# [第1部] 調査AIの実践手法：経営幹部の視点 > Talking Tradecraftシリーズ第1回で、Babel Streetのリーダーが調査手法、エージェント型AI、人間の判断、インテリジェンスの未来を議論 **Published:** Sep 3, 2026 **Topics:** Agentic Risk Intelligence --- > **調査技法とは？** > > 調査技法とは、調査担当者やインテリジェンス分析官が情報を収集し、証拠を評価し、情報源を検証して、根拠をもって説明できる結論に至るための体系的な方法論です。Talking Tradecraftシリーズの第1部では、組織がエージェント型AIやAI支援型の調査ワークフローを導入する中で、これらの原則が引き続き不可欠である理由をBabel Streetの経営幹部が解説します。 Babel Streetの創業以来、当社は、インテリジェンスアナリストや調査担当者が、業務の遂行と洞察に基づく意思決定に必要なデータを見つけ、分析できるよう支援することに注力してきました。この使命は変わっていませんが、専門家が業務を行うスピードと規模は変化しており、当社も進化を続けています。 このたび、トレードクラフトを組み込んだエージェント型AI機能である「[Babel Street Insights Investigator](https://www.babelstreet.com/insights-investigator-agentic-ai-risk-intelligence)」をリリースしたことを機に、トレードクラフトの本質的な意味、AI時代においてこれまで以上に重要となる理由、そして組織が調査の未来をどのように捉えるべきかについて考察を始めました。 Talking Tradecraftシリーズの第1回では、Babel StreetのリーダーであるCEOのBenji Hutchinson、社長兼最高AI責任者のJohn Larson、戦略担当エグゼクティブ・バイスプレジデントのPat Butlerに、調査技法に対する見解を聞きました。3人の回答からは、テクノロジーが変化しても、規律ある調査思考がインテリジェンスの基盤であり続けるという共通のテーマが浮かび上がりました。ほかにも、次のような知見が得られました。 ## 調査における専門的手法の真の意味 15年前、課題は多くの場合、適切なデータを見つけることでした。現在の課題は、圧倒的な情報の洪水から意味を見いだすことです。オープンソース情報の爆発的な増加と人工知能の進歩により、調査を取り巻く環境は根本的に変化しました。しかし、こうした変化の中でも変わらないものがあります。それは、専門的な調査手法の重要性です。 > _経験豊富な調査担当者は、単にどこを調べるべきかを知っているだけではない。どう考えるべきかを理解している。_ Pat Butlerは、トレードクラフトを、蓄積された意思決定の専門知識として捉えるのが最も適切だと考えています。彼は次のように述べています。「時間をかけて専門性を高め、十分な数のパターンを目にすることで、人は頭の中に意思決定ツリーを構築します。トレードクラフトとは、その意思決定ツリーをより高い精度で理解することです。専門性が高い人ほど、その意思決定ツリーで理解している分岐も多くなります」 John Larsonにとって、トレードクラフトは具体例を通じて明らかになる。わずかな視覚的指標から能力を推定できる打ち上げロケットの専門家は、トレードクラフトを実践している。ソーシャルメディアのプロフィールを起点に、関連するデジタル上のアイデンティティ、連絡先情報、現実世界の指標へと体系的に結び付けられる調査担当者も、トレードクラフトを活用している。いずれの場合も、専門知識が再現可能な調査プロセスへと変換される。 Benji Hutchinsonは、任務の観点からトレードクラフトを捉えています。具体的な手法は、商業リスクチーム、軍事情報アナリスト、国家安全保障の調査官によって異なる場合がありますが、その根底にある原則は同じです。彼は次のように述べています。「トレードクラフトの意味はさまざまですが、常に各自の任務に立ち返ります。任務を効果的に遂行するために用いられる情報源と手法が根底にあります。私はトレードクラフトをそのように捉えています」 これらの見解に共通するのは、トレードクラフトはツールではなく、プロセスを通じて適用される判断力であるという認識です。 ## インテリジェンス分析におけるデータ不足からデータ飽和への転換 The rise of [オープンソース・インテリジェンス](https://www.babelstreet.com/osint-and-threat-intelligence-solutions)の台頭により、調査環境は一変しました。 現代のアナリストは、過去のどの世代よりも多くの公開情報にアクセスできます。ソーシャルメディア・プラットフォーム、メッセージング・アプリケーション、オンラインフォーラム、公的記録、商用データベース、ダークウェブ上の情報源、世界各地のニュース報道により、人、組織、出来事、新たなリスクをかつてないほど可視化できるようになりました。こうした豊富な情報は機会をもたらす一方で、新たな課題も生み出します。 情報が限られていた時代には、収集すること自体が価値を生む場合が多くありました。しかし現在では、より多くの情報を収集しても、必ずしも質の高いインテリジェンスにつながるとは限りません。多くの場合、単にノイズが増えるだけです。 当社の経営陣によると、現代の調査における最も重要な変化の一つは、どの情報が重要かを見極めることの重要性が増している点です。課題は、シグナルを特定し、文脈を理解し、意思決定に有意義な情報をもたらす調査結果を導き出すことにあります。 この変化により、分析の厳密性が一層重要になっています。より的確な問いを立て、より優れた仮説を構築し、断片的な情報を結び付ける能力は、入手可能な情報量以上に重要となる場合が少なくありません。 ## 調査実務におけるAIの限界 AIをめぐる市場の議論はスピードに焦点を当てがちですが、当社チームによれば、アナリストが回答の根拠を説明できなければ、迅速な回答にもほとんど価値はありません。 多くのAIシステムが、結論に至った過程を示す明確な根拠を提示せず、もっともらしい結論を生成する傾向は、繰り返し懸念として挙げられました。ハルシネーションは依然として課題ですが、追跡可能性、出所、再現性にも問題があります。 経験豊富な調査担当者は、当然のこととして前提を疑い、別の説明を検討し、自らが誤っている可能性を示す根拠を積極的に探します。AIシステムは、これを常に自律的に行えるわけではありません。 AIのみに依存する危険性は、十分に検証されていない回答に対して、根拠のない確信を抱かせる可能性があることです。確かな調査手法は、その是正メカニズムとして機能します。調査担当者に対し、最初にもっともらしいと思われた結論を受け入れるのではなく、前提を検証し、情報源の妥当性を確認し、相反する説明を精査するよう促します。 ## エージェント型AI時代に求められる調査手法 組織が、複数ステップのワークフローを計画・実行・統括できる「[エージェント型AI](https://www.babelstreet.com/solutions/strategic-threat-intelligence)」システムの導入を進める中、調査手法の役割はこれまで以上に重要になります。 Benjiは次のように述べています。「AIによって、ケースオフィサーやオペレーターに代わって業務を遂行する半自律型エージェントが増える世界が到来します。ノイズの中からシグナルを見つけ出すには、エージェントとエージェント型アーキテクチャを活用する必要があります」 今後、エージェントは、情報収集、相関分析、調査、ワークフロー実行の大部分を担うようになります。しかし、優れたシステムは単にタスクを自動化するだけではありません。経験豊富な調査担当者が培ってきた論理、規律、意思決定の枠組みを組み込みます。 実務上、これはエージェント型システムが、結論を提示する前に、問題を分解し、複数の調査経路を追究し、調査結果を検証し、証拠に潜在的な欠落がないかを特定する方法を理解しなければならないことを意味します。つまり、エージェントは実証済みの調査原則に従って動作する必要があります。 これらのシステムに求められる基準は、迅速さやもっともらしさではありません。意思決定に直結する調査結果、すなわち、引用可能で追跡可能、かつ裏付けがあり、確信度が明確で、競合する説明を明示し、証拠の不足を率直に示すものでなければなりません。 分析手法は、エージェントによる行動の範囲も規定しなければなりません。エージェントが回答の生成から計画策定と実行へと進化する中、組織には、エージェントがアクセスできる対象、実行できるアクション、人による承認が必要な場面、すべてのアクションを記録・監査する方法について、明確なルールが必要です。 ## AI支援型調査で人間の判断が不可欠であり続ける理由 エージェント型AIの台頭により、アナリストが将来果たす役割について議論が生じています。 Babel Streetの経営陣の見解は一貫していました。AIは人間の判断力を低下させるのではなく、手作業による関与を減らすべきです。日常的な情報収集や調査業務の自動化が進む中、アナリストは手作業での情報収集に費やす時間を減らし、監督、状況把握、優先順位付け、説明責任により多くの時間を充てるべきです。 Johnは、エージェント型システムの能力が向上しても、人間のアナリストの役割がなくなることはないと考えています。むしろ、出力に信頼性があるか、十分な根拠に裏付けられているか、目的に適しているかを誰かが判断しなければならないため、人間の判断は引き続き不可欠です。Johnは次のように述べています。「最終的には、人間がAIの中心にいなければなりません。出力を確認し、評価・査定し、裏付けを取り、エージェントに異議を唱えて『これは正しい答えではない』と伝えるためです。最終的に人間がエージェントを制御できるよう、エコシステム全体を設計する必要があります」 これは、説明責任を他者に委ねることができないため重要です。組織はワークフローを自動化できても、結論、意思決定、結果に責任を負う人間が依然として必要です。 ## 政府インテリジェンスから商業リスク調査へ 多くの情報活動の実務概念は、政府機関やインテリジェンス分野で生まれたものですが、インタビューに応じた経営幹部は、現在では民間分野でも同様に重要になっていると考えています。 企業のセキュリティチーム、不正調査担当者、コンプライアンス専門家、[サプライチェーンリスク管理者](https://www.babelstreet.com/supplier-vetting-for-supply-chain-risk-management)、経営幹部保護プログラムは、情報が多すぎる一方で明確さが不足しているという、情報機関と同じ根本的な課題に直面するケースが増えています。 規制当局による監視が強まり、組織の意思決定がデータに基づく評価への依存を深める中、説明可能性、追跡可能性、情報源の検証といった概念は、インテリジェンス分野に限られた課題ではなく、ビジネス上の要件となっています。 最も優れた成果を上げる組織が、必ずしも最多のデータにアクセスできるとは限りません。そうした組織が備えているのは、情報を信頼できるインテリジェンスへと変換するための強固なプロセスです。 ## 未来を切り拓くのは、調査実務を組織に定着させる組織 次世代のリスクインテリジェンスを決定づけるのは、AIを最も効果的に活用する組織です。 持続的な優位性を獲得する組織は、人間の専門知識、実証済みの調査手法、信頼できるデータ、大規模に実行可能なエージェント型システムを組み合わせます。また、ブラックボックス型の自動化よりも透明性を、無制御なスピードよりも確実性を伴う迅速性を、表面的な生産性向上よりも正当性を立証できる成果を優先するワークフローを構築します。 重要なのは、スピードと信頼性のどちらかを選ぶことではありません。透明性と説明可能性を確保しながら迅速化を実現し、結論に至った経緯と、その結論を信頼できる理由を把握したうえで、組織がより迅速に行動できるようにすることです。 トレードクラフトは、常に情報を行動へと変えることを本質としてきました。 エージェント型AIの時代に成功するのは、トレードクラフトそのものを拡張可能な能力へと転換し、アナリストの力を引き出し、AIを導き、リーダーが信頼できるインテリジェンスを生み出す組織です。 > **近日公開** > > [「トレードクラフトを語る」シリーズ第2回](https://www.babelstreet.jp/blog/talking-tradecraft-part-2-tradecraft-at-scale)では、Babel StreetがトレードクラフトをInsights Investigatorのワークフローにどのように組み込んでいるかを解説します。 > > 第3回では、実務担当者へのインタビューを通じて、確かな調査技法を実践するために従っている原則を紹介します。 ## よくある質問 **調査技法とは？** 調査技法とは、アナリストが情報を収集し、情報源を評価し、仮説を検証して、根拠をもって説明できる結論に至るための体系的なプロセスです。方法論、経験、判断力を組み合わせることで、生の情報を信頼できるインテリジェンスへと変換します。 **インテリジェンス分析における分析技法の重要性** 分析手法が重要なのは、アナリストが重要な情報とノイズを切り分け、証拠を検証し、根拠のない結論を避けるうえで役立つためです。インテリジェンス分析では、確かな分析手法によって、最終評価の正確性、追跡可能性、信頼性が向上します。 **エージェント型AIとは** エージェント型AIとは、複数のステップからなるタスクを一定の自律性をもって計画、実行、調整できるAIシステムを指します。調査ワークフローでは、定められたルールと権限に従いながら、情報の収集、関連付け、整理を支援します。 **AIによる調査支援の仕組み** AIは、調査の迅速化、大規模なデータセットにまたがる関連性の抽出、情報の要約、アナリストによる手掛かりの優先順位付けを支援することで、捜査をサポートします。捜査に最も効果的なAIは、人間による分析に取って代わるのではなく、その能力を高めます。 **AI支援型調査における人間の判断の重要性** アナリストは、文脈を評価し、前提を疑い、証拠を検証したうえで、AIが生成した調査結果に信頼性があり、目的に適しているかを判断する必要があるため、人間の判断が不可欠です。調査上の結論に対する説明責任をAIに委ねることはできません。 **AIと調査技法の違い** AIは、情報を処理し、調査の一部を自動化できる技術です。調査技法とは、どのような問いを立てるべきか、証拠をどのように検証すべきか、結論に十分な裏付けがあるかを判断する、人間主導の方法論です。 **Babel StreetによるAIへの分析手法の適用** Babel Streetは、情報源の検証、透明性、再現性、人による監督を重視した調査ワークフローを構築することで、AIにインテリジェンス分析の手法を適用しています。その目的は、アナリストがプロセスを制御しながら、AIを活用して規律あるインテリジェンス業務を拡張できるようにすることです。 **Talking Tradecraftシリーズの第2部と第3部で読者が期待できる内容** [第2部](https://www.babelstreet.jp/blog/talking-tradecraft-part-2-tradecraft-at-scale)では、Babel Streetが調査技法をInsights Investigatorのワークフローにどのように組み込んでいるかを解説します。第3部では、確かな調査技法を支えるルールと習慣について、実務家の視点を紹介します。