AIの検出ギャップ計算ツール

可視化できないものは統制できません。AI環境のうち、セキュリティ部門が一度も棚卸ししていない部分の割合を把握しましょう。

あらゆるガバナンスプログラムは、利用中のAIをリストアップすることから始まります。しかし、ほとんどの企業では、そのリストで把握できているのは実態の一部にすぎません。従業員は個人アカウントでツールを導入し、チームはエージェントにツールやMCPへのアクセスを設定していますが、こうした利用について申請チケットが起票されることはありません。この計算ツールは、棚卸しで把握したAI環境と、ネットワークから実際に確認できるAI環境とのギャップの大きさを推定します。

01: セキュリティ部門が現在把握している範囲

02: エージェンティックレイヤー

エージェントはツール呼び出しやMCP接続を通じて自律的に動作し、その一つひとつがアクセス経路になります。

インベントリ登録済み vs 不可視

各セルは実際に使用されているAIの1%を表します。青は承認済みインベントリに登録されたもの、中抜きの赤は使用中でありながらガバナンス対象外で、その存在を前提とするあらゆるコントロールから見えないものです。

詳細情報

ディスカバリーは難しいがゆえに、ガバナンスプログラムで省略されがちな工程です。本人がツールだと認識していないものを登録させることはできませんし、エージェントはそもそも申告しません。ネットワークベースのディスカバリーはこの問題を反転させます。申告に頼るのではなく、AIトラフィックが実際に流れる場所で観測し、その背後にある意図を分類し、エージェントのツール呼び出しとMCP接続をリアルタイムで追跡します。アプリケーションの変更は不要です。

よくあるご質問

この先に見えてくること

AIファクトリーの試算から、AIファクトリーの制御へ

このギャップを埋めるには、トラフィックパス上でのネットワークベースのAIディスカバリー、意図分類、シャドーAI検出が必要です。発見し、テストし、ガバナンスする。この順序でなければ機能しません。