AIエージェント セキュリティリスク——JPモルガン禁止決定から日本企業が学ぶ導入判断

AIエージェント セキュリティリスク——JPモルガン禁止決定から日本企業が学ぶ企業導入の判断軸

関連記事AIエージェントの料金体系は？主要サービスを比較 ／ AIエージェントの選び方は？目的別の選定指針

JPモルガンが外部AIエージェントを禁止した背景

2026年10月13日、JPモルガン・チェースのJamie Dimon CEOはQ3決算説明会において、外部AIエージェントが顧客アカウントに直接アクセスし操作することをブロックする方針を公式に表明した（出典：fortune.com、cybernews.com）。

Dimon CEOは「不正なエージェントが数千に上る可能性がある。顧客にとっても当行にとっても危険すぎる」と述べた（cybernews.com、fortune.com）。具体的には、外部AIエージェントによる銀行認証情報の取得、なりすましログイン、送金・請求書支払いといった取引操作を禁止する。一方、PlaidなどのAPIコネクタ経由での残高照会など読み取り専用アクセスは引き続き許可されている（kucoin.com、fortune.com）。

Axiosは2026年10月22日、JPモルガン以外の複数の大手米銀も同様に第三者AIエージェントを制限していると報じており、これは一行の特異な判断ではなく、ウォール街全体のリスク管理の方向性を示すものとみられる（letsdatascience.com）。Amazonも無許可のAIエージェントによるショッピング・閲覧を制限しており（cybernews.com）、金融以外のセクターにも同様の問題意識が広がりつつある。

この動きの直接的な引き金のひとつは、MetaのパーソナルAIエージェント「Muse」が2026年9月にリリースされたことにある。AI経由で預金を高利回り口座に移動させる機能が懸念され、銀行株が一時下落した（kucoin.com）。OpenAIも独自エージェント「Dots」をMuse後数週間でリリースしており、市場には複数のAIエージェントが急速に展開されつつある（kucoin.com）。

ただし重要なのは、JPモルガン自身はAIを内部業務および顧客向けサービスに活用しており、今回の方針はAI技術の全否定ではないという点だ。問題の核心は「第三者が制御する外部AIエージェントへの権限委譲」にある（kucoin.com、fortune.com）。

AIエージェントのセキュリティリスクが意味すること——構造的な問題の整理

AIエージェントのセキュリティリスクは、従来のSaaSやAPIアクセスのリスクとは性質が異なる。以下の図は、外部AIエージェントが企業システムに接続した際のリスク伝播経路を示したものだ。

従来のクラウドサービスや外部APIとの違いは「行動の自律性」にある。AIエージェントはユーザーの指示なしに複数のシステムを横断し、判断・実行を繰り返す。そのため、一度認証情報を渡すと、エージェントが何をどの順序で実行しているかを人間が追いにくい。これがJPMorgan禁止の核心的理由だ。

具体的なリスクは次の3層に整理できる。第一は認証情報の漏洩・悪用リスクだ。エージェントに渡したトークンや認証情報は第三者のサーバーに保存される可能性があり、その事業者のセキュリティ水準に依存する。第二は操作ログの不透明性だ。エージェントが行った操作の完全な履歴を、エージェント提供元とユーザーの双方が管理できる体制になっていない場合、インシデント発生時の原因特定が困難になる。第三はガバナンスの空白だ。AIエージェントを誰が承認し、どの権限範囲で稼働させるかを組織として定義していないまま現場利用が先行すると、管理外のエージェントが業務に組み込まれるシャドーAIが発生する。

日本企業にとってのリスクと機会——セキュリティ要件を先に定義することの重要性

日本の金融機関・事業会社がこの動向から読み取るべきことは、AIエージェントの「使わない」という判断ではなく、「どのアクセス権限を与えるかの設計」が先決だという点だ。

日本の金融機関は、銀行法・金融商品取引法に基づく顧客データの取り扱い規制と、金融庁のサイバーセキュリティ管理態勢整備要求を受けており、外部AIエージェントへの認証情報の提供は現行のセキュリティポリシーと整合しない可能性が高い。金融以外でも、個人情報保護法の観点から外部事業者のシステムに個人情報が流入する経路を事前に審査する必要がある。

一方で、AIエージェントの活用が明確な価値を生む領域も存在する。社内ナレッジの検索・要約・ドラフト作成など書き込み権限を必要としない読み取り系タスク、あるいは閉域ネットワーク内に完結するオンプレミス型エージェントは、外部へのデータ流出リスクを抑えながら生産性向上を実現できる可能性がある。JPMorgan自身が内部AIを積極活用しているという事実は、この判断軸——「内部で制御できるか」——を支持している。

ただし、導入コストと体制構築の課題は無視できない。セキュリティ要件を満たすオンプレミス型AIエージェントの構築は、クラウドAPIを利用する場合に比べて初期費用・運用負担が大きくなる傾向がある。小規模な企業が同等の管理体制を整えるのは容易ではなく、ベンダー選定と契約条件の精査（データ保管場所、転学習への利用可否、監査ログの提供等）が現実的な第一歩となる。

企業導入の判断軸——AIエージェントに与える権限をどう設計するか

JPモルガンの決定が示す実務的な示唆は、AIエージェントへの権限付与を「読み取り」と「書き込み・実行」で明確に分けることだ。以下の比較表を参照されたい。

日本企業が今すぐとれる実務的な第一歩は3点に絞られる。

第一に、現状のシャドーAI利用の把握だ。社員が業務に使用しているAIツール・エージェントを棚卸しし、外部への認証情報提供が発生していないかを確認する。外部サービスへのOAuthログインや、業務データをペーストして利用しているケースは洗い出しの対象になる。

第二に、利用ガイドラインの策定だ。「どのデータをAIに渡してよいか」「外部エージェントへのログイン情報の提供を禁止する」といった最低限の社内ルールを文書化する。生成AI全般のポリシーに加え、AIエージェント固有の権限管理条項を追加することが望ましい。

第三に、ベンダー審査基準への追加だ。AIツールの導入審査において、データの保管場所、外部への転送・学習への利用可否、監査ログの提供形式を確認する項目を追加する。特にエージェント機能を持つサービスについては、どの権限をどのシステムに対して要求するかを事前に確認することが、インシデントリスクを抑制する上で有効と考えられる。

AIエージェントのセキュリティリスクは、技術的な問題というよりガバナンスの問題だ。JPMorgan禁止の決定が示したのは、AIの性能や利便性より先に「誰が何に対してどこまでの権限を持つか」を組織として定義することの重要性だ。この問いに答えないまま導入を進めることが、今最も大きなリスクになりつつある。