Uniti Solutions AI Security、Shadow AIの制御を管理ネットワークへ移行
Uniti Solutionsは、職場におけるAI活動の制御を既存のネットワークセキュリティプラットフォームに取り込む、同社初の専用マネージドAIセキュリティサービスを開始した。Uniti Solutions AI Securityは、従来型ファイアウォールでは評価が難しいプロンプト、応答、アプリケーション、モデル、自律型エージェントを対象とする。
このサービスはCato Networksを基盤とし、UnitiのマネージドSecure Access Service Edgeサービスのアドオンとして販売される。SASEは、ネットワーキング機能とセキュリティ機能をクラウド提供型アーキテクチャに統合する。この提供モデルは重要だ。新たな制御機能は、対象顧客がすでに利用しているトラフィック経路に配置されるためである。
この発表は、既存製品に「AI」の名称を付け加えた単なるセキュリティベンダーの動きではない。Unitiは、承認済み・未承認を問わずAIツール全体の制御をサービスプロバイダーに委ねたい企業があると見込んでいる。Microsoft、Google、専門セキュリティ企業も、それぞれのプラットフォームで同じ課題に取り組んでいる。
ここに中心的な緊張関係がある。マネージドネットワークサービスはセキュリティチームに単一の適用ポイントを提供できるが、可視性だけで実用的なAIポリシーが生まれるわけではない。顧客は依然として、どのプロンプトを許容するか、どのデータを保護すべきか、自動ブロックが防止効果よりも大きな損害を生むのはいつかを判断する必要がある。
Uniti Solutions AI Securityはアプリケーションアクセス以上を監視する
このサービスは、アクセス制御から、ユーザーとAIシステムの間で交わされる内容の解釈へとネットワークセキュリティを拡張する。
Unitiは2026年10月13日にこのサービスを発表した。AI Securityのリリースでは、AI利用の検出、インタラクションの分析、リアルタイムガードレールの適用という3つの主要機能を説明している。
検出機能は、対象ユーザーと拠点全体にわたり、承認済み・未承認のAIアプリケーション、モデル、エージェントをカバーする。このインベントリ機能は、組織の承認やガバナンスなしに利用されるAIシステムを指すShadow AIに対処する。
このサービスは、プロンプト、応答、アクションも検査する。Unitiによれば、基盤システムはキーワード一致だけに依存せず、意図を考慮する。この違いは、プロンプトに機密性の高いソースコード、財務情報、顧客記録とともに通常の文章が含まれる場合に重要となる。
リアルタイムガードレールが適用レイヤーを担う。Unitiによれば、管理者はインタラクションの最中に不正利用をブロックしたり、機密情報をマスキングしたりできる。このアプローチは、未承認のAIツールをすべて自動的に拒否するのではなく、正当なアクセスを維持することを目指している。
このサービスは、企業における3種類のAI利用経路を対象とする。従業員は公開されたサードパーティー製アシスタントを使用し、開発者は社内AIアプリケーションを構築し、自律型エージェントは接続されたシステム全体で行動する可能性がある。各経路では、異なるアイデンティティ、データフロー、潜在的な影響が生じる。
従業員が顧客記録をチャットボットに貼り付ければ、直接的な情報開示リスクが生じる。社内アプリケーションは、アクセス制御が弱いことで過剰なデータを露出させる可能性がある。エージェントはツールや接続アカウントを通じてアクションを実行できるため、別の懸念をもたらす。
Unitiは、このサービスをCatoを基盤とするマネージドSASEサービスの利用顧客にのみ提供する。従って、これはすべての企業向けの独立したセキュリティ製品ではなく、既存の提供関係を拡張するものだ。
この制約は商業的な論理も説明している。Unitiはすでに、これらの顧客にネットワーク接続、導入、運用サポートを提供している。そのため、別の独立したセキュリティ運用ワークフローを構築させることなく、AIトラフィック制御を追加できる。
同社によれば、より広範な事業は米国の企業、政府、教育機関の顧客拠点の約95%に及ぶ。この数値はサービス提供範囲を示すものであり、新AIサービスの導入状況を示すものではない。
Unitiは、顧客数、導入結果、検出精度、このサービスに関する独立評価を公表していない。この発表は想定される機能を示しているが、本番環境での性能を裏付けるものではない。
とはいえ、直近の変化は具体的である。既存のマネージドSASE顧客は、自社のネットワークセキュリティレイヤーを運用する同じプロバイダーを通じて、AIインタラクションを統制する選択肢を得た。
Shadow AIはデータ制御の問題になった
多くのセキュリティチームが実効性のあるルールを整備するより速く、従業員がAIを採用したことで、企業には圧力がかかっている。
Unitiは、企業におけるAIが限定的な実験段階を超えた証拠として、OpenAIの法人顧客が200万社を超えたことを挙げている。OpenAIのエンタープライズAIレポートも、ChatGPTの職場向けシート数が700万を超えたと報告している。
これらの数値は、ガバナンスが弱い組織の数を示すものではない。ただし、AIツールが現在では多数の職場アカウントと反復可能な業務プロセスにまたがって稼働していることは示している。
より示唆的な統計は、MicrosoftとLinkedInによる職場調査から得られる。調査対象のAIユーザーの78%が、自ら持ち込んだAIツールを職場で利用していることが判明した。元の職場AI調査は、この行動を正式な企業プログラムの外で広がる個人主導の採用として位置付けている。
BYOAIの行動は、難しい適用上の問題を生む。ドメインをブロックすれば1つのサービスは止められるかもしれないが、従業員は別のWebサイト、ブラウザ拡張機能、アプリケーション、組み込み型アシスタントへ移行できる。
承認済みツールもリスクを排除しない。認可されたチャットボットであっても、ユーザーが共有すべきでない機密テキストを受け取る可能性がある。承認済みの社内エージェントも、タスクに必要な範囲を超える記録にアクセスできるかもしれない。
このため、Shadow AIは単純なソフトウェアインベントリの問題とは異なる。セキュリティチームは存在するツールを把握する必要があるだけでなく、アイデンティティ、データ、プロンプト、結果としてのアクションに関する文脈も必要とする。
Microsoftのガイダンスは、Shadow AIを、組織のテクノロジーチームの認識、承認、ガバナンスなしにAIツールを利用することと定義している。そのShadow AIブループリントは、検出、アプリケーション制御、データ損失防止、監査、調査を推奨している。
UnitiとCatoは、マネージドネットワークレイヤーから同じ制御の流れに取り組んでいる。トラフィックの可視性により、調達記録やアイデンティティシステムが見落としたサードパーティーAIサービスを明らかにできる。インライン検査は、送信中の情報に基づくポリシーを支援できる。
このモデルは、既存の複数のセキュリティ機能に負荷をかける。データガバナンスチームは保護対象の情報を定義しなければならない。ネットワークチームは正当な業務を妨げずに制御を実装する必要がある。セキュリティ運用チームには、文脈の乏しいイベントを新たに流すのではなく、有用なアラートが求められる。
アプリケーション所有者も精査の対象となる。社内AIシステムがインベントリに現れた場合、その所有者は使用するデータと実行可能なアクションを説明しなければならない。エージェントは本番システムへのアクセスを始めた時点で、非公式な実験のままではいられない。
したがって、このサービスは技術的なギャップと同じくらい組織的なギャップに応えるものだ。従業員には効率的なAIツールを利用する強い動機がある。セキュリティチームは、許容利用に関する文書だけでこの需要を管理することはできない。
実用的なプログラムには、リスクの高い行動を特定するための十分な可視性と、通常の調査、文書作成、分析を阻害しないための十分な精度が必要となる。Unitiの提案は、すでにCato経由でトラフィックをルーティングしている顧客にとって、マネージド型の適用がそのギャップを埋められるというものだ。
Cato AI SecurityはSASEを適用ポイントへ変える
技術面での賭けは、制御がユーザーとトラフィックに追随し、アプリケーション、拠点、デバイスをまたげる場合に、AIガバナンスはより有効に機能するというものだ。
CatoのSASEプラットフォームは、ネットワークアクセスとセキュリティ検査をクラウドネイティブなサービスに統合している。Unitiは、マネージド顧客向けに、そのプラットフォームを取り巻く導入、接続性、監視、運用サポートを追加する。
この構造により、UnitiのAIセキュリティサービスは広範な観測点を得る。ユーザーは、オフィス、リモート接続、クラウドホスト型アプリケーションから公開チャットボットにアクセスする可能性がある。トラフィックがマネージドサービスを通過する場合、SASEポリシーはこれに追随できる。
従来型ファイアウォールは主に、アドレス、ポート、プロトコル、アプリケーション、既知の脅威指標を評価する。これらの制御は引き続き重要だが、プロンプトや応答の意味を完全に説明するものではない。
リクエストは技術的に許可されていても、データ露出を生む可能性がある。例えば、従業員が承認済みアシスタントに機密性の高い買収文書の要約を依頼する場合がある。接続自体は正当でも、その内容は企業ポリシーに違反する。
Unitiによれば、Cato AI Securityはプロンプトと応答の意図を検査し、機密データを検出して、インラインで対応できる。また、数百種類のAIツールをインベントリ化し、認可済みサービスと未認可サービスを区別できるとしている。
マスキングは、完全なブロックよりも混乱の少ない選択肢となる。ポリシーによっては、プロンプトの残りを処理させながら、保護された識別子だけを削除できる。理論上、これは生産性を保ちながら情報開示リスクを低減する。
しかし、効果的なマスキングは分類の品質に依存する。システムは多様な形式の保護対象データを認識し、周辺の文脈を理解しなければならない。また、正当な業務に必要な通常情報まで削除しない必要がある。
エージェントは、テキストを生成するだけでなく行動できるため、重要性を高める。エージェントはデータベースへのクエリ、サポートチケットの作成、メッセージ送信、記録の変更を行う可能性がある。そのセキュリティプロファイルには、アイデンティティ権限、ツールアクセス、指示、データ露出が含まれる。
Catoのプラットフォーム戦略は、こうしたエージェント型のリスクを中心に拡大してきた。2026年初頭、同社はネイティブAIセキュリティ機能と、エージェント型脅威防止サービスを発表した。Unitiはこの方向性の一部を、顧客向けの運用サービスとしてパッケージ化している。
このパートナーシップはすでに商業面で確立されている。2026年8月、UnitiはCatoとの複数年契約を更新し、Advanced Partnerのステータスを取得した。Unitiによれば、Catoのグローバルパートナーのうち、この指定を受けているのは2%未満だという。
両社はまた、Unitiを、Catoを基盤とするマネージドSASEサービスを提供する北米初のマネージドプロバイダーとも説明している。これらはパートナーシップ上の地位に関する企業側の主張であり、セキュリティ成果を独立して測定したものではない。
それでも、この関係は統合リスクの一因を低減する。Unitiは、開始直前に未知のAIセキュリティスタックを組み立てているわけではない。技術チームがすでに導入・サポートしているプラットフォームを拡張している。
この仕組みには境界もある。制御機能が検査できるのは、統合されたトラフィック、アイデンティティ、エンドポイント、アプリケーションを通じて可視化されるインタラクションだけである。暗号化されたフロー、管理されていないデバイス、直接的なアプリケーション統合、未対応チャネルは、ギャップを生み得る。
そのため顧客は、このサービスがどの経路を可視化できるのかを確認すべきである。ブラウザ、デスクトップアプリケーション、モバイルデバイス、API、社内モデル、エージェントツールをそれぞれ個別にテストすべきだ。「AIの可視性」は、その対象範囲が定義されている場合にのみ意味を持つ。
MicrosoftとGoogleは同じ制御レイヤーをめぐって競合している
Unitiの主な競合相手は、特定のマネージドプロバイダーではなく、大手企業の技術基盤にすでに組み込まれているプラットフォームネイティブなセキュリティモデルだ。
Microsoftは、Purview、Defender for Cloud Apps、Entra、Intuneを通じて、AIの検出とデータ管理機能を提供している。Purviewは、データ損失防止ポリシーの適用、やり取りの監査、情報の分類、リスクのある活動の調査を行える。
同社の強みは、MicrosoftのID、エンドポイント、生産性データ、Copilot製品に近接している点にある。Microsoft 365に深く投資している組織であれば、既存のラベルやコンプライアンスポリシーを継承できる管理機能を選ぶ可能性がある。
Microsoftは、選定されたサードパーティ製AIアプリケーションのサポートについても文書化している。同社のAI protection guidanceでは、Microsoft Copilot、登録済みのエンタープライズAIアプリケーション、ブラウザで検出された生成AIサービスを、異なる管理カテゴリに分類している。
Googleは、Security Command Center、Sensitive Data Protection、Model Armor、およびクラウドAIサービスを中心に、同様のポートフォリオを構築している。Model Armorは、プロンプトと応答を対象に、プロンプトインジェクション、機微データ、有害コンテンツ、悪意あるリンクを検査する。
Googleのアプローチは、開発者がGoogle Cloud上でAIアプリケーションを構築する場合や、APIを通じたモデルレベルの保護を必要とする場合に魅力的だ。AIワークフローがIDおよび生産性環境内にとどまる場合、Microsoftにも同様の優位性がある。
UnitiとCatoは、異なる道筋を提示している。これらの執行ポイントは、単一の生産性スイートやクラウド開発プラットフォームではなく、統合されたネットワークおよびセキュリティサービスである。
これは、複数の技術基盤が混在する企業にとって有効になり得る。従業員はMicrosoft 365、Google Workspace、一般向けAIアシスタント、専門ソフトウェア、社内開発エージェントを利用する可能性がある。ネットワークレベルのポリシーは、こうした環境を横断する共通レイヤーを提供できる。
このモデルは、大規模な社内セキュリティチームを持たない顧客の運用負荷も軽減する。マネージドプロバイダーは、管理者に新たなコンソールを渡すだけでなく、ポリシー設定、イベント監視、変更対応を支援できる。
ただし、プラットフォームネイティブなツールは、自らの環境内ではより豊富なコンテキストを持ち得る。Microsoftは、機密度ラベル、IDシグナル、デバイスの状態、ドキュメントの権限を利用できる。ネットワークレイヤーでは、送信コンテンツを確認できても、その背後にあるすべての業務上の権限を理解できるとは限らない。
これは単純な機能比較ではない。顧客は、必要なコンテキストを得られる管理ポイントはどこか、またどのチームがそれを一貫して運用できるかを判断しなければならない。
一部の組織は両方のアプローチを組み合わせるだろう。ネイティブツールはクラウドプラットフォーム内のデータとIDを保護し、SASEの管理機能はより広範なトラフィックを監視する。この多層設計はカバレッジを向上させ得る一方、アラートや執行の重複も招き得る。
ポリシーの競合は実務上の問題を生む。一方のシステムがマスキング後のプロンプトを許可する一方で、もう一方がセッションをブロックする可能性がある。別々のツールが、同じイベントを異なるユーザー、アプリケーション、またはリスクラベルで記録する場合もある。
したがって、Unitiのマネージドサービスは、統合が運用上の価値を生むことを証明しなければならない。最も強力な証拠には、調査時間の短縮、未管理アプリケーションの減少、機微データの露出低減、許容可能な誤検知率などが含まれる。
この発表では、そうした測定値は提示されていない。導入からデータが得られるまでは、Uniti Solutions AI Securityは、主として製品機能と確立されたパートナーシップに支えられた、信頼できる提供モデルにとどまる。
プロンプト検査には独自のセキュリティ上のトレードオフがある
AIを管理するために必要な可視性そのものが、極めて機微な従業員および企業のやり取りを、別の検査システムにさらす可能性がある。
組織がプロンプト内の情報を考慮すると、プロンプト検査は一見単純に思えるものではなくなる。従業員はソースコード、法的助言、医療情報、顧客記録、セキュリティ上の発見事項、未公表の財務データを入力する可能性がある。
プロンプトと応答を読み取る管理機能は、機微データの経路の一部となる。顧客は、処理場所、保持期間、管理者アクセス、暗号化、地域別ルーティング、インシデント対応について明確な回答を求める必要がある。
また、検査対象のコンテンツが何らかのモデルの学習に利用されるかどうかも確認すべきである。サービス発表では、データ保持やモデル学習の条件は説明されていない。これらの詳細は、導入前に契約面および技術面からのレビューを必要とする。
誤検知も別の課題となる。開発者が、認証情報に見える単語を含むコードサンプルを正当に分析する場合がある。財務担当者が、適切にマスキングされた記録を用いて承認済みツールを使用することもある。過度に広範な管理は、どちらの業務も中断しかねない。
見逃しも同様に深刻である。機微情報は通常と異なる形式で現れる場合があり、他のコンテキストと組み合わせて初めて識別可能になることもある。意図分析は検出の改善に役立ち得るが、完全な理解を確立する発表は存在しない。
AIアプリケーションは、従業員による偶発的な情報開示以外の脅威にも直面する。OWASP risk listには、プロンプトインジェクション、機微情報の開示、不適切な出力処理、過剰な自律性が含まれている。
プロンプトインジェクションは、細工されたコンテンツによってモデルの挙動に影響を与える手法だ。エージェントは、ドキュメント、Webサイト、メール、その他の取得済みデータの中で、悪意ある指示に遭遇し得る。このリスクは、従業員が会社のポリシーに従っている場合でも存在する。
インライン検査は防御に貢献できるが、安全なアプリケーション設計に取って代わることはできない。開発者には引き続き、厳格な認可、限定されたツール権限、入力処理、出力検証、重要な行為に対する人間の承認が必要だ。
従業員によるAI利用と、社内で構築したエージェントとの違いも重要である。ブラウザ制御は、従業員が一般向けアシスタントにテキストを送信する行為を管理できる。しかし、過剰なデータベース権限を持つ社内エージェントを自動的に修正するわけではない。
顧客は、単一のインベントリを完全なAI資産台帳として扱うべきではない。ネットワーク観測は、クラウドアカウント、APIキー、アプリケーションリポジトリ、IDシステム、モデルゲートウェイ、調達記録と照合する必要がある。
ポリシー設計は、確信度の高い保護を限定的に導入するところから始めるべきだ。組織はまず、シークレット、規制対象の識別子、明確に未承認のアプリケーションをブロックできる。その後、監視した活動から得た証拠を用いて管理を拡張できる。
監視のみの期間を設けることで、執行を開始する前に、従業員が実際にAIをどのように利用しているかを明らかにできる。セキュリティチームは、業務上重要なワークフロー、繰り返し現れるデータ種別、承認済みの代替手段を必要とする部門を特定できる。
明確なユーザーフィードバックも不可欠である。ブロックされたプロンプトは、攻撃者が容易に回避できる検出ロジックを明かすことなく、どのポリシーが適用されたかを説明すべきだ。ユーザーに必要なのは、エラーメッセージだけではなく、安全な次の行動である。
マネージドサービスはこうした運用上の詳細を支援できるが、顧客はポリシーの選択に引き続き責任を負う。Unitiが、各組織にとって許容可能な生産性、プライバシー、コンプライアンス、セキュリティのバランスをすべて決めることはできない。
したがって、中心的なトレードオフは避けられない。検査を強化すれば未管理の情報開示を減らせる一方、機微なやり取りのデータを集中させ、従業員のワークフローに新たな判断エンジンを導入することにもなる。
サービスの成果を示す3つのシグナル
次の試金石は、さらなる機能発表ではなく、AIをさらに地下化させずに顧客が統制できることを示す証拠だ。
最初のシグナルは、UnitiのマネージドSASE顧客における測定可能な導入状況である。Unitiは、何社の顧客がこのアドオンを有効化するのか、どの業界が最初に導入するのかを明らかにしていない。
規制の厳しい組織での導入は、詳細な管理、監査可能性、契約上の保証を求める買い手であることから、サービスの信頼性を強めるだろう。利用が限定的であれば、顧客がネイティブプラットフォームを選好している、またはプロンプトレベルの執行を導入する準備ができていないことを示唆する。
2つ目のシグナルは、運用上の証拠である。UnitiとCatoは最終的に、導入カバレッジ、ブロックされた情報開示、ポリシー変更、調査時間、誤検知の傾向を報告すべきだ。集計結果であれば、個々の顧客データを公開せずに価値を示せる。
検出件数だけでは弱い証拠となる。ポリシーにノイズが多ければ、システムは多数のアラートを生成できる。より有用な指標には、未承認利用の減少、承認済みツールへの移行増加、検証済みインシデントの解決迅速化が含まれる。
3つ目のシグナルは、サービスが自律型エージェントをどのように扱うかである。行為が外部システムや業務記録に影響を与え得るため、エージェントのトラフィックは従業員によるチャットボット利用よりも厳しい試験となる。
信頼できるエージェントセキュリティプログラムには、ネットワーク活動をエージェントID、委任された権限、ツール呼び出し、データアクセスと結び付ける必要がある。管理機能がブラウザプロンプトに焦点を当てたままであれば、このサービスがカバーできるのは新たに生じるリスクの一部にすぎない。
こうしたシグナルは、プラットフォームネイティブなセキュリティ製品に対するUnitiの位置付けも明らかにする。幅広いクロスプラットフォームの可視性は、マネージドSASEモデルを支持する。MicrosoftまたはGoogle環境内でより豊富なコンテキストと単純な運用が得られるなら、ネイティブ管理機能が有利になる。
企業は、勝者が決まるのを待たずにガバナンスを改善できる。承認済みAIシステムを棚卸しし、保護対象データを定義し、エージェント権限を制限し、代表的なワークフローで管理機能がどのように動作するかを試験できる。
また、重要な知識がAIプロセスに入る場所も記録すべきだ。これには、コピーされたテキスト、アップロードされたドキュメント、接続されたリポジトリ、取得された記録、自動化ツールの出力が含まれる。維持管理されたAI knowledge baseは、こうした情報境界のレビューを容易にできる。
Uniti Solutions AI Securityが登場したのは、企業におけるAIが中央承認されたアプリケーションを超えて広がっているという意味で、適切な時期だ。そのマネージド提供モデルは、混在環境を横断する実用的な執行ポイントを顧客に提供する。
このローンチは、すべてのAIインタラクションを正確に分類できることを証明するものではない。また、安全なアプリケーション設計、ID管理、データガバナンス、従業員の十分な理解に基づく行動の必要性をなくすものでもない。
買い手にとって最も重要な問いは運用上のものだ。このサービスは、従業員がすでに依存しているワークフローを維持しながら、リスクの高いAI利用を減らせるのか。アドオンを検討する組織は、カバレッジマップ、監視のみのベースライン、確信度の高い複数のデータポリシーから始めるべきである。その上で、実際の業務シナリオを用いて、マスキング、ブロック、エージェント活動、インシデント調査を検証する必要がある。得られる証拠は、ダッシュボードに表示されるAIツール数よりも重要になる。Unitiがこうした管理機能を、より低い露出リスクと明確な説明責任へと結び付けられるなら、そのマネージドネットワークの立場は価値を持つ。ユーザーが単に執行を迂回するだけなら、シャドーAIは管理されるのではなく、見えないまま残る。
