この記事は、2026/09/23に公開された「Why Airgapped Data Architecture Is Becoming Mission-Critical for Public Sector AI」の翻訳です。
長年にわたり、公共部門の最新化は主に接続性を高めることを中心としてきました。つまり、より多くのシステムを接続し、より多くのデータにアクセスできるようにし、チームが必要な情報により迅速にアクセスできるようにすることです。
しかし、AI が求めるデータはさらに別の課題をもたらします。AI の効果的なトレーニングやミッションの成果の向上に最も価値のあるデータは、多くの場合、各機関が隔離しておく必要性が最も高いデータだからです。
機密指定された情報を外部の AI サービスに単純に移転することはできず、機密情報をデータ資産内に放置することもできません。 各機関には、機密情報を定められたセキュリティ境界内に保ちながら、分析や AI のためにそのデータへのガバナンスの効いたアクセスを提供する、基盤となるデータアーキテクチャが必要です。 つまり、移動させたり外部にさらしたりできないデータがある場所で AI を活用することを意味し、エアギャップ環境のデータアーキテクチャが公共部門の AI にとって不可欠な基盤となります。
エアギャップ環境内
エアギャップ環境とは、外部ネットワークや信頼できないネットワークから意図的に切り離された、安全なネットワークまたはストレージシステムです。 この分離により、外部システムにさらされるリスクが軽減され、政府機関は機密データやワークロードをより適切に管理できます。
しかし、この分離は AI の活用に明確な課題をもたらします。
ローカルのセンサーフィードやミッションデータにアクセスし、競合環境で活動するチームを考えてみましょう。 AI モデルはそれらの入力を関連付けて新たに出現する脅威を特定するのに役立ちますが、その基礎となるデータを安全な環境から持ち出すことはできず、外部サービスへの接続が制限されているか、まったく利用できない可能性もあります。 そのモデルの使用に外部サービスへのデータ送信が必要となる場合、そのテクノロジーはミッションのセキュリティ要件や、ネットワークから切断された環境で運用するという現実と相容れません。
AI 機能は、データが存在するエアギャップ環境内で動作する必要があります。 これにより、チームはデータ自体を取り巻くセキュリティ境界を維持しながら、機密情報を分析し、その結果得られたインサイトに基づいて行動できます。 エアギャップ環境では、分離が AI の導入、ガバナンス、そして最終的な活用方法の一部となります。
公共部門の組織にとって、この柔軟性は、ミッションクリティカルな環境で AI をそもそも活用できるかどうかを左右する可能性があります。
管理性を損なうことなく、データがある場所で AI を実行
エアギャップ環境で AI がどのように機能するかを理解するには、エアギャップアーキテクチャとプライベート AI の違いを明確にすることが重要です。 エアギャップアーキテクチャとプライベート AI は、関連しながらも異なる要件に対応します。
エアギャップアーキテクチャは、システムとデータを外部ネットワークから隔離し、明確なセキュリティ境界を形成します。
プライベート AI は、アクセス可能なデータ、使用するモデル、推論を実行する場所、そしてその機能をどのように導入してアクセスするかなど、AI 自体を制御し続けることに重点を置いています。
プライベート AI は接続環境で動作できますが、エアギャップ内に導入されると、それらの AI 機能は、使用する機密データと同じセキュリティ境界内で動作します。 これらを組み合わせることで、各機関は高度にセキュアで隔離された環境内に AI を導入しながら、そのセキュリティ境界内の機密データ、モデル、AI 運用の管理を維持できます。
防衛分野の用途では、この課題は、軍種や領域を越えてデータと能力を連携させる戦争省の枠組みである JADC2 に特に顕著に表れています。 JADC2 は、データがある場所で AI を実行することがなぜそれほど重要なのかを示しています。 その成功は、一部のデータをセキュアな環境や機密環境内に保持する必要がある場合でも、任務全体にわたるデータを、意思決定者が活用できる情報に変えることにかかっています。
さらに一歩進めると、CJADC2 では国際的な連合パートナー間でのデータ共有が求められるため、データ資産の規模と複雑さが増大すると同時に、データが保存または処理される国や地域によって異なるデータ主権の要件も生じます。 エアギャップアーキテクチャは、各機関が自組織のデータの管理を維持するのに役立ちます。情報が保存されている場所だけでなく、データが処理される場所、AI モデルが実行される場所、どのシステムがデータにアクセスできるかまで管理できるようになります。
エアギャップ環境を AI 対応にするものとは？
機密データをエアギャップ環境内に保持すると、外部の脅威にさらされるリスクは軽減されますが、もう一つ重要な疑問が生じます：その環境内で稼働する AI をチームは信頼できるでしょうか？
隔離された AI システムであっても、古くなったデータ、不完全なデータ、ガバナンスが不十分なデータ、または誤解されたデータに依存している場合は、依然として信頼性の低い結果を生み出す可能性があります。 各機関が AI をエアギャップ環境に導入するにあたり、アーキテクチャは機密情報を隔離する以上のことを行う必要があります。 ミッションクリティカルな AI でその情報を利用できるようにするために必要な、ガバナンス、データライフサイクル、運用機能をサポートする必要があります。
AI をエアギャップ環境で拡大する前に、各機関はいくつかの重要な問いについて厳しく検証する必要があります。
AI が生成したインサイトの根拠となるデータを、そのソースまで遡って追跡し、どのように変化したかを理解できますか？
データを安全な環境から持ち出すことなく、AI 向けに準備、処理、利用できますか？
複数の分析および AI ワークロードが、不要なコピーを作成せずに、同じガバナンス下にあるデータを安全に利用できますか？
モデルや AI 機能を、機密データを外部にさらすことなく導入・更新できますか？
データの準備、分析、モデルサービング、ガバナンス、監視は、外部サービスにアクセスせずに引き続き運用できますか？
データやワークロードが変化しても、同じセキュリティ、アクセス、ガバナンスポリシーを維持できますか？
これらの回答によって、エアギャップ環境が、これらのユースケースで求められるレベルの信頼性を備えた AI をサポートできるかどうかが決まります。 エアギャップ環境のデータアーキテクチャは、AI ライフサイクル全体を通じてデータの安全性、信頼性、有用性を維持する必要があります。
エアギャップ環境のセキュリティから任務継続強化へ
エアギャップ環境は、その隔離によって定義されてきました。 AI はその役割を拡大しています。 各機関では、そもそも隔離を必要とした保護を維持しながら、データ処理、分析、AI をサポートするために、これらの環境を必要とするケースがますます増えています。
基盤となるアーキテクチャは、機密データの安全性を確保しつつ、AI で実運用に活用できる状態にする必要があります。つまり、データへのアクセスを管理し、データが存在する場所で AI と分析を利用できるようにするとともに、データの使用時にも一貫したセキュリティとガバナンスを維持するということです。政府の AI の次の段階は、機密データが安全に保たれなければならないエアギャップ環境も含め、データが任務に必要とされるあらゆる場所で信頼できるインテリジェンスへと変換できるかどうかにかかっています。
その方法はこちらからご覧ください。Cloudera は、機密情報の使用場所と使用方法を管理しながら、公共部門の組織が安全でガバナンスの行き届いた AI をデータに導入できるよう支援しています。 安全な環境やエアギャップ環境への AI の導入に関するご質問は、Cloudera Government チーム（government@cloudera.com）までお問い合わせください。
