人工知能（AI）、機械知能、機械学習、そしてディープラーニングは、しばしば同じ意味で使用される用語ですが、それぞれが計算知能の進化における特定の段階を表しています。この中でもAIは最も広範な概念であり、人間の推論に関連するタスクを実行できる機械を指します。機械学習（ML）はその傘下にあり、明示的なプログラミングではなく、データに基づいたシステムの改善を可能にするものです。MLの中でもディープラーニングは、階層化されたニューラルネットワークを膨大なデータセットに適用することで、画像認識や自動運転車などの進歩的技術を支えます。
ログ分析において、これらの基盤技術はこれまで異常の検出やパターンの表面化、反復作業の自動化などに使用されてきました。しかし現在、業界はデータから学習するだけでなく、人間のチームに代わって推論、計画、および対応を行うシステムであるエージェントAIへと移行しつつあります。ディープラーニングが特徴抽出を自動化したのに対し、エージェントAIは自律性と協調性をもたらします。このシステムは、ノイズの中からシグナルを見つけるだけでなく、それらのシグナルをコンテキストに沿って解釈し、次のステップを推奨したり、場合によっては開始したりします。
AIOpsからエージェント運用へ
AIOpsは長年にわたり、AIをIT運用に適用し、アルゴリズムを用いた異常の発見や障害の予測、リソースの最適化などを行ってきました。これは飛躍的な進歩でしたが、インサイトを解釈し、それに対応する責任は依然として人間が担っていました。クエリエージェントを搭載したMobotなどのツールは、機械データに対する自然言語クエリの実行を可能にすることで進歩を遂げ、質問や根本原因の解明を容易にしました。
Sumo LogicのDojo AIは、推論をループに組み込むことで、これをさらに前進させます。エージェントは、単にプロンプトに応答したり視覚化を作成したりするだけでなく、仮説の生成や調査の計画、アクションの提案などを行うことができます。セキュリティおよび信頼性チームにとって、これは「支援型自動化」から、アナリストやエンジニアと連携して作業を行う協調型エージェントへの移行を意味します。
Sumo Logicの最初の2つのエージェントが、この変化を象徴しています。サマリーエージェントは、機械学習を適用することでSIEMインサイトの複雑さを実用的なストーリーラインへと凝縮し、断片化されたアラートのストリームを一貫性のあるインシデントナラティブへと変換します。クエリエージェントは、アナリストやエンジニアが調査の意図を自然言語で記述することを可能にし、無限のログデータを検索するために必要となる複雑なクエリ構文を自動的に生成します。これらのエージェントは、AIOpsがいかにエージェント運用へと進化していっているかを示しています。その利点としては、データとの格闘に費やす時間を削減できたり、意思決定の検証と実行に多くの時間を費やせたりすることが挙げられます。
ログ分析のための機械知能
従来、ログ分析における機械学習は、アクセスや使用状況、パフォーマンスデータからインサイトを引き出すことに重点を置いていました。セキュリティチームは異常の特定とアラートのトリガーに、インフラストラクチャチームはシステムにおける負荷とパフォーマンスを理解するために機械学習を使用してきました。これらのアプリケーションは依然として価値があるものの、エージェント的なコンテキストでは、検出のみならず説明や対応も可能なシステムへの足がかりにしかならないといえるでしょう。
例としてエージェントシステムは、単に異常なログイン試行をフラグ付けするのではなく、一連のイベントを明確なナラティブ（アクセス元、不審な理由、リスクの内容、および適切な対応の推奨を含む）に要約することができます。同様に、パフォーマンスが低下した場合、システムは根本原因の仮説を提示し、それを検証するために必要なクエリを正確に生成することができます。サマリーエージェントとクエリエージェントは、このようにしてSOCアナリストおよびSREの拡張機能となり、膨大なテレメトリから問題解決への迅速な移行を支援します。
機械データが重要となる理由
インテリジェンスと速度向上のために機械データを活用する能力は、もはや単なるオプションとはいえません。これまで企業チームは、「システムのパフォーマンスはどうなっているか？」「ボトルネックはあるか？」「誰がアクセスしているのか？」「異常はあるか？」といった疑問に答えるため、データに頼ってきました。しかしこれらの疑問は、解釈の負担をすべて人間に負わせるものでした。
エージェントAIの登場により、機械データは自律的な推論の基盤となっています。SOCアナリストは、もはや数十ものアラートを手作業で相関させたり、脅威インテリジェンスを個別に相関させたりする必要はありません。サマリーエージェントが、現状を統合的にまとめたナラティブを提供するためです。また、SREがプレッシャーの中で複雑なクエリを作成する必要もありません。クエリエージェントがそれを代わりに実行してくれるのです。機械データは依然として重要ではあるものの、その真の価値は、生のシグナルを実用的なコンテキストに変換できるエージェントと組み合わせたときに発揮されるといえます。
ビッグデータのコンテキストにおける機械学習とは
機械学習はかつて、大量の非構造化データの解析、パターンの明確化、および異常の検出を行うアルゴリズムとして、ログ分析自動化の頂点に立っていました。 特に膨大なデータストリームが存在する環境において、機械学習はパワフルな推進力となりました。
エージェントの時代において、機械学習はより大きなものの構成要素としてエージェントの検出と要約機能を強化するほか、分類や異常検出を超えたワークフローにも組み込まれます。サマリーエージェントは、MLを使用して数百ものアラートを1つの意味あるストーリーへと凝縮します。クエリエージェントは、MLベースの言語理解により、人間の意図をクエリ構文にマッピングします。どちらにおいても、この技術は分析の域を超え、専門家と連携することでインサイトとアクションのギャップを埋めることに成功します。
ログ分析とエージェントAIの実用化
たった1つの組織においても、さまざまなチームが機械データへの依存を続けていますが、データとの関係は少しずつ変化しているといえるでしょう。
SOCアナリストのため、エージェントシステムはセキュリティシグナルを即座に調査できるナラティブへと抽出します。これにより、誤検知に溺れることなく、リスクの評価と対応の実行に時間を費やすことができるようになります。SREにとって、エージェントシステムは膨大なログセットの複雑さを解消するクエリを生成し、分散アプリケーションのデバッグを簡素化するというメリットを持ちます。どちらのグループも、認知負荷の軽減や調査の高速化、意思決定における信頼性の向上などの恩恵を受けることができるのです。
Dojo AIの一部となり、エージェント的な動作が取り入れられたMobotは、まさにこの変化を体現しています。このツールはもはや自然言語によるクエリの実行を可能にするだけでなく、クエリの生成や調査結果の相関、結果の要約などの調査プロセスを積極的に支援します。これにより、ボトルネックの減少、問題解決の高速化、そして運用における回復力の向上が実現します。
エージェントログ分析における課題
エージェントAIの将来には新たな課題が伴います。機械データが指数関数的な規模で増え続ける中、エージェントは構造化、非構造化、および半構造化入力のすべてにおいて動作するよう設計されていなければなりません。これよりもさらに重要となるのは、自律性によって生じる信頼とガバナンスの問題です。
SOCアナリストとSREは、重要な意思決定をブラックボックス化されたシステムに委任するわけにはいきません。透明性は不可欠であり、エージェントは結論に至った経緯や特定のアクションが推奨される理由を説明できなければならないのです。ロールベースのアクセス制御（RBAC）などのガードレールは、エージェントが定義された境界内でのみ行動することを保証し、人間参加型制御は、説明責任を適切な場所に維持します。規制された業界において、コンプライアンスは最優先事項であり続けるため、エージェントシステムは責任を持って機密データの取り扱いを行い、必要に応じて難読化または匿名化を行う必要があります。
これらの課題に真摯に取り組むことで、組織は制御やコンプライアンス、信頼性を維持しながら、エージェントAIを導入することができます。
エージェントインテリジェンスの未来：予測と生成
生成AIは、新しいインサイト、予測、そしてシミュレーションを生み出す能力をもたらしました。予測分析はこれを拡張し、企業チームがシステムの需要や新たな脅威を予測するのを支援します。こうした予測を静的なインサイトとして残すのではなく、コンテキストに応じた計画や、場合によってはアクションへと変換するエージェントAIが、次のステップとなるのです。
セキュリティにおいて、これはゼロデイ攻撃を検出するだけでなく、潜在的な攻撃経路をシミュレートし、最も緊急性の高い暴露を優先して、最適な防御策を推奨することができるエージェントを意味します。信頼性エンジニアリングにおいては、キャパシティ不足を予測し、お客様が影響を感じる前に検証済みの修復戦略を策定するシステムがこれに該当します。これらはもはや推測に基づくユースケースではなく、すでに展開されている軌跡を体現するものです。
Sumoのサマリーエージェントやクエリエージェントなどのエージェントシステムにより、断片的なアラートを一貫したストーリーに圧縮し、自然言語を正確で実行可能なクエリに変換できるようになったことは、調査における進化をよく表しているといえるでしょう。結果として、SOCアナリストには脅威トリアージの高速化が、SREには根本原因分析の合理化が可能となるほか、事後対応から事前回復力への移行が実現します。
予測分析、生成AI、そしてエージェント型自律性の融合は、現代の運用における転換点となります。企業チームは、ノイズに溺れたり、次のアラートの嵐を待ったりすることなく、明確に定義されたガードレール内で推論、推奨、および対応を行うインテリジェントなエージェントと連携することができるようになります。これは、セキュリティおよび信頼性チームの両方にとって、観察するだけでなく協働するAIにより人間の専門知識が増幅され、研ぎ澄まされる時代が到来したことを意味するのです。
