Block における OpenAI Daybreak：AI セキュリティの成果、トリアージ処理量 50% 向上、パッチ提案 18 分

OpenAI は2026年10月14日、Square、Cash App、Afterpay を展開する企業である Block が、OpenAI Daybreak や OpenAI Defense Factory などの OpenAI のセキュリティツールをどのように活用して脆弱性の発見・検知・対応を自動化しているかを説明するカスタマーストーリーを公開しました。見出しとなる主張は「スピード」で、以前は数日から数週間かかっていた作業が数時間で完了するようになり、Block はトリアージ処理量の 50% 向上、インテリジェンス収集と調査の 50% 増加、四半期あたり約 1,100 アナリスト時間の調査完了を報告しています。

この投稿は、技術論文や製品発表ではなく、顧客のケーススタディです。モデルのバージョン番号、ベンチマーク手法、報告された数値の独立した検証は含まれておらず、すべての数値は OpenAI が説明する Block 自身のセキュリティチームによるものです。

OpenAI が発表した内容

OpenAI は、Block のセキュリティ組織に関するカスタマーストーリーを公開し、OpenAI Defense Factory と OpenAI Daybreak という2つの OpenAI 製品を中心に据えました。Defense Factory は、AI が人間のチームでは追いつけない規模で脆弱性の発見・検知・対応を処理する環境として説明されています。Daybreak は、Block のチームがその上に構築するモデルです。

Block の最高情報セキュリティ責任者（CISO）である James Nettesheim 氏は、この変化を攻撃者と防御者の有利性の再調整と位置付けています：

「AI は人間の意図から行動までの時間を圧縮しています。しばらくの間、攻撃者はより速く機敏であるため有利であると考えられていました。しかし、Daybreak や OpenAI のツールの進歩により、防御者は火には火で対抗し、AI 採用の急速なペースに追いつくことができるようになりました。」

Block がモデルとの連携を説明する方法

Block のセキュリティチームは、AI を従来の自動化ではなく、スケーラブルなチームメイトと特徴付けています。Nettesheim 氏はこの2つを直接対比しています：

「本当に中心となるのは、一緒にスケールできる新しいチームメイトがいることです。昔ながらの自動化のように一歩一歩進める必要はありません。かなり特注の曖昧な問題をプロンプトで指示して、一緒に解決していくことができます。」

投稿によると、ソフトウェアのバグのレビューやログの解析などのタスクは、以前は数日から数週間かかっていましたが、現在はほんのわずかな時間で完了し、すべての結果を人間が検証します。

主な結果

OpenAI は、Block のセキュリティチームによる以下の数値を挙げています：

指標	報告された結果
提案された検知変更を7か月分のテレメトリに対して再生	1時間未満
高レベルの脆弱性から自動提案パッチまで（最近のレッドチーム演習）	18分
チームに戻された誤検知トリアージ時間	四半期あたり約600アナリスト時間
完了した調査作業	四半期あたり約1,100アナリスト時間
トリアージ処理量	50% 向上
インテリジェンス収集と調査	50% 増加

検知チューニング：7か月分のテレメトリに対する変更の再生

Block の検知チューニングワークフローは、すべての調査の生のクエリ証跡を保存します。この保存された証跡により、チームは提案された検知変更を7か月分の本番テレメトリに対して1時間以内に再生できます。投稿では、この作業は以前は数百件の過去のケースを手作業で再クエリする必要があり、非常に時間がかかるため、しばしばまったく実行されなかったと述べられています。

脆弱性の発見：攻撃を連鎖させて完全な侵害経路にする

従来のスキャンツールは、単一の脆弱性を単独でフラグ付けします。投稿によると、Daybreak は代わりに攻撃パターンについて仮説を立て、一連の攻撃をエンドツーエンドの完全な侵害経路に連鎖させ、何年も存在していた可能性のある脆弱性を浮き彫りにします。

投稿で説明されている例の1つ：1台のラップトップへのアラートは、それだけを見ると軽微なポリシー問題のように見えました。ピアレビュー中に、モデルは証跡に偶然にしか現れなかった指標を追跡し、それを Block のアイデンティティログと結合し、はるかに大きな一連の問題を浮き彫りにしました。Nettesheim 氏のこのケースの要約：

「1つの日常的なエンドポイントアラートがキャンペーン摘発になりました。単一のツールでその結合を実現できるものはありません。そのシグナルは2つの製品のログにまたがってのみ存在します。」

レッドチームの結果：2時間対数日

最近のレッドチーム演習では、モデルは内部システムに関するいくつかのヒントを与えられ、完全な攻撃経路（SQL インジェクション、権限昇格、足場の確保、認証情報の列挙、他のシステムへのピボット）を約2時間で連鎖させました。投稿では、これは通常、人間のレッドチーマーには数日かかると述べられています。また、最近のレッドチーム演習では、高レベルの脆弱性の提出から自動提案パッチまでの時間が18分だったと報告されています。

修復には人間が介在する

脆弱性の発見は、それを修正できる場合にのみ有用です。Nettesheim 氏は、すべての発見に適用される一貫したプロセスを説明しています：問題がコードのどこにあるかを特定し、その所有者を特定し、その後修復に移ります。彼の言葉では、チームは「パッチを提案し、悪用可能性を確認し、修正されたことを検証します。人間がそれを導き、コード変更を展開します。」

投稿は、人間が中心であり続ける理由を明確に述べています：エージェントは組織のコンテキストや過去の決定の背後にある推論を持ちません。人間がそのコンテキストと戦略を提供し、Block のチームは人間によるレビュー層を提供します。Nettesheim 氏は自律性への段階的なアプローチを説明しています：

「リスクレベルを徐々に上げて、より機密性の高いシステムに使用していきます。」

モデルルーティングとセキュリティハーネス

Block は、どのモデルがどのジョブを処理するかについて、より選択的になったと報告しています。Nettesheim 氏はこの慣行の変化に言及しています：

「以前は最新のモデルを使用していましたが、もうその必要はありません。タスクごとに異なるモデルを選ぶことは学びの経験でした。」

Block のセキュリティハーネスは Daybreak の上に構築され、タスクを適切なモデルにルーティングします。ハーネスには、人間がタスクを引き継ぐためのフックと、エージェントがお互いの作業を検証するためのフックが含まれています。チームは、これらのシステムを内部ベンチマークと実際のパフォーマンスに対して継続的に評価し、必要に応じてアプローチを調整していると述べています。責任ある経路である場合には、作業を人間のレビューにルーティングすることも含みます。

今後の展望

検知と対応の作業だけで、以前は誤検知のトリアージに費やされていた四半期あたり約600アナリスト時間が戻ってきました。Block は現在、その時間をより深い調査と、より自動化を責任を持って構築することに費やしていると述べています。

将来を見据えて、Nettesheim 氏はそもそも導入される脆弱性の数を減らすことを指摘しており、これによりセキュリティチームはパッチ適用に費やす時間を減らし、予防的で戦略的な作業により多くの時間を費やすことができるようになります。彼はより広い意味を「アクセス」として捉えています：

「OpenAI は、これらの高度な機能をすべての人の手に渡すことで、防御者に有利になるようシフトしています。これまでは、ほとんどが有名なテクノロジー企業や政府の手にしかありませんでした。しかし、重要インフラ、学校、中小企業を含むすべての人が、このテクノロジーを活用してネットワークを防御できるようになりました。」

ソースが語らないこと

OpenAI の投稿は、Daybreak の背後にある特定のモデルバージョンを挙げておらず、Defense Factory のアーキテクチャや価格についても説明しておらず、Block が言及する内部ベンチマークも公開していません。パフォーマンス数値は Block による自己報告であり、外部監査なしで提示されているため、独立して測定された評価ではなく、ベンダーが公開した顧客の説明として読むべきです。