AIのネットワーク変更は本番で試さない|Forwardの事前検証

AIのネットワーク変更は本番で試さない|Forwardの事前検証

「AIエージェントにファイアウォールの規則変更を任せたいと現場が言っている。検証機で一度動かせば本番に出してよいのではないか」「AIが書いた設定を人が読んで承認するとして、読んだ人は何を保証したことになるのか」——ネットワークの鍵を預かる情シスから、2026年に入って増えている問いです。AIに設定を書かせるかどうかは、もう論点の中心ではありません。本当に決めるべきなのは、AIの変更がどこで試され、何に合格したら人が承認し、誰の資格で本番に入るかです。この記事では、本番のネットワークを数式で写し取る「デジタルツイン」を手がける Forward Networks が2026年9月に一般提供した事前検証の仕組みを材料に、社内ネットワークの設定変更をAIエージェントに提案・実行させるとき、情シスが何を決めるかを、ほかの進め方と比べて整理します。


カメ先生カメ先生

AIに設定変更をさせるなら、検証機で動けば大丈夫だと思われがちなんだ。でも本当は、検証機は本番と同じ経路や規則を持っていないことが多くて、そこで動いたことは本番で正しく動く証拠にならないんだよ。


カメ子カメ子

検証機で通ったのに、本番では別の通信が止まる、ということが起きるのですか。


カメ先生カメ先生

そう。だから本番の設定と状態を写し取った模型で、変更後のふるまいを先に確かめる考え方が出てきた。ただし模型が答えられることにも限りがあるし、合格の条件を書くのも、承認するのも人の仕事として残るんだ。


カメ子カメ子

試す場所を変えても、何を合格とするかと、誰が通すかは別に決めなければいけないんですね。


この記事のポイント
  • Forward Networks は2026年5月に変更の影響を本番前に予測する Forward Predict を発表し、9月に一般提供した。AIエージェントの提案と本番の間に置く「証明の層」と位置づけている
  • 基盤そのものは読み取り専用の資格で設定と状態を集め、設定を書き換えない。だから検証と実行の資格を分けやすい一方、実行役の権限は別に決める必要がある
  • 模型が答えるのは経路・到達性・規則の論理で、回線の混み具合や機器の故障までは発表に含まれていない。合格条件は人が書き、承認も人が持つ

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

誤解:「AIの設定変更は、検証機で一度動かせば本番に出してよい」

多くの会社で、ネットワークの変更前に検証機や小さな検証環境で試す習慣があります。AIエージェントに設定を書かせる場合も、同じ手順を挟めば安全だと考えがちです。しかし検証機には、本番にある数百台の機器の経路表も、何年もかけて積み上がったファイアウォールの規則も、クラウドとの接続もありません。検証機で動いたというのは「構文が通った」に近く、「本番で意図どおりに動く」とは別の話です。

AIエージェントが関わると、この差はさらに大きくなります。人の担当者なら、変更の前に「この規則を足すと、あの拠点からの通信はどうなるか」と経験で考えますが、AIは与えられた依頼文と手元の情報の範囲でしか考えません。しかも依頼を並行して何件もこなせるため、確認が追いつかないまま変更が積み上がります。速く提案できることと、正しいと証明できることは別の能力です。

そこで出てきたのが、本番の設定と状態をそのまま写し取った模型の上で、変更後のふるまいを先に計算するという考え方です。Forward Networks の事前検証はその代表例で、提供元の共同創業者は一般提供の発表で「AIエージェントは機械の速さで変更を提案できるが、正しさの証明がない速さは危険を加速するだけだ」という趣旨を述べています。ただし後で見るとおり、模型にも答えられないことがあります。

Forward Networks とは:本番ネットワークの写しを作る会社

Forward Networks は米国カリフォルニア州に本社を置く企業で、主力製品の Forward Enterprise は、社内とクラウドにまたがるネットワークのデジタルツイン(本番の設定と状態から作る数理的な写し)を作ります。公式の文書では、収集は機器の操作用の窓口と表示系のコマンドだけで行い、資格情報は読み取り専用、そして「構成の変更は基盤からは決して行わない」と明記しています。

集める情報は、機器の設定と経路などの制御面の状態、AWS や Azure などクラウド側の網の構成、性能の数値、公開されている脆弱性の情報、脆弱性の検査ツールの結果、任意で業務上の付帯情報です。提供形態は公式の文書で、提供元が運営するクラウド型と自己ホストの2つが示されており、自己ホストは自社の設備かパブリッククラウドに置く形と説明されています。

2026年2月には日本での事業拡大を発表し、現地での支援・サービス・提携に力を入れると報じられました。8月には、デジタルツインを30日間無料で試せる提供も始めています。日本語の情報はまだ少なく、導入事例や価格は公開情報では確認できないため、本記事では公式の発表と文書で確認できた範囲だけを扱います。

Forward Predict が2026年に足したもの

2026年5月20日に発表され、9月29日に一般提供された Forward Predict は、提案された変更を本番に入れる前に、写しの上で影響を計算する機能です。一般提供の発表では、次の4つを挙げています。BGP・経路・ACL・NATの変更が通信の届き方にどう効くかの予測、分離・到達性・準拠の要件に対する検証、ファイアウォール規則の変更の予測、そして必要なふるまいと機器ごとの設定の論理に照らした回帰試験です。提供元はこれを「ネットワークの単体試験」と呼んでいます。

5月の発表ブログでは、使い方の流れを6段で説明しています。まず人が「成功とは何か」を意図として書き、写しの上の砂場で変更を設計し、意図の試験と回帰試験を通し、承認者に証拠を渡してから投入するという流れです。試験の結果は「意見ではなく、決定的な合格か不合格」だと説明しています。失敗したときは理由の証拠が示され、変更を直してから出し直せるとしています。

ベータには5月から金融・メディア・技術系の企業が参加し、名前の出た英国の金融サービス会社 IG の技術者は、経路の変更の検証からファイアウォール規則の作業へ使う範囲を広げたと述べています。発表文では、同社がファイアウォール変更の提供時間をおよそ95%縮め、月30時間を超える手作業を減らしたとしています。これは提供元の発表に載った1社の数字であり、自社で同じ効果が出るかは試してみないと分かりません。

Forward AI と MCP:エージェントが検証を呼び出す入口

事前検証をAIエージェントとつなぐのが Forward AI です。公式の説明では、自然な文章の質問に対し、根拠となる経路・方針・設定の行を添えて答える対話の機能で、ネットワーク・セキュリティ・クラウドの各担当が同じ写しに質問できるとしています。自社で作ったエージェントは、提供元の MCP サーバーを通じて接続できると書かれており、Slack や ServiceNow との連携も挙がっています。公式ページの例では、セキュリティの担当が「重大な脆弱性を抱えた機器のうち、インターネットから届くものはどれか」と尋ね、該当する機器と届く経路を受け取る使い方が紹介されています。答えに根拠の経路や設定の行が添えられるので、人がその根拠を自分で確かめられる点が、一般的な対話型のAIとの違いです。

発表ブログでは、Forward AI が写しをもとに変更を設計し、Predict で検証し、試験が通るまで手直しを繰り返す、という使い方を示しています。提供元は Predict を、プログラムにおける「コンパイラに相当するもの」と表現しています。つまりエージェントが変更を考え、検証基盤が合否を返すという役割分担です。

一方で、公式ページには「自前の言語モデルを持ち込める」とある程度で、どのモデルに何の情報が渡るかは書かれていません。MCPでつなぐのが社員の Claude や ChatGPT である場合、写しから返ってきた経路や設定の行は、そのAIの提供元へ渡ると考えておく必要があります。この点は後の「構成データの扱い」で詳しく見ます。

比較:AIの変更を本番に通す4つの道

AIエージェントにネットワークの変更を提案させるとき、本番までの道筋は大きく4つに分かれます。どれを選ぶかで、事故が起きたときに誰が説明できるか、どこで止められるかが変わります。

進め方確かめられること残る弱点向いている場面
AIが本番に直接投入するなし(結果を見て気づく)誤りがそのまま本番に出る。戻すまで影響が続く本番では選ばない
AIの設定案を人が読んで手で入れる読み手の経験の範囲規則の多い網では見落としが出る。件数が増えると読みが浅くなる変更が少なく、網が小さい会社
検証機や検証環境で試してから入れる構文と、検証機にある範囲の動き本番の経路・規則・クラウドとの接続が再現されない機器の更新手順の確認など
本番の写しで影響を計算し、合格したものを人が承認する経路・到達性・規則・準拠の論理写しの鮮度、回線の混み具合、機器の故障は別の話規則が多く、変更の件数も多い会社

この表で大事なのは、4つ目の道でも人の承認と本番への投入は別の段として残ることです。Forward Networks の基盤自体は設定を書き換えないため、合格した変更を本番に入れるのは、既存の自動化の仕組みか、人か、別の実行役のエージェントです。検証を入れたからといって、実行の権限の設計が不要になるわけではありません。

人が読んで承認するだけでは足りない理由

AIが書いた設定案を人が読んで承認する形は、一見すると十分に慎重です。しかし規則が数千行あるファイアウォールで、1行の追加が他のどの通信に効くかを目で読み切るのは、熟練者でも困難です。人が読んで分かるのは「書かれていることが依頼どおりか」までで、書かれていない副作用、つまり意図せず開いてしまった経路は、読んでも見えません。発表ブログが回帰試験の役割として挙げているのも、まさにこの「開けるつもりのなかった経路」です。

AIエージェントが変更を並行して大量に出す場合、読む側の負担はさらに増えます。1日に数件だった変更が数十件になれば、承認者は1件ずつ深く読めなくなり、承認は形だけになりがちです。承認の印が押されていても、承認者が何を確かめたのかを後から説明できない状態は、事故のあとで最も困る状態です。

事前検証を挟む意味は、承認者に「読んだ」ではなく「この条件に合格した」という証拠を渡せることにあります。承認者は合否と証拠を見て判断し、合格の条件そのものが妥当かどうかに集中できます。人の役割がなくなるのではなく、人が見る場所が、設定の行から合格の条件へ移ると考えるのが正確です。

本番の写しで試すことの限界

事前検証は強力ですが、万能ではありません。一般提供の発表と発表ブログに挙がっている検証の対象は、経路・到達性・規則・分離・準拠といった論理のふるまいです。回線の混み具合、変更を入れる瞬間の一時的な切断、機器の処理能力の限界、機器自体の不具合は、公表された検証の項目には含まれていません。提供元の説明には「変更に伴う危険をなくす」という強い表現もありますが、限界を書いた公式の記述は見当たりませんでした。

もう一つの弱点は、写しの鮮度です。写しは収集した時点の設定と状態から作られます。収集のあとに誰かが手で本番を変えていれば、写しの上の合格は古い網に対する合格になります。AIエージェントが並行して複数の変更を出すときも、それぞれが同じ時点の写しで合格していて、組み合わさったときに問題が出る可能性があります。

  • 写しを最後に収集した日時を確かめないまま、合格の結果だけを見て承認する
  • 同じ時間帯に入れる複数の変更を、1件ずつ別々に検証して合格とみなす
  • 「数学的に正しい」という説明を、回線の負荷や機器の故障まで保証すると読み替える
  • 検証の対象に入っていない機器やクラウドの網を含む変更を、検証済みとして扱う

こうした限界を踏まえると、事前検証は「本番での確認を省く仕組み」ではなく、本番に入れる前に、論理の誤りを先に潰しておく仕組みと位置づけるのが現実的です。投入後の監視と、異常が出たときの切り戻しは、従来どおり用意しておく必要があります。

合格の条件は誰が書くか:AIに判定させない

Forward Predict の流れの起点は、人が書く「意図」です。たとえば「本社から会計システムへの通信は通る」「来客用の無線から社内の基幹網へは届かない」「外部に公開するのは特定の受付口だけ」といった、守るべきふるまいの一覧です。この一覧がそのまま合格の基準になるため、書き漏れた条件は試験されません。

ここでAIエージェントに意図まで書かせると、問題が生じます。変更を考えるのも、合格の条件を書くのもAIであれば、AIは自分の変更が通る条件を書けてしまいます。悪意がなくても、依頼文に書かれた目的だけを条件にして、もともと守るべきだった分離の要件を落とすことは十分に起こります。変更を提案する役と、合格の条件を持つ役は分けるのが原則です。

実務では、情シスとセキュリティの担当が、全社で常に守る条件(基幹網の分離、外部公開の範囲、監査で求められる要件)を回帰試験の一覧として持ち、変更ごとの意図は依頼者が書いて情シスが確認する、という二層にすると運用しやすくなります。AIには、意図の下書きや、過去の変更から条件の候補を挙げさせる程度にとどめ、採用するかどうかは人が決め、根拠をAIに書かせる形にしておくと、後から説明がつきます。

読み取りと変更を分ける:検証の資格と実行の資格

Forward Networks の基盤は、読み取り専用の資格情報で機器に入り、設定を書き換えないと公式に書いています。これは情シスにとって大きな利点で、検証基盤に渡す鍵と、本番を変える鍵を、最初から別にできるということです。検証基盤が乗っ取られたり、AIが誤った指示を受けたりしても、そこから直接本番が書き換わることはありません。

ただし、変更を実際に本番へ入れる役は別に存在します。既存の自動化の仕組み、構成管理の道具、あるいは別のAIエージェントです。ここで、実行役の資格を「検証に合格した変更だけを入れられる」ように絞れているかが問われます。実行役が網全体の管理者権限を持ち、検証を通らない変更も入れられる設計であれば、検証は迂回できる手続きにすぎなくなります。

読み取りの側にも分け方があります。Forward Networks の製品更新のお知らせでは、機器の設定ファイルや状態のファイルを閲覧・取得できない限定的な読み取りの役割が紹介されています。MCPでつなぐエージェントや社員のAIには、質問には答えられるが、設定の全文は持ち出せない役割を割り当てられるかを、導入前に確かめておくとよいでしょう。

検証を通ったものだけを人が承認する流れ

ここまでを踏まえて、AIエージェントにネットワークの変更を提案させるときの流れを組み立てると、次のようになります。ポイントは、検証の合格を承認の前提条件にし、承認と投入の間で写しの鮮度を確かめ直すことです。

STEP1
依頼と意図を人が書く

依頼者が「何を通し、何を止めたいか」を意図として書き、情シスが全社の回帰条件と矛盾しないかを確認します。AIには下書きまでを任せます。

STEP2
エージェントが変更案を作り、写しで検証する

エージェントは写しの上で変更を設計し、意図の試験と回帰試験を通るまで手直しします。この段では本番に触れません。

STEP3
合否と証拠を承認者に渡す

合格した変更だけが承認待ちに入ります。承認者は合否、影響を受ける経路の一覧、写しの収集日時を見て判断します。

STEP4
投入の直前に写しを取り直す

承認から投入までに時間が空いたときや、同じ時間帯に別の変更があるときは、最新の状態で検証をやり直します。

STEP5
実行役が投入し、結果を記録する

検証に合格し承認された変更だけを入れられる資格で投入し、変更の番号・検証の結果・承認者を一つの記録に結びつけます。

この流れのうち、AIに任せてよいのは2つ目の段だけで、残りは人か、人が設計した仕組みが受け持ちます。AIは変更案を出す役であって、通すかどうかを決める役ではないという線を、文書の形で決めておくことが大切です。

戻し方:切り戻しの変更も先に検証しておく

どれだけ事前に検証しても、本番で想定外のことは起こり得ます。そのときに慌てて手で戻そうとすると、戻す操作そのものが新しい事故になることがあります。本番に入れる変更と一緒に、元に戻すための変更も用意し、同じように写しで検証しておくと、戻す判断をしたときに迷わずに済みます。

戻す判断を誰がするかも、先に決めておきます。投入後の監視でどの数値が崩れたら戻すのか、その判断を当番の担当者が単独でしてよいのか、変更を依頼した部門の了承が要るのかを決めておかないと、判断が遅れて影響が広がります。AIエージェントに切り戻しまで自動で実行させる設計も考えられますが、戻す判断の基準と実行の権限は、人が持つほうが説明しやすくなります。

記録の面では、変更の依頼、AIが出した案、検証の結果、承認者、投入の時刻、戻した場合はその理由を、ひとつの変更番号で追えるようにしておきます。ServiceNow のような変更管理の仕組みと連携できると公式に書かれているのは、検証の証拠を変更の記録に添付できる点で意味があります。具体的にどの項目が連携されるかは、導入前に確かめる必要があります。

検証基盤に渡す構成データの扱い

デジタルツインを作るということは、社内ネットワークの設計図をまるごと一か所に集めることです。機器の設定には、内部のアドレスの割り当て、拠点の構成、外部との接続点、ファイアウォールの規則が含まれ、攻撃者から見れば最も欲しい情報の一つです。検証基盤は、それ自体が守るべき重要な資産になるという前提で扱う必要があります。

提供形態の選択がここで効きます。公式の文書ではクラウド型と自己ホストの2形態が示されているため、クラウド型を選ぶ場合は、写しのデータがどの国のどの設備に置かれ、提供元の誰が触れられるかを契約前に確かめます。自己ホストを選ぶ場合は、基盤の保守と更新を自社で受け持つことになります。脆弱性の検査結果や業務の付帯情報まで取り込むなら、どの情報まで写しに入れるかを、目的に合わせて絞ることも検討します。

さらに、AIとつなぐ段で情報の流れが一段増えます。社員の Claude や ChatGPT を MCP で接続すれば、質問への回答として返った経路や設定の行は、そのAIの提供元へ送られます。自前の言語モデルを持ち込める構成でも、どのモデルを使うかで行き先は変わります。写しの置き場所と、AIへ渡る範囲は、別々に決める必要があります。

  • 公式ページには、Forward AI が回答を作るときに、どの言語モデルにどの情報が渡るかの説明は見当たらなかった。契約前に書面で確認する
  • 限定的な読み取りの役割は、製品更新のお知らせで紹介されたもの。自社の契約・版で使えるかは確認が必要
  • 日本の拠点や日本語での支援の範囲は、2026年2月の事業拡大の報道以上の情報が少ない。問い合わせで確かめる

他社の考え方:実行の入口で照らすか、過去の障害で試すか

ネットワークの運用にAIエージェントを使う製品は、ほかにも出てきています。比較の材料として2つ挙げます。Gluware は2025年11月に Titan を発表し、MCPサーバーを通じてAIの操作を運用者の意図と照らし合わせる仕組みを打ち出したと伝えられています。実行の入口で操作を照合する考え方で、写しで影響を計算する Forward Networks とは、確かめる場所が違います。

Selector は2026年9月に Foundry を発表し、障害調査のエージェントを過去の障害の記録で試してから本番の運用に昇格させる流れを示したとされています。こちらはエージェントそのものの腕前を事前に確かめる考え方で、個々の変更の合否を見る事前検証とは対象が異なります。どちらも本記事では公表された概要の範囲でのみ扱っており、詳細は各社の公式情報で確かめてください。

3つを並べると、検証を置く場所の選択肢が見えてきます。変更の中身を写しで計算するか、実行の入口で意図と照らすか、エージェントの能力を過去の事例で試すかです。これらは排他的ではなく、変更の論理の誤り、実行時の逸脱、エージェントの判断の質を、それぞれ別の場所で押さえるという組み合わせも考えられます。自社が最も恐れる失敗がどれかで、最初に入れる場所を決めるとよいでしょう。

費用の増え方と止め方

価格は公式サイトでは公開されておらず、見積もりでの提供です。2026年8月から30日間の無料試用が案内されているため、まずは一部の拠点や一部のファイアウォールに絞って写しを作り、自社の機器とクラウドの構成がどこまで正しく写せるかを確かめるのが現実的です。一般提供の発表では対応する機器やクラウドの追加にも触れていますが、自社の機種が対象かは個別に確認が必要です。

費用は、写しに入れる機器や網の範囲、つなぐ部門、AIの利用の量で増えていくと考えられます。AIエージェントが変更案を何度も手直しして検証を繰り返す使い方では、自前の言語モデルやAIの提供元側の費用も積み上がります。どの部門のどの依頼で検証が回っているかを、月ごとに見られるようにしておくと、費用の説明がしやすくなります。

止め方は、段ごとに用意しておきます。AIエージェントを止めたいときは MCP の接続と実行役の資格を失効させ、検証基盤は人の調査用に残す。基盤ごとやめるときは、収集用の読み取り資格を機器から外し、クラウド型であれば写しのデータの削除を提供元に求めます。やめるときに写しのデータがどう消えるかを、契約の段階で確かめておくことが、構成データを預ける側の最低限の備えです。

導入前の確認項目

ここまでの論点を、導入を判断する会議で使える確認項目にまとめます。すべてに答えが出ていなくても、答えが出ていない項目を把握したうえで試用に進むことが大切です。

  • 写しに入れる機器・クラウドの網の範囲と、対象外の機器を含む変更の扱いを決めたか
  • 全社で常に守る条件(分離・外部公開・監査の要件)を、回帰試験の一覧として人が書いたか
  • 変更を提案するAIと、合格の条件を持つ人の役割を分けたか
  • 本番を変える実行役の資格を、検証に合格し承認された変更だけを入れられるように絞ったか
  • 写しの収集日時を承認の画面で確かめ、投入直前に取り直す条件を決めたか
  • 切り戻しの変更も同じように検証し、戻す判断の基準と権限を決めたか
  • クラウド型か自己ホストか、写しのデータの置き場所と提供元の触れられる範囲を確かめたか
  • MCPでつなぐAIへ渡る情報の範囲と、設定の全文を持ち出せない役割の有無を確かめたか
  • 変更の依頼・AIの案・検証結果・承認者・投入の記録を、一つの番号で追えるか

この一覧で答えに詰まる項目が多い場合は、AIエージェントに変更を実行させる段階ではなく、まず人の変更に事前検証を使い、写しの精度と運用の手順を固める段階から始めるのが無理のない順番です。人の変更で検証の運用が回るようになってから、AIの提案を同じ流れに載せるほうが、問題が起きたときの切り分けも容易になります。

まとめ

AIエージェントにネットワークの設定変更をさせるとき、検証機で動いたことは本番で正しく動く証拠になりません。Forward Networks が2026年9月に一般提供した事前検証は、本番の設定と状態から作った写しの上で、経路・到達性・規則・準拠への影響を先に計算し、合否と証拠を承認者に渡す仕組みです。基盤は読み取り専用で設定を書き換えないため、検証と実行の資格を分けやすいという利点もあります。一方で、写しの鮮度、回線の負荷や機器の故障は検証の外にあり、合格の条件を書くのも、承認するのも、本番に入れる実行役の権限を絞るのも、人の仕事として残ります。AIには変更案を出させ、通すかどうかは人が決める。その線を、試す場所・合格の条件・承認・実行の資格・戻し方・構成データの扱いの6点で文書にしてから、試用に進んでください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次