従業員作成AIが企業統制を上回る中、Pluto Securityの資金調達額が4,200万ドルに
Pluto Securityは、従業員が作成したAIアプリケーションがセキュリティチームに認識される前から重大なリスクを生み出し得ることを見いだし、ステルスモードを終えて4,200万ドルを調達した。今回のPluto Securityの資金調達は、850万ドルのシードラウンドと、Jump Capital主導による3,400万ドルのシリーズAで構成される。また、ほぼすべての従業員がソフトウェアを作成できるようになった今、誰がそれを統制するのかという、職場で繰り返されてきた問題を緊急のセキュリティ課題へと変えている。
同社によれば、新たに公開されたAIツールは2時間以内に企業環境へ入り込む可能性があるという。また、顧客基盤全体で検知したリスクの約60%に関連するアプリケーションは、非開発者が作成したものだとしている。最も大きな割合を占めたのは財務部門で、マーケティング部門と法務部門がそれに続いた。
この傾向は、従来のセキュリティ地図を塗り替える。かつては開発者がソフトウェア作成の大半を担い、セキュリティチームは予測可能なシステムとデプロイ経路を審査していた。現在では、AIビルダー、コーディング支援ツール、拡張機能、エージェントによって、その活動は従業員全体へと広がっている。
既存の統制には重要な抜け穴があると見るのはPlutoだけではない。Reco、WitnessAI、Prompt Securityなどのベンダーも、エンタープライズAIセキュリティの隣接領域を追求している。資金調達ラウンドの拡大は、投資家がエージェント活動を既存ツール内の単なる機能ではなく、独立したセキュリティ市場になると見込んでいることを示唆する。
Pluto Securityの資金調達が支える、より広範な統制レイヤー
今回の資金調達が重要なのは、Plutoが従来のセキュリティ製品では解釈するよう設計されていない活動に向けた統制レイヤーを提供しているためだ。
Plutoは2026年10月13日に正式ローンチを発表した。資金調達にはTLV Partners主導のシードラウンドと、Jump Capital主導のシリーズAが含まれる。Skinos、Ansa Capital、複数のサイバーセキュリティ創業者やエンジェル投資家も参加した。
CEO兼共同創業者のShahar Bahat氏はTechCrunchに対し、同社は4月に販売を開始し、すでに年間経常収益200万ドルを突破したと語った。Plutoによれば、Oscar Health、Workato、Sixt、AlphaSenseを含む30社超のエンタープライズ顧客を抱えるという。これらの数値は、独立監査済みの結果ではなく、同社による開示である。
Plutoは米国とイスラエルで40人を雇用している。調達資金は製品開発、セキュリティ研究、米国市場での拡大に充てる計画だ。同社のローンチノートでは、事業をAIワークスペース向けセキュリティプラットフォームと説明している。
この呼称は、承認済みAIサービスの基本的なカタログよりも広い製品範囲を反映している。Plutoによれば、AIツール、コーディング環境、拡張機能、スキル、Model Context Protocolサーバー、アプリケーション、自律型エージェントを観測するという。Model Context Protocol、すなわちMCPは、AIシステムを外部ツールやデータに接続するための標準だ。
この違いは重要である。企業リスクはもはや、従業員が機密テキストをチャットボットに貼り付けることだけに限られない。従業員は今やアプリケーションを組み立て、業務システムへのアクセスを付与し、エージェントに行動を任せることができる。各段階で、権限、依存関係、データフロー、実行経路が新たに生じる。
当初の資金調達報道によると、PlutoはFortune 500企業で、顧客情報と解約情報を扱う従業員作成の財務アプリケーションを発見した。このアプリケーションは、公開インターネットに露出していたと報じられている。TechCrunchは企業名を明かしておらず、インシデントの詳細はPlutoが提供したものだ。
この例は、従業員作成ソフトウェアの統制が難しい理由を示している。財務アナリストは顧客データやビジネスロジックを理解していても、認証、ネットワーク露出、依存関係のセキュリティを理解していない場合がある。AIは機能するアプリケーションを組み立てる労力を下げるが、欠けている専門分野を自動的に補うわけではない。
Plutoは、この拡大する環境をAIワークスペースと呼ぶ。各エンドポイントは、従業員がソフトウェアを作成し、エージェントのコンポーネントをインストールし、社内データをサードパーティーサービスに接続できる場所になり得る。そのためセキュリティチームは、何をブロック、制限、承認すべきかを判断する前に、何が存在するかを追跡しなければならない。
この課題により、Pluto Securityの資金調達の目的はより明確になる。同社は単に新たなチャットボットのインターフェースを守ろうとしているのではない。正式な開発プロセスが追随できない速さで各部門に出現した、分散型ソフトウェア工場を統制しようとしている。
非開発者が攻撃対象領域を拡大している
AIは、セキュアなデプロイよりも業務スピードを優先する従業員へと、ソフトウェア作成を移行させている。
従来のシャドーITの問題は、従業員が未承認のソフトウェアサブスクリプションやクラウドストレージを導入することだった。シャドーAIは、コードを生成し、業務ツールに接続し、ユーザー権限を通じて行動できるシステムを加える。その結果生じるリスクは、ログイン画面の背後にある未承認アプリケーションよりも動的だ。
Plutoによれば、同社が検知するAIリスクの最大の発生源は財務部門である。マーケティング部門、法務部門が続き、開発者は4番目に位置する。この順位は、セキュリティプログラムが従来、エンジニアリング組織を中心に開発統制を置いてきたことを考えると注目に値する。
非開発者はしばしば価値の高い情報を扱う。財務チームは予測、取引記録、顧客経済性にアクセスする。マーケティングチームは顧客リストと公開システムを管理し、法務チームは契約書と機密通信を扱う。
こうした従業員がAI支援ツールを構築すると、重大なアクセス権を持つアプリケーションを意図せず作成する可能性がある。悪意は必要ない。有用なプロトタイプが、その認証情報、ストレージ設定、公開状態を誰にもレビューされないまま、業務運用に入ることがある。
導入の速さは発見をさらに困難にする。Bahat氏によれば、新たなAIツールは公開から2時間以内に現れる可能性がある。この速度では、調達、法務審査、データ分類、従来型のセキュリティテストにほとんど時間が残されない。
独立した調査も、未承認導入に関する広範な懸念を裏付けている。2025年の職場AI調査では、従業員の44%が職場で未承認の形でAIを利用していたことが判明した。そのうち46%は、機密性の高い企業情報または知的財産を公開プラットフォームにアップロードしたと回答した。
これらの調査結果は、確認済みのセキュリティインシデントではなく、従業員の行動を示すものだ。それでも、人気のあるチャットボットドメインの短いリストをブロックするだけでは問題を解決できない理由を示している。従業員は個人アカウント、ブラウザ拡張機能、ローカルモデル、コーディングツール、セキュリティチームが一度も評価したことのない新サービスを利用できる。
最高情報セキュリティ責任者には、両方向から圧力がかかる。ビジネスリーダーは、従業員がリサーチ、分析、コミュニケーション、社内ワークフローを自動化できるため、AI導入の拡大を望む。セキュリティリーダーは、あらゆる実験を拒否する部門にならずに、関連するデータと行動を統制しなければならない。
一律の禁止は、活動を見えにくい経路へ移すことが多い。承認済みツールが不十分だと感じれば、従業員は個人用デバイスやアカウントを使う可能性がある。その行動は、データ露出の特定、アクセスの取り消し、インシデント調査を行う組織の能力を低下させる。
無制限のアクセスは、反対の失敗を生む。従業員はエージェントを顧客データベース、メッセージングシステム、コードリポジトリ、クラウドリソースに接続できる。その後、エージェントはタスクに必要なのがごく限定的な権限だけであっても、ユーザーから継承した権限で動作する場合がある。
ここで、エンタープライズAIセキュリティは基本的な利用許容ポリシーと分かれる。文書化された規則では、エージェントがどのコネクタを呼び出したか、あるいは拡張機能が悪意あるコードを導入したかを明らかにできない。また、危険な行動が実行中である間にそれを中断することもできない。
したがって、セキュリティチームには、ツール、コンポーネント、エージェント、従業員作成アプリケーションの最新インベントリが必要となる。また、意図された動作に関するコンテキストも必要だ。同じコマンドでも、開発者にとっては日常的であり、無関係なマーケティングワークフローから実行されれば疑わしい場合がある。
Pluto AI securityは、このコンテキスト上の問題を中心に設計されている。同社は、ツールの発見をリスク分析とリアルタイム介入に組み合わせているとしている。その機会は、従業員データを過剰に収集したり正当な業務を妨げたりせずに、防御側に有用な統制を与えられるかどうかにかかっている。
Pluto AI Security、ユーザーからエージェントへと焦点を移す
Plutoの中心的な賭けは、セキュリティツールが、エージェントを起動した人物を認証するだけでなく、エージェントが行動する最中の振る舞いを評価しなければならないという点にある。
従来のエンドポイントおよびアイデンティティシステムは引き続き必要だ。これらはマルウェアを検知し、デバイスを管理し、ユーザーを認証し、保護対象リソースへのアクセスを制限できる。しかし、認可済みのエージェントでも、有効なユーザーセッションを通じて意図しない行動を取る可能性がある。
Bahat氏はこの変化を、ユーザーの振る舞いからエージェントの振る舞いへ移行することだと要約する。たとえば従業員は、正当に顧客システムへアクセスしているかもしれない。その従業員のために動くエージェントは、レコードのエクスポート、外部サービスへの接続、より広範な権限の要求を試みる可能性がある。
Plutoはエンドポイントセキュリティおよびデバイス管理システムと連携する。これらのシステム経由でセンサーを展開するか、デバイスに直接インストールできる。プラットフォームは、プロンプト、コマンド、プロセス、権限、過去のユーザー活動といったシグナルを収集すると報じられている。
同社によれば、エンドポイント上で実行される軽量モデルが、エージェントの意図の解釈を支援する。エージェントがユーザーの見かけ上の目的を超える権限を要求した場合、Plutoはその行動をブロックできる。また、エージェントに確認を求めるよう指示を挿入することもできる。
この介入モデルは、観測の域を超える。多くのガバナンスツールは、発見、分類、ポリシー報告に集中している。Plutoは、エージェントが危険なタスクを完了する前に、進行中のセッションへ影響を及ぼそうとしている。
単純な例は、その潜在的価値を示す。従業員はエージェントに、最近の顧客解約を要約するよう求めるかもしれない。承認済みレコードの読み取りはそのタスクを支える一方、顧客データベース全体のエクスポートは支えない。
ランタイム統制は、権限、コマンド、コンテキストを調べることで、こうした経路を区別できる可能性がある。読み取り操作は許可しつつ、外部への転送を止められるかもしれない。難しいのは、異なるインターフェースや実行モデルを持つツール全体で、その判断を一貫して下すことだ。
Plutoはまた、公開されているAIスキル、MCPサーバー、コネクタ、アドオンを調査するための無料サービス、Plutoniumを運営している。このサービスにはMCPスキャナーと、評価済みコンポーネントのカタログが含まれる。同社によれば、数千人のセキュリティ専門家が利用しているが、この数値は独立して検証されていない。
Plutoniumには二つの目的がある。企業が遭遇し得るコンポーネントに関するセキュリティ調査を提供するとともに、潜在顧客にPlutoの商用プラットフォームへの入口を与えることだ。Bahat氏によれば、現在はインバウンドの関心が同社のセールスパイプラインの70%を生み出している。
このプラットフォーム戦略は、AIコンポーネントがどれほど急速に拡散し得るかを反映している。従業員はアプリケーション全体をゼロから書く必要はない。モデル、コネクタ、ダウンロードしたスキル、アクセス認証情報を組み合わせ、動作する自動化を構築できる。
インポートされる各コンポーネントは、信頼の連鎖を広げる。侵害されたパッケージは、シークレットを盗み、プロンプトを改変し、出力をリダイレクトし、不要なコマンドを実行する可能性がある。MCPサーバーも、エージェントに意図されたタスクを超える能力を露出させる場合がある。
この仕組みは、Pluto AIのセキュリティがコンポーネントと実行時の活動の両方に注目する理由を説明している。インストール前にコネクタをスキャンすれば、既知の問題を特定できる。実行中にエージェントを監視すれば、複数の信頼されたコンポーネントが連携した後にのみ現れる危険な挙動に対処できる。
このアプローチは、重大なプライバシー上の問題も生む。プロンプト、コマンド、過去の活動には、個人や企業の機密情報が含まれる可能性がある。企業は、Plutoが何を収集し、その情報をどこで処理し、データをどの程度の期間保持するのかを把握しなければならない。
エンドポイントモデルが信号をローカルで処理する場合、一部の露出を抑えられる可能性がある。しかし、Plutoはすべての導入形態における正確なプライバシー上のトレードオフを確立できるほどのアーキテクチャ詳細を公開していない。購入者には、製品説明だけに頼らない技術的な検証が必要となる。
本当の競争は、活用促進と統制の間にある
主要な対立はPlutoと単一の競合他社との間ではない。従業員の自律性と、中央集権的なソフトウェア開発を前提に構築されたセキュリティシステムとの間にある。
AIビルダーは、エンジニアリングリソースを待たずに従業員が業務上の問題を解決できると約束している。この約束はすでに、企業内でアプリケーションを作成する主体を変えつつある。同時に、従来はソフトウェア活動を可視化していたチェックポイントを弱めることにもなる。
セキュリティチームは、未承認ツールの遮断、コネクタの無効化、エージェントを限定的な環境に制限することで対応できる。この方法は直近の露出を減らす一方で、経営層が期待する生産性向上のメリットも制限する。従業員が公式の統制を回避することを促す可能性もある。
代替案は、監督された導入だ。従業員はAIツールへのアクセスを維持しつつ、セキュリティシステムがコンポーネントを発見し、権限を検査し、挙動がポリシーに違反した際に介入する。Plutoは、この道筋を中心に製品とメッセージングを構築している。
このトレードオフは、聞こえるほど単純ではない。実行時の統制は、従業員の作業を遅らせないほど迅速に判断する必要がある。また、正当な自動化と危険なものを区別できるだけの文脈も理解しなければならない。
誤検知は、活用促進のためのプラットフォームを別の遮断システムへと変えかねない。ユーザーが不要な承認を繰り返し求められれば、承認済みのワークフローを放棄する可能性がある。その結果、セキュリティチームは製品導入の目的だった可視性を失うかもしれない。
見逃しは逆の問題を生む。防御側が意図を理解する前に、エージェントが損害をもたらす行動を実行する可能性がある。特にワークフローがローカルデバイス、クラウドアプリケーション、外部サービスにまたがる場合、その活動を判断するモデルの文脈は不完全になり得る。
競合各社は異なる出発点から市場にアプローチしている。Recoは、ID、権限、接続アプリケーション、そしてエージェントがアクセスできるデータを重視している。同社の最近のagent security roundでは5,500万ドルを調達し、市場が混み合う方向性を強調した。
WitnessAIは、エンタープライズユーザー、AIシステム、データ、エージェント間のやり取りを統制することに注力している。同社のenterprise AI financingは総額5,800万ドルで、Sound Ventures、Fin Capital、Qualcomm Ventures、Samsung Venturesなどが投資家に名を連ねた。同社はデータフロー制御とエージェントガバナンスも強調している。
他のベンダーは、モデルセキュリティ、プロンプト攻撃、AIアプリケーションテスト、データ損失防止に焦点を当てている。既存のエンドポイント、ID、クラウドセキュリティ企業も、自社プラットフォームを同じ領域へ拡張できる。これらの企業はすでに顧客関係と有用なテレメトリーへのアクセスを持つ。
したがってPlutoは、AI特化の統制レイヤーが既存製品の拡張よりも優れた判断をもたらすことを証明しなければならない。また、断片化したエンタープライズスタック全体でエージェントを追跡できるほど広範な統合も必要だ。新しいAIツールは、単一ベンダーがネイティブ対応を構築できる速度を上回って登場し得る。
同社の初期収益と顧客に関する主張は、実際の需要を示唆している。しかし、需要だけでは持続可能なカテゴリーの確立には至らない。購入者は最終的に、エージェント統制をエンドポイント、ID、ブラウザ、クラウド、またはデータセキュリティプラットフォームへ統合する可能性がある。
別のリスクは、エンタープライズエージェント自体の成熟度に関するものだ。企業はエージェントを試験しているが、多くは重要なワークフローで広範に導入していない。意欲的なエージェントプロジェクトが限定的または信頼性の低いままであれば、セキュリティ支出が本番導入を上回る可能性がある。
これは現在のシャドーAI問題をなくすものではない。従業員が構築したアプリケーションや未承認ツールは、すでに可視性のギャップを生み出している。つまりPlutoは、より自律的なシステムに備えながら、今日の混沌とした利用状況にも対応しなければならない。
同社の介入メカニズムは、最も重要な主張であると同時に、最も難しい試験でもある。過剰な権限要求を遮断することは、デモでは簡単に聞こえる。何千もの多様なワークフローにその判断を適用するには、正確な文脈、安定した統合、従業員が理解できるポリシーが必要となる。
エンタープライズAIセキュリティの購入者は、測定可能な結果を求めるべきだ。有用な指標には、発見されたツール、確認された露出、遮断された行動、誤検知率、調査時間、承認済みワークフローの従業員利用率が含まれる。顧客ロゴや資金調達額は、このような運用上の証拠の代わりにはならない。
4,200万ドルの調達が証明しないこと
Pluto Securityの資金調達は、投資家の関心と初期顧客の需要を裏付けるが、すべての検知・防止に関する主張を検証するものではない。
ローンチ報道に含まれる詳細なリスク指標の大半は、Pluto自身によるものだ。これには、検知されたリスクの約60%が非開発者に起因するという主張が含まれる。また、Fortune 500企業のアプリケーションがオンライン上に露出していたという報告も含まれる。
これらの開示は信頼できる手掛かりではあるが、公開されている証拠には方法論の詳細が欠けている。Plutoは、60%という数値の根拠となるデータセットの規模や構成を明らかにしていない。各発見が同等の深刻度を持っていたか、重複する問題をどのように扱ったかも説明していない。
同社はまた、すべての概念実証で悪意ある素材が発見されたとしている。BahatはTechCrunchに対し、評価中に一部の拡張パッケージやスキルで実際の攻撃が確認されたと語った。名前が挙げられた事例や独立した確認がない以上、読者はこの発言を企業側の主張として扱うべきだ。
「悪意ある」という表現には、複数の状態が含まれ得る。コンポーネントに意図的なマルウェアが含まれている場合、疑わしいドメインに接続する場合、認証情報を露出する場合、またはリスクの高い行動パターンに一致する場合がある。各カテゴリーには異なる対応が必要であり、確実性の度合いも異なる。
セキュリティベンダーには、曖昧な挙動を緊急性の高いものとして位置づけるインセンティブがある。顧客側にも、不確実な活動を保守的に分類するインセンティブがある。独立したケーススタディは、一般的な設定ミスと実際の侵害を切り分ける助けになるだろう。
プライバシーと労働に関する懸念にも、同等の注意を払う必要がある。プロンプト、コマンド、プロセス、履歴的な活動を監視すれば、機微な業務パターンが明らかになる可能性がある。従業員が個人用と企業用が混在する環境を利用する場合、個人情報も取得され得る。
組織には、収集とレビューに関する明確な境界が必要だ。どの信号をローカルで処理し、どの信号が中央サービスに送られ、誰がそれらを閲覧できるのかを定義すべきである。従業員への通知と地域ごとのプライバシー義務も重要となる。
AIセキュリティレイヤー自体が、高価値な標的になり得る。プロンプト、権限、ツール、ユーザー行動を観察するシステムは、攻撃者にとって有用な情報を保持している可能性がある。Plutoは、強力な分離、アクセス制御、ログ記録、インシデント対応の実践を示さなければならない。
同社の是正手法には、別の不確実性もある。エージェントセッションへ指示を注入すれば行動は変わるかもしれないが、モデルの応答には確率的な性質がある。統制は、モデルが新たな指示に自発的に従うことだけに全面的に依存すべきではない。
影響の大きい行動には、決定論的な強制が不可欠である。ポリシーエンジンは、エージェントが次に何を生成するかにかかわらず、ネットワーク要求の拒否、トークンの失効、プロセスの遮断を実行できる。購入者は、Plutoがどこでモデルの判断を用い、どこで強制可能な技術的境界を適用しているのかを検証すべきだ。
統合範囲は追加の課題となる。Plutoの価値は、エンドポイント、ブラウザツール、クラウドサービス、コネクタ、エージェントをまとめて観察できるほど高まる。実行経路を一つでも見落とすと、何が起きたのかについて不完全な説明しか得られない可能性がある。
同社は、急速に変化するコンポーネントエコシステムにも追随しなければならない。新しいコーディングツール、エージェントフレームワーク、スキル、MCPサーバーは継続的に現れる。研究チームと製品チームが迅速に更新しなければ、検知カタログは古くなる可能性がある。
これらの制約は、Plutoのアプローチが不健全であることを意味しない。顧客が概念実証でテストすべき内容を定義するものだ。最も強力な評価には、既知の安全なワークフロー、意図的に埋め込んだリスク、予期しないエージェント挙動、プライバシーに配慮が必要なシナリオが含まれるだろう。
購入者は、Plutoをすでに保有する統制手段とも比較すべきだ。既存のエンドポイント検知、IDガバナンス、セキュアブラウザ、データ損失防止、クラウドアクセスシステムが、問題の一部をカバーしている可能性がある。新しいプラットフォームは、さらに分断されたコンソールを作ることなく死角を減らすべきである。
中心となる試験は、概念的なものではなく運用上のものだ。制御されていないAI活動がリスクを生むことについて、セキュリティチームはすでに合意している。Plutoは、その文脈が従業員のデバイスと業務システム全体への導入を正当化するほど判断を改善することを示さなければならない。
Plutoの賭けが成り立つかを示す3つのシグナル
次の段階では、エージェント対応のセキュリティが持続的な統制レイヤーになるのか、それとも大規模プラットフォームに吸収される機能となるのかが明らかになる。
第一のシグナルは、独立して文書化された顧客パフォーマンスだ。Plutoは顧客に対し、発見した危険な活動、停止した行動、発生した誤検知について説明してもらう必要がある。実名のケーススタディは、集計された主張よりも大きな重みを持つ。
規制の厳しい業界からの証拠は、特に有用だろう。医療、金融サービス、法律関連の組織は、厳格な要件の下で機密データを扱う。これらの分野での導入成功は、Plutoが観測、プライバシー、強制のバランスを取れることを示す。
第二のシグナルは、急速に変化するAI環境にまたがる製品カバレッジだ。Plutoは、エンドポイントからコネクタを経て業務アプリケーションに至るまで活動を追跡できることを示さなければならない。また、新たにリリースされるツールやコンポーネントタイプへの迅速な対応も必要である。
拡大するPlutoniumカタログは、研究の幅を測る助けになり得る。さらに重要なシグナルには、新たに発見された脅威への対応時間と、コンポーネント評価の正確性が含まれる。公開された技術解説があれば、これらの能力は評価しやすくなる。
第三のシグナルは、既存のセキュリティベンダーがどう対応するかだ。エンドポイント、ID、ブラウザ、クラウド、データセキュリティのプロバイダーは、すでにエージェントが動作するシステムを担っている。比較可能な実行時統制をリリースするなら、Plutoには文脈、正確性、導入速度における明確な優位性が必要となる。
競合他社の資金調達も、より迅速な製品開発を支えるため重要だ。Recoの最近の資金調達と、それに先行したWitnessAIのラウンドは、Plutoが資金力のある競合と対峙していることを示している。wider startup raceは、各ベンダーに対し、自社がどのレイヤーを統制するのかを明確にする圧力をかけるだろう。
統合も、起こり得る結果の一つだ。大規模プラットフォームは、AIの発見やエージェント強制を追加するために専門企業を買収する可能性がある。統合とアラート疲れを減らせるなら、顧客は統一された統制プレーンを好むかもしれない。
Plutoの初期の勢いは、信頼できる立ち位置を与えている。報告されている30社以上のエンタープライズ顧客と数百万ドル規模の継続収益は、セキュリティ責任者がすでに予算を配分していることを示す。同社の無料研究プラットフォームも、実務家の間での認知を高める可能性がある。
しかし市場の行方を決めるのは、リスクを最も劇的に描写する企業ではない。実際の活動を特定し、重大なミスを防ぎ、AI導入を後押しした生産性を維持できる製品こそが市場を左右する。
ナレッジワーカーも、この結果に利害を持つ。設計の悪い統制は、あらゆるAI操作を承認依頼に変えてしまう。一方、適切に設計された統制であれば、従業員は明確な技術的境界の中で有用なワークフローを構築できる。
AIを試験的に導入するチームは、使用するツール、それらのツールがアクセスできるデータ、そして人間の承認が必要な操作を文書化すべきだ。検索可能なAIナレッジベースは、その記録を支援できるが、アクセス制御やセキュリティレビューの代わりにはならない。
Pluto Securityの資金調達は、監督下におけるAI導入にとって重要な試金石となる。企業は、データ、権限、エージェントの行動に対する実質的な統制を維持しながら、従業員にソフトウェアを作らせることができるのだろうか。今後の顧客による検証、製品統合、既存企業の対応が、その答えを示すはずだ。
セキュリティリーダーにとって、直ちに取るべき行動は明快だ。どのプラットフォームがそれを統治すべきかを議論する前に、従業員が構築したAIを把握することだ。誰がこうしたツールを作成しているのか、どのシステムに接続しているのか、そしてエージェントが任務を超えた場合に何が起きるのかを問う。そのうえで、Plutoまたは別のエンタープライズAIセキュリティベンダーが、安全な業務を妨げずにこうした経路を検知できるかを検証するべきだ。これらの問いに早期に答える企業は、自社のリスク状況を理解できる。目に見えるインシデントを待つ企業は、存在すら知らなかったAI環境を後から再構築することになる。
