All Posts

防御から、再検証可能な実行判断へ はじめに：サイバーアシュアランスは「検証可能性」の時代へ サイバーセキュリティのパラダイムは、大きな地殻変動を迎えています。これまで業界の関心は「いかに境界を守り、攻撃を防ぐか」という技術的防御に集中していました。しかし現在、私たちの関心は「自社のセキュリティ対策が適切であることを、いかに第三者に証明・報告・検証できるか」という、サイバーアシュアランス（確証・保証）へと明確に移り変わっています。 世界的な地政学的リスクの高まりやサプライチェーン攻撃の巧妙化、そして急速に進むAIの社会実装を背景に、各国政府や規制当局は「結果としての防御」だけでなく「プロセスの透明性と説明責任」を厳格に求めるようになりました。 ここで極めて重要なのは、現代のガバナンスが求めているのは、単なる主観的な「説明可能性（Explainability）」ではなく、「客観的な検証可能性（Verifiability）および再実行可能性（Replayability）」であるという点です。 本稿では、2026年現在におけるサイバーアシュアランスの「到

1. Introduction: AI Shifting from "Decision-Making" to "Execution" The rapid evolution of Artificial Intelligence (AI), particularly Large Language Models (LLMs) and autonomous AI agents, is fundamentally reshaping the human-system interface. Traditionally, AI has been confined to cognitive decision support—providing suggestions, generating text, or analyzing data to deliver recommendations to human operators. Today, however, AI is entering the execution pathway. It now initi

1. 導入：AIは「判断」だけでなく「実行」に近づいています 人工知能（AI）、とりわけ大規模言語モデル（LLM）や自律的AIエージェントの進展は、人間とシステムのインタフェースを大きく変容させつつあります。従来のAIの役割は、文章の生成やデータの分析といった、人間に向けた「判断の提示（示唆やレコメンデーション）」にとどまっていました。しかし現在、AIはシステムAPIの呼び出し、クラウド環境の設定、コードのデプロイ、アクセス権限の変更といった、客観的な状態遷移を伴う「実行（アクション）」の領域へと進出し始めています。 この状況下で、従来のセキュリティモデルや監査フレームワークのあり方が改めて問われています。AIがシステムに直接干渉し得る時代において検証すべきは、「AIが何を考え、何を判断したか」というプロセスだけではありません。その判断の結果として引き起こされる「システムへの操作要求が、定められた安全基準の枠内で正当に許可されたものであるか」を、事後的に検証可能にすることです。 本稿では、AIの意思決定プロセスを検証可能にする「AI...

―― The Essence of AI Governance Is Not "Explanation," but a "Verifiable Decision Structure" As generative AI proliferates, artificial intelligence is moving beyond a mere tool and becoming increasingly involved in making critical decisions across society. Yet beneath this trend lies a fundamental, overlooked structural challenge: most organizational and public records are still designed exclusively for human consumption. While we are ready to delegate highly complex decisions

――AIガバナンスの本質は「説明」ではなく「検証可能な判断構造」である 生成AIの普及に伴い、AIは単なるツールを超え、社会における「判断」に関与する存在になりつつあります。 しかし、その裏で、本質的でありながら見過ごされがちな構造的課題が進行しています。 それは、「現在の社会の記録の多くは、人間向けに作られている」という事実です。 私たちはAIに高度な判断を委ねようとしていますが、その判断の根拠となるインフラは、AIが解釈し、後から人間が検証できる形にデザインされていません。結果として、AIが進歩するほど「信じるしかないブラックボックス」の連鎖に陥るリスクを抱えています。 本記事では、AIガバナンスが直面している課題と、それを乗り越えるための「検証可能性（Verifiability）」を支える技術コンセプトについて紐解きます。 1. AIガバナンスの本当の問題は、AIの「頭の中」だけにあるのではない AIガバナンスを巡る議論の多くは、「AIのブラックボックス性（ロジックの不透明さ）」に終始しています。 これらは技術的に重要な課題ですが、ガバナン

GhostDrift Mathematical Institute has published an international press release announcing a significant technical milestone: the release of a Lean 4 formal proof artifact for ADIC — Advanced Data Integrity by Ledger of Computation. The press release introduces ADIC as a foundational AI assurance technology designed to turn static governance claims into replayable, third-party-verifiable evidence. The Shift Toward Verification As AI systems move into high-responsibility domain

AI governance is entering a new phase. As AI systems move into regulated and high-responsibility environments, the burden is shifting from explaining AI decisions to proving how those decisions can be verified after the fact. AI assurance is becoming an infrastructure problem — not just a documentation problem. For years, organizations have tried to make AI trustworthy through policies, reports, audit documents, risk assessments, and explanations. These are necessary, but the

·Policy Proposal: Japan should define AI assurance not as additional paperwork, but as re-verifiable evidence infrastructure. 1. AI Regulation is Entering a New Phase The global landscape of AI governance is shifting from abstract principles to concrete enforcement. However, the true bottleneck is not the creation of rules (“how to restrict AI”), but the practical enforceability of those rules. The next frontier is whether a third party can objectively re-verify the decision-

1. The Democratization of AI: Intelligence Released, Responsibility Unprepared The democratization of AI, driven by generative AI, has brought computational intelligence from specialist laboratories into everyday business and social operations. However, a critical disconnect has emerged. While intelligence has been democratized, society has not yet built the structured pathways that would allow this intelligence to make safe decisions and act responsibly. ▼ADIC https://www.gh

1. AIの民主化が突きつけた「知能の解放」と「責任の不在」 生成AIをはじめとする「AIの民主化」は、計算知能（Computational Intelligence）を専門家の研究室から解放し、社会のあらゆる隙間に送り込みました。しかし、ここで一つの決定的な断絶が生じています。 知能は民主化されましたが、その知能が「安全に判断し、責任を持って振る舞える道」が、社会の側にはまだ舗装されていないのです。 2. 人間向けの説明から、計算知能向けの可読性へ 現在のAIガバナンスや倫理議論の多くは、「AIがなぜそう判断したかを、人間に言葉で説明させる（説明可能性）」ことに終始しています。しかし、高責任（High-stakes）な企業が求める安全性とは、事後の言い訳ではありません。 必要なのは、判断の瞬間にAIシステムが参照でき、その妥当性を機械的に検査できる「道」です。 旧来のガバナンス： 人間向けの安心文書（自然言語による曖昧な報告書） 次世代のインフラ： 機械が通れる安全な道（論理的に明確で検証可能な構造） この意味で、AIアシュアランスとは、AIを

概要 2026年5月10日14時頃、Googleで「AIアシュアランス」と検索したところ、Google検索結果のAI Overview内に、AIアシュアランスの説明として「第三者による検証」「証拠連鎖（計算台帳：ADIC）」という記述が表示されていることを確認しました。 同時に、GhostDrift数理研究所が公開しているYouTube動画「なぜAIアシュアランスが必要なのか｜AIアシュアランス教科書」が、AI Overview内の参照カードとして表示されていました。 この記事は、その検索結果を成果認定や公式評価として扱うものではなく、AIアシュアランスという語がGoogle検索上でどのように説明され始めているかを記録する、客観的な観測ログです。 ここに、Google検索結果全体が写っており、AI Overview本文とGhostDrift数理研究所のYouTube動画カードが同時に確認できる画像を挿入。キャプション例：「2026年5月10日14時頃、Googleで『AIアシュアランス』と検索した際のAI Overview表示。GhostDrif

Making AI usable and making its outcomes defensible after the fact are two entirely different challenges. To address this critical operational gap, GhostDrift Mathematical Institute has launched an 11-part video series titled “The Textbook of AI Assurance.” Why a Systematic Video Series Now? While training programs and courses touting AI ethics and general governance are proliferating, there is a distinct lack of practical guidance on the operational crux: how to verify, expl

AIを「使えること」と、その使った結果を後から「守れること」は、全く別の問題です。 当社調べでは、AIアシュアランスを主題として体系的に扱う国内動画シリーズは確認されておらず、本シリーズはその先駆的な取り組みとなります。GhostDrift数理研究所では、この実務上の致命的な乖離を埋めるため、「AIアシュアランスの教科書」と題した全11篇の動画シリーズを公開しました。 なぜ今、体系的な動画シリーズが必要なのか 現在、AI倫理や一般的なガバナンスを謳う研修や講座は増えつつあります。しかし、高責任領域（人命、財産、インフラに直結する分野）において、AIの判断を「事後的にどう証明し、守り抜くか」という実務の急所に踏み込んだガイドは、国内において圧倒的に不足していました。 本シリーズは、抽象論にとどまらず、AIが事実上の初期結論を下すようになった今、組織はいかにしてその「判断の妥当性」を後から示せるのかに焦点を当てています。第三者が再検証できる証拠連鎖（計算台帳：ADIC）をいかに設計すべきかという、具体的な実装論を展開しています。 以下に、全11回のラ

The regulatory frameworks are moving. Standards are taking shape. The third-party assurance market is standing up. The real question now is whether we can leave AI decisions behind as evidence that others can actually verify. AI assurance is moving from "being managed" to "being proven." What's needed is not simply explaining AI decisions — it's leaving them as verifiable evidence that third parties can reconstruct. Introduction: AI Assurance Has Moved from Principle to Pract

制度は動き出した。標準も整い始めた。監査市場も立ち上がった。 次に問われるのは、AI判断を第三者が後から「再検証できる証拠」として残せるかだ。 AIアシュアランスは「管理する段階」から「証明できる段階」へ進む。 求められるのは、AI判断を説明することにとどまらず、第三者が再検証できる証拠として残すことだ。 ▼ADICの詳細はこちら https://www.ghostdriftresearch.com/adic はじめに：AIアシュアランスは、理念から実務へ移った 2026年、AIアシュアランスはもはや「あると望ましい取り組み」ではなくなりつつある。 EU AI Act、ISO/IEC 42001・42006、NIST AI RMF、そして英国を筆頭に広がる第三者AIアシュアランス市場——これらにより、AIをどう管理し・どう評価し・どう保証するかが、企業の実務課題になった。 しかし、制度や監査が整い始めた今だからこそ、次の限界が鮮明に見えている。それは、AIの個別判断について、前提・条件・根拠・介入履歴を、第三者が後から再検証できる証拠として残せて

AIガバナンスにとって、非常に重要な研究が出ました。 Natureに掲載された “Language models transmit behavioural traits through hidden signals in data” という論文です。 この研究が示しているのは、AIモデルの性質が、明示的な有害データだけでなく、一見無関係に見えるデータを通じて別のモデルに伝わり得る、ということです。 たとえば、数列、コード、推論過程のようなデータです。 表面上は危険に見えない。 特定の思想や選好が書かれているわけでもない。 人間が読んでも、問題のある内容には見えない。 それでも、教師モデルが持っていた性質が、学生モデルに伝わる場合がある。 この点が重要です。 つまり、AIの安全性やガバナンスは、もはや「出力に危険な言葉が含まれていないか」を見るだけでは足りません。 コンテンツフィルタは必要です。 しかし、それだけでは、モデルがどこから来た性質を持っているのか、どのデータを通じて影響を受けたのか、どの過程でその判断に至ったのかまでは追えません。...

── A Paradigm Shift from "Explanation" to "Re-executable Evidence" Presented by GhostDrift Mathematical Institute Introduction: AI Assurance Shifts from "Explanation" to "Evidence" AI assurance is transitioning from a domain of explaining that an AI is "trustworthy" to a domain that enables third parties to verify exactly which conditions an AI's decision satisfied to be passed. The UK government (DSIT) positions AI assurance as a methodology and foundation to "measure, evalu

はじめに：AIアシュアランスは「説明」から「証拠」へ移る AIアシュアランスは、AIを「信頼できる」と説明するための領域から、AI判断がどの条件を満たして通過したのかを第三者が検証できるようにする領域へ移りつつある。 英国政府（DSIT）はAIアシュアランスを、AIシステムの信頼性を「測定・評価・伝達」するための手法と基盤として整理している。しかし、評価・監査・認証が進んでも、個別のAI判断がどの条件を満たして通過したのかを、第三者が同じ手順で再実行できるとは限らない。 GhostDrift数理研究所が開発するADIC（Advanced Data Integrity by Ledger of Computation）は、この不足している証拠層に焦点を当てる。ADICは、判断条件・証明書・台帳・再実行検証器（replay verifier）を接続し、AIアシュアランスを「信頼の表明」から「再実行可能な証拠」へ進めるためのアーキテクチャである。 1. AIアシュアランスとは何か 英国政府のDSIT（科学・イノベーション・技術省）は、AIアシュアランス

1. The Maturation of Governance Frameworks and the Gap in Execution Evidence As Artificial Intelligence (AI) systems become deeply embedded in societal infrastructure, the concept of "AI Governance" has gained widespread prominence. Frameworks designed to manage AI risks and establish organizational rules—such as ISO/IEC 42001 (AI Management Systems) and ISO/IEC 42006 (Requirements for bodies providing audit and certification of AI management systems)—are maturing rapidly. Ho

1. ガバナンス・フレームワークの成熟と「実行証拠」の空洞化 近年、人工知能（AI）システムの社会実装に伴い、「AIガバナンス」という概念が広く浸透した。ISO/IEC 42001（AIマネジメントシステム）やISO/IEC 42006（AIマネジメントシステムの監査要件）に代表されるように、組織がAIのリスクを管理し、ルールを策定するための「枠組み（フレームワーク）」は急速に整備されつつある。 しかし、これらの枠組みは主にプロセス管理（GRC：ガバナンス、リスク、コンプライアンス）の領域に留まっている。ルールの文書化や体制の構築はガバナンスの第一歩に過ぎない。現実のシステム運用において、AIの出力とそれに対する人間の介入が「実際に事前定義された規則に準拠していたか」を事後的に検証し、決定論的に再検証する技術的基盤は依然として欠落している。実行証拠を伴わないガバナンスは、やがて「文書上の管理」に留まり、実運用における説明責任を支えることができない。 ▽ADICの詳細はこちら https://www.ghostdriftresearch.com/a