ハイブリッドエンタープライズに潜むリスク
クラウドコンピューティング、SaaSの導入、リモートワーク、分散型購買の拡大により、テクノロジー資産はより動的になり、ガバナンスもより困難になっています。
デバイスは従来のネットワーク境界の外部から接続します。アプリケーションは事業部門が調達します。クラウドリソースは短時間で出現したり消えたりします。従業員は目の前のビジネス課題を解決するために新しいサービスを導入します。その結果、運用情報はIT、セキュリティ、財務、調達、各事業部門が管理するツールに分散していきます。
AIはサイバー脅威の状況も増幅させ、参入障壁を下げることで、攻撃者が既知の手口をより高速に、より広範囲に、より高度に拡大できるようにしています。Gartnerの2025年調査では、302名のサイバーセキュリティリーダーのうち62%が、自社組織でソーシャルエンジニアリングや自動化プロセスの悪用を伴うディープフェイク攻撃を経験したと回答しています。
同時に、組織は日常業務へ人工知能を組み込む取り組みを急速に進めています。AIは、チームによる問題調査、大量の情報分析、レポート作成、対応策の推奨、ワークフローの調整を支援できます。しかし、こうした取り組みを支える情報への信頼は、導入への意欲に追いついていません。
PreciselyとDrexel Universityが実施した「2025 Outlook: Data Integrity Trends and Insights」の調査は、この課題の規模を示しています。調査対象組織のうち、効果的なAI導入に十分な品質とアクセス性を備えたデータを保有していると回答した組織はわずか12%でした。3分の2(67%)は意思決定に使用するデータを完全には信頼しておらず、62%はAIの取り組みを阻害する主なデータ課題としてデータガバナンスの不足を挙げています。
もはや課題は、組織が十分な運用データを持っているかどうかではありません。人とAIが、どの情報が最新で、信頼できる権威あるもので、関連付けられており、行動に移しても安全かを判断できるかどうかです。AIが運用ワークフローに組み込まれるにつれ、意思決定の品質は、その背後にあるコンテキストの品質にますます左右されるようになります。
しかしITリーダーにとって、この課題は、チームが日々答えなければならない具体的な運用上の問いとして表れます。
- このデバイスはアクティブで管理対象になっているか。
- 実際にインストールされているソフトウェアのバージョンはどれか。
- このエンドポイントの所有者は誰か。
- 報告された脆弱性はまだ存在しているか。
- このデバイスはパッチを適用できる健全な状態にあるか。
- 修復によって、従業員、進行中のインシデント、または重要なビジネスプロセスに影響が出ないか。
- そのアクションは成功したか。
チームが必要とする答えは、購買、エンドポイント管理、ソフトウェアインベントリ、サービス管理、セキュリティ、従業員エクスペリエンスの各システムに分散している場合があります。これらのシステムの情報が一致しない場合、チームは行動を起こす前に、どの情報が最新で信頼できる権威あるものかを検証しなければなりません。
こうした不確実性は以前から摩擦を生んできましたが、AIによってその影響はより重大になります。断片化した情報や矛盾する情報は、人間による分析だけに影響するのではなく、アシスタント、モデル、自動化、エージェントのコンテキストになるからです。
AIは基盤となるものをそのまま増幅する
AIは運用情報を人間のチームよりも速く分析できますが、スピードだけでは矛盾する記録を照合したり、信頼できる唯一の情報源を確立したりすることはできません。
1台のノートPCが、ディスカバリー、エンドポイント管理、サービス管理、セキュリティツールの間で複数の記録として表示されることがあります。登録されている所有者が変わっている可能性もあります。あるシステムではアクティブと分類されていても、別のシステムでは数週間認識されていない場合があります。脆弱性スキャナーは、影響を受けるソフトウェアがまだインストールされているか、以前の修復試行が成功したかを確認しないまま、エクスポージャーを特定することがあります。
AIエクスペリエンスは、こうした情報から流暢で技術的にもっともらしい推奨事項を生成できます。しかし、基盤となるコンテキストが不確かな場合、その推奨事項は運用上信頼できない可能性があります。AIはその不確実性を高速に処理して伝播させ、レポート、ワークフロー、アクション全体で影響を増幅させる可能性があります。
AIがより多くの経路から組織に入り込むにつれて、リスクは高まります。確立された管理の中で運用されるエクスペリエンスがある一方で、従業員が選択したアシスタントや、十分な監督なしに接続されたエージェントなどは管理の外で動作する場合があり、一般にシャドーAIと呼ばれる状況を生み出します。
Google Cloudの「Shadow AI 2025」は、リスクが従業員によるコンシューマー向けAIツールの利用にとどまらないことを示しています。適切な企業の監督なしに導入されたエンタープライズグレードのAIや、ITの管理なしに情報へアクセスしたり、タスクを実行したり、システムとやり取りしたりできる「シャドーエージェント」も含まれます。
これにより、組織が把握もガバナンスもできないツールに機密情報が共有される可能性があるため、差し迫ったデータ保護上の懸念が生じます。また、運用の一貫性に関する問題も生じます。何が権威ある情報なのかについて共通理解がなければ、異なるAIエクスペリエンスが異なる記録を使用し、異なる権限のもとで動作し、異なる結論に到達する可能性があります。
ガバナンスはAIモデルの範囲を超えて拡張する必要がある
IBMの2025年の侵害調査は、こうしたガバナンスのギャップがいかに広く残っているかを示しています。17業界の侵害を受けた600組織を対象にした同社の調査では、63%がAIガバナンスポリシーを持っていない、またはまだ策定中であることがわかりました。AIガバナンスポリシーを持つ組織のうち、未承認AIについて定期的に監査しているのはわずか34%でした。IBMはまた、2025年の侵害コストの世界平均が444万米ドルであったことも報告しています。
これらの調査結果は、組織が承認済みAIをモデルやインターフェイスのレベルだけでガバナンスすることはできない理由を示しています。AIに提供する運用コンテキストもガバナンスする必要があります。
その対応策は、単にAIにより多くのデータへのアクセスを与えることではありません。承認済みのAIエクスペリエンスが、どのデータが実在し、それが何を意味し、それに対して何を行うことが許可されているのかを理解できる基盤を確立することです。
AIへの信頼は上流で構築される
AIは単独で信頼を確立することはできません。高度なモデルであっても、重複したデバイス、古いソフトウェア記録、誤った所有者、欠落した運用履歴をもとに、流暢に推論してしまう可能性があります。そのため組織は、意思決定が依存する資産、ソフトウェア、ユーザー、記録を発見し、検証するというオペレーショナル・トゥルースから始めて、上流で信頼を確立しなければなりません。
信頼は、検証済みの記録を所有者、デバイスの健全性、関係性、依存関係、ライフサイクル、リスク、従業員エクスペリエンス、ビジネスインパクトに結び付ける共有コンテキストによって深まります。そして、ガバナンス、アクセス制御、推奨事項、承認、実行、説明責任、検証を通じて、実行可能なものになります。
これら3つの実践、すなわちオペレーショナル・トゥルースの確立、共有コンテキストの作成、インテリジェンスとアクションのガバナンスは、単発のデータクレンジング作業ではなく、AI対応運用のための継続的な運用モデルを形成します。当社のウェビナー「AI Is Only as Valuable as the Operational Truth It Can Trust」では、このモデルについてさらに詳しく解説しています。
Ivanti Neurons Platformは、このモデルが依存する信頼できる運用基盤を確立することで、この運用モデルを実践に移します。
アクティブおよびパッシブディスカバリー、コネクター、インベントリスキャン、API、その他の接続ソースを通じて収集された情報は正規化されるため、デバイス、オペレーティングシステム、ソフトウェア、メーカーに関する一貫性のない名称を比較できます。同じ資産に関連付けられた記録を照合し、所有者、ソフトウェア、ライフサイクル、ライセンス、保証、脆弱性コンテキストなどの関連情報で補強できます。
これにより組織は、単なる無条件のデータコピーをもう1つ増やすのではなく、ソースと検証履歴に裏付けられた、資産ごとのガバナンスされた運用ビューを得られます。Neuronsは、権威あるすべてのエンタープライズシステムを置き換える必要はありません。その役割は、関連する運用情報をまとめ、コンテキストを保持し、ITおよびセキュリティ運用のために継続的に更新される記録システムを確立することです。その統合ビューは、実践的な意思決定価値をもたらします。
信頼できるNeuronsコンテキストに基づくAI機能
組織によっては、従業員やITチームがすでに使用しているアプリケーションにAI機能を直接組み込み、既存のワークフローを離れることなく意思決定できるようにしています。その他のユースケースでは、エンタープライズコンテキストへの制御されたアクセスを必要とする、承認済みの外部アシスタント、顧客が構築したエージェント、AIプラットフォームに依存します。
Ivantiは、共通のNeurons基盤を通じて、相互補完的な2つのAIパスをサポートします。ネイティブインテリジェンス機能はNeuronsコンテキストをIvantiソリューションに直接取り込み、一方でガバナンスされたModel Context Protocol(MCP)アクセス[MCPページへのリンクを追加]は、承認済みのNeuronsコンテキストを承認済みの外部アシスタント、顧客が構築したエージェント、AIプラットフォームへ拡張します。これにより、異なるAIエクスペリエンスが、環境の別バージョンを作成することなく、一貫した運用情報に基づいて機能できるようになります。
ネイティブAIとガバナンスされたMCPアクセスは、信頼できるNeuronsコンテキストを相互補完的に活用します。
ネイティブインテリジェンスはAIを業務に組み込む
ネイティブインテリジェンスは、Ivantiソリューション内で関連するNeuronsコンテキストを使用し、調査、診断、推奨事項、レポート作成、要約、自然言語での対話を支援します。これにより、ユーザーが別のAI環境に移動することなく、運用情報を見つけたり、複雑なエンドポイント状態を解釈したりするための労力を軽減できます。
例として、AI Insights & Recommendations、対話型レポート、自然言語による調査、AI支援診断、Digital Employee Experienceインサイト、パッチインサイトエージェント、自動化サポートなどがあります。
これらの機能は、AIの価値が自律型エージェントから始まる必要はないことを示しています。日常的なエンドポイント業務の摩擦を軽減することから始めることができます。
AIはまず、情報を見つけやすく、解釈しやすくすることで支援できます。その後、関連する運用コンテキストに基づいてアクションを推奨できます。承認済みの自動化と運用ワークフローは、確立された権限、ポリシー、管理の範囲内で定義済みのアクションを実行できます。組織は、各ユースケースに適したAI関与のレベルを引き続き管理できます。
ガバナンスされたMCPアクセスはAIをIvanti Neuronsの外部へ拡張する
業界では、AIアシスタントやエージェントをエンタープライズシステムに接続するために、Model Context Protocolのような標準の採用が進んでいます。MCPは情報へのアクセスを標準化しますが、その情報が信頼できるものか、権威あるものかを判断するわけではありません。
そのためIvantiは、ガバナンスされたMCPアクセスをネイティブインテリジェンスを補完するものとして扱います。ネイティブインテリジェンスはAIをIvantiソリューションに組み込み、MCPは承認済みの外部AIエクスペリエンスに対して、別の運用リポジトリや競合する真実のバージョンを作成することなく、承認済みのNeuronsコンテキストを取得する標準化された方法を提供します。
IvantiのMCP実装は、既存のID、権限、ポリシー制御を使用します。サポートされているAIクライアントまたは顧客が構築したエージェントがリクエストを送信し、ロールと権限がアクセス可能な内容を決定し、Neurons MCPサーバーが承認済みのNeuronsサービスとAPIを通じて、許可された運用コンテキストのみを返します。
AIエクスペリエンスは承認されたコンテキストを解釈し、意思決定と承認に対する責任は人と組織の管理に残り、承認済みのIvanti機能が確立されたガードレール内でアクションを実行します。
この分離により、アクセスと権威が混同されることを防ぎます。Neuronsは運用上の信頼できる情報源であり続け、コンテキストの取得、意思決定、承認、実行はそれぞれ明確に区別され、説明責任を伴います。
このガバナンスされた経路は、シャドーAIに代わる選択肢にもなります。承認済みのエクスペリエンスは、管理されていないコピー、制限のない接続、または独自の環境表現に依存する代わりに、定義された管理の範囲内で許可されたNeuronsコンテキストを取得できます。
MCPはAIリスクをなくすものではありません。組織には引き続き、情報保護、監視、ガバナンス、人による説明責任が必要です。MCPは、信頼できる運用コンテキストをIvantiソリューションの外部へ拡張するための制御された方法を提供します。
Ivantiは自社環境でAI対応運用モデルを適用
Ivantiは、Customer Zeroプログラムを通じてこの運用モデルを実践しています。グローバルITチームはNeuronsプラットフォームを使用して、高度に分散し、リモートワークが中心の従業員を支える、複雑なマルチプラットフォームのエンドポイント資産を管理しています。
Ivantiのエンタープライズサービス担当バイスプレジデントであるTony Millerは、次のように説明しています。「どのような環境でも重要なのは、自社環境内のエンドポイントの状態について、信頼できる唯一の情報源を確実に持つことです。」この信頼できる基盤が整うことで、Ivantiはエンドポイント運用のさらなる自動化を実現できます。
「Neuronsのおかげで、多くの自動化を実現できます。」Jarek Piszczatowski、ディレクター、Customer Zero and Automation、Ivanti
これにより、少人数のエンドポイント管理者チームでも、結果の確認、例外の監視、注意が必要なデバイスへのフォローアップに手作業を集中しながら、大規模な運用を支援できます。
オペレーショナル・トゥルースがアクションにつながる場所から始める
エンドポイントは、信頼できる運用コンテキストを可視化可能で測定可能な成果に結び付けるため、実践的な出発点になります。自律型エンドポイント管理(AEM)は、デバイスの健全性、所有者、インストール済みソフトウェア、パッチ適用状態、従業員エクスペリエンス、リスクをまとめることで、チームが問題を調査し、適切な対応を判断し、定義された管理の範囲内で行動し、結果を検証できるようにします。
たとえば、数千のエンドポイントに影響する重大な脆弱性を考えてみます。深刻度スコアだけでは対応を決めることはできません。チームは、記録が最新であること、エンドポイントがアクティブで管理対象であること、脆弱なソフトウェアがインストールされていること、修復が適切であることを確認する必要があります。過去の展開失敗、従業員への影響、進行中のインシデントによっても、対応は変わる可能性があります。
AIは運用コンテキストを解釈し、影響を受けるエンドポイントを特定し、対応の優先順位を付けることができます。信頼性は、技術的な深刻度を現在のエンドポイント状態とあわせて評価することにかかっています。そのうえでAEMは、ガバナンスされたループを通じてインサイトを成果に結び付けます。管理により許可されたアクションと承認要件が決定され、承認済みの機能が実行され、検証によって各デバイスが意図した状態に到達したかどうかが確認されます。
成功とは、推奨事項や完了した自動化タスクではありません。正しいエンドポイントが、定義された管理の範囲内で適切なアクションを受け、意図した結果を達成したことの証明です。
同じ運用モデルは、よりプロアクティブなデジタル従業員エクスペリエンス(DEX)も支援します。ストレージ不足、アプリケーション障害の繰り返し、パフォーマンス低下、構成上の問題などのシグナルは、従業員がチケットを起票する前に生産性の問題を明らかにできます。
デバイスの健全性、所有者、従業員エクスペリエンスのシグナル、インシデント、運用履歴を結び付けることで、AI支援の調査は問題をより早期に特定できます。承認済みの修復は確立されたガードレール内で動作でき、その後のエンドポイントとエクスペリエンスのシグナルによって、修復が有効だったかどうかを確認できます。
信頼できるコンテキストは、エンドポイント管理、DEX、パッチ管理を、リスクに対する共通のアプローチにも結び付けます。デバイスの健全性、エクスペリエンスのシグナル、脆弱性エクスポージャーは、セキュリティリスクと従業員への影響が交差する領域で、チームが修復の優先順位を付けるのに役立ちます。予測型修復は、障害への対応から、新たに発生しつつあるエンドポイント問題の特定と対処への移行を支援し、リスクベースのパッチ管理はビジネス上重要なエクスポージャーを優先します。
デバイス構成とインストール済みパッチを、定義済みのポリシーおよびコンプライアンスベースラインと継続的に照合することで、チームはドリフトを検出し、確立された管理の範囲内でギャップを修復し、その結果の状態を検証できます。これにより、一時点の評価ではなく継続的なコンプライアンスを支援します。
このようにAEMは、エンドポイントに関する身近な問いを、信頼できるコンテキスト、制御されたアクション、結果の証明に結び付けることで、AIを可能性から測定可能な運用価値へと移行させます。
利用と検証を通じて信頼を維持する
信頼できるコンテキストは、利用され検証されるほど価値が高まります。チームは記録の照合に費やす時間を削減でき、AI支援の推奨事項はより最新の運用情報を活用でき、自動化はより明確なポリシーと権限の境界内で動作できます。
完了したアクションから得られる証拠は、次の意思決定に使用される運用記録を強化できます。資産、ソフトウェア、所有者、脅威、インシデント、AIエクスペリエンスは絶えず変化するため、運用上の信頼は時間をかけて維持し、検証し続ける必要があります。
信頼できるアクションをエンタープライズ全体に拡張する
AEMは、焦点を絞った測定可能な出発点を提供しますが、同じ信頼できる基盤は、サービス管理、セキュリティ、コンプライアンス、調達、財務、ソフトウェア資産管理にまたがる意思決定も支援できます。
接続されたエンドポイントと資産のコンテキストにより、チームはデバイスの状態をインシデント、変更、従業員エクスペリエンス、リスク、所有者、修復履歴、ソフトウェア使用状況、ライフサイクルイベントに関連付けることができます。これにより、運用、セキュリティ、最適化に関する意思決定を遅らせる不確実性が軽減されます。
これらの機能全体で、運用モデルは一貫しています。
- シグナルが問題または機会を特定します。
- 信頼できる記録と共有コンテキストが、何が最新で何が重要かを明確にします。
- AIとアナリティクスが調査と優先順位付けを支援します。
- ガバナンスが適切なアクションレベルを決定します。
- 承認済みの機能が実行します。
- 検証が結果を記録します。
この継続性により、引き継ぎのたびにコンテキストを再構築する必要が減り、何が特定され、推奨され、承認され、実行され、検証されたかについて、説明責任を伴う記録が作成されます。組織は、ユースケースとガバナンスの成熟に応じて、このモデルをより広範なITおよびセキュリティワークフローへ拡張できます。
信頼できるコンテキストに基づくAI対応運用の構築
AIは基盤となるものをそのまま増幅します。エンタープライズリーダーにとっての優先事項は、単にAIをさらに導入することではありません。すべての運用上の意思決定が信頼できるコンテキストに基づき、すべてのアクションが定義された管理の範囲内に収まり、すべての成果を検証できるようにすることです。Ivanti Neuronsをその信頼できる運用基盤とすることで、組織はAIへの意欲から運用上の確信へと進むことができます。