NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

米OCC、銀行の「スーパーインテリジェンス」監督フレームワークを公表――モデルの高度さより結果・権限・人間の監視で評価

米通貨監督庁(OCC)は2026年11月4日、銀行のスーパーインテリジェンス(SI)利用を評価する検査官向けの監督フレームワークを公表しました。リスク分類はモデルの技術的高度さではなく、潜在的な結果、権限の移譲、人間の監視の度合いに基づくとし、銀行に新しい規律期待を課さない検査官向けの資料です。Reutersは検査官向けのAI指針として初めてと伝えました。

公表はOCC検査速報(Bulletin)2026-54と、検査官向けフレームワーク本文のPDFです。対象は信用判断、決済、不正検知、顧客対応、リスク管理など通常業務での銀行のSI利用と、エージェント型SI。フレームワークは16の構成要素を、目的、リスク、制御、監督、復元力、保証の6柱に整理します。資料の性格として、銀行への監督期待の設定、実施可能な基準や指示的な要件は意図しておらず、OCCは技術と用途の変化に合わせて更新する生きた文書として扱うと説明しています。

リスク分類は結果・権限移譲・人間の監視で行う

「リスク分類は、SIの技術的高度さではなく、潜在的な結果、権限の移譲、人間の監視の度合いに基づくことができます。」

Risk classification may be based on potential consequences, transfer of agency, and the degree of human oversight, rather than the technical sophistication of the SI used.

OCC「Super Intelligence Supervisory Framework」(2026年11月4日付PDF、1.1節。日本語訳は編集部)

上位原則は、制御の強度をSIエージェントの失敗や誤用の潜在的結果に応じて上げ得るとしています。結果の大きい用途では、自律性への強い制限、直接的な人間の監視、独立した検証、より堅牢な復元力が必要になる場合がある。文書は例として、取引の開始を許可された単純なルールベースのエージェントは、内部の起草支援に限られる高度なモデルより大きなリスクを持ち得ると示しました。

図解SI利用ケースの例示リスク階層

SI利用の複合ティア(例示)Tier 1〜4

  • Tier 1 Critical

    直接行動・不可逆

    自動支払いエージェント、リアルタイム信用判断、不正検知の解除、市場アクセス。自律または部分的に自律

  • Tier 2 High

    直接行動・監視下

    SI支援の与信、エージェント発の顧客連絡、AML警告の処理、内部コードやデータアクセス変更のコード支援

  • Tier 3 Moderate

    人間承認つき支援

    与信メモの内部要約、エージェント支援の調査。データ感受性は限定的で可逆

  • Tier 4 Low

    直接行動なし

    内部生産性ツール、コード支援、従業員向けQ&A。顧客・金融データに接触せず人間が完全に管理

OCC「Super Intelligence Supervisory Framework」(2026-11-04付PDF、3.2節の例示ティア表)による。いずれも例示であり、等級付けは用途ごとの判断要素の組み合わせで決まる。

フレームワークは、SIを独立した別個のリスク区分として扱わず、銀行に別個のSIリスクアパタイトの定義を求めません。SIのリスクは運用、コンプライアンス、信用といった既存のリスク区分に発生・増幅・変化し得るとしています。人間の関与については、実行前の審査と承認をするhuman-in-the-loopと、介入する権限と実際の能力を持つ監視をするhuman-on-the-loopを区別し、審査が名目的なクリックにならないよう審査の基準と証拠を定めることを例示として挙げています。

4月の共同指針との接続

OCC・FRB・FDICの2026年4月17日付の改訂モデルリスク管理指針(Bulletin 2026-13)は、生成AIとエージェントAIのモデルは新しく急速に変化しているためこの指針の適用範囲にないと明示していました。今回のフレームワークは脚注で、2026-13のモデルリスク管理原則は非生成・非エージェントのSIモデルに適用される一方、この監督フレームワークは生成・エージェントSIにより適合すると説明しています。4月の指針が対象外としていた領域を、検査官向けの評価枠組みとして埋める位置付けです。

図解4月の共同指針と11月の検査官フレームワーク
  • 文書

    4月の指針
    Bulletin 2026-13(OCC・FRB・FDIC)
    11月の新文書
    Bulletin 2026-54とフレームワークPDF(OCC)
  • 対象

    4月の指針
    非生成・非エージェントのモデル。生成AIとエージェントAIは範囲外
    11月の新文書
    生成・エージェントSIを主対象(脚注で接続)
  • 性格

    4月の指針
    機関共同のガイダンス
    11月の新文書
    OCCの検査官向け資料。監督期待は設定しない
  • リスク区分

    4月の指針
    モデルリスク管理の原則を更新
    11月の新文書
    SIを独立区分とせず既存区分に発生・増幅・変化

OCC Bulletin 2026-13(2026-04-17付)とBulletin 2026-54およびフレームワークPDF(2026-11-04付)の本文による。

「SI」への用語変更と留意点

文書の「スーパーインテリジェンス(SI)」は、従来「人工知能(AI)」に含まれた技術とシステムを指す呼び方で、連邦法15 USC 9401(3)の定義と2026年10月2日の大統領令14434に言及しています。検査は銀行の規模・複雑性・リスクプロファイルに応じて、SI利用の性質、結果、自律性、複雑さに比例して調整するとされ、コミュニティバンクにも利用できるとされます。フレームワーク自体がSIの支援で作成され、内容は人が検討、編集、承認したと脚注に明記している。

Reuters(Pete Schroeder記者、11月4日配信)は、銀行検査官のAI利用への調査方法についての初めての指針だとOCCが説明したと伝え、文書を閲覧したと書いています。同報道は、文書が規則と同じ法的拘束力を持たない一方、銀行は通常こうした指針に概ね従うと指摘しました。レポートの「初めて」という位置付けは報道の伝達であり、OCC自身の文書はこの呼び方を使っていません。

出典

  1. OCC Bulletin 2026-54: Super Intelligence: Supervisory Framework(OCC、2026-11-04公開、2026-11-04に全文確認)公表の要旨(SIを独立したリスク区分としない、別個のSIリスクアパタイトは不要、制御強度は潜在的結果に応じ得る、リスク分類は結果・権限移譲・人間の監視に基づく)、銀行への監督期待を設定しない旨、コミュニティバンクへの適用、署名(James M. Gallagher)、SIの定義脚注
  2. Super Intelligence Supervisory Framework(OCC検査官向けフレームワーク本文PDF、2026-11-04付、2026-11-04に全文確認)上位原則(結果・権限移譲・人間の監視に基づく分類、取引開始を許可された単純なルールベースエージェントの例)、6柱16構成要素、human-in-the-loop/on-the-loopの定義、Tier 1〜4の例示ティア表、2026-13との接続の脚注1、SIの定義の脚注2、SI支援で作成し人が検討・編集・承認した旨の脚注3
  3. OCC Bulletin 2026-13: Model Risk Management: Revised Guidance(OCC・FRB・FDIC、2026-04-17公開、2026-11-04に全文確認)生成AIとエージェントAIのモデルは新しく急速に変化しているため適用範囲にないとする記述、実施可能な基準を設けない旨
  4. NR 2026-97: OCC Issues Supervisory Framework on Bank Use of Super Intelligence(OCCニュースリリース、2026-11-04公開、2026-11-04に全文確認)検査職員向けフレームワークの公表告知、通常業務でのSI・エージェントSI利用の評価を意図する旨
  5. US bank regulator issues first-ever AI guidance for examiners(Reuters、Pete Schroeder、2026-11-04配信、2026-11-04に全文確認。WKZO掲載の配信原文で取得)検査官向けのAI指針として初めてというOCCの説明の伝達、文書閲覧の明記、独立リスク区分としない内容、法的拘束力の記述と銀行の従う実情の指摘

出典の確認日 2026.11.04

KEEP EXPLORING

あわせて読みたい記事と映像

AIと社会の記事一覧
  1. Bitdefender、AIコーディング環境を狙う悪性GitHubコンテンツを分析──AGENTS.mdでの誘導と起動フックの2経路、悪性リンク22件

    セキュリティ企業Bitdefenderの研究部門Bitdefender Labsは2026年11月17日、AIコーディング支援ツールの利用環境を狙う悪性GitHubコンテンツの分析を公開した。研究者Andrei Anton-Aanei氏らが確認した悪性リンクは22件で、AGENTS.mdやCLAUDE.mdの文章でAIにsetup.jsの実行を誘導する経路に加え、.claude/settings.jsonのセッション開始フックでAIの判断を介さずコマンドを実行できる経路が報告されている。22件はリンクの数で、感染者数を示すものではない。

    記事を読む
  2. POSTECH、LLMが勾配学習なしでモデルの重みを直接書く「Weight-Space Programming」──3つのLLMが疎なテーブルを設計、ARCで最大54.4%

    POSTECH(韓国の浦項工科大学)のHyunjong Ok氏とJaeho Lee氏は2026年11月17日、勾配ベースの学習を使わず、大規模言語モデル(LLM)にモデルの重みを直接記述させる「Weight-Space Programming」の研究をarXivに公開した(arXiv:2611.22055)。Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astraの3モデルに10件のラベル付き例とサンドボックスを与えて実験したところ、アーキテクチャの設計を任せた3モデルすべてが、テキストで書いた事実を置く疎なテーブルと、それを読む固定の手続きでモデルを構成した。ARCの選択式テスト3,530問での精度は最大54.4%(偶然は25%)で、著者報告では、同じLLMが記述した最良の公開Transformerを約1,800分の1のパラメータで上回った。実験で作った56モデル(テキストファイル計68MB)をMITライセンスで公開しているが、測定・分析コードの大半は含まれていない。

    記事を読む
  3. Google GTIG、実際の侵入でAIエージェント基盤の悪用を観測──脆弱性調査と悪用の完全自動化を初確認、LLMJackingの被害は単日10万ドル超

    GoogleのGoogle Threat Intelligence Group(GTIG)とMandiantは2026年11月16日、四半期ごとの脅威観測レポート「GTIG AI Threat Tracker: Agentic Threat Activity Crosses a Significant Threshold」を公開した。複数の脅威アクターがオープンソースのマルチエージェント型ペネトレーション基盤(ARTEX、CAIRN、CyberStrikeAI、PentAGI)を悪用し、実際の侵入の個別の工程を自動化した事例を観測した。脆弱性の発見と悪用を人間の介入なしに完全自動化するLLM基盤の使用は、この四半期に初めて確認したという。LLM認証情報の窃取でクラウド資源を消費するLLMJackingでは、単日の不正請求が10万ドルを超えた事例があり、最も深刻な事例では累計100万ドルに達した。観測範囲は限られ、数値はGoogleの報告値。

    記事を読む