不正は急拡大している。決済不正スクリーニングも対応が必要だ。

かつて不正行為は、コストと労働力によって制約されていた。熟練したオペレーター、標的を絞った調査、そして大規模な説得力のある成りすまし——それぞれの要件が、同時に実行できる攻撃の数を制限していた。AIはその制約を取り除きつつある。BCGは、金融詐欺の実行コストが2年以内に90%以上低下すると試算しており、攻撃件数は2倍以上に急増すると予測している。

不正が低コストで実行できるようになれば、量そのものが武器となる。防御のアーキテクチャも、それに見合ったものでなければならない。

AI支援による不正業務がこの転換を牽引している。不正グループはAIを活用して、より巧みな誘引文を作成し、声をクローン化し、数週間かかる事前調査を数時間に圧縮している——依然として人間が業務を指揮しながら。BCGの予測が示す次の段階は、目標を設定し、複数ステップの実行を管理し、人間が各ステップを指示することなくリアルタイムで適応するエージェント型AIシステムの登場だ。

現在の数字はすでに深刻なコントロールの欠陥を示している。AFPの『2026年 決済不正・管理調査』によれば、米国企業の76%が昨年、決済不正の試みまたは実被害を経験した一方、AIを活用して不正を検知しているのはわずか17%にとどまる。Kyribaのグローバル『2026年 CFO調査』も同様のパターンを別の角度から示している。世界のCFOの77%がセキュリティとプライバシーを自社の財務健全性へのリスクとして挙げているにもかかわらず、セキュリティと不正防止を2026年の重要な運営上の優先事項として挙げたのは3人に1人にも満たなかった。

このギャップは情報ではなく、アーキテクチャの問題だ。そのギャップを理解するには、決済不正スクリーニングがこれほどのスピードで変化する攻撃対象に対してどう機能するかを把握することから始める必要がある。ギャップを埋めるには、3つの機能が連携して機能することが不可欠だ。すべての決済をスクリーニングすること、リアルタイムで行動の異常を検知すること、そして現在のリスクに基づいて決済リリースを承認することだ。

取引量が財務・資金管理部門の管理を攻撃対象に変える

企業の財務・資金管理部門は常に高価値の標的であり続けてきた。変わるのは、攻撃のコスト構造だ。詐欺師は今日もAIの支援を受けて不正スキームを実行しており、BCGのエージェント型予測は、不正業務がさらに少ない人間の関与で管理体制をテストし、どこで審査が始まるかを学習し、人間主導のチームでは到底対応できない量で適応しながら突破口を探すことを示している。

財務・資金管理部門のリスク露出は、よく知られた特性から生じている。高額の決済量、複数の取引相手先を含む承認チェーン、そして重要な実行ポイントで人間の判断に依存するAP（買掛金）プロセスだ。四半期に1件の高度な試みを捕捉するように設計された決済不正スクリーニング環境では、週に何千もの適応型の試みには対応できない。

コストの非対称性がリスクをさらに拡大させる。私の経験では、検知されなかった一件の不正な電信送金のコストは、それを防げたであろう年間の検知管理への投資を上回ることが多い。攻撃者にとっての攻撃経済性が改善されるにつれて、この非対称性は広がり続ける。

異なるワークフローの弱点を突く不正の手口

各手口は決済ワークフローの異なるポイントを標的としている。それらが組み合わさって、財務・資金管理部門の攻撃対象が定義される。

ビジネスメール詐欺（BEC）。 最も単純なBECは技術的インフラを完全に回避する。権限を持つ人物に、説得力のある指示が届くだけだ。BECは技術的な手口を使うことも多く、アカウント乗っ取り、ドメインなりすまし、または類似（なりすまし）ドメインを利用して、人間が確認する前にメールサーバーを通過させる。AIはすでに、より巧みな誘引文の生成、公開ソースや侵害されたソースからの高速な事前調査、そして正確な取引先や相手先の詳細を引用した経営幹部へのなりすましによって、両方の手口をさらに強化している。BCGが描く経路に沿ってエージェント型システムが成熟するにつれ、キャンペーンの規模は人間主導の業務の処理能力を超えて増大するだろう。

決済のリダイレクトと請求書詐欺。 不正な銀行口座情報は、最も注目度が低い瞬間にAPワークフローに侵入する。成功するまで通常の取引パラメータの範囲内にとどまるため、静的なルールに基づく管理体制には合法的な決済として見えてしまう。

大規模ななりすまし。 声のクローン化と合成アイデンティティ生成はますます利用しやすい機能となっている。不正オペレーターはAIを使いながら、各キャンペーンを標的のコミュニケーションスタイルや承認ワークフローに合わせて調整しつつ、同時に複数のキャンペーンを実行できる。かつては大規模で熟練したチームが必要だったパーソナライゼーションが、今や自動化されつつある。これらのキャンペーンは、多くの不正管理が依存している人間によるレビュー層を突破するように設計されている。

各手口はワークフローの異なる層を攻撃する。BECは人間の判断を圧迫し、請求書詐欺は取引先データを悪用し、なりすましは承認規律を試す。3つすべてが同じ瞬間に収束する——実行ポイントで決定を待っている決済だ。

単一の承認ポイントこそが真のリスク

CISOとして私が最も一貫して目にするパターンは、運用効率のために設計された承認アーキテクチャが、大量に探索する忍耐力とツールを持つ敵に対してストレステストされたことがないというものだ。

自動化された不正キャンペーンはその弱点を悪用するように構築されている。高額取引に対する単一承認者のワークフローは既知の攻撃経路だ。AI支援のBECキャンペーンは、オペレーターがそうしたワークフローを特定し、既知の決済サイクルに合わせて指示のタイミングを計り、より大きな規模でキャンペーンを展開するのを可能にする。

具体的な例を考えてみよう。ある取引先のメールアカウントが3週間前に侵害された。密かに、身代金要求もなく、目に見える被害もなかった。その単一のアクセスポイントが、その後のすべてを可能にする。AIツールを使って侵害された受信ボックスから請求書スレッド、支払条件、カレンダーエントリーをマイニングした不正オペレーターは、金曜日に予定された230万ドルの電信送金を特定する。水曜日までに、オペレーターはAIを使って作成・洗練させた偽のCFO指示を生成する。正確な取引先名、金額、相手先を引用し、決済ウィンドウが開いているときに単一のAP承認者に届くようタイミングを計った内容だ。

メールの侵害が機会を生み出す。リスク露出はその後に起こることだ。侵害された情報が単一の承認ポイントを持つワークフローに届き、その一人の承認者が不正な指示を承認済み決済に変換する権限を持っている。二次的で独立したチェックが資金の流出との間に立っていれば、なりすましの指示の技術的洗練度がいかに高くても意味をなさない。

ここでは人間の不正オペレーターがすべてのステップを指示している。BCGのエージェント型予測は、この同じシナリオがオペレーターなしで動作し、リアルタイムで適応することを示している。承認アーキテクチャは、誰が、あるいは何が攻撃を指示しているかに関わらず機能するように構築された管理策だ。

スクリーニング・検知・承認モデル：効果的な決済不正スクリーニングに必要なもの

そのリスク露出を閉じるには、一つの管理策以上のものが必要だ。スクリーニング・検知・承認モデルは3つの機能を重ね合わせ、それぞれが他の機能が見逃す障害点をカバーする。

すべての決済をスクリーニングする。 ルールベースの管理策は依然として必要であり、成熟したプログラムはそれを廃止すべきではない。既知のパターンを確実かつ低コストで捕捉できる。その限界は予測可能性にある。ルールは設定された内容にフラグを立てるものであり、それに遭遇した自動化された不正システムは、ルールがカバーしていないパスを見つけるまでアプローチを適応させる。これはまさに、何千もの適応型テスト試行が見つけるように設計されているものだ。効果的な決済不正スクリーニングは、取引先データ、行動シグナル、文脈的異常を同時に評価することでその予測可能性の問題を排除する——すべての取引について、決済後ではなく決済実行前に。

異常な行動を検知する。 行動異常検知は、スクリーニング単独では捕捉できないものを補完する。個々のルールでは正常に見えるが、取引先、口座、または決済タイプに対して確立されたパターンから外れている決済だ。私がレビューしたコントロール環境では、不正な指示がワークフローに入ってから資金が口座から流出するまでの時間が、それを捕捉するために設計されたレビューサイクルよりも短い場合がある。これが、ワークフロー内で最初の検知判断を最も重要なものにしている。行動検知も万能ではない。プロファイリングされていることを理解している攻撃者は、徐々に行動を調整してベースラインに溶け込む可能性がある。だからこそ、ルールや承認管理と連携して機能しなければならず、それらの代替であってはならない。

動的にリリースを承認する。 決済承認管理は、職務分掌を通じて一方的なリリースを防ぐ。定義された閾値を超えると、いかなる個人も単独で承認権限を持つべきではなく、ワークフローはデュアルコントロールまたはフォーアイズ原則（四眼確認）を必要とすべきだ。ただし、この構造は動き続けなければならない。承認チェーンは、洗練された不正業務がマッピングできる固定シーケンスとして機能するのではなく、決済規模、取引先履歴、リアルタイムのリスクシグナルに適応するものでなければならない。

各機能は明確な弱点に対処する。スクリーニングは量を捕捉し、行動異常検知は適応を捕捉し、決済承認管理は他の2つを必要とする単一障害点を排除する。単一の層では十分にリソースを持った不正業務を止めることはできない。組み合わせることで、ルール単独では対処できないギャップを閉じる。

次の決済がリリースされる前に管理策をストレステストする

スクリーニング・検知・承認モデル全体で、すべての財務チームが評価すべき5つの側面：

1. 決済不正スクリーニングのカバレッジ： スクリーニングはすべての取引に対して実行されているか、それともサンプリングされたフラグ付き決済のみか？自動化された不正はサンプリング閾値以下にとどまるように調整されている。サンプリングされた決済に限定されたカバレッジは既知のブラインドスポットを生む。
   

2. 検知の適応性： 行動異常検知は、手動のルール変更なしに新しい攻撃パターンに更新できるか？できない場合、検知は設計上捕捉すべき不正に遅れを取ることになる。その遅れは他の場所に現れる前に、損失事象と例外量として顕在化することが多い。
   

3. 決済承認管理のアーキテクチャ： 承認ワークフローに、標的型BECやなりすましキャンペーンが悪用できる単一障害点が含まれているか？それらのポイントを特定することが、管理体制の再設計の出発点だ。
   

4. モニタリングの継続性： 不正モニタリングはリアルタイムで機能しているか、それとも自動化されたシステムが回避できるレビューサイクルの遅延を生じさせているか？検知の速度は管理要件だ。
   

5. 監査可能性： 組織は、タイムスタンプを含む定義されたスコープ内のすべての決済承認について、オンデマンドで完全な監査証跡を提供できるか？この証跡は検知インプットであると同時に、損失事象後に監査委員会が最初に要求する文書でもある。

まとめ

企業の財務・資金管理部門における決済不正リスクプロファイルは、安定に向かうことはない。BCGは、エージェント型システムが金融詐欺の経済性を実質的に変える前に、財務チームに2年間の予測ウィンドウを与えており、すでに不正検知にAIを活用している17%の組織は、残りの市場がまだ持っていない経験を積み上げている。

決済不正を定期的なレビューの問題として扱っている組織は、それがリアルタイムのバランスシート問題であることを思い知ることになる。来四半期に貴社の取締役会に説明するとすれば、私はこう伝えるだろう。資金が移動する前に、3つのことが真でなければならない。決済がスクリーニングされ、アクションが承認され、証跡が監査可能であること。決済不正スクリーニング、行動異常検知、決済承認管理を管理アーキテクチャに組み込んでいる財務チームこそが、そのケースを提示できる組織だ。スクリーニング・検知・承認モデルは、いかなる監査委員会にも提示すべきものであり、貴社の委員会にも提示されるべきだ。

同じアプローチが、Kyribaにおける決済セキュリティの管理方法を形作っている。