30秒サマリー
- TamnoonのAIエージェント「Tami」が90日間でクリティカルなクラウドリスクを90%超削減
- 調査・安全評価・修復・コード生成の4専門エージェントがAmazon Bedrock上で連携動作
- 本番環境へのゼロ障害を維持しつつ、大量のセキュリティアラートを自律的に処理
何が起きたか
AWSの公式機械学習ブログが、クラウドセキュリティ企業TamnoonによるAmazon Bedrockを活用したAIエージェント型修復プラットフォームの構築事例を解説した。
Tamnoonが開発したAIアシスタント「Tami」は、WizやCrowdStrike、AWS Security Hub、Amazon GuardDutyなど既存のCNAPP・クラウドセキュリティツールから検出結果を取り込み、4つの専門エージェントが連携して修復作業を自動化する。具体的には、①文脈調査エージェント、②安全スコアリングエージェント（SAFE/RISKY/AWAITING DATAの3段階で判定）、③修復計画エージェント、④コード生成エージェントがそれぞれ独立した役割を担い、AWS Lambda・Amazon EKS・Amazon EventBridge等のサーバーレスアーキテクチャ上で動作する。
Amazon Bedrockを採用した主な理由として、単一APIで推論負荷に応じた最適なモデルを使い分けられること、Amazon Bedrockクロスリージョン推論による自動トラフィック分散、そして推論処理がTamnoon自身のAWS環境内で完結し顧客の機密データが信頼境界の外に出ないセキュリティ要件への適合が挙げられている。
本番環境障害ゼロを維持する仕組みとして、AIが直接クラウド認証情報を保持しない設計、修復実行前の独立した安全評価フェーズ、バックアップ・実行・検証・ロールバック手順の組み込み、さらに人間の承認ワークフローと監査証跡が多層的に機能している。同社は「90日間でクリティカルなクラウドエクスポージャーを90%超削減し、本番障害ゼロ」という成果を報告している。
原典ハイライト
「The approach drove an over 90 percent reduction in critical cloud exposure in 90 days with zero production issues」——調査から修復実行まで自動化しながらも本番障害ゼロを達成したとTamnoonは述べている。AIが直接クラウド認証情報を保持せず、テナントスコープの短命クレデンシャルを使うゼロ権限設計と、生成・レビューのループによる自己批評機構が安全性の核心とされている。
出典: AWS Machine Learning Blog（公式ブログ）
So What?（なぜ重要か）
セキュリティチームの最大の課題は「検出はできても修復が追いつかない」点にある。本事例は、AIエージェントが調査・優先順位付け・修復計画・コード生成を自動化することで、ヘッドカウントを増やさずにバックログを解消できることを示している。特にAIに直接の実行権限を持たせず、人間承認フローと多層ガードレールを組み合わせた設計は、「自動化＝リスク増大」という懸念に対する一つの実装モデルとなり得る。
日本企業への示唆
日本企業でもクラウド移行の加速に伴い、CSPM・CNAPPツールが生成するアラート量がセキュリティ担当者の処理能力を超える状況は共通課題だ。本事例のアーキテクチャ設計で参考になる点は三つある。①タスクの性質（深い推論・高頻度バリデーション・コードレビュー）ごとに異なるLLMを使い分けることでコストと品質を最適化すること、②AIへの権限付与を「計画」と「実行」で分離し、実行時は短命クレデンシャルに限定すること、③承認ワークフローと監査証跡を必ず残すことで内部統制要件にも対応すること。これらは既存のIAM設計や変更管理プロセスを見直す際の具体的なチェックポイントになる。
背景・経緯
クラウドネイティブアプリケーション保護プラットフォーム（CNAPP）は膨大な検出結果を生成する一方、修復まで自動化できるツールは限られており、セキュリティエンジニアが手作業で調査・対応する構造的なボトルネックが存在する。TamnoonはこのギャップをAIエージェントで埋めることを事業ドメインとしており、AWS・Azure・Google Cloudのマルチクラウド環境に対応している。Amazon Bedrockはサードパーティ製LLMを単一APIで利用できるフルマネージド基盤サービス。なお、原文ではTamiのサービス開始時期は明記されていない。
