Eon共同創業者オフィル・エールリッヒとゴネン・スタインと考えるレガシーデータ基盤の再考

Googleが破綻したSpirit Airlinesの資産を買収した際、航空機ではなく「データ」を1,000万ドルで購入したというニュースは、AI時代における企業データの価値を象徴的に示している。計算資源やモデルが注目を集める一方で、実際にはデータこそが企業の最も強力なmoat（参入障壁）となりつつある。このエピソードでは、クラウドバックアップとディザスタリカバリーを基盤とするEonの共同創業者であるOfir Ehrlich（オフィル・エールリッヒ）とGonen Stein（ゴネン・スタイン）が、Elad Gil（エラッド・ギル）との対話を通じて、散在しロックされた企業データをいかにしてAIワークフローに接続するか、そして従来のセキュリティ対策では対応できない新たな脅威について深く掘り下げている。

Eonは、企業が保有するデータを単なるバックアップ対象から、AI時代の「データ基盤」へと変換することを目指している。同社のプラットフォームは、複数のハイパースケーラーに散在するデータを自動的にマッピングし、分類し、機密情報を特定した上で、コスト効率よくデータ基盤に取り込む。これにより、企業は過去のデータをAIモデルのトレーニングや推論に活用できるようになる。しかし、その一方で、AIエージェントが正当な権限を持って環境内で活動することで、従来のランサムウェアとは異なる新たなセキュリティリスクが生じている。本稿では、この対話の全容を、データの価値、エージェント時代のセキュリティ、企業スタックの変革、クラウド時代との比較、そしてAI導入の速度という観点から詳細に解説する。

01:27Eonの概要とデータ基盤の再定義

Eonは、クラウド上で動作する新しいデータ基盤を提供する企業である。共同創業者であるOfir Ehrlich（CEO）とGonen Stein（President）は、このプラットフォームの核心について、まず企業環境全体に散在するデータをマッピングし、分類する機能から説明する。複数のハイパースケーラー（AWS、Azure、GCPなど）にまたがるデータを特定し、何がどこに存在し、機密性が高いか低いかを識別する。その上で、構造化データと非構造化データを問わず、様々なソースからデータ基盤へ容易に取り込むことを可能にする。このデータ基盤は、データの保護と復旧をコスト効率よく実現するだけでなく、データの意味付けを行い、顧客が容易にアクセスし、クエリし、検索し、その上に自社のAIモデルやLLMを適用できるようにする。

Ehrlichは、Eonの出発点がバックアップとデータ復旧サービスであったことを認めつつ、その過程で「バックアップの観点から全データと顧客履歴を保有していれば、それを興味深いアプリケーション領域に活用できる」と気付いたと語る。同社の顧客は、この完全なデータ履歴をどのような方向性で活用し始めているのかという問いに対し、Ehrlichは「非AI企業をAIの世界で創業した狂人」と自称しながら、AIの追い風がデータを組織にとって最も重要な資産に変えたと説明する。モデルや計算資源はほぼゼロのスイッチングコストで入手可能だが、企業にとって最も価値のあるものは自社のデータである。ホテルチェーンであれ、フードチェーンであれ、テクノロジー企業であれ、それは変わらない。

このデータ価値の認識は、企業の意思決定を変えつつある。Ehrlichは「2日前にGoogleが破綻したSpirit Airlinesから何かを買った。飛行機ではなくデータだ。1,000万ドルでデータを買った」と具体例を挙げ、AIラボが実世界のデータセットに高い価値を見出している現状を強調する。さらに、この入札プロセスにはMercor（メルカー）も参加していたという噂に言及し、複数のAI関連企業が破綻航空会社のエンタープライズデータセットに入札していた事実は、データの価値に対する認識の変化を如実に示している。Ehrlichは「テック系データ企業のCEOは常に『データを売ってくれないか』と聞かれている」と述べ、データ購入のトレンドが今後さらに顕著になると予測する。

06:43エージェントを訓練する高品質データの不足

AIエージェントを構築する際の最大の課題は、トレーニングに使用できる高品質な実世界データセットの不足である。Ehrlichは「エージェントを研究室だけで構築することはできない。新しいデータ、トレーニングデータで訓練する必要がある」と指摘し、Harvey（ハービー）が法務データセットを公開した例を挙げつつも、現実世界を反映した優れたデータセットは依然として稀であると述べる。Spirit Airlinesのデータは、航空会社としてだけでなく、多くの従業員が働く大規模エンタープライズの事例として、階層構造や中間管理職、トップマネジメントと従業員の協働関係など、実世界の企業運営を理解するための貴重なリソースとなり得る。

公開されている企業データセットの不足は深刻で、Ehrlichは「Angle（エンジェル）のデータが公開されており、人々はそれを実際の企業データとして使っている」と驚くべき事例を紹介する。企業が実際にどう機能するかを理解するためのデータが極めて不足しているため、このような限定的なデータセットに依存せざるを得ない状況がある。その結果、多くのエージェントや新規アプリケーションは実際には機能せず、実世界の企業と相互作用して初めて意味のあるものを構築できるとEhrlichは強調する。企業がデータを購入し、社内でトレーニングすることで、製品リリース時に最初から顧客と対話する必要がなくなるという利点もある。

データセットの需要は、合成データの生成という新たなイノベーションも促進している。Ehrlichは「新たな革新的な方法で合成データを作成することに加え、既存のデータを取得すること（それが実データであれ、PII（個人識別情報）や財務情報などの機密情報を含むものであれ）によって、その上に実世界のものを構築できる」と説明する。Googleは旅行分野に既に進出しており、この種のデータを理解し、トレーニングし、さらに収益化することを目指している。Ehrlichは「顧客は既存のデータを活用したいと考えている」と述べ、データ購入のトレンドは今後も続くと予測する。

09:39データアクセスの課題とEonのソリューション

企業がAIを活用する上で最大の障壁は、データが存在しても「ロックされている」ことにある。Ehrlichは、従来のデータチームは自分たちのデータを見つけ、プロジェクトを決定し、Fivetran（ファイブトラン）、dbt（ディービーティー）、Monte Carlo（モンテカルロ）などのツールを使ってタスクを遂行していたが、そのデータの一部は存在すら知られていなかったと説明する。データがロックされる理由は、同じ企業内に複数のビジネスユニットオーナーが存在するためだ。例えば、サンフランシスコに拠点を置くデータチームリーダーとニューヨークに拠点を置くビジネスユニットリーダーがいた場合、それぞれが異なるインセンティブを持っている。

CEOや取締役会がAIの重要性を認識し、データチームに「データを活性化させろ」と指示しても、実際のデータにアクセスするのは困難を極める。ビジネスユニットリーダーは自部門のシステム運用とデータ保全が最優先であり、CEOの給与情報が誤ってトレーニングデータに混入することを恐れている。さらに、過去20年間に複数のシステムに蓄積されたデータは、誰もその内容を把握していない「誰も電源を切ることを恐れるサーバー」に存在することもある。データを抽出するには、エンジニアリングリソースを投入し、セキュリティ、コンプライアンス、本番稼働時間を妥協する必要があり、非効率な方法でデータを保存することになる。

Eonはこの問題を根本的に解決する。データチームやAIリーダーが組織内の全データを簡単に見つけ出し、理解し、分類し、マッピングし、コンテキストレイヤーを構築し、セマンティックレイヤーを構築することを可能にする。そして、本番環境やセキュリティ、コンプライアンスを損なうことなく、関連するデータを継続的に取り込む。データが分類されているため、機密情報を誤って共有するリスクも低減される。Ehrlichは「顧客は既にこのデータを保有している。それが皮肉な点だ。我々は顧客が既に持っているものを、より効率的に保存される新しいデータ基盤フォーマットに変換し、マッピング、分類、アクセス制御を提供し、AIワークフローに接続する」と述べる。

15:00エージェント時代の新たなセキュリティ脅威

AIエージェントの台頭は、セキュリティの脅威モデルを根本的に変えつつある。従来のセキュリティ対策は人間の脅威を想定していたが、現在は「非人間アクター」、つまり正当なアクセス権と正当なパーミッションを持つAIエージェントが環境内で活動している。Steinは、AWS在籍中に経験した大規模なランサムウェア被害を例に挙げ、顧客が自社のリソースを適切にマッピング、分類、タグ付けしていなかったために、環境の60%がランサムウェアにさらされた事例を紹介する。この教訓から、Eonは人間の脅威（ランサムウェアなど）を検出し、異常な書き込みパターンやエントロピー変化を監視し、迅速な復旧を可能にするソリューションを開発した。

しかし現在、同じタイプの脅威が「ステロイドを投与されたように」AIエージェントから発生している。エージェントは正当な権限を持ってデータベースにアクセスし、突然テーブルを削除するなどの破壊的行為を行う。Steinは「検出と保護の方法論は非常に似ているが、発生速度が極端に速い」と指摘する。6ヶ月前には誰も議論しなかったこの問題が、現在ではほぼすべての企業リーダーが「自分たちに起こることを恐れているか、実際に経験した」と語るほど一般的になっている。企業は「何が自分のデータ上で実際に実行されているのか」を把握できなくなりつつあり、外部からの攻撃と、自らが承認したエージェントによる内部からの脅威の両方に備える必要がある。

この新たな脅威環境では、「侵害を前提とした（assume breach）セキュリティモデル」が不可欠となる。悪意があるかどうかに関わらず、侵害を想定し、それに対応できる体制を整える必要がある。さらに、非技術系の従業員がLovable（ラバブル）などのノーコードツールを使ってエージェントを構築し、企業データをアップロードするケースが増えている。彼らはセキュリティやコンプライアンス、データの利用者について認識しておらず、自分が構築したエージェントが他のエージェントを利用していることすら理解していない。これにより、組織のルールに縛られず、組織の敷地内で実行されない、機密データを扱う「完全に新しいアクター群」が組織内に生まれている。

18:15エージェントが変えるエンタープライズスタック

エージェントの登場は、エンタープライズのデータスタック全体を再考させる。従来のスタックは、人間がデータベースにクエリを投げ、分析的な質問をすることを前提に設計されてきた。データウェアハウス、ダッシュボード、ETLパイプライン、BIツールなどがその構成要素だ。しかし、エージェントはより動的に動作し、より大規模なデータセットを推論し、SaaSアプリケーションや過去のデータにアクセスする可能性がある。Elad Gilが「ダッシュボードは消えるのか」と問うと、Steinは「むしろダッシュボードは増えるだろう。それが世界で何が起きているかを把握する唯一の方法になるからだ」と予測する。

その理由は、コーディングエージェントが世界で実行されるコードの大部分を書き始めており、エージェントが他のエージェントを活性化し、さらに別のエージェントを活性化するという連鎖が発生しているからだ。人間が責任の連鎖を理解することはほぼ不可能になりつつあり、非人間アイデンティティ（NHI）を追跡することが喫緊の課題となっている。Steinは「NHI（非人間アイデンティティ）を扱うサイバーセキュリティ企業が無限に出現している」と指摘し、これが現在の最重要問題の一つであると述べる。また、エンドポイントセキュリティも変革を迫られている。エージェントがラップトップ上で実行され、他のネットワーク、OpenAIのクラウド、WhatsApp、社内ネットワーク、他のアプリケーションに接続するため、CIOやIT部門の責任者は何をすべきか判断に苦慮している。

この状況は、組織内のすべての人が「ビルダー」になれるという良い面と悪い面を同時にもたらす。ソーシャルメディアマネージャーであれ、人事担当者であれ、法務や財務の担当者であれ、誰もがエージェントを構築できる。しかし、彼らはセキュリティやコンプライアンスの知識を持たず、企業の機密データを外部にさらすリスクがある。Steinは「組織のルールに縛られず、組織の敷地内で実行されないが、組織の所有物である機密データを扱うアクターが生まれる」と警鐘を鳴らす。この「誰もがビルダーになれる」環境は、企業にとって大きな機会であると同時に、前例のないリスクをもたらす。

22:11データインフラの再構築とクラウド時代との比較

既存のデータインフラストラクチャは、AI時代にどれだけ生き残るのか。Ehrlichは「現在の配管は非常に限定的で、誰もが自分の問題セットに対するソリューションを構築してきた」と指摘する。従来のデータ処理は、クレジットカード取引をデータベースに書き込み、それを抽出して別の場所に置くという単発的なものであり、各プロセス間の接続やコンテキストが欠如していた。これは、データに対して意図した単一の目的しか実行できなかったためだ。しかし現在は、データをスマートに収集し、クリーンにし、効率的に保存し、活性化できれば、チームが想像もできなかったことを実現できる。

Ehrlichは、ニューヨークでハンバーガーを愛する人々のリストを持つ人と、ピザを愛する人々のデータベースを持つ人が、協力しなければ「ハンバーガーとピザの両方を愛する人々」のリストを見つけられないという例を挙げる。AIを活用すれば、このような異なるデータセットを組み合わせて、これまで不可能だったインテリジェントな質問をデータに投げかけることができる。その結果、企業は以前よりもはるかに多くのデータを収集し始めており、データの取り込み量は「絶対的に異常なほど」増加している。エージェントが生成するデータも増加しており、ノイズと価値が混在する中で、複数の場所からデータを理解し、ノイズを除去し、生成されたデータを実際に利用可能にするツールが必要となっている。

この変革の速度は、クラウド移行時代とは比較にならない。Ehrlichは、前社CloudEndureをAWSに売却する前から、AzureやGCPを含む複数のハイパースケーラーで大規模なエンタープライズ移行を支援してきた経験を持つ。数千、数万、数十万台のサーバーを移行するプロジェクトでは、技術面と人材面の両方で多大な労力が必要だった。しかし、現在のAIとエージェントの世界では、変革がはるかに速く進行し、顧客はコントロールを失いつつある。データ漏洩やIP流出の恐れから、企業は導入を一時停止している。Ehrlichは「クラウドは抽象度が高く、祖母に説明するのは難しいが、AIは誰もが理解できる。ChatGPTの瞬間以降、誰もがAIの可能性を目の当たりにした」と述べ、AI導入が経営陣や株主からの圧力によって加速している現状を説明する。

27:52AI導入の速度と企業変革の新たなパターン

AI時代の企業変革は、ソフトウェアの消費方法そのものを変えつつある。Ehrlichは「フォワードデプロイメント（前方展開）」という概念に注目する。これは従来、Palantir（パランティア）などの企業が行っていたローカルサービスであり、広く理解されていなかったが、現在では誰もが実践している。大規模なレガシー企業はAIを導入したいと考えているが、その方法が分からない。社内プロセスは長く、1年から2年以上かかることもあるが、今すぐにでもAIを導入する必要がある。その唯一の方法は、シリコンバレーのスタートアップや大企業で経験を積んだ強力なエンジニアが、自分たちが構築したツールボックスを持って組織を変革することだ。

これにより、販売サイクルは短縮され、企業は急速に成長している。また、プロダクト主導型成長（PLG）の重要性も高まっている。Ehrlichは「過去には、特に開発ツールにおいてPLGはほとんどの場合機能しないと主張していた。世界は断片化されており、人々はそれほど速く動きたがらないからだ」と述べつつも、現在では状況が一変したと認める。Cognition（コグニション）のような企業は、PLGを通じて急速に成長し、その後、銀行へのフォワードデプロイメントを経て、エンジニアリングの代替を提供している。Eon自身もこの戦略を採用している。

さらに興味深いのは、AIを直接導入するのではなく、企業を買収してAI企業に変革するというアプローチだ。EhrlichはLong Lake（ロングレイク）のような企業を例に挙げ、「AIを導入する代わりに、企業を買収してAI企業に変える方が効率的だ。これによりアービトラージ（裁定取引）を生み出し、より高いマージンを実現できる」と説明する。これは、企業がAIを活用するための根本的に新しい方法であり、多くの企業がまだAIを導入していない現状を考えると、この変革は始まったばかりだ。Ehrlichは「ほとんどの企業はまだAIを使っていない。旅の始まりにいる。何かが起きていること、データが重要であること、既存のプロセスが陳腐化していることを理解しているが、怖くて踏み出せない」と述べ、最終的には「世界はより良くなる」という楽観的な見方を示す。

結びに

このエピソードがリスナーに強く印象づけるのは、AI時代におけるデータの価値と、そのデータをめぐるセキュリティとアクセスの問題が、これまで考えられていた以上に複雑で緊急性の高いものだということだ。GoogleによるSpirit Airlinesのデータ買収は、単なるニュースではなく、企業データが「新しい石油」として認識される転換点を示している。Eonの創業者たちは、データが企業の最も強力なmoatであると同時に、最も脆弱な攻撃対象にもなり得るという二面性を浮き彫りにした。

また、AIエージェントの台頭がもたらすセキュリティ脅威の変化は、従来のセキュリティ対策の前提を覆すものだ。正当な権限を持つ非人間アクターによる攻撃は、検出方法こそ似ているものの、その速度と規模は桁違いであり、企業は「侵害を前提とした」セキュリティモデルへの移行を迫られている。さらに、誰もがビルダーになれる環境は、イノベーションの民主化をもたらす一方で、組織のコントロールを効かなくするリスクもはらんでいる。このエピソードは、AI導入の速度がクラウド時代をはるかに超えている現状を踏まえ、企業がどのようにしてコントロールを維持しながらAIの恩恵を享受できるのかという、極めて現代的な問いを投げかけている。