AIエージェントにどこまで任せていい？社内データとAIをつなぐ「データ連携基盤」が統制の役目担う

便利になる反面、リスクも……「運用の制御」が必須に

　企業におけるAI活用は、チャット型の生成AIによる翻訳やアイデア出しといった用途から、業務の判断や処理を自律的に実行する「AIエージェント」へと広がりつつある。実務で活用するときに前提となるのが、社内システムとの連携だ。ERPやCRM、ファイルサーバーやクラウドストレージ、コミュニケーションツールなどに蓄積されたデータにアクセスし、更新まで行えなければ、業務プロセスとして成立しない。

　アステリアでデータ連携ツール「ASTERIA Warp」のプロダクトマネージャーを務める東海林賢史氏は、オンプレミスからSaaSに至る流れを踏まえつつ、「AIもデータがなければ機能しない点はこれまでと変わりません」と話す。一方で、AIエージェントの普及によって課題の焦点は、連携の可否から運用の制御へと移りつつある。人が介在しないままデータにアクセスして更新できるようになることで、どのデータに触れさせるかだけでなく、AIが生成した結果をどこまで信頼し、どのように取り込むかという運用上の判断が問われているという。

　そのうえで、単にAIに社内データを読み込ませるだけでなく、適切なコンテキスト（文脈）として渡すための前処理や、AIの出力結果を基幹システムに反映する際の後処理など、データ連携で必要なことは増えている。従来のように、人間が画面操作を行いシステムに入力するプロセスをAIで代替しようとすると、接続先のAPI管理や権限設定の複雑化が一気に表面化するためだ。

　この変化に対して、企業のITインフラを担う情報システム部門は、リスクを理解した設計が求められている。とりわけ重要になるのが情報セキュリティだ。AIが機密情報にアクセスし、意図しない形で外部に出力してしまう可能性をどう抑えるかは、現場で具体的な対応が求められている。そのため、データへのアクセス範囲や操作権限をどのように制御するかが、設計上避けて通れない要素だ。

　加えて、データの正確性に対する懸念もある。東海林氏は「会計システムに書き込まれる売上や利益の数字が間違っていたら監査でも指摘を受けるし、あってはならないことです。AIがハルシネーションで数字を間違えてそのまま取り込んでしまうと、収拾がつかないほど影響範囲が大きくなる懸念があります」と強調した。AIの出力をどの段階で検証し、どこまで自動処理に委ねるのか、それを前提とした運用設計が求められている。

“ガードレール”として機能する「データ連携基盤」の有用性

　リスクを抑えながらAIを活用するための設計として有効なのが、AIと社内システムの間に「データ連携基盤」というレイヤーを挟む構成だ。AIに社内システムを直接操作させるのではなく、データ連携基盤をゲートウェイとして配置することで、アクセス制御や処理ルールを一元的に管理できる。東海林氏は、この構造そのものがAI活用における「ガードレール」として機能すると説明する。

　ASTERIA Warpでは、データの取得条件や処理内容をあらかじめ定義しておける。AIが基幹システムに直接接続できる状態では、指示の誤りによって大量のデータアクセスが発生し、システムに負荷をかけるリスクがあるが、中間にASTERIA Warpを介在させることで、「何件ごとに、どの条件でデータを取得し、どう加工して渡すか」といったルールを情シス側で制御できる。接続設定もシステム側で一括管理でき、ユーザーやAIに詳細な接続情報を開示せずに利用させることが可能だ。

　さらに、マッピング機能によってデータの制御と検証を行える点も重要だ。AIにデータを渡す前に、機密項目の除外やマスキングによる匿名化といった処理を確実に実行できる。また、システムへの書き込み時には、AIから送られてきたマスターIDが基幹システム上に実在するかを照合し、異常があればエラーとして処理する、といったデータバリデーションの仕組みも組み込める。

　これらの統制を手作業のプログラミングで実装しようとすると、開発・運用の負荷が大きくなるうえ、AIが生成したコードを含め、処理の全体像が把握しづらく、ブラックボックス化につながる。その点、ASTERIA Warpでは処理フローがノーコードで可視化されるため、どのような条件でデータが取得・加工・連携されているのかを追跡しやすい。これにより、処理の再現性や統制を保ちやすくなり、AIを業務に組み込む際の運用管理を実務に乗せやすくなる。