守りの9割は「安い専用AI」に任せる — マイクロソフトがセキュリティ費用を半額にした『AIの使い分け』

トピック分析AI・イノベ2026-07-28

【国際・海外企業】連載・AI・イノベ【科学・AI】米国

#ai#サイバーセキュリティ#AIエージェント#モデルルーティング#Microsoft#MAI#運用コスト

守りの9割は「安い専用AI」に任せる — マイクロソフトがセキュリティ費用を半額にした『AIの使い分け』

企業を狙う攻撃の量は、もう人間が目で追える規模を超えています。
マイクロソフトが1日に処理するセキュリティ関連のシグナルは100兆を超えます。
これをAIに任せるのは自然な流れですが、そこで次の壁にぶつかります。
最も賢いAIに全部やらせると、今度はコストが跳ね上がるのです。

2026年7月27日、マイクロソフトはこの壁への答えを出しました。
自社で一から作った小さな専用モデルに仕事の大半をやらせ、本当に難しい部分だけを最上位モデルに回す。
この使い分けで、守りにかかる費用を半分にしたと発表しました。

何が起きたか

マイクロソフトは自社製の軽量セキュリティモデル「MAI-Cyber-1-Flash」を、脆弱性の発見・修復を担うAIエージェント基盤「MDASH」に組み込みました。 MDASHは100体以上の専門エージェントを並列で走らせ、コードの弱点を見つけ、攻撃可能かを証明し、修正までつなげる仕組みです。

新モデルの投入で、同じ守りの性能を保ったまま費用が現行構成比で約50%下がりました。
加えて、常時監視・修正を担う自律運用のエージェント群「Perception」も同時に発表されています。
Perceptionは、脅威の経路を休みなく監視し、パッチを当て、穴を塞ぐ一連の作業を人手を待たずに回す仕組みで、MDASHの「見つけて直す」能力を24時間の運用へと橋渡しします。

ここには、旧来のセキュリティとの大きな断絶があります。
従来の脆弱性検査は、あらかじめ決めたルールに照らして受け身で走査する方式が中心でした。
今回の仕組みは、複雑なコードを熟練の研究者のように読み解いて弱点を推論する方式で、ルールに無い未知の穴まで拾いにいきます。
だからこそ、量をさばくための単価の安さが効いてきます。

肝は「使い分け」です。Flashが全タスクの最大90%を処理し、残る難所の10%だけをより大きなモデル（GPT-5.4）に渡します。 大半を安い自前モデルでさばき、高い外部モデルは最難関に温存する設計です。

性能の物差しには、AIがどれだけ実在の脆弱性を再現できるかを測るCyberGym（UCバークレー作成・1,507タスク／188のオープンソース群）が使われました。
推移は下表の通りで、要点は「性能は据え置き、コストが半分」という点にあります。

MDASHは机上の指標だけの存在ではありません。
2026年5月には、Windowsのネットワークと認証まわりで未知の脆弱性を16件（うちkernelモード10件・userモード6件、深刻度Criticalが4件）見つけています。
攻撃者に先回りして自社製品の穴を塞いだ実績です。

しかも発見で終わりません。
見つけた弱点は、修正案の生成・担当への割り当て・修正後の検証までがGitHub Copilot側の自動修復につながる作りで、人手の介在を最小化して回します。
1.6百万の顧客と日次100兆超のシグナルという規模で、この「見つける→直す→確かめる」を止めずに回し続けるには、1件あたりのコストをどこまで下げられるかが死活的でした。
今回の半額化は、その運用を成り立たせるための一手です。

なぜ「安いモデル」で足りるのか

答えは、セキュリティ運用のタスクの大半が"天才"を必要としないルーティン作業だからです。 既知パターンの照合、ログの仕分け、定型の切り分け——ここに最上位モデルの推論力を丸ごと当てるのは、電卓で済む計算に博士を雇うようなものです。

狭い領域に絞って鍛えた専用の小型モデルは、その領域では汎用の巨大モデルに引けを取りません。だから90%を安く速くさばき、判断が割れる難所の10%だけを上位モデルに上げる設計が成り立ちます。

この動きは、マイクロソフトのより大きな戦略の一部でもあります。
同社は2026年のBuild開発者会議で、自社開発の7モデルからなる「MAI」ファミリーを「長期の自給自足のため」に公開しました。
旗艦のMAI-Thinking-1は他社モデルからの蒸留なしでゼロから訓練され、データの出所の綺麗さを重視する企業に訴求しています。

狙いはコスト構造にも直結します。外部からモデルを借りずAzure上で自社モデルを動かせば、提携先へのロイヤリティ支払いを避けられます。 マイクロソフトはコンサルの基準で自社モデルがOpenAIのGPT-5.5系を上回りつつコストを10分の1にしたと説明しています。
今回のセキュリティ用Flashは、この「安い自前・workhorse」を守りの現場に落とした一例です。

ただし完全な独立ではありません。最難関の10%はいまもOpenAIの最上位モデルに委ねています。安い専用モデルを主役に据えつつ、勝負どころだけ外部の最上位を借りる——現実的な折衷がここにあります。

この「安い専用モデル＋難所だけ上位」という形は、マイクロソフト固有の工夫ではなく、業界全体が向かう方向です。
生成AIの推論コストは処理量に比例して膨らむため、各社は大きなモデルの知識を小さなモデルに移す蒸留、用途を絞った専用モデル、そして難易度でリクエストを振り分けるルーティングを組み合わせてコストを抑えにいっています。
主要各社が高速・低価格の下位ティアを整備しているのも同じ発想です。
「一番賢いモデルを全部に使う」時代から、「賢さを必要な場面にだけ配る」時代へと、AIの使い方の重心が移りつつあります。

セキュリティが最初の主戦場になったのは偶然ではありません。
攻撃は待ってくれず、処理量が桁違いに多く、扱うデータが極めて敏感だからです。
量が多くコストが効き、機密性が高く外部に出しづらい——この条件がそろう領域ほど、「自前で・安く・大量に」回せる専用モデルの価値が際立ちます。

この使い分けは、AIを大量に使う会社すべてに効く

核心は、AIエージェントを本番で回すときの単価は「1タスクの値段×件数」で決まる、という単純な算数です。 件数が数万・数百万と伸びるほど、1タスクをいくらでさばくかが総コストを支配します。

すべてを最上位モデルに投げれば単価は青天井になります。
マイクロソフトがやったのは、タスクを難易度で仕分け、安いモデルに寄せられる割合を最大化することです。
同じ性能を保ったまま費用が半分なら、同じ予算で仕事を倍こなせる、あるいは同じ量を半分の費用で回せます。

効きめの大きさは、件数と単価差の掛け算で決まります。
仮に上位モデルの1件あたり単価が専用モデルの数倍だとすると、9割を安いモデルに寄せた瞬間に、平均単価は上位モデル単体のほんの一部まで落ちます。
件数が日次で数万・数百万と伸びるほど、この平均単価の差が総コストにそのまま乗ります。
逆に言えば、件数が少ないうちは全部を上位モデルに投げても支障はなく、規模が出て初めて使い分けが効いてきます。
導入初期に感じなかったコストが、本番の量に達した途端に効くのはこのためです。

この数字を自社の計画に置くなら、まず「自社のタスクのうち何割を安いモデルで受けられるか」を見積もる話になります。
もし9割を軽量モデルに寄せられるなら効果は大きく、逆に多くが難所で上位モデルを呼ばざるを得ない業務なら、削減幅は小さくなります。
効きめは自社の業務分布次第です。

もう一つの含意は内製化です。専用の小型モデルを自前で持てれば、外部への従量課金とロイヤリティを同時に抑えられ、機密データを外に出さずに済みます。 セキュリティのように扱うデータが極めて敏感な領域ほど、この「自前で安く回す」効用は大きくなります。

自前で持つ価値は、コストだけではありません。
マイクロソフトは旗艦のMAI-Thinking-1を他社モデルからの蒸留なしでゼロから訓練したと強調しています。
訓練データの出所がはっきりしていること（データの素性の綺麗さ）は、規制業界や機密性の高い現場ほど重く見られます。
誰の何のデータで学んだ頭脳に自社の弱点を見せるのか——この問いに自分で答えられる状態を保てるのが、自前モデルのもう一つの効用です。
金融や公共のように、外部サービスへの依存そのものが監査対象になる領域では、この点が導入可否を分けます。

単価が下がることは、使い方そのものも変えます。
1件が高いうちは、AIによる点検は「重要な資産だけ・たまに」という間引き運用にならざるを得ません。
単価が半分になり量をさばけるようになると、限られた対象を定期的に見る運用から、全体を常に見張る運用へと軸足が動きます。
守りの世界では、点検の間隔が空くほど攻撃者に時間を与えます。
コストを下げることは、単なる節約ではなく、間隔を詰めて守りの網を細かくすることに直結します。
この「安くなったから常時化できる」という連鎖は、セキュリティ以外の監視業務にも当てはまる読み筋です。

見立てと監視ポイント

この一手が本物かどうかは、派手なベンチマークではなく、次の3点が動くかで判断できます。

• エスカレーション比率——いまの「9対1」が維持・改善されるか。難所として上位モデルに回る割合が膨らむと、半額の経済性は崩れます。運用の実データでこの比率が公開されるかを見ます。
• 専用小型モデルの横展開——セキュリティで示した「安い専用モデル＋難所だけ上位」の型が、コード生成やカスタマーサポートなど他領域へ広がるか。広がれば単発の節約でなく設計思想の勝利になります。
• 指標と実地成果の乖離——CyberGymのスコアと、実際の未知脆弱性の検出件数（5月のWindows16件のような成果）が一致し続けるか。ベンチマークだけが上がり実地が伴わなければ、数字の意味は薄れます。

加えて、最難関の10%をOpenAIのGPT-5.4に頼る構造が残る点は割り引いて見る必要があります。
自給自足を掲げつつ、勝負どころは外部最上位に依存する——この綱引きが今後どちらに動くかが、コストと独立性の両にらみを左右します。
もし自社の専用モデルが難所まで解けるようになれば外部依存はさらに縮み、逆に攻撃側が高度化して難所の割合が増えれば、外部最上位への支払いが再び効いてきます。
ルーティングの比率は、この攻防を映す鏡でもあります。

腹落ち確認の問い

同じ「AIをたくさん使う会社」でも、この90対10の使い分けで費用が半分になる会社と、ほとんど下がらない会社があります。
両者を分けるのは何でしょうか。
自社にAIエージェントを入れる場面を思い浮かべて考えてみてください。

関連リンク

• 一次: Microsoft AI「Introducing MAI-Cyber-1-Flash, inside MDASH」（2026-07-27）
• 二次: GeekWire「Microsoft's multi-agent AI system tops Anthropic's Mythos」
• 背景: Microsoft Security Blog「Beyond the benchmark: Advancing security at AI speed」
• 関連業界レポート: ソフトウェア開発業界基礎ガイド_詳細版