メタネットとスケルターラボ、企業AI統制で協力

メタネットとスケルターラボは、企業がAIエージェントを業務に導入する際の権限管理とセキュリティ上の課題に対応するため、協力しています。メタネットグループのグローバルコンサルティング会社ATカーニーが顧客のAIトランスフォーメーション（AX）戦略と課題を策定し、スケルターラボがAIエンジンとプラットフォームを開発します。メタネットデジタルとメタネットグローバルはクラウドインフラとシステム統合を担い、企画から開発、提供までを支援します。

企業エージェントを共用アカウントで動かすと、利用者の権限を超える情報へのアクセスや、システムの誤操作につながる恐れがあります。スケルターラボの企業向けAIエージェント統合管理プラットフォーム「BELLA」は、エージェントの作成、展開、連携を管理された環境で行います。BELLAは身元、ポリシー、AIゲートウェイ、資産の4層で構成されます。身元層は社内のシングルサインオン（SSO）やIDプロバイダー（IDP）と連携して利用者を識別し、ポリシー層は利用者情報に基づいて文書、ツール、エージェントごとにアクセス制御リスト（ACL）を適用します。

AIゲートウェイは、社内モデルや外部APIを含む大規模言語モデル（LLM）の呼び出しと、エージェント間の呼び出しが通る窓口です。利用者や部門ごとの費用集計と予算上限、モデルの振り分け、安全対策を適用します。資産層では文書検索インデックス、MCPツール、ワークフロー、エージェント、プロンプト、スキルを登録し、全社、チーム、個人ごとの共有範囲と分離範囲を管理します。

BELLAは利用者の身元に基づくアクセス制御に加え、4段階の防御を備えています。データと検索拡張生成（RAG）の完全性を守る段階では、データの一部が無断で変更されるのを防ぎ、文書登録時にプロンプトインジェクションや隠し文字を検出します。入出力の安全対策ではプロンプトインジェクションを遮断し、韓国の個人情報パターン、APIキー、社内IPアドレス、内部ドメインをマスキングします。エージェントの行動管理ではリスクに応じて人間の承認（HITL）を求め、隔離されたサンドボックスでコードを実行して、無限ループや権限外のツール実行を制限します。ゲートウェイ資源の保護では利用者やキーごとにトークン上限とリクエスト回数を設定し、異常な消費や資源枯渇攻撃を検知して遮断します。

利用者の役割に応じた環境は3種類です。一般社員向けAIポータルは自然言語での質問と文書確認に対応し、AIスタジオは非開発者向けのローコードビルダーと開発者向けのプロコードビルダーを提供します。管理者ポータルでは利用状況、予算上限、安全対策を一元管理します。検証済みのAI資産を部門間で安全に再利用し、互換性を保てるよう設計されています。

メタネットとスケルターラボは、韓国の大企業で全社向けAIエージェントプラットフォームを構築した事例も進めました。グループ共通のAI基盤を整え、各組織によるエージェントの開発と運用を支援しました。インフラ、エージェント実行、データとモデル、セキュリティ、運用の機能を一つのプラットフォームにまとめています。各機能は個別に交換・拡張でき、業務要件やセキュリティ方針が変わった際に必要な部分だけを変更できる設計です。AIポータルとエージェントビルダーを既存の社内ログイン・権限管理に連携し、利用者の権限に応じてデータへのアクセスと業務範囲を制限しました。後から修正・削除できない実行記録も残し、問題を追跡できるようにしました。企業がプラットフォームを自社で開発・運用するためのAI内製化ロードマップ、運用引き継ぎ環境、役割別の研修も提供しました。

スケルターラボの最高技術責任者（CTO）であるソ・ジョンフン氏は、AIエージェント導入のボトルネックはモデルの性能よりも統制にあると述べました。チームごとに異なるLLMを直接呼び出すと、費用の発生箇所を把握しにくく、安全対策にも差が生じるため、全社で統制水準をそろえるのが難しいとの説明です。基盤モデルの学習と性能向上が中心だった時期に対し、エージェントの時代には、検証済みのオープンモデルを企業環境で柔軟かつ安全に管理することが重要だとしています。

スケルターラボによると、BELLAはオープン標準に準拠し、Kubernetesを基盤としてオンプレミスとプライベートクラウドに展開できます。特定のモデルやクラウドに依存しません。ソCTOは、モデルやツールが急速に変化するため、プラットフォームにはその変化を吸収する役割があると述べ、オープン標準を通じて企業のAI資産を安全に運用する重要性を強調しました。

メタネットとスケルターラボは、企業がAIエージェントを業務に導入する際の権限管理とセキュリティ上の課題に対応するため、協力しています。メタネットグループのグローバルコンサルティング会社ATカーニーが顧客のAIトランスフォーメーション（AX）戦略と課題を策定し、スケルターラボがAIエンジンとプラットフォームを開発します。メタネットデジタルとメタネットグローバルはクラウドインフラとシステム統合を担い、企画から開発、提供までを支援します。

企業エージェントを共用アカウントで動かすと、利用者の権限を超える情報へのアクセスや、システムの誤操作につながる恐れがあります。スケルターラボの企業向けAIエージェント統合管理プラットフォーム「BELLA」は、エージェントの作成、展開、連携を管理された環境で行います。BELLAは身元、ポリシー、AIゲートウェイ、資産の4層で構成されます。身元層は社内のシングルサインオン（SSO）やIDプロバイダー（IDP）と連携して利用者を識別し、ポリシー層は利用者情報に基づいて文書、ツール、エージェントごとにアクセス制御リスト（ACL）を適用します。

AIゲートウェイは、社内モデルや外部APIを含む大規模言語モデル（LLM）の呼び出しと、エージェント間の呼び出しが通る窓口です。利用者や部門ごとの費用集計と予算上限、モデルの振り分け、安全対策を適用します。資産層では文書検索インデックス、MCPツール、ワークフロー、エージェント、プロンプト、スキルを登録し、全社、チーム、個人ごとの共有範囲と分離範囲を管理します。

BELLAは利用者の身元に基づくアクセス制御に加え、4段階の防御を備えています。データと検索拡張生成（RAG）の完全性を守る段階では、データの一部が無断で変更されるのを防ぎ、文書登録時にプロンプトインジェクションや隠し文字を検出します。入出力の安全対策ではプロンプトインジェクションを遮断し、韓国の個人情報パターン、APIキー、社内IPアドレス、内部ドメインをマスキングします。エージェントの行動管理ではリスクに応じて人間の承認（HITL）を求め、隔離されたサンドボックスでコードを実行して、無限ループや権限外のツール実行を制限します。ゲートウェイ資源の保護では利用者やキーごとにトークン上限とリクエスト回数を設定し、異常な消費や資源枯渇攻撃を検知して遮断します。

利用者の役割に応じた環境は3種類です。一般社員向けAIポータルは自然言語での質問と文書確認に対応し、AIスタジオは非開発者向けのローコードビルダーと開発者向けのプロコードビルダーを提供します。管理者ポータルでは利用状況、予算上限、安全対策を一元管理します。検証済みのAI資産を部門間で安全に再利用し、互換性を保てるよう設計されています。

メタネットとスケルターラボは、韓国の大企業で全社向けAIエージェントプラットフォームを構築した事例も進めました。グループ共通のAI基盤を整え、各組織によるエージェントの開発と運用を支援しました。インフラ、エージェント実行、データとモデル、セキュリティ、運用の機能を一つのプラットフォームにまとめています。各機能は個別に交換・拡張でき、業務要件やセキュリティ方針が変わった際に必要な部分だけを変更できる設計です。AIポータルとエージェントビルダーを既存の社内ログイン・権限管理に連携し、利用者の権限に応じてデータへのアクセスと業務範囲を制限しました。後から修正・削除できない実行記録も残し、問題を追跡できるようにしました。企業がプラットフォームを自社で開発・運用するためのAI内製化ロードマップ、運用引き継ぎ環境、役割別の研修も提供しました。

スケルターラボの最高技術責任者（CTO）であるソ・ジョンフン氏は、AIエージェント導入のボトルネックはモデルの性能よりも統制にあると述べました。チームごとに異なるLLMを直接呼び出すと、費用の発生箇所を把握しにくく、安全対策にも差が生じるため、全社で統制水準をそろえるのが難しいとの説明です。基盤モデルの学習と性能向上が中心だった時期に対し、エージェントの時代には、検証済みのオープンモデルを企業環境で柔軟かつ安全に管理することが重要だとしています。

スケルターラボによると、BELLAはオープン標準に準拠し、Kubernetesを基盤としてオンプレミスとプライベートクラウドに展開できます。特定のモデルやクラウドに依存しません。ソCTOは、モデルやツールが急速に変化するため、プラットフォームにはその変化を吸収する役割があると述べ、オープン標準を通じて企業のAI資産を安全に運用する重要性を強調しました。