私たちは、数百ものプレイブックを備えた成熟したSOAR環境を数多く見てきました。しかし、その結果は期待を下回ることが少なくありませんでした。プレイブックの数は増え続けたものの、成果は伴わず、インシデントキューは、それを抑制するために作られたコードよりも速いペースで増え続けていました。
このギャップこそが、2026年にAgentic SOCがセキュリティチームの重要なテーマとなっている大きな理由です。しかし、この用語は曖昧に使われることも多いため、ここで正確に定義しておく価値があります。Agentic SOCとは実際に何を意味するのでしょうか。現在セキュリティチームが導入している仕組みと何が異なるのでしょうか。そして、AI主導で運用されることが増えているこのモデルにおいて、人間のアナリストはどのような役割を担うのでしょうか。
Agentic SOCとは？
Agentic SOCとは、AIエージェントが静的な事前定義ルールではなく、動的な推論に基づいて調査、トリアージ、対応タスクを実行するセキュリティ運用センターです。「agentic」という言葉はAI研究に由来し、目標を設定し、一連のアクションを計画し、得られた情報に応じてアプローチを適応させることができるシステムを指します。
実際には、AIがアラートを解析し、どの情報を確認すべきかを判断したうえで、EDR、SIEM、クラウドリソース、アイデンティティ情報、コード、脅威インテリジェンスフィードなどから関連するコンテキストを収集します。その後、何が発生したのかについて仮説を立て、裏付けとなる証拠とともに結論をアナリストへ提示し、自動的に、または人間の承認を介して対応を実施します。
エージェンシーは単純な自動化とどう異なるのか
SOARプレイブックが実行されると、プレイブック作成時に人間のエンジニアによって定義された手順に従って処理が進みます。プレイブックは、条件Aに一致するかを確認し、一致した場合にアクションBを実行するだけです。
一方、AIエージェントは構造的に異なる動作をします。例えばフィッシングアラートの調査というタスクを受け取ると、自ら必要な手順を判断します。対象ユーザーの役割を確認するためにActive Directoryへ問い合わせたり、送信元ドメインが最近登録されたものかを確認したり、添付ファイルのVirusTotal結果を取得したり、過去48時間に同じエンドポイントからラテラルムーブメントが発生していないかを調査したりします。こうした確認結果によって状況認識が変われば、エージェントはアプローチを調整します。
このような目標指向かつ適応的な振る舞いこそが、AIセキュリティエージェントを従来の自動化と区別する要素です。
4つの中核特性：自律性、計画、推論、適応性
Agentic機能を訴求するセキュリティプラットフォームは数多く存在しますが、実際に提供している機能には大きな差があります。この用語が意味を持つのは、以下の4つの特性が連携して機能している場合です。
- **自律性（Autonomy）**は、エージェントが各アクションごとに人間の承認を必要とせず、複数ステップのタスクを完了できることを意味します。どのデータソースに問い合わせるか、どのツールをどの順序で使用するかを自ら判断します。
- **計画（Planning）**は、複雑な目標を複数のサブタスクへ分解できることを意味します。アラート調査は、一連の照会、相関分析、確認作業へと分解され、それらをエージェントが独立して管理します。
- **推論（Reasoning）**は、エージェントが証拠を評価する能力を指します。単にデータを取得するだけでなく、それを解釈します。例えば、「これは真陽性である。IPアドレスは既知の悪意ある攻撃者と一致しており、ユーザーにはこの種のファイルをダウンロードした履歴がなく、さらに30秒以内に同種のファイルを複数まとめてダウンロードしている」という結論は、複数のデータポイントを横断して推論した結果です。
- **適応性（Adaptability）**は、アラートや環境に応じて計画を変更できることを意味します。最初の確認によって、アラートがAWSイベントに関連していることが判明した場合、エージェントは無関係な調査を続けるのではなく、それに応じてデータ収集と評価方法を調整します。
Agentic SOCと従来型SOARの違い ― なぜプレイブックだけでは限界なのか
多くのチームは長年にわたりプレイブックライブラリの構築に投資してきました。そして、明確に定義された高頻度のタスクに対しては、決定論的な自動化は今でも有効です。しかし、カバレッジの課題は現実に存在します。
プレイブックの根本的な課題は、十分に一般的で、かつ十分に理解されているためにプレイブック化できるアラートタイプにしか対応できないことです。それ以外のケースは人間のアナリストに委ねられるため、実際には調査されないまま終わることも少なくありません。
その割合は組織によって異なりますが、傾向は共通しています。SOARが対応できるのは、高頻度で予測可能なケースです。一方、Agenticシステムは、ロングテールのケースや例外的な状況を含む大半のケースに対応できます。AIエージェントは、これまで見たことのない特定のアラートの組み合わせに対して、事前に定義された手順を必要としません。優れたアナリストと同じように、関連するコンテキストを収集し、その意味を分析することで、未知の状況について推論できます。
Agentic SOCプラットフォームでは、これまで自動化の対象外だったアラートカテゴリにおいて、平均トリアージ時間が数時間から数分へ短縮されたと報告されています。
プレイブックベースのSOARには、もう1つの課題があります。それは環境変化への脆弱さです。新しいSaaSツールの導入、クラウド移行、企業買収などによって環境が変化すると、プレイブックは機能しなくなったり、精度が低下したりします。その維持管理だけで専任の作業になることもあります。AIエージェントは、環境の過去の状態を前提に作成された手順を実行するのではなく、現在のデータに基づいて推論するため、このような環境変化の影響を受けにくくなります。
Agentic SOCの仕組み
アラートが発生すると、まずオーケストレーションレイヤーに送られ、適切なAIエージェントへルーティングされます。エージェントはアラートのメタデータと関連する生のログデータを読み取り、調査計画の実行を開始します。
エージェントは、アラートの種類と既に取得できているデータに基づいて、どの情報が必要かを判断します。不審なログインアラートであれば、位置情報やデバイスの利用履歴の確認から始めるかもしれません。マルウェア検知であれば、同じ時間帯に発生したプロセスツリーやネットワーク接続の調査から開始する可能性があります。
エージェントは、アイデンティティプロバイダー、クラウドデータ、リソース設定、脅威インテリジェンスフィード、チケット管理システムなどのツールやデータを活用して調査を進めます。各ツールの呼び出しによって得られたデータは、次の調査ステップの判断材料となります。エージェントが結論に到達すると、その結論は証拠によって裏付けられます。その後、人間が理解しやすいサマリーを生成し、必要に応じて封じ込め、ブロック、通知などの定義済み対応アクションを実行します。
この一連のプロセスの品質は、データへのアクセス性に大きく依存します。Agenticシステムには統合されたテレメトリが不可欠です。エンドポイントデータとネットワークデータを共通のタイムライン上で相関分析できないようなサイロ化されたデータ環境では、エージェントの推論能力を制限する死角が生じます。そのため、Agentic SOCの導入基盤として、新しいデータアーキテクチャの採用が進んでいます。
Agenticモデルにおける人間のアナリストの役割
AIエージェントはSOCアナリストを置き換えるものではありません。しかし、実際にはそれほど単純な話でもありません。AIエージェントは現在Tier 1〜2アナリストが担っている業務の大部分を代替する一方で、人間に残される業務はより高度なものになります。
Agentic環境では、手作業によるトリアージや調査の業務量が大幅に減少します。それこそが目的です。エージェントは、現在アナリストの業務時間の大半を占めている調査プロセスを処理します。人間に残されるのは、エージェントには行えない判断業務や、脅威ハンティングや検知エンジニアリングといった創造性を要する業務です。
オペレーターからオーケストレーターへ
アナリストの役割は、調査を実行することから、エージェントを監督し、エスカレーションに対応し、アドホックな調査を実施することへと変化します。これには、従来のSOC業務とは異なるスキルが求められます。アナリストは、エージェントの出力をどのように解釈するか、どのような場合にその結論を信頼し、どのような場合にさらに深掘り調査を行うべきかを理解する必要があります。また、エージェントにビジネスコンテキストを与える方法や、新たな攻撃手法を発見するために攻撃者の視点で考える能力も求められます。
一部のセキュリティチームでは、Agentic運用モデルの導入によってスキルギャップが顕在化していることが分かっています。大量のトリアージを効率的に処理していたアナリストが、Agenticシステムからエスカレーションされる調査や意思決定を伴う業務を必ずしも得意としているとは限りません。これはテクノロジーだけでなく、人材育成や教育の課題でもあります。
Agentic SOCにおけるhuman-in-the-loop（HITL）とは、自動化されたワークフローのどの段階で人間が関与するかという考え方です。高い確度がありリスクの低いアクション（既知の悪意あるIPアドレスのブロックや、感染が確認されたエンドポイントの隔離など）については、多くの組織が完全自律型の対応へ移行しつつあります。一方で、ユーザーアカウントの無効化やサーバーの隔離といったリスクの高いアクションについては、人間の承認をワークフロー内に残しています。その境界は、各組織が自社の環境とリスク許容度に基づいて定めるポリシー上の判断です。
透明性、ガバナンス、AIの信頼性に関する課題
2026年におけるAgentic SOC導入の最大の障壁は、セキュリティチームがエージェントの判断を信頼できるのか、また問題が発生した際にその判断を説明できるのかという点です。
エージェントを監査できないSOCは、自動化されていないSOCとは異なる種類の課題を抱えることになります。エージェントが本番サーバーを誤って隔離し、なぜその判断に至ったのかを再構築できない場合、将来同じエラーを防ぐ能力を失うことになります。
エージェントが調査中に実行したすべてのアクションについて、ステップごとの記録を確認できるでしょうか。エージェントがどのような質問を行い、それに対してどのような回答を得て、それぞれの情報からどのような結論を導き出したのかを把握できるでしょうか。人間の承認なしに特定の種類のアクションを実行できないようにするガードレールを設定できるでしょうか。そして、エージェントが誤った判断をした場合、その推論プロセスのどこで問題が発生したのかを追跡できるでしょうか。
こうした能力を評価する際には、「グラスボックスAI」と「ブラックボックスAI」という考え方が有効な判断基準になります。ブラックボックス型のエージェントは結論だけを提示し、その結論に至った推論過程は示しません。一方、グラスボックス型のエージェントは、人間のアナリストが確認・監査できる形で意思決定のプロセスを公開します。調査手順の妥当性や説明責任を求められる規制業界では、グラスボックス型であることが必須要件となります。
AIエージェントを取り巻くガバナンス基盤は、エージェントそのものの能力に比べると、まだ十分に成熟していません。自律的なレスポンスの導入を急ぐ組織では、エージェントの行動を監査する能力が追いついていないケースが少なくありません。このギャップは、インシデントによって問題が顕在化する前に解消しておくべきです。Agenticシステム向けのガバナンスポリシーを策定するチームにとって、NIST AI Risk Management Frameworkは有効な出発点となります。
SOCにおけるアーキテクチャの変化
Agentic SOCは、新たなアーキテクチャの中核となりつつあります。従来のSOCがアラートを業務の基本単位として扱っていたのに対し、Agentic SOCでは調査そのものを業務の基本単位として扱います。エージェントは、アイデンティティ、エンドポイント、クラウド、ネットワーク、SaaSにまたがるコンテキストを収集し、仮説を立て、それを検証し、人間がレビューできる証拠に基づく調査ストーリーを作成します。このアプローチが機能するためには、統合され検索可能なテレメトリに基づく推論を可能にする環境と、どのタスクを自律的に実行し、どのタスクに人間の承認を必要とするかを判断するオーケストレーションレイヤーが必要です。
優れたAgentic SOCプラットフォームは、統制された自律性を前提として設計されています。エージェントがなぜエスカレーションし、なぜ封じ込めを実施し、なぜインシデントをクローズしたのか、その判断経緯を追跡できなければ、そのエージェントを信頼することも、チューニングすることも、監査や説明責任に対応することもできません。一方で、その判断プロセスを可視化できれば、サイクルタイムは短縮され、アナリストの負荷も自然に軽減されます。そうでなければ、結局は同じバックログの上に、より高度なインターフェースを載せただけの状態にとどまるでしょう。
よくある質問（FAQ）
Agentic SOCとは？
Agentic SOCとは、自律型AIエージェントが、各ステップで人手による指示を待つことなく、検知、トリアージ、調査、レスポンスを実行するセキュリティオペレーションセンター（SOC）です。ルールベースの自動化とは異なり、エージェントはコンテキストを理解し、意図を推測しながら、クラウド、SaaS、アイデンティティ、エンドポイント環境全体にわたって動的に行動します。その結果、人間のアナリストが優先度の高い意思決定を担い続けながらも、SOCはマシンスピードで継続的に運用されるようになります。
Agentic SOCとSOARの違いは何ですか？
SOARは、特定の条件が満たされたときに、あらかじめ定義されたプレイブックを実行します。タスクを自動化できますが、その範囲は事前に人間が定義したルールの中に限られます。一方、Agentic SOCはさらに先へ進みます。AIエージェントは、これまでに経験したことのない状況について推論し、複数のシグナルを評価しながら、状況に応じてアプローチを適応させます。そのため、あらゆるシナリオごとに事前作成されたプレイブックを必要としません。SOARがルール主導で動作するのに対し、Agentic SOCは目標主導で動作します。
AI SOCとAgentic SOCの違いは何ですか？
AI SOCは、機械学習やAI活用ツールを利用するSOC全般を指す広義の概念です。これには、SIEMによる異常検知やAIを活用したアラートスコアリングなどが含まれます。一方、Agentic SOCは、AIエージェントが検知からレスポンスまでのライフサイクル全体にわたり、自律的に複数段階の対応を実行するSOCを指します。単に人間が確認するためのシグナルを提示するだけではありません。すべてのAgentic SOCはAI SOCに含まれますが、すべてのAI SOCがAgentic SOCであるとは限りません。
Agentic SOCは人間のアナリストに取って代わることができますか？
いいえ。Agentic SOCは、人間のアナリストを置き換えるためのものではありません。Tier 1およびTier 2アナリストが担う反復的な運用業務や手作業を削減し、アナリストが戦略的な脅威への対応、アーキテクチャ上の意思決定、人間の判断が不可欠な重要な判断業務に集中できるように設計されています。AIエージェントは、アラートのグループ化、調査の実行、ユーザー確認、低リスクのファインディングのクローズといった、反復的かつ時間に敏感な業務を担当します。一方で、人間のアナリストは、エスカレーション対応、新たな攻撃パターンの評価、組織のリスク評価における意思決定を担い続けます。
Agentic SOCはどのようにアラート疲れを軽減するのですか？
Agentic SOCは、アラート中心のワークフローをコンテキスト中心の検出結果へと置き換えることで、アラート疲れを軽減します。AIエージェントは、個別のアラートを何百件も提示するのではなく、関連するイベントを相関分析し、ビヘイビアベースラインに基づいて既知の正常なアクティビティを除外し、根本原因、影響を受けた資産、推奨される対応手順を含む統合された検出結果を提供します。その結果、アナリストは処理しきれない速度で増え続けるアラートキューに追われるのではなく、件数は少なくてもより多くのコンテキストを含む価値の高い検出結果に集中できるようになります。
