GitHub AI Scanは、AIでコードを調べ、脆弱性の候補を開発者に知らせるGitHubのコードスキャン機能です。PHPやTerraformの変更をレビューするならプルリクエスト(PR)向け、既存コードを棚卸しするならリポジトリ向けが候補になります。AIアプリ固有のリスクを調べる場合は、専用のスキャンを別途有効にします。

GitHub Universe 2026前後に発表された7機能について、法人の開発責任者・セキュリティ担当者が導入範囲を決めるための条件を整理します。提供状況・ライセンス・課金条件は2026年11月22日に公式資料で確認しました。

この記事でわかること

  • GitHub AI Scanが何で、CodeQLと何が違うのか
  • 7つの新機能の提供状況(GAかプレビューか)、必要ライセンス、AIクレジット消費の有無
  • PR向けとリポジトリ向けのAI Scanで、できることとできないこと
  • AIエージェントや生成AIアプリを開発する組織が見るべき3つの機能
  • 法人が予算上限を決めたうえで、どの順で有効化するかの提案

新しいセキュリティ機能は「見つける」「直す」「入口を守る」の3系統

PRのレビュー担当者に必要なのは、どこで問題が見つかり、誰がその指摘を扱うかです。7機能を、コードの検査、修正と優先順位付け、開発環境への出入りを制御する機能に分けて見ていきます。

GitHub AI ScanとCodeQLの違い

CodeQLはクエリを使ってコードを静的解析します。リポジトリのルールセットで、指定した重大度以上の新たなアラートを持ち込むPRのマージを制限できます。

AI ScanはAIでコードを解析し、PRではCodeQLの解析対象外になっている一部の言語やフレームワークも調べます。PR向けAI Scanの指摘はレビュー担当者への助言です。GitHubによるAI ScanとCodeQLの位置づけ

リポジトリ向けAI Scanはデフォルトブランチを手動で調べます。こちらはCodeQLが対応する言語も対象です。AIアプリ向けコードスキャンはPRを対象に、モデルが外部から受け取るデータやツール権限に伴うリスクを調べます。

目的別に見る7機能の役割

系統機能役割
見つけるPR向けAI Scan、リポジトリ向けAI Scan、AIアプリ向けコードスキャンコードの脆弱性やAI固有のリスクを指摘する
直す・優先付けるAgentic autofix、Dependabot到達可能性分析指摘を修正PRにし、依存関係のアラートに優先順位を付ける
入口を守るAI push protection、Package firewall秘密情報の流出と、悪意ある依存パッケージの取り込みを止める

なぜ今、法人の開発組織に関係するのか

たとえば、コーディングエージェントが作ったPRで依存パッケージを追加する場合、コードの変更と、開発端末やCIが実際に取得するパッケージの両方を確認する必要があります。

前者のレビューを補うのがPR向けAI Scanです。後者にはPackage firewallを使い、組織のポリシーで取得できるパッケージを制限します。秘密情報の混入をpush時に止めたい場合は、別の機能であるAI push protectionが候補です。

お知らせ

AIの指摘を開発チームでレビューする際の役割分担を考えたい方へ。当協会のAI駆動開発研修では、開発フローの中でのレビューとセキュリティを扱います。

法人研修のカリキュラムを見る

7機能の提供状況・必要ライセンス・AIクレジット消費を一覧で確認する

一般提供(GA)とパブリックプレビューでは、仕様変更を見込む度合いが異なります。試用時の費用は機能ごとに異なるため、契約要件と利用分の課金を分けて確認してください。

機能別の早見表

機能提供状況対象プラン・ライセンス利用時の課金
PR向けAI ScanGA組織のprivate/internalはCode SecurityかAdvanced Security。Copilotライセンス不要Code Security AI credits
リポジトリ向けAI Scanパブリックプレビュー組織のprivate/internalはCode SecurityかAdvanced Security。Copilotライセンス不要Code Security AI credits
AIアプリ向けコードスキャンパブリックプレビュー(GitHub.com)GitHub Advanced Security。対象の公開リポジトリでもライセンスが必要ライセンスに加えてAIクレジットを消費
AI push protectionパブリックプレビュー(既定で無効)Secret ProtectionかAdvanced Securitypush時のAI検査でSecret Protection AI creditsを消費
Agentic autofixGAEnterprise CloudのCode SecurityかAdvanced SecurityCode Security AI creditsとActions実行時間を消費
Dependabot到達可能性分析パブリックプレビューEnterprise Cloud。Advanced Security不要プレビュー中は解析のActions実行時間を含め無料
Package firewallパブリックプレビュー(npmのみ)Enterprise Cloudプレビュー中は無料。GA後は従量課金の予定

表は各機能の GitHub Changelog と AI Scanの公式ドキュメント に基づきます。PR向けAI ScanとAgentic autofixは10月15日に一般提供され、リポジトリ向けAI Scanは10月28日にプレビューとして発表されました。

PR向けとリポジトリ向けのAI Scanでは、組織所有の公開リポジトリにアクティブコミッターのライセンスは不要です。公開リポジトリのスキャンにもAIクレジットはかかります。

ライセンス別に見ると、使える範囲がこう変わる

自社の契約から逆引きすると、次のようになります。

  • Code SecurityまたはAdvanced Securityがある組織は、private/internalリポジトリでPR向け・リポジトリ向けAI Scanを利用できます。Enterprise CloudではAgentic autofixも候補です。AIアプリ向けスキャンにはAdvanced Securityが必要です。
  • Secret ProtectionまたはAdvanced Securityがある組織は、通常のpush protectionとAIによるシークレット検出を有効にすると、AI push protectionも利用できます。
  • Enterprise Cloudがある組織は、Dependabot到達可能性分析とPackage firewallを、プレビュー中は追加費用なしで試せます。
  • GitHub Enterprise Server(GHES)を使っている組織では、リポジトリ向けAI ScanとAIアプリ向けコードスキャンは対象外です。リポジトリ向けはGitHub.comとデータ所在地を指定したEnterprise Cloudで提供されています。AIアプリ向けの提供範囲

個人所有の非公開リポジトリは、PR向け・リポジトリ向けAI Scanの対象外です。Enterprise Managed Usersの個人領域にも制限があります。業務用リポジトリは所有者と公開範囲を確認してください。GitHubの利用条件

AIクレジットの消費と月次予算の決め方

PR向けとリポジトリ向けのAI Scanは、請求画面の「AI usage」にCode Security AI creditsとして計上されます。請求先にCopilot契約の付帯クレジットがあれば先に充当され、枠を使い切った後は従量課金になります。付帯枠がなければ最初から従量課金です。GitHubのライセンスとAI利用料

追加支出を制限したい場合は、課金項目(SKU)ごとに月次予算を設定し、上限到達時に利用を停止するオプションを選びます。通知だけの予算では利用は続きます。利用可能なクレジットがなくなるとAI Scanは新しい指摘を出せなくなるため、通知を受け取る担当者も決めておきます。

AI push protectionには別の課金項目(Secret Protection AI credits)があります。有効化後に検査したpushの内容量に応じて消費し、秘密情報が見つからなかったpushも対象です。

AI Scanの公式資料では、1回のスキャンに共通する固定料金は確認できません。見積もるには、試行期間中の対象PR数・手動スキャン回数と、同じ期間に「AI usage」に計上された消費量を照合します。Agentic autofixを試す場合はActionsの実行時間も別に記録します。

機能別の仕様と運用上の制約を押さえる

導入後に「思っていたのと違う」となりやすいのは、制約です。各機能について、動く条件と、できないことを先に確認します。

PR向けAI Scanの指摘とマージの条件

PR向けAI ScanはGA済みで、CodeQLが対応していない領域を補います。対象の例は、PHP、Shell/Bash、Terraform(HCL)、Dockerfile、JavaのJSP、C#のBlazorです。PR向けAI Scanの対象言語と制約

対象リポジトリでcode scanningとPR向けAI Scanを有効にすると、対象言語の変更を含むPRの作成時とコミットの追加時にスキャンします。CodeQLのデフォルト設定は必須ではありません。結果はPRのConversationタブとFiles changedタブに「AI」の表示付きで並び、リスクの説明や修正案を読めます。

対象外のPRと指摘の扱いも確認しておきます。

  1. 助言(advisory)扱いです。code scanningのチェックを失敗させません。rulesetでマージをブロックすることもできません。
  2. フォークからのPRでは動きません。
  3. Dependabotが作るPRでも動きません。
  4. セルフホストランナーは対象外です。

必ず満たすべき条件はCodeQLなどの必須チェックに設定し、AI Scanの指摘は誤検知も考慮してレビュアーが修正の要否を判断します。担当の決め方は、AIコードレビューの人間とAIの役割分担が参考になります。

リポジトリ向けAI Scanは一度の棚卸しに向く手動実行

リポジトリ向けは、デフォルトブランチの最新コミットを対象に、PR差分に限らずリポジトリ全体の脆弱性を探します。対応言語は「すべての言語」で、CodeQLの対応言語でも追加の脆弱性が見つかることがあります。結果はコードスキャンのアラート一覧に、CodeQLの指摘と並んで表示されます。

Enterprise配下の組織で、1つのリポジトリを手動スキャンする流れは次のとおりです。

  1. EnterpriseでAI Scanのポリシーを許可する
  2. 組織オーナーかセキュリティマネージャーが、組織で有効化する(PR向けとは別設定)
  3. 書き込み権限のあるユーザーが、Code scanningの画面から手動で実行する

CodeQLが報告済みの問題と照合し、一致した指摘を抑制します。ただし重複が残る場合があります。同じ箇所に複数のアラートが出た場合は、同じ修正で解消できるか確認してください。リポジトリ向けAI Scanの仕様と制約

検出処理の上限は1回あたり30分・150,000 AIクレジットです。スキャンは時間内に調べる箇所を選ぶため、全ファイルの検査は保証されません。検出処理の上限と課金条件

再スキャンの挙動も運用に響きます。再検出された既存の指摘はopenのままで、新規のみが追加されます。修正をマージしても自動ではクローズされないため、再スキャンして確認する作業が必要です。「直したのにアラートが残っている」という混乱が起きやすいため、先に運用ルールとして決めておきましょう。

アラートには担当者の割り当て、IssueやPRへのリンク、Agentic autofix、セキュリティキャンペーンが使えます。複数を棚卸しする場合は、組織のアラート画面から最大20リポジトリのスキャンをまとめて開始できます。11月16日の一括開始に関する発表

AIアプリ向けコードスキャンは「信頼できない文章がモデルに届く経路」を見る

AIアプリ向けコードスキャンは、大規模言語モデル(LLM)を組み込んだアプリやエージェントのPRを調べます。検査対象には、間接プロンプトインジェクション、機密情報の開示、エージェントへの過剰な権限付与が含まれます。

間接プロンプトインジェクションとは、メールやWebページなどの外部コンテンツに含まれる指示が、モデルの動作に影響する攻撃です。たとえば、顧客からのメールを要約するだけの社内エージェントに顧客情報の検索権限まであるなら、外部入力がそのツールの呼び出しに影響し得る箇所がレビューの対象になります。

スキャンは対象PRの作成時とコミットの追加時に動き、検出結果が「AI app」ラベル付きのPRコメントに表示されます。一般のPR向けAI Scanとは別に、組織の「Scan for AI applications」を有効にする必要があります。

言語やフレームワークの制限はありません。対象はPRの変更で、既存コード全体の一括検査には使えません。フォークからのPRとDependabotが作成したPRは対象外です。AIアプリ向けスキャンの対象・設定・課金

自社のエージェントにどんな権限を持たせるかは、コードスキャン以前の設計問題です。権限の棚卸しや最小権限の考え方は、AIエージェントの権限管理で整理しています。スキャンは、その設計の漏れを拾う二重のチェックと位置づけてください。

AI push protectionは正規表現で拾えない秘密情報を文脈で止める

AI push protection(push protection for AI-detected secrets)は、定型パターンのないパスワードなどを、周辺コードでの使われ方から検出します。従来のパターン照合と並行して動き、pushだけでなく、GitHubの画面からのコミットやファイルのアップロードもブロックの対象になります。

既定では無効です。GitHub.comでSecret ProtectionまたはAdvanced Securityを利用する組織は、まず対象リポジトリで通常のpush protectionとAIによるシークレット検出の両方を有効にします。そのうえでリポジトリ設定、または組織・Enterpriseのカスタムセキュリティ構成で、AI検出時のブロックを有効にします。有効化の前提条件

試行中は、ブロックされたpushのうち、本物の秘密情報が含まれていた件数と誤検知だった件数を記録します。例外の確認にかかった時間も、自社で適用範囲を広げる際の判断材料になります。

AIエージェントが秘密情報の混入したコミットを押し通そうとする場合も、ブロックの回避には承認が必要です。既存のバイパス運用や委任バイパスの運用が、そのまま効きます。エージェントに任せる範囲が広がるほど、この「人の承認が残る」設計の価値は上がります。

push時のAI検査は、検出の有無にかかわらずクレジットを消費します。push後に行うスキャンでAIが検出したシークレットのアラートは、Secret ProtectionまたはAdvanced Securityのライセンスに含まれます。

Agentic autofix、Dependabot到達可能性分析、Package firewallの使いどころ

残る3機能は、見つけた後と入口の対策です。

**Agentic autofix(GA)**は、Copilotがファイルを調べて修正を作り、対応するアラートではCodeQLを再実行して修正を検証し、ドラフトPRを作ります。PRには修正の要約、理由、検証手順が書かれます。有効化すると、無料の「Generate Fix」が「Assign to Copilot」に置き換わります。1回で最大25件を1つのPRにまとめられるため、滞留アラートの一括処理に向きます。対象はデフォルトブランチ上のアラートだけです。Enterprise管理者のポリシー有効化と、Copilotの課金方法の設定が前提で、Code Security AI creditsとGitHub Actionsの実行時間を消費します。

修正案は担当者がレビューし、テストしてからマージします。たとえばカスタムCodeQLクエリや拡張クエリセット(security-extended)による指摘では、Agentic autofixは再実行で修正の有効性を確認できません。Agentic autofixの検証範囲

**Dependabot到達可能性分析(プレビュー)**は、アラートの脆弱な関数に、アプリのコードから到達する呼び出し経路があるかを、CodeQLの呼び出しグラフで判定します。判定は Reachable、Potentially reachable、Unreachable、Reachability unavailable の4種類です。判定だけでアラートが閉じられることはありません。Potentially reachableは到達可能として扱い、Unreachableも優先度を下げる判断材料にとどめます。対象はJavaScript/TypeScriptだけで、npm、Yarn、pnpmのlockfileが必要です。セルフホストランナーと一部のモノレポは非対応で、3時間を超えると unavailable になることがあります。

**Package firewall(プレビュー)**は、開発端末、コーディングエージェント、CIがupstreamレジストリへ直接行かず、firewall経由でパッケージを取得する仕組みです。公開直後のパッケージを待機させるクールダウン、GitHub Advisory Databaseでのマルウェア・脆弱性チェック、attestationのダウングレード検出などをポリシーで評価します。npmのみで、プレビュー中は無料、GA後はActionsに似た従量課金になる予定です。誤ってブロックされたときは、Webフォームで例外を申請します。

秘密情報・PR・既存コードのどこから対策するか

秘密情報を誤ってpushするリスクが最優先の組織なら、予算を設定してからAI push protectionを試し、次にPR向けAI Scanを検討します。以下はその条件での導入例です。優先するリスクと契約に応じて順番を入れ替えてください。

秘密情報の流出を優先する場合の導入順

順機能先にやる理由注意
1AI push protection秘密情報が履歴に入る前に止めるプレビュー。先に予算を設定し、対象リポジトリを絞る
2PR向けAI ScanPHPやTerraformなど、CodeQLが扱わない変更をPRで検査できるブロック不可。レビュー運用で担保する
3Agentic autofixデフォルトブランチに残るアラートの修正案をまとめるActions実行時間も消費。修正案をレビューし、テストする
4Dependabot到達可能性分析JS/TS中心なら、アラートの優先付けが楽になる無料のプレビュー中に試す。対象はJS/TSのみ
5リポジトリ向けAI Scan既存コードの棚卸しを1回やる予算上限を決めて実施。再スキャンで確認
6AIアプリ向けスキャン、Package firewallAIアプリを作る組織、npmを使う組織で検証どちらもプレビュー。GHESでは前者が使えない

プレビュー機能を試す範囲は、ブロックが業務に及ぼす影響で決めます。たとえばAI push protectionを有効にすると、秘密情報と判定されたpushは拒否されます。試行リポジトリで誤検知と例外申請の流れを確認してから、他のチームに広げてください。

この順位に当てはまらない組織もあります。PHPやTerraformがコードの大半を占める組織なら、PR向けAI Scanを先頭に置くほうが効きます。逆にLLMアプリが中心の組織なら、AIアプリ向けスキャンの優先度が上がります。

有効化前に決めておく予算とルール

有効化の前に、開発チームと請求管理者で次の3点を決めます。

  • AIクレジットの月次上限を課金項目ごとに設定し、利用停止の要否と予算通知の宛先を決める
  • アラートの扱い: AI Scanの指摘を誰がいつトリアージするか。修正後に再スキャンして閉じる担当は誰か
  • プレビュー機能の適用範囲: 最初は重要度の低い数リポジトリに限り、結果と請求を見てから広げる

PR向けAI Scanの組織設定を有効にすると、コードスキャンが有効な対象リポジトリには直ちに設定が適用されます。各リポジトリの管理者が無効にする前にも、対象PRはクレジットを消費し得ます。対象範囲と予算は先に確認してください。組織設定の適用範囲

AIエージェント開発の文脈では、権限と環境の設計も一緒に見る

スキャンは、開発端末でエージェントが何をできるかという設計とセットで効きます。端末側の隔離はGitHub Copilotのサンドボックス、Claude Codeを使う場合の社内ルールはClaude Codeのセキュリティ対策が詳しいです。

たとえば、外部の文書を要約するエージェントなら、スキャンの指摘を確認する担当者と、エージェントに与えたデータアクセス権を見直す担当者を決めておきます。

よくある質問

AI ScanはCopilotのライセンスがないと使えませんか?

PR向け・リポジトリ向けAI ScanにCopilotライセンスは不要です。組織所有の非公開・内部リポジトリでは、Code SecurityかAdvanced Securityが必要です。どちらのスキャンも利用に応じてCode Security AI creditsを消費します。

AI ScanはCodeQLの代わりになりますか?

AI ScanはCodeQLを補完します。CodeQLの指摘はマージ条件に使えます。PR向けAI Scanは独立して動作し、対象言語の差分についてレビュー担当者に助言します。リポジトリ向けAI Scanは、CodeQL対応言語も含めてデフォルトブランチを手動で調べます。

AI Scanの料金はいくらですか?

スキャンの利用料はCode Security AI creditsの使用量で決まります。対象となる付帯クレジットがあれば先に充当されます。1回あたりの固定額は公式資料で確認できないため、試行分の使用量を請求画面で確認してください。

リポジトリ向けAI ScanとAIアプリ向けスキャンはGHESでも使えますか?

どちらもGitHub Enterprise Server(GHES)は対象外です。リポジトリ向けはGitHub.comとデータ所在地を指定したEnterprise Cloudで、AIアプリ向けはGitHub.comで提供されています。

プレビュー機能を本番で使ってよいですか?

用途ごとに判断します。PR上の助言はレビュアーが確認できる範囲から、pushやパッケージ取得を止める機能は例外を処理できるチームから試すのが一案です。対象を広げる前に誤検知と費用を確認してください。

まとめ

最初に決めるのは、秘密情報の流出、PRの変更、既存コードのどれを優先して調べるかです。秘密情報ならAI push protection、PHPやTerraformの変更ならPR向けAI Scan、デフォルトブランチの棚卸しならリポジトリ向けAI Scanが候補になります。

次に、請求管理者が契約とクレジットの上限を確認し、開発チームが指摘を確認する担当者を決めます。試行後は、修正につながった指摘、誤検知の確認に要した時間、実際の消費量を見て、対象を広げるか判断してください。

お知らせ

スキャンの試行後に、レビューの分担やAI利用時の社内ルールを整えたいチーム向けに、法人研修のプランを案内しています。社内研修コースでは、自社の課題に合わせてカリキュラムを相談できます。

法人研修のプランを比較する

次に読みたい関連記事