手に先に動かれないようにできるか」「相手のシステムを止められるか」「自分たちのシステムを守れるか」に移っていきます。AIとサイバー能力は、核兵器とは違う形で国家の行動を縛る力になります。
国際ルールづくりが追いついていない
AI軍事技術が急速に進む一方で、国際的なルールづくりは追いついていません。核兵器には不拡散条約や軍縮交渉の枠組みがありますが、AIによる標的選定、サイバー攻撃、データ収集、監視カメラのハッキング、民間インフラへの侵入については、明確な国際ルールを整えるのが難しい状況です。
その理由は、AIやサイバー技術が軍事と民間の両方に使えるからです。たとえば、脆弱性を見つけるAIは防御にも役立ちますが、攻撃にも転用できます。監視カメラや通信データも、防犯や行政サービスに使われる一方で、軍事的な標的特定にも使われる可能性があります。用途が二重であるため、どこからが違法な軍事利用なのかを線引きしにくいのです。
また、サイバー攻撃は誰が実行したのかを特定しにくいという問題もあります。国家が直接行ったのか、民間ハッカー集団が行ったのか、あるいは第三国を経由したのかが見えにくいため、責任追及や報復の判断も難しくなります。このあいまいさが、AI時代の安全保障をさらに不安定にしています。
AIを制する国が次の国際秩序を左右する
AI軍事技術は、単なる新兵器の登場ではありません。国家の情報収集、経済力、産業基盤、エネルギー政策、クラウド基盤、サイバー能力をまとめて問う技術です。だからこそ、AIを制する国は、軍事だけでなく国際政治全体でも大きな影響力を持つようになります。
これからの国際秩序では、核兵器を持つ国だけでなく、AIとデータを運用できる国が強い立場に立ちます。軍事作戦の前にデータを集め、AIで分析し、サイバー空間で相手の弱点を探り、必要な場合には精密攻撃を行う。この一連の能力を持つ国は、従来の軍事大国とは違う形で圧力をかけることができます。
一方で、AIやクラウド基盤を他国に依存する国は、判断の自由度を失いやすくなります。データをどこに置くのか、通信を誰のインフラに頼るのか、重要システムをどの企業の技術で動かすのか。こうした選択が、そのまま国家の安全保障につながります。
AIによる軍事パラダイムシフトは、戦場だけで起きているわけではありません。社会のデジタル化、クラウド依存、エネルギー政策、米中対立、台湾情勢、核抑止の変化が、すべて同じ流れの中でつながっています。これからの安全保障を考えるうえでは、AIを便利な技術として見るだけでなく、国家の力関係を変える基盤技術として捉える視点が欠かせません。
出典
本記事は、YouTube番組「AIで戦争にパラダイムシフトが起きた！クロード・ミュトスは核兵器並みのインパクト[三橋TV第1180回] 山田敏弘・三橋貴明・菅沢こゆき」（三橋TV）の内容をもとに要約しています。
AIが軍事の世界に入ると、「見つける・選ぶ・判断する」が速くなりやすい一方、誤認やデータの歪みも速く広がり得ます。さらに、サイバーの弱点や電力・データセンターの制約が、戦場の外側で効いてくる点も見逃せません［2,8］。
読後のひと考察──事実と背景から見えてくるもの
まず前提として、軍事でのAI活用は「自律兵器」だけの話ではありません。情報の整理や分析、優先順位付け、作戦立案の支援など、意思決定の入口から広く入り込む、とUNIDIRは整理しています［2］。
この広がり方を踏まえると、AIの議論は「当たるかどうか」だけでは足りません。入力データが欠ける・偏る・改ざんされる、あるいは通信や計算基盤が揺らぐと、判断全体が崩れます。つまり、AIは“賢い道具”であると同時に、“土台に弱い道具”でもある、という見方が必要になります［2］。
また、精密化が進むほど「被害が減るはず」という期待も高まりますが、精密攻撃と国際人道法の関係を論じた研究では、精密化が自動的に人道的結果を保証するわけではなく、区別・比例・予防措置といった要件が状況次第で厳しく問われる面が示されています［3］。
「速い判断」は強みでも、失敗も速い
判断が速くなること自体は、うまく設計されれば無駄な攻撃を減らす方向にも働き得ます。ただしUNIDIRは、軍事AIの導入が誤算や意図しない緊張拡大につながり得る点をリスクとして整理しています［2］。
ここでやっかいなのは、速さが上がるほど「止める時間」が減ることです。AIが提示した候補を、誰がどこまで確かめ、どの条件で差し戻すのか。止める仕組みが曖昧だと、“速く決まる”が“速く間違える”に変わってしまいます［2］。
ドローンは「広がるけど激化しにくい」という見方もある
遠隔化が進むと、人的・政治的コストの感じ方が変わり、武力行使を選びやすくなる可能性は指摘されています［4］。この点だけを見ると、「ハードルが下がる」という懸念に寄りがちです。
ただし、Lin-Greenbergの議論を紹介するMITの記事は同時に、無人機の撃墜などの出来事が“必ずしも”より大きな軍事行動につながらない場合がある、という点もはっきり述べています［4］。つまり、遠隔化は「回数」を押し上げ得る一方で、「大規模なエスカレーション」へ直結しにくい面もある、という整理です。
第三者の書評でも、この本の中心的な主張は「more but milder conflicts（回数は増えうるが、規模は抑えられやすい衝突）」としてまとめられています［12］。したがって、ここを根拠に慎重さを促すなら、「遠隔化＝必ず激化」ではなく、「起こりやすさが増える局面」と「大規模化しにくい局面」が併存し、結果として危機が“頻発する形”で管理負荷が増える、という形で表現するのが正確です［4,12］。
サイバーは地味だけど、崩れると一気に効く
デジタル化が進むほど、攻撃される入口（攻撃面）は増えやすくなります。ENISAは、脅威が継続的・複合的に組み合わさって被害を広げる状況を整理しており、AIの普及が“守る範囲”をさらに広げ得る点には注意が必要です［6］。
守りで一番効くのは、実は地味な運用です。NISTはパッチ管理を「予防保守」の一部として位置づけ、識別→優先順位付け→適用→検証までを回すプロセスの重要性を示しています［5］。
またNVDは、CISAのKEV（Known Exploited Vulnerabilities）カタログに載っている脆弱性をCVE詳細ページで識別できるようにする、と説明しています［7］。さらにCISAのKEVカタログ側では、ベンダーの手順に従った対策や、必要に応じてBOD 22-01のガイダンスに従うことなどが明記されています［13］。ここまで踏まえると、「全部を完璧に直す」よりも、「悪用が確認されている穴を先に塞ぐ」判断軸を、組織の標準手順に落とすことが現実的になります［5,7,13］。
AIは“電気と設備”が必要で、そこがボトルネックになり得る
AIはソフトウェアですが、実際には計算資源とデータセンターを動かす電力・冷却・立地が必要です。IEAはデータセンターの電力需要が2030年にかけて大きく増える見通しを示し、その主要因の一つにAIを挙げています［8］。
この制約は、軍事や安全保障の話だけに閉じません。行政や企業の基盤がクラウドやデータセンターに寄るほど、停電・供給逼迫・設備遅延といった“物理的な詰まり”が、サービス停止や費用増に跳ね返る可能性があります［8］。
外部サービスへの依存は「便利さ」と「選択肢の減り方」がセット
国境を越えるデジタル関連サービスは、支払いの継続性という形で現実の制約になります。経済産業省の白書資料では、サービス貿易の構図やデジタル関連の収支が論点として整理されています［9］。
また国際収支は統計として継続的に公表されており、財務省が公表の窓口を整理しています［10］。日本銀行も国際収支関連統計の枠組みを説明しています［11］。こうした公的統計を見ながら、「どの支払いが増えているか」「依存がどこで深まっているか」を具体的に追うことが、議論の土台になります［10,11］。
「人が止める」を、口約束で終わらせない
技術が速くなるほど、責任や統制は“宣言”だけでは足りなくなります。ICRCは、武力行使における人間のコントロールを守る必要性を訴え、自律性の高い兵器システムに関する法的枠組みの交渉を求めています［1］。
ここで大事なのは、「人が関与する」と言うだけでなく、どの段階（入力・判断・実行・検証）に人の判断を残し、どんな条件で止めるかを具体化することです。UNIDIRも、軍事AIは武器単体ではなく運用・ガバナンス全体の課題として扱う必要がある、と整理しています［2］。
まとめ：結局、何を“現実の課題”として見ておくべきか
出典から確認できる範囲で、（1）軍事AIは意思決定の広い工程に入り得ること［2］、（2）速さは強みだが誤算や意図しない緊張拡大のリスクとも表裏であること［2］、（3）遠隔化・無人化は「起こりやすさ」と「大規模化しにくさ」が同時に語られ得ること［4,12］、（4）サイバー防衛は優先順位付けを含む運用が要であること［5,7,13］、（5）AI普及は電力とデータセンターの制約と結びつくこと［8］、（6）依存の度合いは公的統計でも追えること［9,10,11］、は押さえておきたいポイントです。
そのうえで残る課題は、「技術導入＝安全」にならない現実を踏まえ、止める仕組み・守る順番・基盤の余力をどう作るかです。便利さを取り込みつつも、頻発し得る危機をどう管理するかは、今後も検討が必要とされます［1,2,8］。
本記事の事実主張は、本文の［番号］と文末の「出典一覧」を対応させて検証可能としています。
出典一覧
- International Committee of the Red Cross（2025）『Preserving human control over the use of force: A call to regulate lethal autonomous weapon systems under international law』ICRC Statement 公式ページ
- Giacomo Persi Paoli / Yasmin Afina / Sarah Grand-Clément / Ioana Puscas / Shimona Mohan / Jessica Abowitz（2025）『Artificial Intelligence in the Military Domain and Its Implications for International Peace and Security: An Evidence-Based Road Map for Future Policy Action』UNIDIR（Report） 公式ページ
- M.N. Schmitt（2005）『Precision attack and international humanitarian law』International Review of the Red Cross（Vol.87, No.859） 公式ページ
- MIT Security Studies Program（2025）『How drones are altering contemporary warfare』MIT SSP News 公式ページ
- National Institute of Standards and Technology（2022）『SP 800-40 Rev.4: Guide to Enterprise Patch Management Planning』NIST CSRC 公式ページ
- European Union Agency for Cybersecurity（October 2025）『ENISA Threat Landscape 2025（v1.2）』ENISA 公式ページ
- National Vulnerability Database（2022）『Known Exploited Vulnerabilities（CISA KEVの表示付与について）』NVD News 公式ページ
- International Energy Agency（2025）『Energy and AI: Executive summary』IEA 公式ページ
- 経済産業省（2025）『White Paper on International Economy and Trade 2025』METI（Press materials PDF） 公式ページ
- 財務省（2026）『Balance of Payments』Ministry of Finance Japan 公式ページ
- 日本銀行（2026）『Balance of Payments Related Statistics（BPM6）』Bank of Japan 公式ページ
- Journal of Peace Research / PRIO（n.d.）『The Remote Revolution: Drones and Modern Statecraft（Book Notes）』PRIO 公式ページ
- Cybersecurity and Infrastructure Security Agency（n.d.）『Known Exploited Vulnerabilities Catalog』CISA 公式ページ
