機密性の高い設計図面や契約データを生成AIで高度に利活用するには、パブリッククラウドに依存しない「閉域・専有型の実行環境」と「運用の外部化」の両立が不可欠です。NTTドコモビジネスとエクサウィザーズが提供を開始した「クローズドAIエージェント」基盤は、インフラ管理負担を抑えつつデータ主権を確保するエンタープライズAI実装の現実解を示しています。
機密データを保護するクローズドAIエージェントの技術構造
従来のパブリックLLM APIの利用では、プロンプト経由での情報漏洩リスクや利用規約上の懸念から、製造業のコア技術文書や法務関連データの投入が制限されるケースが多く見られました。これに対し、本アプローチではネットワーク、計算リソース、モデル実行レイヤーのすべてを閉域環境内に閉じ込めるアーキテクチャを採用しています。
- 閉域ネットワークと専有GPU基盤: 外部インターネットから隔離された環境下で専有GPUを活用し、コンテナオーケストレーションツール「Kubernetes」によってスケーラビリティと耐障害性を担保。
- 特化型モデルのローカル稼働: NTTの軽量・高性能国産LLM「tsuzumi 2」や各種オープンソースLLM（OSSLM）を専用環境内で自律実行。
- 開発・オーケストレーション環境の統合: エクサウィザーズの「exaBase Studio」のテンプレートなどを活用し、現場業務のフローに直結するエージェント機能を迅速に構築。
パブリックAIとクローズドAIのアーキテクチャ比較
エンタープライズにおけるAI導入方式は、汎用性重視のパブリッククラウド型、完全内製の自社オンプレミス型、そしてマネージドなクローズド型の3つに大別されます。それぞれの特徴と適合領域は以下の通りです。
| 項目 | パブリックAI（SaaS/API） | 完全内製オンプレミスAI | クローズドAIエージェント |
|---|---|---|---|
| データ秘匿性 | 規約・暗号化に依存（共用基盤） | 極めて高い（完全自社管理） | 極めて高い（閉域・専有基盤） |
| データ主権（ソブリン） | 海外リージョン等の制約あり | 完全に国内・自社内に保持 | 国内完結（ソブリンAI対応） |
| インフラ運用負荷 | 最小（プロバイダ任せ） | 過大（GPU/K8sの運用体制が必要） | 小〜中（マネージド提供） |
| 適した業務領域 | 一般的な文書要約、マーケティング | 機密防衛・特殊専用システム | 設計図面解析、技術文書検索、法務精査 |
ビジネス実装における課題と選定基準
クローズド環境でのAIエージェント導入を成功させるには、単に閉域網を用意するだけでなく、業務要件に応じたデプロイメント形態の選択とセキュリティガバナンスの設計が求められます。
1. デプロイ形態の選択（プライベートクラウド vs オンプレミス）
厳格な法規制や業界基準が存在する場合、ハードウェアからAIモデルの運用まで国内自社拠点で完結させるオンプレミス版が適しています。一方で、初期導入スピードや柔軟な構成変更を優先する場合は、閉域接続されたマネージド・プライベートクラウド版を選択することが現実的です。
2. プロンプトインジェクションと実行ガバナンス
閉域環境であっても、社内データ自体に悪意ある指示が含まれるリスクや、エージェントが意図しない自律アクションを実行するリスクは残ります。属性情報レジストリによる権限統制や、データを暗号化したまま演算する秘密計算（MPC）技術の適用など、多層防御の仕組みを組み込むことが不可欠です。
よくある質問
Q1. オープンソースLLMや国産LLMを閉域で動かすメリットは何ですか？
外部サーバーへ機密データを送信するリスクをゼロに抑えられる点に加え、特定のクラウドベンダーへのロックインを回避できる点が挙げられます。また、日本語処理に特化したモデルや業務固有のファインチューニングモデルを専有GPU上で低遅延かつ安定して実行できます。
Q2. ソブリンAI（データ主権）への対応はなぜ重要視されているのですか？
地政学的リスクや各国のデータ保護規制（GDPR等）の強化に伴い、基幹データや知的財産が海外の法域に晒されるリスクを避けるためです。オンプレミスや国内データセンターで完結するソブリンAI環境を整備することで、コンプライアンスの遵守と機密保護が担保されます。