長年にわたり、インテリジェンスコミュニティは、捜査上のインサイトにつながることを期待して、膨大な時間を費やしてデータを収集してきました。捜査官は世界各地で発行される新聞を読み、海外のラジオ放送に耳を傾け、紙の記録をくまなく調べました。監視対象者を撮影し、航空画像を分析しました。必要な情報を得られることもありましたが、多くの場合は得られませんでした。
デジタル時代の到来により、データはまさに金鉱となりました。これまでにない量のデータが生成され、従来は想像できなかったほど多く、かつ深いインサイトを得られる可能性が生まれました。そして、こうしたデータへのアクセスも格段に容易になりました。かつては各種政府機関、報道機関、大学図書館などの紙媒体で保管されていた文書が、いつでも、どこからでも検索できるようになったのです。
しかしほどなくして、オンライン上のデータ量は当時の収集・分析手法では対応しきれないほど膨大になりました。そこで、公開情報（PAI）を機械の速度で検索・分析するために、オープンソースインテリジェンスと初期世代のAI技術が登場しました。
それでも十分ではありませんでした。
データがあふれる現在、調査における課題の在り方は変化しました。問題はもはやデータの有無ではなく、。必要なのは調査の能力です。膨大なデータを効率的に検索し、関連情報を収集し、点在するデータ同士を結び付け、得られたインサイトに自信を持てるようにすることが求められています。
多くの既存の政府機関や企業の調査システムで使われているReactive AIでは、これを十分に実現できません。ブール検索の組み合わせに依存しているため、各ステップで人間の介入が必要になります。アナリストはインサイトを得るために、次々と質問を投げかけなければなりません。さらに、Agentic AIであっても、適切なトレーニングがなければ不十分な場合があります。Agentic AIとは、人間が継続的に関与しなくても、複雑で多段階のタスクを遂行できる人工知能を指します。しかし、調査の専門技法について特別な訓練を受けていなければ、これらのAIエージェントは、どの情報が調査証拠として重要かを判断できません。反証となる証拠や証拠の連鎖を見つけることの重要性も理解していません。調査ワークフローについても無知です。人間の調査官のようには考えられないのです。
Agentic Risk Intelligenceとは
Agentic Risk Intelligence は、AIエージェント、調査の専門技術、信頼できるデータソースを組み合わせることで、透明性が高く説明可能なインテリジェンスを提供しながら、複雑な調査を自動化します。
解決策は、トレードクラフトを取り入れたエージェント型AIリスクインテリジェンスプラットフォームです。世界水準のデータを基盤とし、精度の高いインサイト、透明性のある推論、根拠として引用可能な情報を重視することで、防御可能な結論につなげます。
現在の調査環境
現在、公共および企業の調査は少なくとも4つの障害によって妨げられています。これらは次のとおりです：
- ターゲット優先型または仮説主導型の検索プロセスへの過度な依存
- 最適とは言えないデータに基づく結論
- ブラックボックス化したAIプロセス
- 結論の妥当性よりもインサイト取得までのスピードを重視する指標
それぞれを詳しく見ていきます。
旧来型のOSINTやAIテクノロジーでは（不完全ながら）対応できるのは、特定ターゲットありき、あるいは仮説主導の検索だけです。テロ攻撃、フィッシング攻撃、麻薬密輸、人身売買などの犯罪や脅威は、すでに捜査当局のレーダーに捉えられています。しかし、捜査担当者がある状況を想定できなければ、その状況についてのインサイトを得ることはできません。これは大きな問題です。
次のような状況を想像してください。あなたは夏の休暇旅行を計画しています。短期レンタルサイトを見て、気に入ったビーチフロントのコテージを見つけました。その物件を調べるために、あなたはターゲット駆動型または仮説駆動型の手法に従います。こうした手法を通じて、そのコテージは春に掲載が始まったばかりで、レビューはまだ少数だが、いずれも高評価であることが分かります。GPSシステムで確認すると、そのコテージは通りを6本入った場所ではなく、本当にビーチの目の前に建っていることが分かります。オーナーについても調査しますが、犯罪歴を含め苦情は一切見当たりません。コテージの両隣の住所からも否定的な報告は見つかりません。住宅の入居許可証も有効です。過去の天候データから、この7月の特定の週は晴天が続く見込みであることも分かります。
あなたはそのコテージを借りますが、滞在は散々なものになります。なぜでしょうか。2本先の通りにある家の住人は、夏の間、毎晩のように大勢の人を集め、大量の酒を飲み、業務用スピーカーからテクノ音楽を大音量で流すパーティーを開くことで知られているからです。前のシーズンには、この近隣住民に対して、町の住民から200件を超える騒音苦情が寄せられていました。この世帯のこうした行動を受けて、町議会は現在、騒音違反者に対してより厳しい罰則を科す新たな条例の制定を検討しています。
あなたはこれを確認しようとは思いもしなかったでしょう。ほとんどの人がそうです。
しかし、熟練調査員の高度なトレードクラフトを教え込まれた場合、エージェント型AIプラットフォームは、潜在的な脅威をより広い視野で捉えるために、調査の経路を大きく広げることができます。要するにアナリストに「こうした点は検討しましたか？」と問いかける形で、エージェント型AIプラットフォームは、ある領域の調査を拡張しつつ、誤りと判断される他の領域は迅速に打ち切ります。エージェント型AIプラットフォームへの単純な問い合わせ — 「この家および周辺地域において、7月9日から7月16日に予定されている、大人2名、10歳の子ども1名、乳児1名による滞在に悪影響を及ぼす可能性のある問題について教えてください」 — によって、あなたの休暇を脅かすパーティー的な雰囲気を事前に把握できたかもしれません。さらに、エージェント型AIプラットフォームはマルチステップのタスクを実行できるため、現在一般的に使われているAIシステムのように、問い合わせごとに人間が介在する必要もありませんでした。
既存のAIシステムがいかにしばしば不十分なインサイトしか提供できていないかがお分かりいただけるはずです。その原因をさらに悪化させているのが、これらのシステムがしばしば依拠している最適とは言えないデータです。
前述のとおり、調査担当者はこれまでになく容易に、より多くのデータへアクセスできるようになっています。しかし、そのデータは多くの場合、整理されておらず、混沌としており、文脈から切り離されています。無数の情報源と数百の言語にまたがって存在し、データ同士の関連性はありません。（ソーシャルメディアプラットフォームが自動的に船荷情報と連携することはなく、市販のデータセットがダークウェブの掲示板と結び付けられているわけでもありません。） オープンソースインテリジェンスや初期世代のAIシステムも、不完全で、検証されておらず、信頼性に欠ける情報源からインサイトを抽出している可能性があります。このようなデータに基づくインサイトは、必然的に不完全であるか、誤っているかのどちらかです。
さらに問題なのは、調査担当者がそのインサイトがどれほど不正確かを把握できない場合があることです。なぜでしょうか。「ブラックボックス」的なプロセスはAIシステムがどのように判断を下し、その結論がどのデータに基づいているのかを調査担当者から見えなくしてしまいます。これは大きな欠点です。AIシステムは、実際には存在しない関連性を「幻覚」として見いだしてしまう可能性があるからです。
例を挙げます。大規模なコンサートの警備支援を任された調査担当者が、国内テロの計画を示すあらゆる兆候を探しています。調査担当者のAIシステムは、公演に行く予定の人たちによる3つのソーシャルメディア投稿を検出します。「This show is gonna bomb（このショーは爆発的に盛り上がる）」「This show is gonna be the bomb（このショーは最高だ）」「I can’t wait to watch the group bomb around the stage（グループがステージ上を飛び回るのを見るのが待ちきれない）」という投稿です。
これらはいずれも悪意のない表現ですが、「bomb」という語の使用は、捜査用AIシステムを反応させてしまう可能性があります。さらに、その3人のファン全員に前科があると判明した場合、AIシステムは一層懸念を強めるかもしれません。
人間の調査担当者はニュアンスを理解しています。「bomb」という語のスラングとしての使われ方と、飲酒運転（DWI）、万引き、大麻所持といった過去の前歴を踏まえても、これら3人のファンがアリーナを爆破しようと共謀していると結論づける可能性は極めて低いでしょう。
一方で、反応的なAIシステムは、その結論に飛びついてしまう可能性があります。これは一因として、AIシステムがしばしば「sycophancy」、つまり調査担当者が聞きたがっていることを言おうとする傾向に陥るためです。このケースの調査担当者は、計画された国内テロの証拠を何でも見つけようとしていました。AIシステムは「見つけました」と自信満々に、しかし誤って断言してしまうかもしれません。
誰もその重要性を軽視したいとは思っていないスピード。新たな事案が発生した際には、インサイトを得るまでの時間が極めて重要になることが多い。しかし近年、捜査担当者は、素早く得られるインサイトの質が低いことに気づき始めている。スピードは、収集されるデータ量、検索されるソース数、旧式のOSINTやAIシステムで用いられるその他の指標と同様に、捜査テクノロジーが誤った判断を下すのであれば、ほとんど意味を持たない。
特定対象ありきの検索、不十分なデータ、そしてブラックボックス的なプロセスでは、迅速で有効な調査インサイトは得られません。大量のノイズを拡大しているにすぎません。調査を改善するには、文脈が付与され、検証され、防御可能なインサイトが必要です。スピードは依然として重要ですが、それだけを調査の成功を判断する唯一の基準とすることはできません。
解決策
Babel Streetは、ミッショングレードのリスクインテリジェンス分野をリードするグローバル企業として、10年以上にわたり、軍事、防衛、インテリジェンス、エンタープライズの各組織に、世界水準のデータに基づくAI駆動のインサイトを提供してきました。その経験と専門性が形にしたのがBabel Street Agentic Risk Intelligence Platformです。脅威検知の新たな標準を打ち立てるこのプラットフォームは、地政学的リスクと脅威、内部脅威、サプライチェーンの脆弱性などに関する全方位かつ最新のインサイトを提供することで、政府機関や企業がダイナミックな脅威を先取りできるよう支援します。
Babel Street と連携することで、企業や政府機関は検証済みデータに基づく、説明可能で正当性のあるインサイトを得ることができます。透明性の高いエージェンティックAIプロセスにより、信頼できるインサイトを迅速に導き出します。
これは次の方法によって実現されます：
高度なトレードクラフト
このプラットフォームの Insights Investigator は、トレードクラフトの訓練を受けたAIエージェントを捜査業務の最前線に配置するエージェント型機能です。これらのエージェントは、熟練したアナリストやインベスティゲーターが構築した実証済みの捜査手法とワークフローをモデル化しています。これにより、特定ターゲットや仮説を起点とする検索から、より全体像を重視した捜査アプローチへの転換が可能になります。人間の実務担当者は、捜査の目的、プロセス、範囲、成果に対する主導権を引き続き保持します。
エージェント主導の実行
単に問い合わせに対してチャットボットのような回答を返すだけでなく、Insights Investigator の AI エージェントは、複雑で複数のステップから成る調査タスクを実行します。調査担当者を、終わりのないブール検索という機械的な作業から解放することで、Investigator はデータ収集に要する時間を半分に短縮できます。レポート作成の自動化機能により、特定のレポート作成に必要な時間を36時間からわずか15分にまで短縮できます。[1]
Data Dominance™
Babel Street が権利処理を行い、ミッションに最適化した多言語データパイプラインは、Investigator を支える基盤となっています。このデータは、200以上の言語で公開された信頼性の高い情報ソースから収集されています。弊社の エンティティ抽出 機能により、データは取り込み時点で構造化され、検索精度が向上し、より一貫性のある証拠に基づいた分析が可能になります。
信頼性、ガバナンス、監査可能性
ブラックボックス型のAIシステムとは異なり、Investigatorは、自らのリサーチ計画、クエリロジック、推論プロセス、情報ソースを明示できる説明可能なAIツールです。さらにInvestigatorは、規制当局や経営層、ステークホルダーの要件を満たすために必要な監査証跡や、その他の各種トレーサビリティも提供します。
Babel Streetは、厳選された権利処理済みデータの世界最大級のコレクションと高度なトレードクラフトを融合し、迅速で洞察に富み、説明責任を果たせる意思決定を可能にします。
注記
1. Babel Street, 「Mercyhurst University: A Partnership for Nurturing the Next Generation of Intelligence Analysts」, 2025年6月, https://www.babelstreet.com/resources/case-studies/a-partnership-for-nurturing-the-next-generation-of-intelligence-analysts?utm_source=Direct&utm_medium=Direct&utm_campaign=Not+Provided
よくある質問
インテリジェンス分析におけるエージェンティックAIとは
インテリジェンス分析におけるエージェンティックAIとは、計画、検索、分析、データの統合といった複数の調査ワークフローを、人の継続的な介入なしに自律的に実行する人工知能を指します。調査の専門技術と信頼できるデータを組み合わせることで、透明性が高く、引用可能で、説明責任を果たせるインテリジェンスを生み出します。
なぜ調査にはデータ収集だけでは不十分なのか
データ収集だけでは不十分です。課題はもはやアクセスではなく、分析と実行にあります。調査担当者は、断片的な膨大なデータを取捨選択し、シグナルを結び付け、結果を検証しなければなりません。文脈と検証がなければ、データが増えるほどノイズが増大し、誤った結論に至るリスクも高まります。
調査インテリジェンスを正当化可能にする要件
防御可能なインテリジェンスは、検証済みデータ、透明性のある推論、追跡可能な証拠の上に構築されます。そこには、説明可能なAIのアウトプット、引用可能な情報源、監査証跡が含まれ、規制当局、アナリスト、意思決定者による厳格な検証に耐えうる結論を担保します。
エージェント型AIは調査をどのように高度化するか
Agentic AI は、複雑なワークフローを自動化し、調査の範囲を拡大し、より迅速で証拠に裏付けられたインサイトを提供することで、調査業務を高度化します。手作業でのクエリ作成を減らし、調査の専門技法を適用し、情報源を完全に追跡可能な形で、説明可能な結果を提示します。
従来のOSINTとエージェント型AIの違い
従来のOSINTは、人手によるクエリベースの検索に依存しており、得られるインサイトも断片的になりがちです。Agentic AIは、調査プロセス全体を自動実行し、複数ソースにまたがるデータを統合し、透明性が高く説明可能な結論を提示することで、単なるデータ取得から実行可能なインテリジェンスへの転換を実現します。