AIが「幽霊学生」を生成し数億円規模の学生ローンを詐取——米司法省が取り締まりを強化

ここ数年、生成AIをめぐる議論はもっぱら効率性・雇用・著作権の問題に集中してきた。しかし米司法省（DOJ）が最近公表した一連の案件は、より本質的な問いを突きつけている——技術によって偽造のコストが十分に下がったとき、金融・福祉制度はその防衛線を守れるのか、という問いだ。

Ars Technicaの報道によると、司法省はいわゆる「幽霊学生（ghost students）」への取り締まりを強化している。これは実際に在籍する学生ではなく、AIを用いて生成された架空の人物だ。彼らは連邦学生支援無償申請書（FAFSA）の申請プールに「在学中の学生」として現れ、奨学金・ローン・生活補助を受け取った後、跡形もなく消える。検察によれば、この手口による被害額はすでに数百万ドル規模に達しており、しかも拡大を続けているという。

「幽霊学生」はどのように作られるのか

学生ローン詐欺そのものは目新しい話ではなく、過去にも盗用した身分で幽霊校に登録して連邦資金を詐取した事例は存在した。しかしAIがもたらした変化は「単位コスト」と「規模」の二点にある。かつては信頼性の高い申請書類一式を偽造するために、人手による不正工作と試行錯誤が必要だった。今や大規模言語モデルは、一貫性のある自己陳述書・家庭の財務状況説明・入学エッセイを大量生成でき、画像生成ツールは証明写真を合成し、自動化スクリプトが申請受付期間中に大量のフォームを高速で送信する。

さらに重要なのは、この種の詐欺が一つの「完璧な身分」に頼るのではなく、「辛うじて合格ライン」の身分を大量に用いる点だ。審査システムは膨大な申請件数を前にサンプリングとルールマッチングを主体とするため、個々の虚偽申請の確率的な特徴が許容範囲内に収まりさえすれば、まとめて通過してしまう可能性がある。つまりAIはすべての審査員を欺く必要はなく、審査を通過するコストを不正取得の利益より低く抑えるだけでよい。

「身分の偽造が工業的に大量生産できるようになったとき、審査体系が相手にするのはもはや個々の詐欺師ではなく、一本の生産ラインだ」——これは教育金融リスク管理の分野でいまや共通認識となっている。

脆弱性は申請段階だけではない

FAFSAの資金交付チェーンは長い。身分確認・入学確認・在籍状況の更新・授業料の送金・返金の発行と、各段階で異なるデータソースと機関が関わる。問題は、これらの段階間の情報同期が常に迅速ではないことだ。たとえばオンラインプログラムを持つ大学が学期初めに大量の「学生」を登録しても、異常がデータに現れるのは履修取り消し期限を過ぎてからになることがあり、その時点ですでに資金は交付済みとなっている。

「幽霊学生」はこの時間差を突いている。彼らは通常、入学基準が比較的低く、オンライン授業が中心で、授業料の交付プロセスが速いプログラムを選ぶ。登録後は一切の教育活動に参加せず、ローンや奨学金が振り込まれると姿を消す。大学側には「履修取り消し学生」として映り、融資機関側には「貸付済みローン」として記録され、そして捜査機関側には個別に追跡すべき詐欺案件として積み上がる。

注目すべきは、AIの役割が申請書類の偽造にとどまらない点だ。一部の案件では、「学生」のオンライン上の痕跡を維持するために自動化ツールが使われていた——たとえば学習管理システムへの定時ログイン、ディスカッション掲示板への書き込みの生成、形式上は適切だが内容は空虚な課題の提出などだ。こうした行為により「幽霊学生」はシステム上でより長く生き延び、事後の監査でも真偽の判別が困難になる。

取り締まり強化、そのコストは一般学生が負う可能性

司法省の取り締まりは、より厳格な刑事責任の追及を意味すると同時に、行政面のコンプライアンス圧力が下位機関へと波及することを意味する。過去の経験が示すように、学生ローン分野で大規模詐欺が発生するたびに、規制当局の第一の反応は事前審査プロセスの強化だ——より厳格な本人確認、より強力な収入・家族情報のクロスチェック、より頻繁な在籍状況の抜き打ち調査。これらの措置は確かに偽造のハードルを上げるが、真に困難な状況にある学生に追加的なコストを課すことにもなる。

低所得家庭の学生、第一世代の大学生、そしてオンラインプログラムやコミュニティカレッジに通う学生にとって、申請プロセスはもともと煩雑だ。追加の認証ステップ、長くなる審査期間、そしてシステムによる誤判定で「フラグ」を立てられるリスクは、いずれも実際の進学障壁へと転化しかねない。これが政策立案者の直面するジレンマだ——詐欺対策を強化すればするほど、奨学金の「ラストワンマイル」はより困難になる。

編集後記：技術的中立性という幻想

「幽霊学生」案件はAI悪用に関する道徳的な話として単純化されがちだが、その実態はシステム設計に関する問題だ。生成AIは既存の脆弱性を増幅させたに過ぎない。本人確認が自己申告情報に依存していること、資金交付が状態確認より先行すること、機関間のデータ共有が遅延していること——こうした構造的な弱点が修正されない限り、AIがなくても詐欺は別の形で存在し続けるだろう。そして審査を厳しくするだけで対処しようとすれば、そのコストは最も支援を必要とする学生に転嫁される。

より注目すべき方向性は、リスク管理の重心を「申請時の一回限りの確認」から「全期間にわたる行動検証」へとシフトさせることかもしれない——例えば学習行動に基づく継続的なシグナル、学期をまたいだ状態の一貫性チェック、そしてより迅速な資金の流れの監視などだ。この種の手法は商業金融の分野ではすでに相対的に成熟しているが、公的な教育資金支援の仕組みへの導入は依然として遅れている。

司法省の行動は明確なシグナルを発している——AIを駆使した身分詐欺は取り締まりの重点事項となった。次の問いは、学生ローン制度がアクセシビリティを犠牲にせずに自らを強化できるかどうかだ。この攻防の行方は、数百万ドルの資金の行方を左右するだけでなく、今後10年における連邦学生支援制度の信頼基盤をも左右するだろう。

本記事はArs Technicaより編訳