企業のセキュリティ対策は、問題を見つけて終わりではない。「どのシステムに影響があるのか」「誰に対応を頼めばよいのか」を調べ、実際に問題を解決する必要がある。ところが、社内にはさまざまなシステムがあり、担当する部署も異なる。次々と届く警告に、限られた人数では対応が追いつかないのが現実だ。

こうした現場の負担を減らそうとしているのが、NYに拠点を構えるSurf AI(サーフAI)だ。同社のサービスでは、製品や業務ごとに得意分野を持つAIエージェントが連携。必要な情報を集め、担当者に対応を提案し、人間の承認を得たうえで問題の修復まで進める。強みは、社内のシステムと担当者のつながりを把握し、「誰に確認し、どこを直すべきか」を判断するための仕組みにある。

同社は2024年に創業し、2026年3月にステルスモードから脱して事業を公表。Accel(アクセル)などの投資家から5,700万ドルの資金調達を発表した。AIに日々のセキュリティ業務を任せるには、どのような仕組みが必要なのか。共同創業者兼CEOのヤイール・グリンドリンガー(Yair Grindlinger)氏に、技術の特徴と日本市場への展望を聞いた。


目次
・製品を導入しても解消しない運用の負担
・製品ごとの専門エージェントが承認から修復まで連携
・担当者と影響範囲を把握するContext Graph
・実行には小規模言語モデルを使い人との対話にLLMを使う
・既存製品を生かしてアカウント管理や脆弱性対応を自動化
・セキュリティチームの業務基盤を目指し海外展開へ
・人間が方向性と責任を担いAIが日々の実務を支える

製品を導入しても解消しない運用の負担

―Surf AIを立ち上げた背景を教えてください。

 私は軍のサイバーセキュリティ将校としてキャリアを始め、その後、複数のセキュリティ企業に経営者や共同創業者、投資家として関わってきました。直近ではFireLayers(ファイアレイヤーズ)がProofpoint(プルーフポイント)に買収され、同社に6年以上在籍しました。最終的には戦略担当のシニア・バイス・プレジデントを務めています。

 そこで多くのCISO(最高情報セキュリティ責任者)と話す中で、共通する課題が見えてきました。セキュリティの仕組みを整えても、それを日々の業務として動かし続けることが難しいのです。この課題を解決するため、プルーフポイント出身のメンバーらとSurf AIを立ち上げました。

Yair Grindlinger
Co-Founder & CEO
イスラエル軍のサイバーセキュリティ将校を経て、サイバーセキュリティ業界でキャリアを重ねる。最初に加わったSecurity7は1998年に Computer Associates International(後のCA Technologies)に買収された。以降、CEO・共同創業者・投資家などの立場で複数の企業に関与。自ら手がけたFireLayersがProofpoint(後のThoma Bravo)に買収された後は、同社に6年以上在籍し、最終的にSVP戦略担当を務めた。2024年にProofpoint出身のチームとともにSurf AIを共同創業、CEOに就任。

―現場では、具体的に何が起きているのでしょうか。

 大企業は40、50、60、ときにはそれ以上のセキュリティ製品を使っています。それぞれが問題を検知し、アラートを出します。さらに、SaaSやクラウド上の多数のアプリケーションにも、設定不備や脆弱性への対応が必要です。管理対象となるデジタル資産や、人・システムの識別情報であるアイデンティティは、数十万から数百万に及ぶこともあります。

 一方、それらに対応するチームの人数は限られています。大量に届く情報を、実際に組織を安全にする行動へどうつなげるか。これが長年の課題でした。

 AIによって、これまで難しかった作業を自動化できるようになりました。ただし、攻撃側もAIを使い、スピードと効率を高めています。防御する側も、検知された問題や設定不備、脆弱性への対応を速め、より多くの問題を処理できるようにする必要があります。

製品ごとの専門エージェントが承認から修復まで連携

―Surf AIは、検知された問題をどのように修復につなげるのですか。

 私たちのシステムは、いわば「専門家の集団」です。Wiz(ウィズ)、CrowdStrike(クラウドストライク)、Palo Alto Networks(パロアルトネットワークス)、ServiceNow(サービスナウ)、Amazon Web Services(AWS)といった製品やサービスごとに、それを扱う専門エージェントがあり、互いに連携します。

 例えば、ウィズやクラウドストライクが問題を検知したら、それをきっかけに一連の処理を始めます。サービスナウを担当するエージェントが対応を管理するチケットを作成し、クラウドストライクを担当するエージェントが対象資産に関する脅威情報を集める。それぞれが作業を進め、実施した内容をチケットに記録します。

 次に、その資産を管理し、対応を承認すべき人を特定します。「この問題が見つかりました。収集した情報はこちらで、推奨する対応はこれです。実行してよいですか」と伝え、承認を得てからエージェントが修復を実行します。人間が判断に関わる仕組みを保つことが重要です。

 これまでは、こうした情報収集や調整の多くを人が手作業で行っていました。時間もコストもかかるため、すべての問題に対応しきれません。エージェントが一連の処理を担えば、問題解決までの平均時間を短縮するとともに、同じチームでもより多くの問題に対処できるようになります。

担当者と影響範囲を把握するContext Graph

―AIエージェントを使う他のツールに対して、どこに差別化の軸を置いていますか。

 大きく2つあります。最も重要なのは、当社の中核技術であるContext Graphです。もう1つは、エージェントを連携させ、企業が求める一貫性や安全性、監査可能性を備えた形で処理を実行する仕組みです。

 エージェントにシステムの変更や修復を任せるには、その企業の組織と資産を深く理解させる必要があります。対象は何か、誰が管理しているか、何によって維持されているか、ほかの資産とどのような依存関係があるか。問題が見つかったという情報だけでは、実行に必要な判断材料が足りません。

 ところが、その判断材料は一か所にまとまっていません。ID管理、人事、IT資産管理、問い合わせや作業の記録など、さまざまなシステムに分散しています。私たちはそれらをAPI経由で集め、資産や人、それぞれの関係をグラフ構造で整理します。

―どのような情報をつなぎ合わせるのでしょうか。

 例えば、認証やアクセス権を管理するシステムから、アイデンティティに関する情報を取得します。人事システムからは、誰が在籍し、誰が退職したか、誰が誰の上司に当たるかといった情報を集めます。チケット管理システム、IT資産の構成情報を管理するCMDB、資産そのもの、社内のコミュニケーションチャネルも情報源です。

 それらをまとめて構築したグラフを使い、顧客ごとにGNN(グラフニューラルネットワーク)という、データ間の関係を学習するAIモデルを訓練します。各顧客は、自社のデータとグラフに基づく専用のモデルを持つことになります。

 これによって、資産の担当者や、変更が及ぼす影響範囲を把握できます。例えば、担当者が異動・退職したり、育児休業に入ったりしている場合でも、誰に対応を求めるべきかを特定するための情報が得られます。ある資産を変更した際に、ほかのどの資産に影響が及ぶかも把握できます。

 エージェントが実際に処理を進めるには、こうした組織固有の情報が欠かせません。データと学習済みモデルは顧客ごとのテナント、つまり顧客ごとに分離された利用環境内に置き、他の顧客からアクセスできないようにしています。

実行には小規模言語モデルを使い人との対話にLLMを使う

―もう1つの差別化である、実行の仕組みについて教えてください。

 企業のシステムを操作するエージェントには、指示した処理を正確に実行することが求められます。回答が正しいときも間違っているときもある、という状態では困ります。複数のエージェントを連携させながら、一貫した動作、安全性、後から処理を確認できる監査可能性を確保しなければなりません。

 そこで、各製品を操作するエージェントには、LLM(大規模言語モデル)ではなくSLM(小規模言語モデル)を使っています。ウィズのエージェント、サービスナウのエージェントといった具合に、それぞれが特定のスキルに特化しています。依頼の意図を理解し、担当するプラットフォームで適切なスキルを使って処理を実行する設計です。

 LLMを使うのは、人間とコミュニケーションを取る部分です。「何が検知されたか」「どのような情報を集め、記録を更新したか」「どの対応を推奨するか」を人に伝えるエージェントには、LLMを用います。

 組織と資産の関係を把握するGNN、特定の操作を担うSLM、人との対話を担うLLMという役割分担です。これらを顧客のテナント内で動かし、エージェント同士の処理を制御することで、企業が信頼して利用できる仕組みを目指しています。

既存製品を生かしてアカウント管理や脆弱性対応を自動化

―主にどのような業務で使われていますか。

 主要な用途は2つです。1つは、アイデンティティを適切な状態に保つ「アイデンティティ・ハイジーン」です。使われていない休眠アカウント、管理者が不明になったアカウント、重複アカウント、過剰な権限を持つアカウントを整理します。多要素認証の設定不備への対応や、証明書、認証などに使うトークンの管理も含まれます。

 管理対象は人のアカウントだけではありません。システムやAIエージェントのアイデンティティにも対応が必要です。ここでも、既存のOkta(オクタ)やEntra(エントラ)などのID管理システムを置き換えるわけではありません。導入済みの製品を使い続けながら、運用を支え、その投資から十分な価値を引き出せるようにします。

 もう1つは、脆弱性への対応を一連の工程として管理することです。既存のセキュリティ製品が脆弱性や設定不備を見つけた後には、関連情報の収集、重複の確認、問題のグループ化、対象資産の担当者への提示、影響範囲の把握といった作業が必要です。私たちは、その検知後の対応を支えます。

 導入企業にはCushman & Wakefield(クッシュマン・アンド・ウェイクフィールド)、Marcus & Millichap(マーカス・アンド・ミリチャップ)、VetCor(ベットコー)などがあり、さまざまな規模の企業に利用されています。

―料金は何を基準に決まりますか。

 顧客が求めるのは、費用の見通しを立てやすいことです。純粋な従量課金では予測が難しいため、顧客と話し合い、「ゴール」という単位で課金するモデルにしました。

 ゴールとは、証明書管理、脆弱性への対応、休眠アカウントや管理者不明のアカウントの整理、退職者への対応など、実施したい業務のことです。それぞれについて、処理を開始する条件となるトリガーと、実行するワークフローを定義し、1つのゴールとして扱います。

Image : Surf AI HP

セキュリティチームの業務基盤を目指し海外展開へ

―事業の現状と、今後の成長に向けた方針を教えてください。

 商用展開を始めてから、取材時点で3〜4か月ほどです。それ以前は製品開発を進めていました。従業員は70人を超え、顧客数や導入、PoC(実証実験)が速いペースで増えています。

 最優先は、導入いただいた顧客に満足してもらうことです。そのために密に連携し、自動化する業務を増やしていきます。最初は数件でも、そこから10、20、50と用途を広げ、セキュリティチームにとっての「オペレーティングシステム」のような存在にしたいと考えています。

―日本を含む海外展開は、どのように考えていますか。

 現在は米国市場に集中しています。米国での販売の進め方が固まったと判断できれば、2027年には海外展開を始めたいと考えています。

 日本でも複数のリセラーと初期的な対話をしています。ただし、まだ提携関係はなく、どのようなパートナーシップにするかも決めていません。市場について学びながら、実際の進出に近づいた段階で選択していきます。

 米国ではOptiv(オプティブ)、Guidepoint(ガイドポイント)、World Wide Technology(ワールド・ワイド・テクノロジー)などと協業しています。いずれも企業に複数のセキュリティ製品を販売しているパートナーです。すでに販売した製品を日々の運用に結び付け、その投資価値を高める役割として、当社の製品を提案してもらっています。

―AWS Marketplaceでの提供には、どのような意味がありますか。

 すでにAWSと取引している企業が、その関係を通じて当社製品を購入できる点は大きな利点です。また、製品自体もAWS上で動き、複数の顧客で基盤を共有する提供形態に加えて、大規模な組織には分離した専用テナントも提供できます。

 さらに、顧客が使うAWS環境も、当社が運用を支える対象です。設定不備や使われていない資産への対処、アイデンティティや証明書の管理などに活用できます。AWSは販売経路であり、製品の稼働基盤であり、顧客のセキュリティ対策を支える対象でもあります。

人間が方向性と責任を担いAIが日々の実務を支える

―AIエージェントが普及した先で、人間の役割はどう変わると考えますか。

 人間には、引き続き重要な役割が2つあります。1つは、人とコミュニケーションを取り、相手を理解することです。事業に何が必要なのか、それを担う人が何を求めているのかを理解し、協力しながらセキュリティやITの取り組みを調整する。AIの時代には、人はこれまで以上に人間らしくある必要があります。

 もう1つは、説明責任を持つことです。AIエージェント自身が、人間と同じように責任を負うわけではありません。だからこそ、エージェントを使うシステムに対して、人間が責任を持ち続けることが重要です。

 人間が方向性を定め、例外に対処し、説明責任を担う。そのもとで、AIエージェントが日々のセキュリティ業務を動かしていく。私たちは、そのためのプラットフォームをつくっています。



RELATED ARTICLES
移動に「発見」の楽しさを JRと提携した欧州発の旅行予約Omio
移動に「発見」の楽しさを JRと提携した欧州発の旅行予約Omio
移動に「発見」の楽しさを JRと提携した欧州発の旅行予約Omioの詳細を見る
AI悪用のサイバー攻撃が社会問題に AIハッカーを生んだXBOW創業者が語る「混乱期」の先
AI悪用のサイバー攻撃が社会問題に AIハッカーを生んだXBOW創業者が語る「混乱期」の先
AI悪用のサイバー攻撃が社会問題に AIハッカーを生んだXBOW創業者が語る「混乱期」の先の詳細を見る
AI時代の開発を速くする 検証の待ち時間とコストを減らす基盤
AI時代の開発を速くする 検証の待ち時間とコストを減らす基盤
AI時代の開発を速くする 検証の待ち時間とコストを減らす基盤の詳細を見る
鳥は現実世界のポケモンだ AI給餌器Bird Buddyが繋ぐ人と自然
鳥は現実世界のポケモンだ AI給餌器Bird Buddyが繋ぐ人と自然
鳥は現実世界のポケモンだ AI給餌器Bird Buddyが繋ぐ人と自然の詳細を見る
「電力の変化」をどう読むか 東京ガスも出資する米AmperonのAI予測の仕組み
「電力の変化」をどう読むか 東京ガスも出資する米AmperonのAI予測の仕組み
「電力の変化」をどう読むか 東京ガスも出資する米AmperonのAI予測の仕組みの詳細を見る
建物に「目」ではなく「触覚」を MIT発の監視カメラなき空間AI Butlr
建物に「目」ではなく「触覚」を MIT発の監視カメラなき空間AI Butlr
建物に「目」ではなく「触覚」を MIT発の監視カメラなき空間AI Butlrの詳細を見る

NEWSLETTER

次の事業のヒントを、毎日のニュースからチェック!
無料で「本日の注目テックニュース5選」を受け取る📩

Follow
事業開発・成長産業の調査業務を効率化
成長産業に特化したイノベーション情報プラットフォーム
BLITZ Portal
市場調査 必要な時に、必要な分だけ
1セットから購入できる市場調査リサーチセット
BLITZ Research

Copyright © 2026 Ishin Co., Ltd. All Rights Reserved.