Sysdig Secure AI、より迅速なクラウド防御を約束するも、人間による管理は依然不可欠

Sysdigは8月4日、3つの運用モードを備え、人間の説明責任を損なうことなくクラウド調査を迅速化するとするSecure AIを発表した。この発表はGoogle Newsにも掲載されたが、セキュリティチームが直面しているのは単なるアラート過多より難しい問いだ。AIエージェントにどこまで運用上の権限を委ねるべきかを判断しなければならない。

Secure AIは、専門化されたセキュリティエージェント、ヘッドレス統合、そしてSysdigの既存の生成AIアシスタントを、同社のクラウドネイティブ・アプリケーション保護プラットフォーム（CNAPP）に組み合わせたものだ。Sysdigによれば、このシステムは人間の専門家だけで対応する場合と比べ、88%低いコストで10倍以上のケースを調査できるという。

これらの数字は、自動化の魅力的な根拠となる。しかし、これは独立した研究機関による比較評価ではなく、Sysdig自身のワークロードモデルに基づくものだ。

したがって、より大きな対立軸はSysdigと手作業によるセキュリティ運用の競争ではない。自律的な行動と、検証可能な統制との間にある。GoogleとWiz、Palo Alto Networksをはじめとするベンダーも、調査や修復のタスクをエージェントに割り当てている。

セキュリティチームはもはや、AIにアラートを要約させるかどうかを選んでいるわけではない。ソフトウェアがいつ調査し、統制を変更し、修正を作成し、あるいは進行中の脅威を封じ込めてよいのかを決めている。

Sysdig Secure AIが実際に変えるもの

Secure AIは、既存の複数のSysdig機能を、クラウド上の証拠から推奨または自動化された対応へと進める協調的な運用モデルへと統合する。

Sysdigはラスベガスで開催されたBlack Hat USAでこの製品を発表した。同社のSecure AI launchによると、2026年8月4日に一般提供を開始した。

この製品は、同社のCNAPPであるSysdig Secureを基盤としている。CNAPPは、クラウドポスチャ、ワークロード、アイデンティティ、脆弱性、ランタイムセキュリティの情報を1つのプラットフォームに統合するものだ。

Secure AIは、1つのチャットボットや単一の自律エージェントを指すものではない。顧客に対し、クラウド防御でAIを利用する3つの関連した方法を提供する。

第1のモードでは、専門化されたAIセキュリティエージェントを使用する。これらのエージェントは、優先順位付けされたリスク一覧を作成し、関連する証拠を調査し、緩和策や修復策を準備する。

第2のモードはヘッドレス・クラウドセキュリティだ。ここでSysdigは、アプリケーション・プログラミング・インターフェース、コマンドラインツール、プラグイン、Model Context Protocolサービスを通じて機能を公開する。

Model Context Protocol（MCP）は、AIアプリケーションを外部ツールやデータに接続するための標準だ。このインターフェースにより、Claude、Cursor、Codexなどのコーディングエージェントは、既存のワークフロー内でSysdigの機能を呼び出せる。

第3のモードは、従来Sysdig Sageと呼ばれていた統合型の生成AIアシスタントだ。チームメンバーは、調査結果の説明、プラットフォーム内の操作、修復手順の提案を自然言語で求められる。

これらのモードは、自動化の経験レベルが異なるチームを対象としている。慎重な組織は、説明や提案から始められる。成熟したチームは、エージェントを調査・修復ワークフローに接続できる。

Sysdigは、重要な意思決定には人間によるレビューを残しつつ、低リスクまたは時間的制約のある作業は自律的に実行できるとしている。また、すべての操作は監査可能だという。

この区別は重要だ。クラウドセキュリティには、性質が大きく異なる操作が含まれる。インシデントの要約草案を作成することの運用リスクは限られる。一方、アクセスの遮断、権限の変更、本番ソフトウェアへのパッチ適用は、事業を中断させる可能性がある。

Secure AIは、アプリケーションやワークロードの稼働中の挙動を記録するランタイムテレメトリーも活用する。Sysdigは、その証拠の多くをカーネルレベルの観測と、オープンソースのランタイム検知エンジンであるFalcoを通じて収集している。

このアプローチは、脆弱性を実際の活動、露出、アイデンティティ、クラウド設定と結び付ける。そのためエージェントは、すべてのスキャナー結果を同等に扱うのではなく、脆弱なパッケージが実際に稼働し、到達可能かどうかを確認できる。

Sysdigによれば、Falcoのダウンロード数は2億回を超えたという。また、Fortune 500企業の60%を代表する組織がFalcoを利用しているとしているが、これはそれらすべてがSysdig製品を購入していることを意味するわけではない。

今回の発表は、これらの要素をより明確な製品上の約束へとまとめたものだ。Sysdigは、AIをセキュリティデータ上の会話レイヤーとしてだけでなく、運用上の参加者として販売している。

Google Newsの見出しが今重要な理由

Google Newsでの露出は、AI支援型分析から、稼働中のクラウド環境全体で調査・行動するエージェントへの、より広範な市場移行を反映している。

セキュリティチームは長年にわたり、機械学習を用いて挙動を分類し、重複アラートを減らし、異常な活動を特定してきた。生成AIは当初、自然言語検索と自動要約を加えた。

エージェント型システムはさらに一歩進む。定義された権限の下で、ツールを選択し、調査を計画し、証拠を収集し、操作を実行できる。

この移行は、インフラと攻撃の双方がより自動化される中で進んでいる。短命なコンテナ、マシンアイデンティティ、継続的デプロイメント、クラウドAPIは、すでに手作業のレビューより速く動作している。

Sysdigは、攻撃者が数分でクラウド環境を横断できると主張する。同社の発表では、AIエージェントが1時間以内に内部データベースへ到達した、同社観測による事例を引用している。

同社はまた、SysdigがAIエージェントによってエンドツーエンドで実行された最初の記録済みランサムウェア作戦と説明するJADEPUFFERにも言及している。これらの知見はSysdigの脅威リサーチチームによるものであり、他のベンダーの調査と同様の精査が必要だ。

すべての呼称や時間に関する主張を受け入れなくても、この圧力には信頼性がある。攻撃者は、防御側が管理するのと同じAPIを通じて、偵察、認証情報の利用、ラテラルムーブメント、データ収集を自動化できる。

モデルがソースコードを調査し、テストケースを生成し、エクスプロイト候補を構築できるようになると、ソフトウェア脆弱性もより速く悪用可能になる。Anthropicは、重要なソフトウェア欠陥の発見と修正支援に高度なモデルを用いることに焦点を当てたプログラム、Project Glasswingを通じて、その方向性を示した。

これはクラウド防御担当者の業務負荷を変える。自動化された探索が増えることでイベントも増加し、攻撃の高速化によって、本物の侵害と無害な異常を見分ける時間は短くなる。

採用だけでは、この時間差を解消できない。専門家は依然として不足しており、アナリストを増やしても、インフラ、アイデンティティ、エンドポイント、コード、アプリケーションにまたがる断片化した証拠が自動的に結び付くわけではない。

Sysdigが引用したISSAとOmdiaの調査では、調査対象組織の83%がサイバーセキュリティ向けAIを導入済み、または導入を計画していた。AI security studyでは、実務担当者が自らの仕事をますます困難だと感じていることも報告された。

この組み合わせが、発表のタイミングを説明する。購入者は自動化を求めているが、新たな提案の流れを生むだけではなく、調査作業を減らすシステムも必要としている。

Sysdigは、ランタイムコンテキストが必要な優位性を生むと見込んでいる。実際の挙動を基盤とするモデルは、静的な設定や脆弱性一覧だけから作業するモデルよりも、優れた判断を下せるはずだ。

しかし、ランタイムデータは不確実性を取り除くものではない。テレメトリーは不完全な場合があり、権限設定に誤りがある可能性もあり、正当な運用変更が悪意ある挙動に似ることもある。

したがってGoogle Newsの見出しの背後にある問いは、エージェントの方が速いかどうかではない。インシデント対応の緊張下でも、その証拠、推論、権限、操作が理解可能なままかどうかだ。

ランタイムコンテキストはSysdigの主要な競争上の賭け

Sysdigの中核的な主張は、セキュリティエージェントが有用になるのは、理論上の露出と実環境内で起きている活動を区別できる場合に限られるというものだ。

クラウドスキャナーは、多くの場合、脆弱性や設定上の弱点の長い一覧を出力する。技術的な深刻度だけでは即時の事業リスクを示せないため、これらの一覧はチームを圧倒しかねない。

隔離された開発ワークロード内の脆弱なパッケージは、公開された本番システム上の同じパッケージとは異なる対応を必要とする。積極的な悪用が確認されれば、優先順位はさらに変わる。

SysdigのAI workload securityは、公開露出、脆弱性、設定ミス、権限、ランタイムイベントを相関付ける。そのCloud Attack Graphは、影響を受けたリソース間の接続と、考えられる攻撃経路をマッピングする。

Secure AIはこの基盤を利用して調査を導く。エージェントはパッケージがアクティブかを確認し、ワークロードに関連付けられたアイデンティティを特定し、不審なプロセスやネットワーク挙動を確認できる。

証拠が信頼できる場合、この仕組みは定型作業を減らせる。また、何千もの類似した検出結果は待機できる一方で、なぜある検出結果には即時対応が必要なのかを、アナリストが説明する助けにもなる。

Sysdigは、経済性を示すために脆弱性調査を提示している。同社は従来型の調査について、3人のアナリストが各45分作業し、総コストは約135ドルになるとモデル化している。

Secure AIを利用するアナリスト1人なら、同じ調査を15分未満、16ドルで完了できるとしている。Sysdigは、そのうち約3.75ドルをモデルトークンに起因するものとしている。

この計算から、同社は88%低いコストで10倍以上の調査能力を実現できると主張している。具体的な数字ではあるが、その具体性を独立した証明と混同すべきではない。

結果は、アナリストの報酬、ケースの複雑さ、統合、トークン消費量、完了した調査を定義するために使う品質基準に左右される。環境が異なれば、結果も異なる。

ランタイム上の明確な証拠を持つ既知の脆弱性は、このモデルによく適合するかもしれない。複数のクラウドプロバイダーにまたがる新規のアイデンティティ侵害では、はるかに多くの人間による解釈が必要になる可能性がある。

この計算は導入作業も除外している。チームはアクセスを構成し、承認境界を定義し、チケット管理・コミュニケーションシステムを接続し、ポリシーを調整し、障害時の処理をテストしなければならない。

監査レビューも別のコストを加える。エージェントが本番の統制を変更した後、アナリストがすべての自動判断を再構築しなければならないなら、組織が意味のある時間を節約できるわけではない。

それでもSysdigは、正しい価値の単位を特定している。セキュリティリーダーが必要としているのは、モデルがどれだけ速くテキストを生成するかという新たな指標ではない。防御可能な精度の基準を満たした、完了済みの調査だ。

最も有用な証拠は、同じケースセットを対象に、エージェント支援型の調査と従来型の調査を比較するものだろう。評価者は、完了時間、誤った結論、見逃した証拠、安全でない操作、必要な人間による修正を測定すべきだ。

Sysdigは、この発表とともにその種の統制されたベンチマークを公表していない。それまでは、効率性の数字は、説明されたシナリオに基づく企業の主張にとどまる。

だからといって、この主張が無関係になるわけではない。購入者が評価中に検証できる具体的な仮説を与えるものだ。

WizとGoogleがSysdigのエージェント戦略に圧力をかける

Sysdigは、自律エージェントにとって、検知から修復までの最も明確かつ安全な経路をどのセキュリティデータ基盤が提供するかをめぐる、活発な競争に参入している。

Wizは2026年3月、Red、Blue、Greenエージェントを導入した。各エージェントは、セキュリティライフサイクルの異なる部分を担う。

Red Agentは、悪用可能な脆弱性を探索します。Blue Agentは、クラウド、アイデンティティ、ランタイムのコンテキストを用いて脅威を調査します。Green Agentは、優先度の高い問題を分析し、修復を準備または実行します。

Wizでは、これらのエージェントを承認ステップやコラボレーションツールと組み合わせたワークフローも構築できます。agent workflowsでは、信頼度の低いアクションを人に振り分けつつ、信頼度の高い修正を自動化できます。

Google Cloudは4月のカンファレンスで競争圧力を強めました。同社のセキュリティポートフォリオには、脅威ハンティング、検知エンジニアリング、サードパーティーのコンテキスト向けエージェントが追加されました。

Googleはまた、Mandiantの脅威インテリジェンス、Google Security Operations、アイデンティティサービス、AIインフラを含む広範なプラットフォームの中でWizを位置付けました。同社のagentic defense戦略は、クラウドワークロードとセキュリティオペレーションにまたがります。

Palo Alto Networksも、ネットワーク、クラウド、セキュリティオペレーション、AI保護にまたがる類似の道を進んでいます。Prisma AIRSはAIアプリケーションとエージェントの保護により直接的に焦点を当て、より広範なポートフォリオが運用上のセキュリティコンテキストを提供します。

これらのベンダーはアーキテクチャこそ異なりますが、共通する主張があります。より優れたコンテキストデータにより、エージェントは分散したツールに接続された汎用モデルよりも、迅速かつ正確な判断を下せるというものです。

SysdigはランタイムテレメトリーとFalcoを重視します。Wizはセキュリティグラフとコードからクラウドまでのコンテキストを重視します。Googleは脅威インテリジェンス、インフラ規模、そして拡張中のセキュリティプラットフォームを重視します。

競争の焦点は、最も多くのエージェントを実演できるベンダーがどこかではありません。名前付きエージェントはパッケージングにすぎません。購入者は、それらのエージェントがアクセスする証拠と、与えられる権限を精査する必要があります。

専門特化したエージェントでも、誤った結論に至る可能性があります。調査、検証、修復にタスクを分けることで有用なチェックが生まれるかもしれませんが、それはエージェント同士が互いの前提に異議を唱える場合に限られます。

そうでなければ、マルチエージェントの連携は、同じ誤りを複数の自動化ステップで繰り返しかねません。調査エージェントによる誤った結論が、確信を持って生成された修復へとつながる可能性があります。

この競争は、Sysdigのヘッドレスアプローチにも圧力をかけます。コーディングエージェントを通じてセキュリティを運用することは柔軟性をもたらしますが、周囲のエージェント環境が信頼チェーンにおいて重要な役割を担うことになります。

セキュリティチームは、モデル、MCPサーバー、ツール権限、認証情報、会話コンテキスト、外部統合を精査しなければなりません。どの層の弱点も、最終的なアクションに影響し得ます。

Sysdigの優位性が最も明確なのは、ランタイムの証拠が大きなコンテキストを加える、コンテナ化およびクラウドネイティブ環境です。その最も強力なテレメトリーの外側にあるメール、エンドポイント、業務アプリケーション、アイデンティティシステムまでインシデントが及ぶ場合、この優位性は不確実になります。

大手競合は、より広範なプラットフォームによってこの制約に対応できます。Sysdigは、インターフェースをオープンに保ち、顧客がすでに運用しているシステムと統合することで対応できます。

これが、Secure AIが単なる機能発表以上の意味を持つ理由です。これは、ランタイムデータを自律型クラウド防御の制御レイヤーに据えようとするSysdigの試みです。

自律型クラウド防御が生む新たな制御課題

エージェントが攻撃を阻止するための同じ権限は、誤った判断、侵害された指示、または過剰な修復の影響も増幅し得ます。

Sysdigの製品メッセージには、人によるレビューが一貫して登場します。同社は、人が目標を設定し、重要な判断には人が関与し続け、エージェントのアクションは監査可能であるとしています。

これらの安全策は適切に聞こえますが、その実装が価値を決めます。「human in the loop」は、意味のある承認から、アクション後に届く通知まで、さまざまな状態を指し得ます。

製品の主な約束がスピードである場合、承認も難しくなります。防御側は、マシン速度での封じ込めを期待しながら、すべてのステップを慎重にレビューすることはできません。

したがって、チームには段階的な権限が必要です。エージェントは証拠を自由に収集し、チケットを自動で起票し、承認を得て開発ワークロードを隔離する一方、単独で本番のアイデンティティポリシーを変更してはなりません。

許容される境界は、可逆性と潜在的な影響に左右されます。疑わしいプロセスを1つ停止することと、複数の顧客向けサービスで使われる共有ロールを取り消すことは異なります。

プロンプトインジェクションも別の懸念を生みます。エージェントは調査中に読み取るソースコード、ログ、チケット、Webページ、その他のデータの中で、悪意ある指示に遭遇する可能性があります。

エージェントが信頼できないコンテンツを運用上のガイダンスとして扱えば、攻撃者は調査に影響を与えられます。ツールへのアクセスは、その後モデルのエラーをセキュリティアクションへと変えてしまいます。

認証情報の設計も同様に重要です。エージェントには各タスクに必要な最小限の権限だけを付与し、短命な認証情報を使用させ、監視されたインターフェースを介して運用させるべきです。

長期間有効な管理者認証情報は、慎重に設計されたエージェントであっても、その利点を損ないます。エージェントまたはそのコンテキストが侵害されれば、環境全体がさらされるおそれがあります。

業界はすでにこれらのリスクを認識しています。OWASP agentic risksには、目標の乗っ取り、ツールの悪用、アイデンティティの悪用、過剰な自律性、連鎖的障害が含まれます。

Secure AIの監査証跡は説明責任に役立つ可能性がありますが、ログだけでは危険な挙動を防げません。チームには、実行前に禁止されたアクションをブロックするポリシーが必要です。

また、エージェント自身の推論プロセスの外部にある独立した制御も必要です。例としては、権限境界、変更ウィンドウ、リソース保護、トランザクション上限、承認要件などがあります。

信頼できるシステムは、すべての結論の背後にある証拠を保存すべきです。アナリストは、エージェントがどのシグナルを参照し、どの代替案を退け、なぜそのアクションを選択したのかを確認できる必要があります。

自然言語による説明だけでは不十分です。モデルは、自身の内部プロセスや完全な証拠セットを忠実に反映していない、説得力のある要約を生成できます。

購入者は、不確実性の扱いもテストすべきです。証拠が不十分であることを認めてレビューを求めるエージェントは、あらゆる調査を完了するよう最適化されたエージェントより安全な場合があります。

誤検知は運用コストを生みますが、見逃しはより大きなセキュリティ上の結果をもたらします。したがってベンチマークでは、速度と判断品質を分けて評価する必要があります。

同社のコスト例では、エラー率や修正率は公開されていません。また、テレメトリーが欠落している、矛盾している、あるいは意図的に操作されている場合にシステムがどのように機能するかも示していません。

これらの不足はSecure AIを失格にするものではありません。本番環境で自律的なアクションを実行する前に必要となる評価作業を定義するものです。

自律性を拡大する前にセキュリティチームがテストすべきこと

次の段階は、測定された調査品質、安全な本番アクション、そしてベンダーのデモ以外でもエージェント性能が改善することを示す証拠によって決まります。

最初に注目すべきシグナルは、独立した評価、または顧客が再現可能な評価です。チームはSecure AIと従来のアナリストを、同じ過去のインシデントに対して比較するべきです。

各テストでは、調査時間、証拠の網羅性、見逃した指標、誤った結論、推奨アクション、人による修正を追跡すべきです。コスト比較には、統合とレビューにかかる労力も含める必要があります。

チームが、ミスを増やさずにSysdigが主張する処理能力の向上を再現できれば、この証拠はSysdigの主張を強めます。エージェントが迅速に完了しても、修正が頻繁に必要であれば、経済的な論拠は弱まります。

2つ目のシグナルは、自律的な修復の本番利用です。ケーススタディでは、どのアクションが自動で実行され、どれに承認が必要で、組織がロールバックをどのように扱うかを説明すべきです。

有用なケーススタディには、平均的な速度だけでなく、障害時の挙動も含まれます。購入者は、エージェントが不完全なテレメトリーや矛盾する指示を受け取ったときに何が起きるのかを知る必要があります。

Secure AIの現在の顧客コメントは方向性を支持していますが、製品発表向けに選ばれた推薦文にとどまります。統制された証拠の代わりにはなりません。

3つ目のシグナルは、競合の対応と相互運用性です。GoogleとWizはすでにタスク特化型エージェントを提供しており、Palo Alto NetworksはAI保護を広範なセキュリティプラットフォームと結び付けています。

顧客が複数のセキュリティベンダーを利用する場合にも、Sysdigはランタイム上の優位性が有用であり続けることを示す必要があります。権限とデータ交換が管理可能であれば、ヘッドレスインターフェースは役立ちます。

顧客は、Sysdigが専門家作成のスキルをどの程度の頻度で追加するかも注視すべきです。新しいスキルはカバレッジを拡大できますが、すべての機能はテストとガバナンスを必要とする新たなワークフローを追加します。

Google Newsのサイクルはすぐに次へ進みます。製品導入、統制されたベンチマーク、公開された失敗事例は、発表時の見出しよりはるかに多くを明らかにするでしょう。

Secure AIを評価する購入者にとっては、段階的な導入が最も理にかないます。まず読み取り専用の調査から始め、その結論を経験豊富なアナリストと比較し、エージェントがどこでコンテキストを失うかを記録してください。

次に、限定された環境内で可逆的なアクションを許可します。チームが十分な実際のインシデントで精度を測定するまでは、本番環境への変更に明示的な承認を求めてください。

最後に、自律性は一般的な信頼度設定ではなく、アクションの種類によって定義してください。証拠収集、チケット作成、プロセス隔離、権限変更、コードデプロイには、それぞれ異なるリスクがあります。

セキュリティリーダーは、アクセスを増やす前に最後の問いを投げかけるべきです。チームは、エージェントが下す重要な判断をすべて再構築し、検証し、取り消すことができるでしょうか。

Sysdigは、ランタイムの証拠がAIエージェントによる実際のクラウドリスクの優先順位付けに役立つという、もっともらしい根拠を示しました。しかし、広範な自律性が慎重な人間の制御を一貫して上回ることは、まだ確立されていません。

その証明には、Google Newsへのもう一度の登場以上のものが必要です。証拠が矛盾し、本番システムが変更に抵抗し、ミスが測定可能な結果をもたらす複雑な環境から、透明性のある結果を得る必要があります。