AIを活用したOSINTブリーフィングの作り方：監視結果から人による確認まで

公開情報（OSINT）のブリーフィングでは、大量のデータ、質のばらつく情報源、検証の限界に同時に向き合う必要があります。生成AIは集約・翻訳・下書きを分担できますが、検証と判断は引き続き分析担当者の役割です。本記事では、AIを活用したOSINTブリーフィングの入力データ、処理の進め方、人が確認すべきポイント、AI利用時のリスクを整理し、出力例も紹介します。

AIと分析担当者はどう分担するか

入力：ブリーフィングのデータはどこから来るのか

よくある入力は4種類あり、それぞれ注意すべき制約があります。

• 監視結果：メディア・SNS監視プラットフォームがキーワードと情報源の設定に基づいて生成するアラートと記事一覧。カバー範囲は設定次第であり、結果に出てこないからといって関連する議論がないとは限りません。
• SNSの公開コンテンツ：データサービスや自社収集で取得した公開投稿とコメント。後から削除されたり非公開になったりすることがあるため、収集時にURLと収集日時を記録します。
• 社内の背景資料：過去のレポート、人物や組織の背景、これまでの評価記録。文脈を補えますが、古い評価は現状に合わない場合があるため、引用時は日付を明記します。
• 分析担当者の問い：ブリーフィングで何に答えるか、対象期間、プラットフォーム、言語。まず答えるべき問いを明記し、AIの要約がその問いに答えているか確認します。

処理：元データから確認できる草案まで

国連人権高等弁務官事務所（OHCHR）とカリフォルニア大学バークレー校ロースクール人権センターが発行した「デジタル・オープンソース調査に関するバークレー・プロトコル」（Berkeley Protocol）は、オープンソース調査をオンライン調査、予備評価、収集、保存、検証、調査分析の6段階に分け、各段階で行った作業を記録するよう勧めています。同プロトコルは国際刑法・人権法・人道法の違反に関する調査を対象としていますが、本記事では、その段階区分と記録の実務は一般的なOSINTブリーフィングにも参考になると考えています。以下の5項目は本記事によるAI活用ブリーフィングの提案であり、原文の6段階や、同プロトコルが定めるAIの作業手順ではありません。

1. まず問いと範囲を定める

答えるべき問い、対象期間、プラットフォーム、言語は分析担当者が決め、AIはその範囲内でデータを処理します。範囲を明確に書いておけば、どのデータを見ていないかも後から説明しやすくなります。

2. 収集と保存

元のコンテンツ、URL、収集日時を保存し、必要に応じてスクリーンショットやファイルを保存してハッシュ値を計算し、後でファイルが改変されていないことを確認できるようにします。ハッシュ値の比較で確認できるのは記録時からのファイルの変化だけで、内容の真実性を単独で証明するものではありません。AIの要約も元データの保存の代わりにはなりません。

3. 分類・重複排除・時系列の整理

AIを使って同じコンテンツの転載をまとめ、時刻順に並べ、オンラインで現時点で見つかった最も古い版を示すことができますが、分類結果と日時の確認は必要です。バークレー・プロトコルは、元のコンテンツが削除されていたり、先に電子メール、私的なメッセージ、閉じたグループで共有されていたりする可能性があるため、「オンラインで最も古い版」ではなく「オンラインで見つかった最も古い版」と表現するよう注意を促しています。

4. 検証：情報源と内容を分けて評価する

バークレー・プロトコルは検証を情報源の分析、技術的分析、内容の分析の3つに分けています。情報源の分析では、出所、信頼性（投稿履歴など）、独立性と公平性、主張の具体性、出来事から記録までの時間的な隔たりを検討します。技術的分析ではファイル自体とメタデータを調べ、内容の分析では映像や文章そのものを調べて他の独立した情報源と照合します。情報源と内容は分けて評価します。信頼できるアカウントが誤った内容を転載することも、無名のアカウントが本物の現場映像を投稿することもあります。AIは確認すべき手がかりを挙げられますが、検証の結論は分析担当者が出すべきです。

5. 下書き：事実・判断・未確認事項を分けて書く

AIに下書きさせる際は、各文に根拠となる出典を付けるよう求め、確認済みの事実、分析上の判断、未確認事項を別々のセクションで示します。チームで可能性を表す用語（例：ほぼ確実、可能性が高い、可能性がある、可能性は低い）をあらかじめ固定し、判断の確信度とは分けて示しておくと、ブリーフィングごとに同じ言葉の解釈がずれるのを防げます。

人が必ず確認すべきポイントはどこか

• 範囲の設定：どのプラットフォーム、言語、期間を対象にするかは分析担当者が決めます。
• 検証の結論：ある内容が本当か嘘か、古い画像の再投稿かどうかは、検証結果に基づいて分析担当者が判断します。
• 引用の確認：草案の出典を一つずつ開き、テーマが関連しているだけでなく、その文を実際に裏付けているかを確認します。
• 特定の対象に関わる判断：内容を特定のアカウント、組織、人物に帰属させる場合や、アカウント間に協調行動があるかを判断する場合は、根拠、別の説明の可能性、未解決の限界を明記し、証拠が不十分なら未確認事項として保留します。
• 配布前：可能性の表現が統一されているか確認し、個人情報は必要な範囲だけ残し、データの対象範囲と基準時刻（カットオフ）を明記します。

AI利用時に注意すべきリスク

作話（confabulation）と誤った引用

米国国立標準技術研究所（NIST）が2024年7月に公表した生成AIプロファイル（NIST AI 600-1）は、この種の問題を「作話」（confabulation）と呼んでいます。システムが誤った内容や虚偽の内容を自信のある口調で出力するもので、回答を正当化するように見えて実際には成り立たない推論や引用が含まれることもあります。同プロファイルは、導入前と継続的な監視の中で出力に含まれる出典と引用を確認・検証するよう推奨しています。引用を確認する際は、リンクを開けるかだけでなく、その内容が引用された主張を実際に裏付けているかも確認します。

収集したコンテンツに指示が紛れ込む

OWASPの「LLMアプリケーション Top 10」（2025年版）はプロンプトインジェクションを第1位に挙げています。そのうち間接プロンプトインジェクションとは、ウェブサイトやファイルなどの外部入力に含まれる内容によって、LLMの動作や出力が意図しない形で変化することです。LLMでOSINT資料を処理する場合、信頼できない外部コンテンツを大量に読み込むため、一つの投稿やウェブページに、モデルに元の指示を無視させようとする文章が書かれている可能性があります。OWASPが推奨する対策には、外部コンテンツを分離して信頼できないものとして明示すること、タスクに必要な最小限の権限だけをモデルに与えること、高リスクの操作には人の承認を必須にすることが含まれます。

拡散量は信頼性ではない

要約を確認する際は、話題量を検証の根拠と取り違えていないか確認します。転載数は広がり方を示すだけで、内容の正しさを示すものではありません。似た内容が大量にある場合、協調して動くアカウントによるものかもしれません。並べる際は、拡散量と検証状況を分けて示します。

翻訳とネットスラング

機械翻訳はスラング、皮肉、語呂合わせ、地域特有の言い回しを誤解することがあります。外国語コンテンツを引用する際は原文を添え、重要な文はその言語と地域の用法に詳しい担当者が確認します。

自動化への過度な依存

同じNISTのプロファイルは自動化バイアス、つまり自動化されたシステムへの過度な信頼にも触れています。確認者が要約だけを読んで出典を開かなければ、人による確認は形だけになります。確認者に、確認済みの引用を草案上でマークしてもらうと、確認の記録が実際に残ります。

出力例：検証項目の一例

以下は架空の例で、事実・判断・未確認事項をどう分けて示すかを説明するためのものです。