NRIセキュアが AI 統制基盤「AgenticBlue」を自社 SOC に導入｜AI エージェントを「何を見せ、何をさせないか」で統制する設計【AI活用事例】

要約

NRIセキュアテクノロジーズ株式会社が、自社のセキュリティオペレーションセンター（SOC）「NeoSOC」に、独自開発の AI 統制基盤「AgenticBlue」を導入し、2026 年 8 月 6 日に運用を開始しました（公式発表）。SOC 運用の知見を組み込んだ AI が調査・分析を支援し、「セキュリティログ監視サービス（共用SOC）」と「SIEM監視サービス」の分析品質の向上と対応の迅速化を図るものです。

この事例の特徴は、AI に仕事をさせることと同じ重さで、AI エージェントをどう統制するかを公開している点です。公式発表と同社の公式ブログから読み取れるポイントは次の 3 つです。

• AI に見せる情報を絞る: 必要な手順だけを必要な時に読み込ませ、出力を型に収め、検索結果を絞り込んでから渡す
• 危険な操作は仕組みで止める: 担当外の顧客データへのアクセスなどは、ツール実行の直前に機械的に照合して止める
• 判断の過程を残し、別の AI が確かめる: 実行内容と解釈を構造化して記録し、生成役とは独立した評価役がチェックする

本記事は 公式お知らせ（2026-08-06）と NRIセキュア公式ブログ（2026-08-14）を一次ソースに、事実の整理と Links-Create の分析・研修用の演習を分けて解説します。演習の例は研修用の提案であり、NRIセキュアが実施した事実ではありません。

何が発表されたか（公式情報ベース）

発表主体は NRIセキュア自身であり、数値は同社の社内計測値です。この点を前提に読んでください。

導入の概要（公式お知らせ 2026-08-06）

項目	内容
導入先	NRIセキュアの自社 SOC「NeoSOC」
導入したもの	AgenticBlue（SOC とマネージドセキュリティサービスの運用で使う複数の AI エージェントを、安全かつ高品質に運用するために同社が開発した AI 統制基盤。商標出願中）
運用開始	2026 年 8 月 6 日
対象サービス	セキュリティログ監視サービス（共用SOC）、SIEM監視サービス
自動化する工程	アラートのトリアージ（対応優先度の判定）、一次調査、分析、脅威の重要度判定、報告作成
背景	攻撃者による AI 悪用で攻撃が高速化する一方、多くの SOC ではアラートの調査・判定をアナリストが手作業で行い、分析品質のばらつき・熟練者への依存・運用負荷の増大が深刻化

AI 活用時のリスクを抑える仕組み（公式お知らせ）

公式お知らせは、AgenticBlue の安全面の機能として次を挙げています。

• アクセス制御、認証情報管理、機密データ保護といったセキュリティ機能
• AI の判断過程を記録・可視化する機能
• 複数の AI が相互検証することで、分析結果の信頼性を確保
• 取り扱うログや調査データは、隔離された専用環境内で処理され、学習データとして外部に転送されない

また、利用企業ごとの運用要件やセキュリティポリシーに応じた調査・分析・通知にも対応できるようになったとしています。今後は、AI の活用範囲を一次分析から、攻撃を検知・防御するためのルールやパターンの自動適用など対処の自動化へ、順次広げる計画です。

運用後のチューニング（公式ブログ 2026-08-14）

同社のシニアアナリストによる公式ブログは、AgenticBlue の上で AI を「とりあえず動かす」段階から「本番で安定して回る」段階へ進めるための設計を、2 つの領域に分けて説明しています。

領域	ブログの説明（要約）	具体策
コンテキストエンジニアリング	AI に何を見せ、何を見せないかを設計する	手順や判定基準（Skill）を必要な時だけ読み込む／各工程の出力を「事実→評価→判断根拠→代替仮説→結論」の型に収める／SIEM の検索結果をローカルのスクリプトで絞り込んでから渡す
ハーネスエンジニアリング	AI の動き方を統制する	危険な操作や担当外顧客へのアクセスを実行前に機械的に止める（PreToolUse フック）／実行内容と解釈を構造化して記録する（PostToolUse フック）／独立した評価エージェントが要所でチェックする

ブログは、情報を絞る 3 つの設計を組み合わせた結果、代表的なアラート種別で処理時間が 30% 以上短縮し（対策適用前後で同一アラート種別の処理時間を比較した社内計測値）、分析精度のばらつきも小さくなったと説明しています。設計の骨格は、次の一言にまとめられています。

「知能はSkillに厚く、制御は薄いハーネスに（Thin Harness, Fat Skills）。」 — 出典: NRIセキュア公式ブログ『Agentic SOCの精度と速度を高める2つの設計技術』（2026-08-14）

これは導入者である同社自身の説明であり、第三者による検証結果ではありません。

公式情報で開示されていない情報（推論で書かない）

• 30% 以上短縮の計測期間・件数・元の処理時間・対象としたアラート種別の名前
• 「分析精度のばらつきが小さくなった」ことの測り方
• 工程ごとの自動化率と、人が確認する工程の範囲
• 利用している AI モデルの種類
• 利用企業数・処理件数・誤判定の件数
• 複数 AI の相互検証で意見が割れたときの扱い

これらは公式情報がないため、本記事でも記載しません。

設計の読み解き（Links-Create による解説）

ここからは、公開情報から読み取れる設計上のポイントを Links-Create の視点で解説します。以下は独自分析であり、NRIセキュアの公式見解ではありません。

1. 「AI 統制基盤」を、AI エージェントとは別の層として持っている

AgenticBlue は「AI エージェント」そのものではなく、複数の AI エージェントを安全かつ高品質に運用するための基盤と定義されています。Links-Create の解釈では、これは「AI に仕事をさせる層」と「AI を見張り、止め、記録する層」を分けた設計です。AI エージェントを複数の業務に広げるほど、統制の仕組みを個々のエージェントに作り込むより、共通の層として持つほうが管理しやすくなります。

2. 「止める」はプロンプトではなく仕組みで行う

ブログは、「危険な操作はするな」とプロンプトで指示しても従うかどうかは確率の問題であり、セキュリティの境界は AI の判断に委ねず、必ず止まる仕組みに落とし込む、と説明しています。

守りたいこと	プロンプトでの指示（不確実）	仕組みでの統制（ブログの方式）
担当外の顧客データに触れない	「他の顧客のデータを見ないように」	検索の直前に接続先と担当顧客を機械的に照合し、不一致なら実行しない
危険な操作をしない	「破壊的な操作は避けて」	該当する操作を実行前の段階で確定的にブロック
後から説明できる	「根拠を書いて」	何を実行し、何が返り、どう解釈したかを構造化して必ず記録

「お願い」ではなく「構造的にできない」状態を作ることが、本番業務で AI エージェントを動かすときの要点だと読めます。

3. 情報を「多く渡す」ほど良いわけではない

人間の感覚では判断材料は多いほうが良さそうに思えますが、ブログは、LLM では「念のため入れておく」が重なると重要な情報がノイズに埋もれ、質・速度・コストが悪化すると述べています。30% 以上の短縮は、AI を賢くしたのではなく、渡す情報を減らした結果として説明されている点が、この事例の学びどころです。

4. 作る役と確かめる役を分けている

公式お知らせの「複数の AI が相互検証」と、ブログの「独立した評価エージェント」は、どちらも生成役と評価役を分ける設計です。ブログは、その狙いを自己肯定バイアスの回避と説明しています。人の組織でいう「作成者と承認者を分ける」考え方を、AI の工程にも当てはめたものと Links-Create は解釈します。

5. 既存の事例との違い

事例	焦点	本事例との違い
NTTドコモビジネスの AI SOC	AI エージェントの相関分析と SOAR による対処の自動化、残りを専門家がサポート	自動化の範囲と人の分担が中心。本事例は AI を統制する仕組み（何を見せ、何を止め、何を残すか）が中心
ネットワンシステムズの社内 AI エージェント	社内向けエージェントの権限を操作ごとに限定	権限の一覧で縛る設計。本事例は実行直前の機械的な照合と記録で縛る
NRI の業界特化 LLM	金融業界向けの業界特化 LLM の開発	同じ NRI グループでも、こちらはモデル開発。本事例は既存の AI を本番業務で統制する運用設計

自社に置き換える演習（Links-Create の研修用の提案）

以下の演習と表の例は、Links-Create が研修用に提案するものです。NRIセキュアが実施した手順や事実ではありません。 表の「例」は考え方を示す架空の例なので、自社の業務に置き換えてください。

演習 1: 「AI に見せる情報」を工程ごとに絞る

工程（研修用の例）	必ず渡す情報	渡さない情報
問い合わせの分類	問い合わせ本文、分類ルール	顧客の取引履歴全体
回答案の作成	該当する FAQ、該当顧客の契約種別	他の顧客の情報、使わない手順書
上長への報告	前の工程の結論と根拠	前の工程の試行錯誤の全文

「念のため全部渡す」をやめ、工程ごとに必要な情報だけを決めます。前の工程の出力に型を決めておくと、次の工程に渡す量も一定に保てます。

演習 2: 「必ず止める操作」を仕組みにする

操作（研修用の例）	止め方
担当外の部署・顧客のデータを開く	実行前に担当範囲と照合し、外れたら止める
データの削除・外部送信	実行前に止め、人の承認を求める
認証情報の参照	常に止める

指示文に「しないで」と書くだけで終わらせず、実行する直前に必ず通る関所を置くのがポイントです。

演習 3: 記録と確認の役割を分ける

• 記録: AI が何を実行し、何が返り、どう判断したかを、決まった形式で残す
• 確認: 作った AI（または人）とは別の役が、要所で結論と根拠を確かめる
• 見直し: 確認で食い違いが出たケースを集め、演習 1・2 の表を更新する

法人 AI 研修への示唆（Links-Create の視点）

1. AI エージェントの導入計画に「統制の層」を入れる — 業務ごとのエージェントとは別に、見せる情報・止める操作・残す記録を共通ルールとして設計する
2. 「指示で守る」と「仕組みで守る」を区別する — 研修で、プロンプトの工夫だけでは守れない境界があることを実例で示す
3. 改善は「渡す情報を減らす」ことからも生まれる — 精度や速度の改善を、モデルの性能だけに求めない

関連リソース

• 生成 AI（Claude Code）を実務で使う実装演習 — 生成 AI で何ができるかを体験する無料コース
• コンテキストエンジニアリングのガイド — AI に渡す情報の設計の基本
• Claude Code の Hooks ガイド — ツール実行の前後に処理を差し込む仕組み
• AI エージェント入門ガイド — AI エージェントの仕組みと、チャットボットとの違い
• NTTドコモビジネスの AI SOC（AI活用事例） — SOC の対処自動化と人の分担の事例
• ネットワンシステムズの社内 AI エージェント（AI活用事例） — 権限を操作ごとに限定する設計の事例

出典・引用ポリシー

本記事の事実情報は、次の公式情報のみを一次ソースとしています。

• 野村総合研究所 お知らせ『NRIセキュア、自社のSOC運用知見を組み込んだAIで、セキュリティ監視サービスを強化』（2026-08-06）
• NRIセキュア ブログ『Agentic SOCの精度と速度を高める2つの設計技術｜コンテキストエンジニアリングとハーネスエンジニアリング』（2026-08-14）

設計の読み解き・演習・研修への示唆は Links-Create の独自分析・研修用の提案であり、NRIセキュアの公式見解ではなく、同社が実施した事実でもありません。

処理時間の 30% 以上短縮は、公式ブログの限定（代表的なアラート種別・対策適用前後で同一アラート種別を比較した社内計測値）を維持して記載し、成果保証としては記述していません。社内提案で引用する際は、前提条件を必ず併記してください。

公式情報の更新があれば、本記事も追従して更新します。