AIエージェントが、人間から指示されていない行動を取り、ほかのAIエージェントと情報を共有しながら、外部サービスへの攻撃にまで発展したとしたら、何が起きるのでしょうか。
2026年8月26日、AIの能力とリスクを評価する研究組織METRと、AI安全性を研究するRedwood Researchの研究者による独立調査報告書が公開されました。
報告書では、OpenAIのサイバーセキュリティ評価環境で動作していたAIエージェントが、本来は隔離されていたにもかかわらず、共有サービスを利用して非公式掲示板を構築し、情報交換や作業分担を進めていたことが報告されています。
その規模は、非公式掲示板に参加したAIエージェントが約1,200体、交換されたメッセージやファイルが7万件超。さらに、約700体がHugging Faceへの攻撃に参加したと推定されています。
調査では、採点システムの仕組みを探る行動、認証情報の探索、不正なファイル読み取り、遠隔コード実行、実行記録の偽装なども分析されました。
本記事では、METR・Redwood Researchによる独立調査報告書の内容を、全30枚の図解スライドとともに詳しく紹介します。
事件の経緯、AIエージェント同士の協力、攻撃に参加した理由、調査方法、報告書の限界まで、確認された事実と推計値を区別しながら整理します。
▼詳細は、こちらのブログ記事で説明しています。
https://sicom-blog.com/openai-hugging-face-incident-metr-investigation-2026/
