はじめに — なぜ今、AIを使った演習が必要か
生成AI（Large Language Models、音声合成、ディープフェイク等）の普及により、フィッシング／ソーシャルエンジニアリング攻撃の質と量が急速に高まっています。実務報告では、AI生成の攻撃文面は従来の手法より格段にクリック率や成功率が高まっていると指摘されています。
本記事は、企業のセキュリティ／教育担当がすぐに使える「従業員向け演習テンプレート」を提示し、設計から実行、評価、フォローアップまでの具体的手順と評価指標（KPI）を提供します。さらに、AI活用時の倫理・法的配慮と失敗を防ぐための運用ルールも含みます。
演習設計テンプレート：ステップ別ガイド
- 目的の明確化
- 狙い：認識向上、検知率改善、報告行動の強化など。
- 成功基準：例）報告率が現状10%→30%に到達、致命的情報漏洩は0件。
- スコープと対象
- 対象者（全社／部門別／役職別）とテスト期間を決定。
- 業務影響を最小化するために、業務時間外や影響度の低いメールで段階実施。
- シナリオ作成（AIの使い方）
- AIはリサーチ／文案作成／音声合成に限定して活用。例：役員を装う音声メッセージ＋カスタムメール誘導。
- シナリオの多様化：メール（spear-phish）、SMS（smishing）、電話（vishing）、ディープフェイク動画を混在。
- AI生成物は必ず人間のレビューを経て誤情報や過度な個人攻撃を除去すること（倫理・法令遵守）。
- ルール・許可（Rules of engagement）
- 事前承認：CISO、人事、法務、労務の合意を得る。
- 禁止事項：金銭請求、違法行為の強制、実際の機密データの送信、第三者への二次被害を生む行為。
- 緊急停止：従業員が動揺・被害を示した場合の即時停止手順。
- データ取り扱いと通知
- 収集データの最小化（氏名、部署、反応ログのみなど）。
- 演習終了後の透明性：演習結果は個人責任を追及しない旨を明示して開示。
- 実施ツールとログ収集
- メールゲートウェイ、SIEM連携、MFAログ、報告フォームの連携を推奨。
- AIツールはオンプレ／専用APIの利用を基本とし、データ保護を確保。
評価指標（KPI）と測定手法
演習の効果を定量化するため、以下の主要指標を採用します。実務ではベースライン（過去の演習データ）との比較を必ず行ってください。
| 指標 | 定義 | 目標例 |
|---|---|---|
| クリック率（CTR） | 誘導リンクをクリックしたユーザーの割合 | 初回演習：12% → 改善目標 6% 未満 |
| 報告率 | 従業員が疑わしいメールをセキュリティに報告した割合 | 現状10% → 目標30% |
| 誤報率 | 有害でないメールを誤って報告した割合（ノイズ） | 目標 15% 未満 |
| 致命的インシデント数 | 演習中に実際に情報流出や金銭被害が発生した数 | 0（ゼロ） |
| 学習定着度 | 演習後の短期（1週間）・中期（1〜3ヶ月）テストでの識別スコア | 短期：80%以上の識別率 |
測定と統計的有意性：サンプルサイズはターゲット母数に応じて設定し、A/Bテストでメール文面や配信時間の影響を検証します。AI生成文面の効果は従来文面と比較して有意に高くなる報告が複数存在しますので、実測値を基に改善サイクルを回してください。
実行後のフォローアップと運用への落とし込み
演習終了後は次の流れで運用改善を行います：結果共有（匿名化）、ハイリスクユーザーへの個別指導、検出ルールとフィルタの更新、そして年次の演習スケジュールへの反映。組織全体で得られた発見は、ID管理・MFAの強化や業務プロセスの見直しに結びつけることが重要です。
最後に、AIを使った演習は“攻撃者を学ぶ”ための強力な方法ですが、倫理と法令遵守を逸脱しないことが最重要です。演習におけるAI利用は、攻撃者の手法を再現するための限定的利用とし、従業員への心理的配慮と透明性を担保してください。業界報告書はAIがソーシャルエンジニアリングを加速していると警告しており、運用面の強化が急務です。
参考（推奨アクション）
- 短期：1回目の演習でベースライン測定、結果を管理層と共有。
- 中期：検出ルール・MFA導入・報告フローを改善し、3ヶ月後に再演習。
- 長期：年次計画に基づく継続的な訓練と、技術的対策（メールフィルタ、EDR/XDR、音声認識の導入）を組み合わせる。