Cloud Ace (クラウドエース)
  • 特長
  • AI駆動
  • サービス

    コンサルティング

    • Google Cloudコンサルティング
    • Google Cloud活用診断サービス
      (Cloud Doctor)

    Google Cloud

    • Google Cloud支払代行
      カスタマーサービス
    • Google Cloudへの移行支援
    • プリペイド定額ライセンスプラン
      (文教・研究機関向け)
    • Google Cloudシステム監視 +
      運用支援
    • Google Workspace導入支援
    • Google Maps Platform導入支援
    • 地域情報可視化マップ構築支援
      — Machishiru —

    システム開発

    • インフラストラクチャ構築支援
    • アプリケーション開発
    • PoC(概念実証)支援

    データ分析

    • データ分析基盤構築支援 /
      BigQuery ML(機械学習)活用支援
    • SAP分析基盤パッケージ
    • Looker導入支援
    • ETLツール構築支援
      (TROCCO トロッコ)

    セキュリティ

    • サイバーセキュリティソリューション
    • セキュリティアセスメント for AI Agent
    • Chrome Enterprise Premium
      導入支援
    • ネットワーク設計・構築支援/
      Wafcharm導入支援
    • クラウドセキュリティ導入・運用支援
      (Wiz ウィズ)

    生成AI

    • 生成AI活用支援
    • Gemini Enterprise導入・活用支援
    • AIエージェント開発
    • Floyo AI 導入・運用支援
    • 買い切り型生成AIチャットボットキット
      RAG Accelerator Kit(RAK)
    • GenAI Ops / Langfuse導入支援
    • MCPサーバー開発支援
    • Agent Enterprise
    • COGMA

    Google Cloud認定トレーニング

  • 事例
  • 業界別
    • 製造
    • 流通・小売
    • メディア・エンタメ
    • 金融・保険
    • 自治体
    • 教育機関
  • セミナー
  • コラム
  • 会社情報
    • 会社概要
    • 代表挨拶
    • 沿革
    • アクセス
    • ビジョン・ミッション・バリュー + コアマインド
    • 受賞歴・認定歴
    • 書籍
    • メンバー
    • プレスキット
    • 利用規約
    • プライバシーポリシー
    • 採用情報
お役立ち資料
お問い合わせ
お役立ち資料
お問い合わせ
  1. TOP
  2. コラム

コラム

Wiz Cloudとは?クラウドセキュリティを最適化する機能と導入メリット
  • クラウド導入お役立ち
  • Google Cloud

Wiz Cloudとは?クラウドセキュリティを最適化する機能と導入メリット

こんにちは。クラウドエースの井上です。 クラウド環境の利用拡大に伴い、設定ミス、脆弱性、過剰権限、データ露出といったリスクを横断的に把握することの重要性が高まっています。さらに近年は、生成AIやAIサービスの導入が加速する中で、AI関連資産の可視化や学習データの保護など、従来のクラウドセキュリティだけでは対応しにくい領域も広がっています。 こうした複合的な課題に対応するプラットフォームの一つが「Wiz Cloud」です。 Wiz CloudはエージェントレスのAPIベースでクラウド環境を可視化するCNAPP(Cloud Native Application Protection Platform)で、2020年に創業したクラウドセキュリティ企業「Wiz」が開発しました。なお、2026年3月にはGoogleによる買収完了が発表され、注目されています。 今後Google Cloudとの連携強化の方針が示されている一方で、引き続きマルチクラウド環境を支援する方針も示されています。本記事では、Wiz Cloudの基本機能、AIセキュリティ機能、運用面での特徴を整理し、導入時に期待できるポイントを解説します。 [toc] Wiz Cloudとは? Wiz Cloudとは、クラウド環境全体のリスクを一元的に把握しやすくするためのCNAPPです。主な特徴として、エージェントレスでの情報収集、クラウド資産間の関係性を可視化する仕組み、複数のリスク要因を関連付けて優先度を判断する機能などが挙げられます。 ここでは、Wiz Cloudの主要な特徴を4つのポイントで解説します。 1. エージェントレスでクラウド環境を可視化 Wiz Cloudは、監視対象のサーバーやコンテナにエージェントをインストールする方式ではなく、クラウドプロバイダーのAPIを通じて情報を収集するエージェントレス型のアーキテクチャを採用しています。これにより、既存環境への影響を最小限に抑え、短時間でクラウド全体の可視化を実現します。 AWS、Azure、Google Cloud、Oracle Cloud Infrastructure(OCI)といった主要クラウドに対応しており、VM、コンテナ、サーバーレス、PaaS、データストアなど幅広いリソースを網羅します。なお、基本はエージェントレスですが、リアルタイムな脅威検知と保護を強化するために、必要に応じて「Wiz Runtime Sensor」を配置し、ランタイム環境の防御を固めることも可能です。 参考:It's Official: Wiz Joins Google | Wiz Blog 2. コンプライアンス対応の自動監査 企業のガバナンス維持に欠かせない、各種フレームワークへの準拠状況を自動で監査できる点も大きな特徴です。SOC2、GDPR、PCI DSS、HIPAAなど、業界標準のコンプライアンス基準に基づいたスキャンを継続的に実行します。 手動での棚卸しや監査対応の工数を大幅に削減できるため、常に「現在の準拠状況」をダッシュボードで確認できる運用が実現します。 3. リスクを関連付けて「真の優先順位」を判断 Wiz Cloudは「Security Graph」という仕組みにより、資産・設定・脆弱性・権限・ネットワーク露出などの情報をグラフデータベースで関連付けて管理します。たとえば「インターネットに公開されたリソース」「当該リソースに付与された高権限」「未修正の脆弱性」がそれぞれ個別のアラートとして検出されるだけでなく、それらの関係性を踏まえて「一つのイシュー」として関連付けて表示されるため、優先的に確認すべきリスクを即座に把握できます。 このアプローチにより、運用担当者は膨大な「アラートノイズ」から解放されます。リスクの低いアラートに埋もれることなく、組織が本当に対処すべき「真のリスク」のみを抽出できるため、効率的なセキュリティ運用が可能になります。 4. 攻撃経路(Attack Path)の可視化 Wiz Cloudの「Attack Path Analysis」は、攻撃者がどのような経路で環境内を移動し、重要資産(機密データなど)に到達しうるかを視覚的に分析する機能です。 この機能は、個別の問題を単発の検出結果として見るのではなく、「攻撃者がたどりうる一連の経路」として捉えられるため、重大資産に影響するリスクを理解しやすくなります。どの経路を塞ぐのが最も効果的かを直感的に把握できるため、迅速かつ的確な修復対応を支援します。 Wiz CloudのAIセキュリティ機能 生成AIやAIサービスの利用が広がる中で、AI関連の資産やデータ、設定不備を把握する必要性も高まっています。Wiz Cloudは、クラウドセキュリティの枠組みの中でAI関連リスクを扱う機能群も提供しています。 AI資産や利用状況を把握 Wiz CloudはAI-SPM(AI Security Posture Management)機能を通じて、組織内で利用されているAI関連サービスや構成要素の可視化を支援します。AIモデル、AIサービス、SDK、AIパイプラインを把握する仕組みとして「AI-BOM(AI Bill of Materials)」が案内されています。 これにより、管理部門が把握していないAI利用、いわゆるシャドーAIの発見や、AI関連資産の棚卸しに役立つ可能性があります。 AIに関連する攻撃経路や設定不備を確認 Wiz Cloudは、通常のクラウド資産に対するAttack Path Analysisの考え方を、AI関連の資産にも拡張しています。たとえば、学習データ、AIサービスやAIモデルへの攻撃経路の分析や、設定不備との組み合わせを分析対象に含めることができます。 また、OpenAI、Amazon Bedrock、Azure OpenAIなど一部の主要AIサービスについては、設定ミスやリスクを検出するためのビルトインルールが提供されています。 学習データなどの機密情報を検出 Wiz CloudはDSPM(Data Security Posture Management)機能やDSPM for AIを通じて、AI関連データに含まれる機密情報の発見を支援します。個人情報、決済関連情報、医療情報など、保護対象となるデータを識別し、どの資産に保存され、どのような経路で露出しうるかを確認しやすくします。 AI活用が進む環境では、学習データや推論データの取り扱いが法令対応やガバナンスの観点でも重要になるため、こうした可視化機能は実務上の意味があります。 Wiz Cloudでセキュリティ運用を効率化するポイント Wiz Cloudは検出機能だけでなく、組織内の役割分担や既存ツールとの連携を通じて、運用に組み込みやすい構成を備えています。 チーム単位で管理しやすい 大規模なクラウド環境では、開発、インフラ、セキュリティなど複数チームが同じ基盤を扱います。Wiz Cloudの「Projects」機能は、こうした環境を論理的に分割し、チームや責任範囲ごとに対象を見やすくするために利用されます。 加えて、RBAC(ロールベースアクセス制御)やカスタムロール、SSO連携により、利用者ごとに必要な権限だけを付与しやすく、運用統制にもつなげやすい設計です。 修復対応を支援する機能がある Wiz Cloudは、リスクの検出だけでなく、対応の優先順位付けや修復支援にも力を入れています。Google Cloud Next’26の基調講演では「Wiz Agents」やAI支援機能により、検出内容の調査、優先付け、対応支援を行う方向性が示されています。 また、WizOSのように、脆弱性リスクを抑えたセキュアなコンテナイメージを提供する仕組みもあり、開発の早い段階から安全性を意識した運用を取り入れやすくしています。 JiraやSlackなど既存ツールと連携できる Wiz Cloudは、Jira、Slack、ServiceNow、PagerDuty、Torqなど、多数の外部ツールとの連携を提供しています。公開情報では、200を超える連携に対応していると案内されています。 たとえば、Jira連携では検出内容をチケット化して対応管理に載せやすくなり、Slack連携では通知や情報共有を迅速に行いやすくなります。これにより、セキュリティチームだけでなく、開発・運用チームを含めた横断的な対応フローを構築しやすくなります。 Wiz Cloud導入で期待できるメリット Wiz Cloudの特徴を踏まえると、導入時の評価ポイントは、単にリスクを検出できるかどうかにとどまりません。エージェントレスで導入しやすい構成、複数のリスクを関連付けて把握しやすい点、マルチクラウド環境への対応、AI関連リスクの可視化機能、既存ツールとの連携性などが主な検討ポイントとして挙げられます。ここでは、公開情報から確認できる特徴をもとに整理します。 1.導入負荷を抑えやすい構成 Wiz Cloudはエージェントレス型のアーキテクチャを採用しているため、各サーバーやコンテナ、ワークロードごとにエージェントを配布・更新・保守する運用が不要です。これにより、新しい製品を導入する際に発生しがちな初期設定の手間や、運用開始後のメンテナンス負荷を比較的抑えやすくなります。 特に、クラウド環境がすでに大規模化している組織では、各チームが利用する環境に追加ソフトウェアを導入すること自体が調整コストになりやすい傾向があります。その点、APIベースで接続するWiz Cloudは、既存環境への影響を抑えながら可視化を始めやすく、導入検討から実運用への移行を進めやすい点がメリットです。 2.リスクの優先順位を判断しやすい クラウド環境では、設定不備、脆弱性、過剰権限、公開設定、機密データの露出など、多数のアラートが日常的に発生します。課題は、検出件数そのものよりも、その中から「どれを先に対応すべきか」を判断することです。 Wiz Cloudは、Security GraphやAttack Path Analysisを通じて、個別の問題を孤立したアラートとして扱うのではなく、資産同士の関係性や攻撃到達性を踏まえて評価しやすくしています。これにより、数としては少なくても影響の大きいリスクや、複数条件が重なることで重大化するリスクを優先的に確認しやすくなります。結果として、セキュリティチームが限られた時間や人員を、より重要な対応に振り向けやすくなる点は大きな利点です。 3.マルチクラウド環境を横断的に把握しやすい 多くの企業では、単一クラウドではなく、AWS、Azure、Google Cloud、OCIなど複数のクラウドサービスを用途ごとに使い分けています。その場合、クラウドごとに別々の管理画面やツールでセキュリティ状況を確認していると、情報が分散し、全体像を把握しにくくなります。 Wiz Cloudは、こうしたマルチクラウド環境を一元的に可視化しやすい点がメリットです。環境ごとの差異はあるものの、共通した観点でリスクを見られるようになることで、運用の標準化や、組織全体でのセキュリティポリシーの適用状況の確認がしやすくなります。クラウドごとに担当部門や利用目的が異なる組織にとっては、横断的な統制をとるための土台として有効です。 4.AI関連リスクを可視化しやすい 近年は、生成AIやAI開発基盤の導入が急速に進む一方で、組織として十分に把握できていないAI関連サービスやSDKの利用、学習データへの機密情報混入、AIサービスの設定不備など、従来のクラウドセキュリティだけでは把握しにくいリスクも増えています。 Wiz Cloudは、AI-SPMやDSPM for AIといった機能を通じて、AI関連資産の可視化や、AIに関わるデータ保護を支援する構成をとっています。これにより、AI導入を進める組織でも、クラウド基盤のセキュリティとAI利用の管理を分断せずに見やすくなります。特に、AI活用が先行してガバナンスが追いついていない企業にとっては、現状把握の起点を作りやすい点が実務上のメリットといえます。 5.既存の運用フローと連携しやすい セキュリティ製品は、単独で優れていても、現場の業務フローと分断されていると活用が進みにくくなります。検出結果を見ても、別途チケット起票し、担当者に連絡し、進捗を追いかける流れが煩雑であれば、対応は後回しになりがちです。 Wiz Cloudは、Jira、Slack、ServiceNowなどの既存ツールと連携することで、検出から通知、修復依頼、進捗管理までを既存の業務プロセスに載せやすくしています。これにより、セキュリティチームだけでなく、開発チームや運用チームも、普段使っているツール上で必要な情報を受け取りやすくなります。結果として、セキュリティ対応を一部門だけの仕事にせず、組織横断で継続的に回しやすくなる点が導入メリットの一つです。 6.セキュリティと開発のバランスを取りやすい クラウド利用が進んだ組織では、セキュリティ対策が開発スピードを落とす要因として受け止められることがあります。一方で、開発優先で進めた結果、後からリスクが顕在化して大きな手戻りが発生するケースも少なくありません。 Wiz Cloudのように、リスクを可視化し、優先順位を整理し、既存ワークフローに乗せて修復までつなげやすい仕組みがあると、セキュリティ確認をより実務的な形で開発プロセスに組み込みやすくなります。すべての問題を一律に止めるのではなく、影響度の高いものから順に対処していく判断がしやすくなるため、開発スピードと統制のバランスを取りやすくなる点も、導入時に期待できる効果です。 まとめ Wiz Cloudは、エージェントレスでクラウド環境を把握し、Security GraphやAttack Path Analysisを通じてリスクを関連付けて評価できるCNAPPです。さらに、AI-SPMやDSPM for AIといった機能により、AI利用が広がる環境にも対応範囲を広げています。 2026年3月にはGoogleによる買収完了が発表されましたが、買収後もマルチクラウド対応を維持する方針が示されています。今後はGoogle Cloudとの連携強化が進む可能性がある一方で、具体的な統合の範囲や時期については、今後の公式発表を確認していく必要があります。 クラウドとAIの利用が拡大する中で、Wiz Cloudはクラウド資産、権限、脆弱性、データ、AI関連資産を横断的に可視化したい組織にとって、検討対象になりうるプラットフォームの一つです。 また、クラウドエースでは「Wiz Cloud」の導入や活用をPoV、導入、運用までワンストップで支援しています。ご興味のある方はクラウドセキュリティ導入・運用支援(Wiz ウィズ)のページをご覧ください。 詳細情報:Wiz公式サイト (wiz.io) ※この記事は2026年4月時点の情報に基づいています。 「アラートノイズ」からの脱却。Wizで実現するセキュリティの民主化。〈クラウドセキュリティ〉Wiz Cloud ご紹介資料強力な可視化機能を持つWizですが、真の価値は「運用の定着」にあります。本資料では、大量のアラート対応から現場を解放し、開発チームが自走できる環境(セキュリティの民主化)をどう実現するのか、直感的なUI画面やクラウドエースの手厚い伴走支援メニューとともに詳しく解説します。資料ダウンロードはこちらから 井上 聖奈 クラウドセキュリティコンサルタント。Google Cloudのアプリ・インフラ開発の全工程を経験。現在はAI駆動のセキュア開発によりスピードと統制を両立する体制構築を牽引。リスク可視化やルール策定を通じた改善に加え、社内勉強会主催による組織のリテラシー向上にも貢献している。

2026.05.20

社員の”隠れAI利用”、把握できていますか?シャドーAI対策とGemini / NotebookLM法人導入ガイド
  • Google Cloud

社員の”隠れAI利用”、把握できていますか?シャドーAI対策とGemini / NotebookLM法人導入ガイド

「最近、社内でChatGPTやGeminiを使っている人が増えた気がする。でも、誰が何を入力しているかは把握できていない。」 日々の業務の中で、このような漠然とした不安を感じたことはないでしょうか。このように、会社が把握・管理していない状態のまま、従業員が独自の判断で業務に生成AIを利用している状態を「シャドーAI」と呼びます。そして今、このシャドーAIは企業にとって無視できない課題の一つとして認識されつつあります。 実際、弊社にも「社員が個人アカウントで生成AIを使っているようだが、実態が把握できない」「利用を禁止したが、隠れて使われている気がする」といったご相談が増加傾向にあります。シャドーAIの問題は、一部の企業に限らずさまざまな組織で関心が高まりつつあり、対応を検討する必要のあるリスクの一つとされています。 「うちの会社ではAIの業務利用を許可していないから大丈夫」と考えているとしたら、それは見えないリスクを抱えている状態かもしれません。本記事では、多くの企業から実際に寄せられている"生成AIにまつわる悩み"を紐解きながら、シャドーAI対策の実践的な進め方を解説します。 [toc] 弊社に寄せられる相談から見える、生成AI活用の課題 弊社には日々、生成AI法人導入に関する多数のご相談が寄せられています。ここでは、多くの読者が「あ、これうちの話だ」と感じるであろう、現場のリアルな悩みをご紹介します。 悩み①「社員が個人アカウントのNotebookLMに社内資料を読み込ませている」 比較的多く見られるのがこのケースです。「会議の議事録まとめに便利だから」「大量のPDF資料から目的の記述を探し出せるから」といった理由で、従業員が個人のGoogleアカウントを使ってNotebookLMやAIツールを利用するケースがあります。 この場合、社外秘のドキュメントが会社の管理外となるクラウド環境にアップロードされる可能性があります。個人向けの生成AIサービスでは、入力データややり取りの一部がサービス改善や機械学習の開発に利用される場合があります(設定やサービスによる)。 そのため、企業の管理外で機密情報を取り扱う際には慎重な判断が求められます。一方で、エンタープライズ版ではデータの取り扱いに関する制約が明確に定められており、用途に応じた使い分けが重要です。 悩み②「生成AIを"禁止"にしたら、現場から不満が多く寄せられた」 リスクを考慮し、生成AIの利用を制限または禁止する企業もあります。しかし一律の制限によって、業務効率への影響を懸念する声が現場から上がるケースも見られます。特に、文書作成や情報整理などの業務でAIを活用していた場合、従来の手作業に戻ることで作業時間の増加や負担感につながる可能性があります。 また、会社のPCからのアクセスを制限した場合でも、従業員が個人のスマートフォンや私物PCなどを利用してツールを使うケースも指摘されています。その結果、利用実態の把握が難しくなり、管理が行き届かない状態が生じる可能性があります。そのため、単純な禁止ではなく、ガバナンスと利便性を両立した運用設計が重要になります。 悩み③「法人契約したいが、クレジットカードが使えない」 生成AIを安全に活用するために法人向けプランの導入を検討しても、支払い方法の制約が障壁となるケースがあります。特に大学や大企業、官公庁などでは、社内規定によりクレジットカード決済が制限されている場合があります。 一方で、多くの生成AIサービスはオンラインでの即時契約を前提としており、クレジットカード払いが基本となっているケースも少なくありません。その結果、「請求書払いでなければ契約できない」といった社内手続きとの不整合が生じ、稟議や承認プロセスに時間がかかる要因となることがあります。こうした実務上の制約が、導入検討の停滞につながるケースも見られます。 悩み④「既存ベンダーに相談しても、生成AI領域の知見が十分でなく話が進まない」 既存のITベンダーに生成AIの導入について相談したものの、期待した支援が得られないケースも見られます。生成AIを業務で安全に活用するためには、ツール単体の導入だけでなく、既存システムとの連携やセキュリティ設計を含めた全体的なアーキテクチャ設計が求められます。 例えば、SAML/SSOによる認証統合や、VPC Service Controlsを活用したデータアクセス制御など、クラウドセキュリティに関する専門知識が必要になる場面もあります。そのため、対応可能なスキルや体制が十分でない場合、検討が長期化したり、導入プロジェクトが円滑に進まないといった課題につながることがあります。 シャドーAI対策の正解は"禁止"ではなく"安全な環境の提供" 前述の悩みからも分かる通り、シャドーAI対策として「利用を禁止する」だけでは、必ずしも十分な対策とは言えません。その理由として、いくつかの課題が指摘されています。 業務効率に影響が出る可能性があり、AIを活用する企業との間で生産性の差が生じる懸念がある 個人のデバイスなどを通じてツールが利用されるケースがあり、結果として利用実態の把握が難しくなる可能性がある AIツールの利用制限に対して、現場から負担感や不満の声が上がるケースもある 従業員の「業務を効率化したい」というニーズに対して、単に利用を制限するのではなく、会社として「安全に使える公式ツール」を用意し、適切なルールのもとで提供することが重要です。 その「安全に使える公式ツール」の有力な選択肢が、Google Cloudが提供するエンタープライズ向けの生成AIサービス、Gemini EnterpriseやNotebookLM Enterpriseです。 法人導入で「つまずく」4つのポイントと解決策 いざ法人向けの生成AIを導入しようとしても、実務においては様々なハードルが存在します。ここでは、法人導入において企業が「つまずくポイント」と、それを乗り越えるための具体的な「解決策」をセットで解説します。 ①データは本当に学習されないのか? → Gemini Enterprise / NotebookLM Enterpriseなら安心 【つまずきポイント】 「法人契約したとしても、本当にうちの機密データがAIの学習に使われないのか不安だ」という声は根強くあります。 【解決策】 個人向けの無料版AIと、法人向けのエンタープライズ版(Gemini EnterpriseやNotebookLM Enterprise)の決定的な違いは、データの取り扱いに関する公式なコミットメントにあります。 Gemini Enterpriseの場合: Gemini Enterpriseの公式FAQにおいて、「プロンプト、出力、およびその過程で発生するデータが、Googleのモデルや他のお客様のモデルのトレーニングに使用されることはない」と明記されています。また、データの所有権はあくまでお客様に帰属し、Googleが広告に利用したり第三者に販売したりすることもありません。 NotebookLM Enterprise(Google Workspaceユーザー)の場合: ヘルプページにおいて、Google Workspaceユーザーがアップロードしたデータやクエリは、AIモデルのトレーニングに使用されないことが明記されています。さらに、Workspaceユーザーの場合は、フィードバックを送信した際でも「人間のレビュー担当者による確認」が行われないという、より厳格な保護措置がとられています。 これにより、社外秘の企画書や財務データであっても、情報漏洩や意図しない学習のリスクを抑えながらAIを活用することが可能になります。また、NotebookLM Enterpriseは既存のGoogle Workspace契約がない組織でも単独導入でき、導入したその日から安全な環境で業務を開始できます。 ②誰が何を使っているか可視化したい → SSO / SAML連携でガバナンスを確立 【つまずきポイント】 「社員がそれぞれ勝手にアカウントを作ってしまっては、結局誰がAIを使っているのか管理部門で把握できない」というガバナンスの課題です。 【解決策】 この課題は、SSO(シングルサインオン)やSAML連携といった認証技術で解決します。Microsoft Entra IDやGoogle Workspaceといった既存のID基盤と連携させることで、従業員は社内アカウントでAIにログインする運用に統合できます。 こうした構成を整えることで、管理者はGeminiの利用状況を管理コンソールのレポート(組織でのGemini使用状況確認)から、NotebookLM EnterpriseについてはGoogle Cloudのログ機能(NotebookLM Enterprise監査ログの設定)から、それぞれ「誰が・いつ・どのサービス」を利用しているか正確に把握できます。 さらに、Gemini Enterprise等のライセンスを活用すれば、Google Vault(電子情報開示ツール)を通じてユーザーのやり取り内容を保持・検索・エクスポート可能です(Vaultを使用してGeminiアプリを検索する)。日常的にすべてを監視するのではなく、「有事の際に、いつ・誰が・どのような入出力を行ったかを遡って調査できる体制」を構築できる点が、企業にとっての大きなメリットです。 また、退職時には社内IDを無効化するだけで即座にアクセス権を剥奪できるため、個人アカウント利用時に懸念される「退職後の情報持ち出し」リスク低減につながります。 ③機密データの外部流出を確実に防ぎたい → VPC Service Controlsによるデータ境界 【つまずきポイント】 金融機関や医療機関、あるいは厳格な情報管理が求められる大企業では、「社内ネットワークの外からは絶対にアクセスさせたくない」「データが外部ストレージにコピーされるのを防ぎたい」という強固なネットワーク要件が求められます。 【解決策】 ここで活躍するのがGoogle Cloudの「VPC Service Controls」という高度なセキュリティ機能です。これは例えるなら、クラウド上に「目に見えないデジタルの無菌室(データ境界)」を作るような仕組みです。この見えない壁の中(会社が許可したネットワークや特定の端末)からしかAIサービスにアクセスできなくし、かつ、AIが処理したデータへのアクセスを、許可されたネットワークやリソースの範囲内に制限することで、意図しないデータ持ち出しや外部アクセスのリスクを低減することができます。 ④クレジットカード決済ができない → リセラー経由の請求書払い 【つまずきポイント】 「悩み③」でも挙げた通り、大学や大企業ではクレジットカード決済ができず、システムは完璧でも「支払い」で導入が頓挫するケースです。 【解決策】 この実務上の壁は、Google Cloud の公式パートナー(リセラー)を経由して契約することで解決します。クラウドエースのようなパートナーを通すことで、日本の商習慣に合わせた「請求書払い(銀行振込)」での契約が可能になります。それだけでなく、複数部門でバラバラに行われていた契約や請求を一つに一本化したり、自社の利用状況に合わせた最適なライセンス体系の提案を受けたりと、管理の手間とコストを大幅に最適化することができます。 ここまで読んで「うちの状況に近い」「自社でもシャドーAIが起きているかもしれない」と感じた方は、まずは現状の整理からお手伝いします。お気軽にご相談ください。クラウドエースへのお問い合わせはこちらから 「守り」の先にある「攻め」のAI活用 ここまでのシャドーAI対策は、企業における「守り」の施策です。しかし、安全な基盤が整って初めて、企業は社内のあらゆるデータを価値に変える「攻め」のAIデータ活用へと踏み出すことができます。 RAG(検索拡張生成)による社内ナレッジのフル活用 業務で本当に必要なのは、「一般的な正解」ではなく「自社独自のナレッジ」です。安全な環境が確保できたら、次はRAG(Retrieval-Augmented Generation:検索拡張生成)という技術の出番です。 Google CloudのVertex AIを活用して高度なRAG環境を構築すれば、Googleドライブ内に眠っている過去の提案資料、ベテラン社員の施工ノウハウ、テキスト化・構造化された設計資料や図面データ、さらには名刺情報やメールの履歴までを横断的に検索し、AIが的確に要約して答えてくれる「超優秀な社内アシスタント」を作ることができます。 エンタープライズサーチがもたらす変革 「あの資料、どこにあったっけ…」とファイルサーバーを探し回る時間は、企業にとって大きな損失です。セキュアなAI基盤の上で「エンタープライズサーチ(企業内検索)」を実現すれば、従業員はチャット画面から質問するだけで、必要な社内データに瞬時にアクセスできるようになります。安全な基盤があるからこそ、データ活用という次のステージに安心して進むことができるのです。 より深く知りたい方への関連記事 Google Cloud で実現する AI 駆動型ワークスタイル!NotebookLM Enterprise でセキュリティとガバナンスも強化! エンタープライズサーチとは?企業内検索で業務効率を最大化する導入効果 ゼロトラストはブラウザから!「Chrome Enterprise Premium」で実現する、新しい働き方のセキュリティ まとめ:正しく使える環境の整備から始めよう 本記事の重要なポイントを3つにまとめます。 社員の悩みとシャドーAIリスク: 「便利だから」「クレジットカードがないから」といった理由で管理外のAI利用が広がり、情報漏洩やコンプライアンス違反につながるリスクがあります。 「禁止」ではなく「公式環境」を: AI利用を禁じるだけでは生産性の低下や問題の地下潜伏を招きます。シャドーAI対策の正解は、データが学習されない安全な公式ツールを用意することです。 法人導入の実務課題を乗り越える: Gemini EnterpriseやNotebookLM Enterpriseの導入、SAML連携、VPC Service Controlsによる防御、そしてリセラー経由での請求書払いを組み合わせることで、強固なガバナンスと利便性を両立できます。 シャドーAI対策は、単純に「禁止」のルールを作ることではなく、従業員が「正しく・安全に使える環境の整備」から始まります。放置すればするほどリスクは膨らんでいきますので、まずは自社の環境見直しからスタートしてみてはいかがでしょうか。 クラウドエースは、Google CloudのDiamondパートナー(ServiceおよびCo-sell部門)として、セキュアな生成AI基盤の構築から「攻め」のデータ活用まで一気通貫でご支援しています。ガバナンスの確立と業務効率化の両立にお悩みなら、まずはお気軽にご相談ください。クラウドエースへのお問い合わせはこちらから

2026.04.30

【速報まとめ】Google Cloud Next ’26 Las Vegas 基調講演 Day 2
  • Google Cloud

【速報まとめ】Google Cloud Next ’26 Las Vegas 基調講演 Day 2

※この記事は迅速な情報提供を重視し、速報として掲載しております。もし記事内に誤りがございましたら、後日訂正いたします。 [toc] はじめに 現在ラスベガスで開催されている Google Cloud の旗艦イベント「Google Cloud Next'26(以下、Next'26)」に現地参加中の茜、井上です。Next'26 の最新情報を現地からお届けします! 本稿では、 2026 年 4 月 23 日(木)10:30 – 11:45(PT)の Developer Keynote(ホスト: Brad Calder 氏、Richard Seroter 氏ほか)の内容を速報で紹介します。 今回の基調講演のテーマ Developer Keynote では、Gemini Enterprise Agent Platform を活用し、単なるチャットボットを超えた、自律的に動作する「プロダクション・レディ」なエージェントの構築手法が 7 つのデモを通じて紹介されました。 Google Cloud Next '26 キーノート概要 これまでの AI は、質問に答える存在でした。しかし今回の Google Cloud Next で示されたのは、まったく異なる未来です。 AI が自分で考え、判断し、行動する。 そんな「エージェント」と呼ばれる存在が、すでに現実のものになりつつあります。 キーノートの冒頭では、印象的な事例が紹介されました 医療現場で AI が意思決定を支援し、ICU の死亡率を 47% 削減 個人に合わせて学習内容を変える教育アプリ 現実世界を再現して学習する自動運転 AI これらはすべて、「単なる AI」ではなく 実際に意思決定に関わるエージェント型のシステムです。 デモで描かれた未来:AI が都市イベントを設計する 今回のキーノートは、1 つのストーリーを軸に進みました。 それが、 ラスベガスで開催される 1 万人規模のマラソン大会を、AI が設計・運営する というシナリオです。 一見するとエンタメのようですが、実際には非常にリアルな問題です。 交通規制はどうするか 医療体制は十分か 地域への影響はないか 安全性は確保されているか こうした複雑な課題を、AI がどのように解決するのかということを壮大なデモ「Las Vegas Neon Night Run 2027」で紹介されました。 3 つのエージェントがチームとして働く このシステムの中心には、3 つのエージェントが存在します。 ■ Planner(プランナー)マラソンのルートを設計する役割です。地図やランドマーク、交通状況などを考慮しながら、最適なコースを提案します。 ■ Evaluator(評価者)そのルートが適切かどうかを評価します。 例えば: 距離は正しいか 安全性に問題はないか 地域への影響はどうか といった観点から、スコアリングを行います。 ■ Simulator(シミュレーター)実際にそのルートでマラソンを開催した場合を再現します。 ランナーの動き 交通への影響 混雑状況 などを仮想空間で再現し、現実に近い形で検証します。 この 3 つが連携することで、 「考える → 評価する → 試す」 というプロセスが自動化されます。 デモの自律性を支える、エージェント構築の主要コンポーネント ここからが今回のキーノートの本題です。 Google は、こうしたエージェントを実現するための仕組みをいくつかの重要な技術として提示しました。 1. Agent Development Kit (ADK) と MCP による基礎構築 使用技術: Agent Development Kit (ADK), Model Context Protocol (MCP) エージェントに特定の「スキル」や「ツール」を付与し、現実に即したタスクを実行させることができます。 このデモでは、MCPサーバーを通じて Google Maps の API と連携させることで、エージェントが現実の地図データやランドマーク情報を直接取得し、最適なマラソンルートを自動で計画できるようになりました。 複雑な API 連携を Google Cloud が安全に管理してくれるため、開発者はエージェントの構築に専念できます。 紹介された機能の解説 Agent Development Kit (ADK): モジュール型エージェントを構築するためのフレームワーク Model Context Protocol (MCP): エージェントが外部ツールやデータと通信するための標準プロトコル Skills: YAML メタデータと Markdown で定義され、エージェントに専門知識(地図、GIS、レース運営等)を付与するコンポーネント Google Cloud MCP Servers: Google Cloud の全サービスが MCP に対応し、地図データ等への安全なアクセスを提供 2. A2A プロトコルと A2UI によるエージェント間の協調 1 つのエージェントだけでなく、複数のエージェントをチームとして連携させます。 使用技術: Agent-to-Agent (A2A) プロトコル, Agent Registry, A2UI (Agent User Interface) デモでは、「ルートを計画するエージェント」「ルートを評価するエージェント」「実際にシミュレーションを動かすエージェント」が、脆弱な API コードを書くことなく自動的に連携していました。 さらに驚くべきは A2UI の導入です。エージェント自身が、評価結果や地図を表示するための最適なユーザーインターフェース(UI)を動的に生成し、人間に分かりやすく提示することが可能になりました。 紹介された機能の解説 A2UI (Agent-to-User Interface): エージェントがユーザーの意図を汲み取り、最適な UI(ルートマップやスコアボード等)を動的に生成・表示するオープンスタンダード。もはやダッシュボードを事前に作り込む必要はありません。 A2A (Agent-to-Agent) プロトコル: エージェント同士が API を介さず対話するための通信規格。 Agent Registry: いわば 「エージェント界の DNS」 です。中央ディレクトリが各エージェントのアイデンティティとスキルセットを解決し、未知のエージェント同士が自律的に発見・協力することを可能にします。 3. メモリ管理と高度なデータ連携 (RAG) AI との対話における「ステートレス(忘却)」の壁を、Google は Context Engineering で突破しました。 使用技術: Memory Bank, AlloyDB, Apache SparkによるRAG(検索拡張生成) デモでは、エージェントが地域の規制を検索した際、「Nevada Revised Statutes - Historical Act of 1875(1875年制定のネバダ州改正法)」 を発見し、「公道でラクダを走らせることは禁止されている」というニッチな規則に基づいて即座にルートを修正。会場に驚きを与えました。 この高度な RAG を実現する裏側として、データエンジニアリングエージェントが自然言語のプロンプトからデータパイプラインを生成する様子もデモされました。 「Lightning Engine for Apache Spark」の高速な処理能力と「Document AI」を組み合わせることで、 PDF などのドキュメントを読み込み、意味的なまとまりごとに分割(セマンティックチャンキング)して AlloyDB に保存するプロセスが自動化されています。 紹介された機能の解説 Memory Bank: エージェントに長期記憶を付与。過去のシミュレーション結果やユーザーの嗜好を保持し、一貫性のある対話を実現します。 AlloyDB の Auto Embeddings: AlloyDB と Spark を活用した RAG(検索拡張生成)において、開発者が手動でベクトル化する手間を排除。データベース側で自動的に埋め込みベクトルを生成し、高度な専門知識(グラウンディング)をエージェントに提供します。 4. エージェントの可観測性 (Observability) と自動デバッグ AI の思考プロセスが複雑化する中、エラーの特定と修正も AI がサポートします。 使用技術: Agent Observability, Gemini Cloud Assist, MCP 対応の統合開発環境(IDE) 膨大なログの中から、トークン数超過によるクラッシュの原因を素早く特定できます。さらに素晴らしいのは、Gemini Cloud Assist がエラーの原因を説明するだけでなく、コードの修正案(イベントコンパクションの頻度調整など)を提案し、IDE 上で直接適用から再デプロイまでを自然言語のやり取りだけで完結できる点です。 デモでは、シミュレーターが膨大なツール呼び出しにより Gemini API の制限を超えてクラッシュした際、Gemini Cloud Assist がログを分析。原因がトークン制限超過であることを特定しました。Cloud Assist は単なるエラー報告に留まらず、ADK の機能である「イベント・コンパクション(文脈の要約圧縮)」の閾値を調整する修正案を提示。開発者は自然言語でこれを承認するだけで、パッチを適用できました。 紹介された機能の解説 Agent Observability: 推論フローやツール呼び出し、オペレーショナルメトリクスを可視化する指標群 Gemini Cloud Assist Investigations: ログやインフラの状態を自律的に調査し、根本原因を特定する AI アシスタント Event Compaction: トークン制限を超えないよう、文脈を動的に要約・圧縮する ADK の最適化機能 5. インフラの自動変換と Gemma 4 によるカスタマイズ コードの修正だけでなく、インフラ環境の変更も AI との対話で実現します。 使用技術: Gemini Cloud Assist, Google Kubernetes Engine (GKE), Gemma 4 モデル デモでは、「Cloud Run で動いているアプリを GKE に移行し、同じクラスターに Gemma 4 をデプロイして」とプロンプトで指示するだけで、AI が複雑なインフラストラクチャの変更を自動で構成・デプロイしました。これにより、急激なスケールアップやカスタマイズモデルの導入といったインフラ作業のハードルが大幅に下がります。 紹介された機能の解説 Vibe Clouding: 意図(インテント)を伝えるだけで、既存のインフラ構成(IaC)を自動変換し、デプロイまで完結させる手法。 GKE (Google Kubernetes Engine): AI ワークロードの提供とスケーリングに最適化されたマネージド基盤。 Gemma 4 on vLLM: クラスター内でセルフホストされる最新のオープンモデル。 6. ノーコードとハイコードの融合 エンジニア以外のメンバーも、簡単にエージェントを作成してプロジェクトに参加できます。 使用技術: Gemini Enterprise (Agent Designer) コーディングの知識がなくても、日常的に使っている業務マニュアルや備品リスト(Google ドキュメントなど)を AI に読み込ませるだけで、特定の業務に特化したエージェントを数分程度で作成できます。 デモでは、飲料水や仮設トイレの手配を行う物流エージェントを作成し、プロの開発者が作ったプランナーエージェントとシームレスに連携させることに成功しました。 また、Gemini Enterprise では独自にエージェントを作成するだけでなく、Google が提供する事前構築済みのエージェントを活用して、データソースからインサイトを引き出すことも可能です。 基調講演の中では、データインサイトエージェントの個人的なお気に入りとして「NotebookLM」が挙げられ、開発者やチームが自身のデータから新たな価値を容易に見出せる環境が整っていることが強調されました 。 紹介された機能の解説 Gemini Enterprise Agent Designer: 自然言語のプロンプトとドキュメントだけでエージェントを生成するインターフェース。 Shared Context: ノーコードで作られたエージェントと、開発者が書いたエージェントが共通のレジストリで文脈を共有する機能。 Automatic Registration: 生成された全エージェントがレジストリに自動登録され、他のアプリからも発見可能になります。 7. ゼロトラスト・ガバナンスと Wiz による防衛 強力な自律型エージェントには、厳格な制御とセキュリティ監視が不可欠です。 使用技術: Agent Identity, Agent Gateway, Wiz (AIセキュリティプラットフォーム) エージェントごとに個別の ID(Agent Identity)を割り当て、アクセス権限を厳格に管理できます。 デモでは、「ルート計画エージェントには財務データベースの書き込み権限を与えない」といったゼロトラストな制御を行う様子が紹介されました。 また、Wiz の AI エージェントと連携することで、コード内の脆弱性や過剰なアクセス権限を自動でスキャンし、開発者のツール上で直接修正案を提示して防ぐことができます。 紹介された機能の解説 Agent Identity: エージェントごとに発行される、なりすまし防止を目的とした固有資格情報。 Agent Gateway: 通信を仲介し、読み取り専用ポリシーなどの IAM 制限を厳格に強制するプロキシ。 Wiz (Red & Green Agents): 攻撃者視点で脆弱性を探る Red エージェントと、修正コードを提案する Green エージェント。 まとめ 「Las Vegas Neon Night Run 2027」という壮大なデモが示したのは、エージェントがもはや単なる「チャットの相手」ではなく、実世界の課題を解決する「パートナー」になったということです 。 今回紹介された全てのコードは GitHub でオープンソースとして公開されています 。さあ、あなたも今日から、自律型クラウドの時代を築くエージェントの構築を始めてみませんか? 【参考リンク】 関連する公式情報はこちらです。併せてご確認ください。 Developer Keynote: https://www.youtube.com/watch?v=A01DQ8_xy7Q Gemini Enterprise Agent Platform 紹介: https://cloud.google.com/blog/products/ai-machine-learning/introducing-gemini-enterprise-agent-platform Google Cloud と Wiz による AI 時代のセキュリティ: https://cloud.google.com/blog/products/identity-security/next26-redefining-security-for-the-ai-era-with-google-cloud-and-wiz ADK 概要: https://cloud.google.com/agent-builder/agent-development-kit/overview Agent Platform エージェントの概要: https://docs.cloud.google.com/gemini-enterprise-agent-platform/agents/overview Agent Platform リリースノート: https://docs.cloud.google.com/gemini-enterprise-agent-platform/release-notes Gemini Cloud Assist: https://docs.cloud.google.com/gemini/docs/cloud-assist/overview GKE 新機能: https://cloud.google.com/blog/products/containers-kubernetes/whats-new-in-gke-at-next26 Gemma 4: https://cloud.google.com/blog/products/ai-machine-learning/gemma-4-available-on-google-cloud AlloyDB AI 自動ベクトル: https://cloud.google.com/blog/products/databases/alloydb-ai-auto-vector-embeddings-and-auto-vector-index Day 1 リキャップ: https://cloud.google.com/blog/topics/google-cloud-next/next26-day-1-recap デバッグ Codelab: https://goo.gle/debugagents Next'26: https://www.googlecloudevents.com/next-vegas Google Cloud Next Tokyo '26開催決定!参加登録受付中 Google Cloud 最大級の旗艦イベントが、2026年も開催されます。最新の「Agentic AI」や Gemini の社会実装をテーマに、革新的なセッションや展示が集結する2日間です。ぜひご参加ください。 日時:2026年7月30日(木)・31日(金)会場:東京ビッグサイト 南展示棟・会議棟参加費:無料(事前登録制) ご登録時にこちらの招待コードをご利用ください NxT26_pt025 公式サイトで登録する

2026.04.24

記事一覧

  • AI駆動開発
  • IT・トレンド
  • Google Cloud 入門
  • tech系
  • クラウド導入お役立ち
  • Google Workspace
  • AI・機械学習
  • Cmosy 連載企画
  • Google Cloud の性能
  • Google Cloud
  • クラウドコンピューティング基礎知識
  • クラウドエース
  • その他
BigQuery × MCPで自然言語データ分析を実現する方法
  • Google Cloud

BigQuery × MCPで自然言語データ分析を実現する方法

2026.04.23

インフラ運用を少人数で担うSaaS企業の皆様へ。開発を止めない体制をつくる3つの打ち手
  • Google Cloud

インフラ運用を少人数で担うSaaS企業の皆様へ。開発を止めない体制をつくる3つの打ち手

2026.04.23

【速報まとめ】Google Cloud Next ’26 Las Vegas 基調講演 Day 1
  • Google Cloud

【速報まとめ】Google Cloud Next ’26 Las Vegas 基調講演 Day 1

2026.04.23

AI駆動開発のコードレビューは「コードを読む前」で決まる
  • AI駆動開発
  • AI・機械学習

AI駆動開発のコードレビューは「コードを読む前」で決まる

2026.04.20

Agent Development Kit(ADK)とは?複雑なAIエージェントをシンプルに作るGoogleの新フレームワーク
  • AI・機械学習
  • Google Cloud

Agent Development Kit(ADK)とは?複雑なAIエージェントをシンプルに作るGoogleの新フレームワーク

2026.04.02

仕様駆動開発(SDD)とは?AI駆動開発における基本概念と実践ツールを解説
  • AI駆動開発
  • AI・機械学習

仕様駆動開発(SDD)とは?AI駆動開発における基本概念と実践ツールを解説

2026.03.27

AIマルチエージェントとは?仕組み・ユースケース・導入ポイントを解説
  • AI・機械学習

AIマルチエージェントとは?仕組み・ユースケース・導入ポイントを解説

2026.03.23

RAGとは?その仕組みと構築方法を徹底解説!Vertex AI Searchを使った例も紹介
  • AI・機械学習
  • Google Cloud

RAGとは?その仕組みと構築方法を徹底解説!Vertex AI Searchを使った例も紹介

2026.03.12

AIセキュリティとは? 企業が備えるべきリスクと対策の要点
  • AI・機械学習

AIセキュリティとは? 企業が備えるべきリスクと対策の要点

2026.02.27

バイブコーディングと仕様駆動開発(SDD)の違いとは?AI駆動開発を成功させる「探索と収束」の統合プロセス
  • AI駆動開発
  • AI・機械学習

バイブコーディングと仕様駆動開発(SDD)の違いとは?AI駆動開発を成功させる「探索と収束」の統合プロセス

2026.02.27

クラウドエース 生成AI駆動ハッカソン&ユーザー会(2025)レポート
  • クラウドエース

クラウドエース 生成AI駆動ハッカソン&ユーザー会(2025)レポート

2026.02.27

AIガバナンスとは?生成AI導入に必要な企業向け実務フレームワークと手順
  • AI・機械学習

AIガバナンスとは?生成AI導入に必要な企業向け実務フレームワークと手順

2026.02.26

12345...102030...NEXT >

導入実績1,000社以上。
ぜひお気軽にご相談ください。

クラウド活用に役立つ資料を無料でダウンロードいただけます。

クラウド活用に役立つ資料を無料でダウンロードいただけます。

お役立ち資料
経験豊富な弊社スタッフが、クラウドに関するお悩みを解決いたします。

経験豊富な弊社スタッフが、クラウドに関するお悩みを解決いたします。

お問い合わせ
↑
Cloud Ace (クラウドエース)

Google Cloudの導入から活用まで
ワンストップでお客様を支援します

  • X
  • YouTube
  • Zenn

  • トップ
  • クラウドエースの特長
  • AI駆動のビジネス変革
  • Google Cloudとは
  • 受賞歴・認定歴
  • 書籍
  • メンバー
  • 導入事例
  • 業界別ソリューション
  • サービス
  • コンサルティング

    • Google Cloudコンサルティング
    • Google Cloud活用診断サービス
      (Cloud Doctor)
  • Google Cloud

    • Google Cloud支払代行
      カスタマーサービス
    • Google Cloudへの移行支援
    • プリペイド定額ライセンスプラン
      (文教・研究機関向け)
    • Google Cloudシステム監視 +
      運用支援
    • Google Workspace導入支援
    • Google Maps Platform導入支援
    • 地域情報可視化マップ構築支援
      — Machishiru —
  • システム開発

    • インフラストラクチャ構築支援
    • アプリケーション開発
    • PoC(概念実証)支援
  • データ分析

    • データ分析基盤構築支援 /
      BigQuery ML(機械学習)活用支援
    • SAP分析基盤パッケージ
    • Looker導入支援
    • ETLツール構築支援
      (TROCCO トロッコ)
  • セキュリティ

    • サイバーセキュリティソリューション
    • セキュリティアセスメント for AI Agent
    • Chrome Enterprise Premium
      導入支援
    • ネットワーク設計・構築支援/
      Wafcharm導入支援
    • クラウドセキュリティ導入・運用支援
      (Wiz ウィズ)
  • 生成AI

    • 生成AI活用支援
    • Gemini Enterprise導入・活用支援
    • AIエージェント開発
    • Floyo AI 導入・運用支援
    • 買い切り型生成AIチャットボットキット
      RAG Accelerator Kit(RAK)
    • GenAI Ops / Langfuse導入支援
    • MCPサーバー開発支援
    • Agent Enterprise
    • COGMA
  • Google Cloud認定トレーニング

  • 会社情報
  • セミナー
  • コラム
  • ニュース
  • お役立ち資料
  • お問い合わせ
  • 採用情報
  • 利用規約
  • プライバシーポリシー
  • プレスキット
  • 商標・登録商標
  • グローバルサイト

Copyright © Cloud Ace All Rights Reserved.