OPAQUEのCEOアーロン・フォルクソン – インタビュー・シリーズ

アーロン・フォルクソン、OPAQUEのCEOは、信頼、データ、デジタル・トランスフォーメーションに焦点を当てたテクノロジー・プラットフォームを構築して拡大させることに20年以上のキャリアを費やしてきた、エンタープライズ・ソフトウェアの起業家であり、オープンソースの先駆者です。2023年にOPAQUEに参加する前に、アーロンはMindTouchを設立し、それを幅広く採用されたエンタープライズ・ナレッジ・プラットフォームに成長させ、NICE Systemsによる買収まで導き、後にServiceNow Impactの立ち上げを主導し、ServiceNowの歴史上最も急成長しているビジネス・ユニットの1つにしました。彼のキャリアを通じて、アーロンは、新興テクノロジー、エンタープライズ・ソフトウェア、オープン・エコシステムの交差点で働いてきました。また、複数のテクノロジー・スタートアップや組織にアドバイスを提供してきました。最近では、Confidential AIの著名な支持者となり、プライバシー、ガバナンス、検証可能な信頼がAIシステムが重要なエンタープライズ・ワークフローに組み込まれるにつれて基礎的な要件になることを主張しています。

OPAQUEは、Confidential AI会社で、著名なUC Berkeley RISELabから生まれました。この研究所は、Apache SparkやDatabricksなどのテクノロジーを生み出した研究エコシステムです。同社は、企業が機密性の高いデータでAIモデル、エージェント、ワークフローを実行できるプラットフォームを開発しました。このプラットフォームは、暗号論的検証可能なプライバシーとコンプライアンスの保証を維持します。企業がAIのイノベーションとデータ・セキュリティのどちらかを選択するのではなく、OPAQUEはコンフィデンシャル・コンピューティング、暗号化されたランタイム・エンヴァイロンメント、ハードウェア・アテステーションを使用して、AI処理の前、 durante、後に機密情報が保護されることを保証します。同社のテクノロジーは、金融、保険、ヘルスケア、高度な技術などの規制された業界向けに設計されています。顧客およびパートナーには、ServiceNow (NOW ) 、Anthropic、Accentureなどのエンタープライズ・組織が含まれます。これらの組織は、機密または規制されたデータを公開することなく、AIプロジェクトをパイロット・プログラムから本格的な生産へと移行しようとしています。

あなたはエンタープライズ・プラットフォームを構築して拡大させることにキャリアを費やしてきました。なぜOPAQUEのCEOに就任し、信頼、プライバシー、AIガバナンスに焦点を当てた次の章に進むことを決意しましたか?

私はエンタープライズ・プラットフォームを構築して拡大させることに20年近くを費やしてきました。最初はMindTouchで、その後ServiceNowで最も急成長している製品の1つを作りました。両方の経験から、私は同じ教訓を学びました。最も強力なテクノロジーは、人々がそれを信頼するときにのみ勝利します。

OPAQUEの共同創設者であるRaluca Ada Popa、Ion Stoica、Rishabh Poddarに出会ったとき、私は才能とビジョンの希有な組み合わせを見ました。Ralucaは世界で最も優れたプライバシーとセキュリティの研究者です。IonはDatabricksの共同創設者です。RishabhはOPAQUEの基礎となる暗号システムを構築しました。

UC BerkeleyのRISELabで、彼らは私がすぐに認めた世代のものを作りました。データがAIワークフロー全体を通じてプライベートのままであることを証明する暗号論的証明です。約束ではありません。ポリシーではありません。証明です。

私はAIが向かっている方向を見て、エージェントがエンタープライズ・システム全体で自律的に動作するのを見て、同じギャップを認識しました。Vint Cerfが30年間警告してきたギャップです。信頼のレイヤーが欠けているのです。

MCP（モデル・コンテキスト・プロトコル）が、AIエージェントがツール、応用プログラム、データに安全にアクセスできるようにする共通の基盤として登場しています。企業がエージェント型AIを展開して拡大させる方法がどのように変化するかについてはどう考えますか?

MCPは、企業がエージェント型AIを展開して拡大させる方法を変える重要なステップです。AIワークフローに対するユニバーサル・コネクターと考えることができます。エージェントがツール、応用プログラム、データに接続する方法を標準化し、実際の摩擦を減らし、実験を加速します。

ただし、接続の標準化のみでは、エージェント型AIを安全かつ拡大させることはできません。接続が増えると、エージェント、ツール、データ・ソースが増えるにつれて、データ漏洩の表面が拡大します。ランタイムの強制がなければ、各接続ポイントは潜在的な漏洩ベクターになります。エージェントが機密システムや独自のロジックとやり取りする場合、保存時の暗号化やネットワーク制御だけでは十分ではありません。セキュリティの境界はランタイムにシフトし、エコシステムが拡大するにつれてそのシフトがより緊急になります。

これらの重要な接続ポイントで検証可能性を持つことは、企業にとって使命 крит的なものになります。企業は、MCPスタイルのアクセスがランタイムの強制と組み合わせられたときに、エージェント型AIを拡大させることができます。アクセスと検証可能性が組み合わさることで、生産性が解放されます。

MCPがエージェントのアクセスを標準化するにつれて、セキュリティ、ポリシー適用、エージェント型システムの信頼について、現在最大のギャップはどこにあると考えていますか?

私たちは2026年のAI漏洩表面に関する調査を完了し、調査結果の要約「あなたのAIスタックがデータを漏らしている12の方法」を公開しました。この調査では、AI信頼境界全体にわたる8つのカテゴリにわたる46の漏洩ベクターを特定しました。悪意のあるアクターを考慮していない状況です。これらは、システムが破壊されたように見えない、ログが綺麗に見える、システムがまだデータを漏らしている状況です。

最大のギャップは接続性にはありません。MCPがそれを解決しています。ギャップは、エージェントが接続した後のことです。大多数の組織は、3つの基本的な質問に答えることができません。私たちのAIは実際にどのように動作しますか? 誰がそれを制御しますか? 私たちはどのようにしてポリシーが適用されたことを証明しますか?

私たちの調査では、境界は構成されていますが、強制されていません。ポリシーは文書、構成ファイル、またはデプロイ時の設定に存在しますが、実行中のシステムはそれによって制約されていません。AIエグゼクティブ・アシスタントが機密情報をカレンダー・インバイトに配置します。RAGコパイロットが取締役レベルの財務情報をジュニア・アナリストに提供します。ベンダーSDKが12か月間にわたって10百万のクエリを秘密裏に流出させます。すべての場合、接続制御は配置されていました。データはまだ漏洩しました。

企業がポリシーを構成することと強制することのギャップを埋めるまで、MCPはフロント・ドアを標準化します。しかし、家はまだ無防備です。

エージェントが機密システムや独自データにアクセスを許可されたときに、企業はどのような新しいプライバシーとコンプライアンスのリスクに直面することになりますか?

大多数の企業は、データが保存されているときや転送中のときについてプライバシーを考えています。エージェント型ワークフローでは、最大のリスクはデータが使用されているときに漏洩することです。

ここで何を意味するのか説明します。パフォーマンスカーの製造業者が組み立てライン全体でAIを実行します。生データは無害に思えるかもしれません。センサー読み取り、タイミングシーケンス、品質チェックなどです。しかし、LLMは今や、データ排出から独自の製造プロセスを再構築できます。5年前はノイズでしたが、今では競合他社のためのブループリントです。

私たちのAI漏洩表面の調査では、このパターンを数十のシナリオにわたって文書化しています。運用テレメトリ・ツールは、デフォルトでフルAIペイロードをキャプチャし、1つのヨーロッパの銀行では、APMのデフォルトを変更しなかったため、2.1百万のプロンプトが含まれるPIIが米国のSaaSインスタンスに流れました。エージェントのメモリはセッション間でコンテキストを漏洩させます。思考の連鎖のトレースは、請負業者がアクセスできる可観測性プラットフォームに完全な調査レコードを公開します。従来のコンプライアンス・フレームワークは、この種の漏洩を検出するように設計されていませんでした。人間がデータを人間のスピードで移動していると想定していました。

なぜConfidential AIはMCPの必要なカウンターパートになるのでしょうか? また、Confidential AIはアクセス標準のみでは解決できない課題をどのように解決しますか?

MCPは誰が何にアクセスできるか、またどうアクセスできるかを解決します。一方、Confidential AIはアクセスが許可された後に何が起こるかを解決します。補完的なレイヤーです。

アクセス標準のみでは、ランタイムの妥協、ポリシーのドリフト、またはデータの未承認使用を防ぐことはできません。次のように考えてみてください。MCPはエージェントがシステムに接続するための標準化された方法を提供します。Confidential AIは、接続された後にエージェントが承認されたことのみを行うことができ、且つそれを証明できることを保証します。

Confidential AIは、ランタイム全体でデータ、アイデンティティ、コード、通信に対する検証可能な証明を提供します。プライバシーとポリシー適用がアクセス境界で止まらないことを保証し、AIが活発に推論、生成、行動することを保証します。MCPだけでは基盤は固ですが、基盤だけでは建物は安全ではありません。

実用的には、クリティカルなワークフローで自律的なエージェントを実行するエンタープライズにとって、検証可能な信頼とはどのようなものですか?

検証可能な信頼とは、コードが実行された場所、どのポリシーで実行されたか、システムがどのように動作したか、またデータに何がアクセスされたかを証明できることを意味します。

実践では、保険会社がAIエージェントを使用して需要書を処理するシナリオを考えてみましょう。実行の前に、ハードウェア・アテステーションによってエージェントのアイデンティティと環境の整合性が検証されます。実行中、ハードウェア支援のTrusted Execution Environment (TEE)内の暗号ポリシー・バインディングによって、データが保護され、ポリシーが強制されることを保証します。実行後、改竄不可の監査ログが、正確に何が起こったかを記録します。

エージェント型ワークフローにおけるリスクは、エージェントが暴走することではありません。実際のリスクは、ポリシーが適用されたか、また機密データがエージェントが動作中のときに保護されたかどうかを証明できないことです。那が検証可能な信頼の意味です。

エージェント型システムがマシンのスピードで動作する場合、伝統的な人間の監視はどのようにして崩壊し、組織はこの新しい環境でガバナンスをどのように再考する必要がありますか?

数十年間、インターネットには目に見えないガードレールがありました。私たち人間です。人間はコンテンツを読み、意図的にクリックし、同時に100のシステムにサイレントにアクションを起こしません。

エージェント型AIは、人間の仮定を一晩で消去します。エージェントは連続して動作し、決定をマシンのスピードで下し、人間用に設計されたがマシンによって利用できる環境で動作します。悪意のあるWebページは、人間を欺く必要はありません。エージェントに指示するだけで済みます。

1%のリスクをエージェントあたり仮定すると、100のエージェントは63%のリスクを持ち、1000に拡大すると99.99%のリスクになります。人間によるガバナンスはその数字に追いつくことができません。監視は、事後的なレビューからランタイムの保証へとシフトしなければなりません。那は、ゼロ・トラストのワークフロー、デフォルトのポリシー適用、人間の介入を必要としない検証可能な実行を意味します。

エンタープライズがエージェント型AIを実験する際に、組み込みの信頼レイヤーなしで最も一般的なセキュリティの失敗は何ですか?

私が最もよく見るパターンは、企業がランタイムの暗号論的保証なしでエージェントを動作させ、調整させていることです。彼らは希望を頼りに機密IPを処理しています。

続くことは予測可能で、私たちのAI漏洩表面の調査で特定されたパターンです。ランタイムの妥協は、エージェントが既にネットワーク内にあるため、従来の周辺防御を回避します。自律エージェントの連鎖は、連鎖的な故障を引き起こします。1つのエージェントの漏洩は、接続されたシステム全体でドミノ・エフェクトを引き起こします。独自のロジックは、誰も監視していないデータ排出によって漏洩します。エージェントは、ランタイムでの検証可能なアイデンティティまたはポリシー・バインディングがないため、企業の意図と悪意のある入力を区別する能力を失います。

これらは仮想的なものではありません。私たちは、46のベクターをマッピングしました。ここで、データは意図されたコントロールから漏洩します。AIエージェントはマシンのスピードでデータを生成し、共有します。ランタイムの検証可能なセーフガードがワークフローに組み込まれない限り、セキュリティ・チームが検出または対応するよりも早く、故障は広がります。

先進的なAIの能力を解放しながら、最も機密性の高いデータ・アセットを保護する必要性のバランスをとるために、主要な組織はどのように対応していますか?

組織が正しいことを行っているのは、プライバシーとガバナンスをブレーキではなく、アクセラレータとして扱っていることです。那が重要な洞察です。

現場で見ているのは、先導的なエンタープライズが、検証可能な保証を提供するConfidential AIプラットフォームと先進的なAIの機能を組み合わせていることです。彼らは機密データをAIのイノベーションに解放しながら、独自の情報が保護されたままであることを保証しています。ワークフローが自律的に実行されても、データは公開されません。

古い枠組みは、機能とセキュリティのトレードオフでした。最も迅速に進む組織は、そのトレードオフを完全に拒否しています。彼らは検証可能な信頼をAI戦略の基盤に組み込み、最も貴重なデータを活用できるようにしています。一方、競合他社はまだパイロット・モードに留まっています。彼らは、ニーズに応えるものではありません。

現在の状況に基づいて、エンタープライズのAIガバナンス・モデルは、エージェント型システムがパイロットから本格的な生産へと移行するにつれて、次の数年でどのように進化すると思いますか?

ガバナンスは、文書から証明へと進化するでしょう。那が最も簡単な説明です。初期のガバナンス・モデルは、人間のペースのソフトウェアのために構築されました。ポリシーは紙上に、承認はデプロイの前に、レビューは何かが間違った後に行われました。エージェント型システムは、これらの仮定をすべて破壊します。彼らは連続して動作し、自律的に決定を下し、マシンのスピードで影響を及ぼします。

私たちが見ているのは、ランタイムの検証可能性が新しいセキュリティの境界としてガバナンスに移行していることです。エージェントのライフサイクル全体の各段階で、実行の前、実行中、実行後に動作を証明する暗号論的保証がサポートされています。HTTPSの場合と同じパターンが、Webトラフィックのデフォルトになりました。誰もがWeb接続を暗号化する必要があることを議論していません。数年以内に、誰もがAIの実行をランタイムで検証する必要があることを議論することはありません。那がテーブル・ステークスです。

素晴らしいインタビュー、ありがとうございます。詳細を知りたい読者は、OPAQUEを訪問してください。