解説
Trusted Data Fabricとは何か、企業がデータ権限を渡さずAIに任せる仕組み
AIエージェントにデータを使わせることと、データの管理権限を手放すことは、本来別の話です。この2つを切り分ける仕組みづくりが、企業のAI活用を次の段階に進める鍵になります。
何が起きたか
NTTドコモビジネスは10月7日、「Trusted Data Fabric」構想を始動すると発表しました。企業の各組織が自らのデータの管理権限を持ったまま、組織内外のさまざまなAIエージェントやデータと安全に連携できる環境づくりを目指す取り組みです。
構想は「Trusted AI」「Trusted Identity」「Trusted Data Access」という3つの領域で構成されています。AIエージェントが実行しようとする行動を直前に判定し、誤った行動を止める仕組みづくりのため、同日付で日本IBMとAIガバナンス領域での協業に関する基本合意書を締結したことも明らかにしました。
このほか、利用者やAIエージェントの本人性を確認する認証サービス「SmartLiTA」の対象をAIエージェントに拡張する予定があることや、データを秘匿したまま分析できる「析秘」の機能拡張を進めることも発表されています。ユースケースとしては、調査会社と金融機関のデータを掛け合わせ、与信判断や審査業務を効率化する案が紹介されました。
背景・解説
「Trusted Data Fabric」は、AIエージェントにデータやシステムを使わせる際に、データの持ち主が管理権限を失わずに済む環境を指す言葉です。NTTドコモビジネスの説明によれば、AIは「自律的に考えて答える」段階から「目的に合わせて自律的に行動する」段階に移りつつあります。この変化に伴い、AIエージェントが複数のシステムに自律的にアクセスするようになると、誰の代わりに、何の目的で、どこまで許可されて動いているのかを把握することが難しくなるという課題が生じます。
その結果、企業は情報漏えいなどのリスクを恐れ、公開できる情報しかAIに使わせられなくなり、「価値あるデータほどAIに使わせられない」というジレンマに陥っていました。構想はこの状態を、「守れる」から「任せられる」環境へ移すことを目的としています。
3つの領域の役割も整理しておくと分かりやすくなります。Trusted AIはAIエージェントの行動そのものを監視し、誤りを未然に止める役割です。Trusted Identityは、人間だけでなくAIエージェントについても「誰が・何を・どこまで使えるか」を管理する仕組みで、認証サービスの対象拡張や、AIエージェントの提供者・権限情報を登録する「AIエージェント属性情報レジストリ（仮称）」の検討が含まれます。Trusted Data Accessは、機密情報や個人情報を保有者が管理権限を保持したまま、組織を越えて分析・連携できるようにする領域で、秘匿分析技術「析秘」がその中心にあります。日本IBMの佐藤隆子氏は、AIガバナンスの目的について「社員が安心してAIを利用するためのガードレールを設置すること」だと述べています。
仕事や業務への影響 — AI Topicaの見方
機密データを多く扱う部門ほど、この構想の恩恵は大きくなります。これまで「漏えいが怖いから公開情報しかAIに触らせない」という運用をしていた企業では、権限管理の仕組みが整うことで、今まで使えなかった顧客データや契約データをAI活用の対象に加えられるようになるからです。
例えば、従業員50人規模の地方金融機関で与信審査を担当するチームが、外部の調査会社が持つ企業情報と自社の取引データを突き合わせたいと考えているとします。これまでは情報漏えいのリスクを理由に連携を見送っていた場合でも、データの管理権限を自社に残したまま分析だけを進められる仕組みがあれば、審査にかかる時間を短縮する検討に着手できます。
情報システム部門にとっては、AIエージェントの利用ログを「誰が・いつ・どの権限で使ったか」という単位で把握できるようになる点が実務上の意味を持ちます。監査対応や社内規定の整備を担当する責任者は、AIエージェントの導入を止める理由を探すのではなく、どの業務から段階的に権限を与えていくかを検討する段階に移るべきです。中小企業で専任の情報システム担当者がいない場合でも、認証サービスの対象拡張によって最低限の権限管理が実現できるなら、独自の管理体制を一から構築する必要はありません。
不確かな点・注意
今回の発表は構想の始動であり、具体的なサービス名や提供時期、料金体系はまだ示されていません。「AIエージェント属性情報レジストリ」や、AIエージェントが機微なデータを扱うための新しい仕組みについても、検討段階にとどまっています。
日本IBMとの協業も基本合意書の締結であり、具体的な機能やシステム連携の中身は今後詰められる段階です。金融業界での与信判断や審査業務の効率化は「寄与できるのではないか」という紹介にとどまり、実際の導入事例や効果の数値は示されていません。構想の実効性は、今後発表される個別サービスの内容と、実際に導入した企業の運用実績を見てから判断すべきです。