OSSのasagoとは何か?|AI方針を受け入れ試験へ

OSSのasagoとは何か?|AI方針を受け入れ試験へ

「方針文書をAIに読ませれば、エージェントが方針どおりかを自動で確かめてくれる道具が出たらしい」「大手が共同で作っているのだから、入れれば監査にもそのまま使えるのでは」——社内で作るAIエージェントの数が増え、受け入れの審査が追いつかなくなった会社の情シスやAI導入担当から、最近こうした期待を聞きます。その期待の先にあるのが、Red Hat が2026年8月に立ち上げたオープンソースの取り組み asago です。けれども asago は、入れれば方針への適合を証明してくれる完成品ではありません。本当は、方針文書から試験の場面を起こし、結果と対策を一本の記録につなぐための、まだ初期段階にある部品の集まりです。この記事では、asago が何をしようとしているのか、11月時点で実際に公開されている部品はどこまでか、そして手作業の受け入れ審査と比べて、どこを道具に預け、どこを人が持ち続けるべきかを整理します。インストールや操作の手順は扱いません。


カメ先生カメ先生

asago は、AIの方針を自動で守らせる道具だと思われがちなんだ。でも本当は、方針の文章から試験を作るまでの手作業を減らして、何を試して何が起きたかを記録に残すための仕組みなんだよ。


カメ子カメ子

方針に合っているかどうかの判断まで、道具がしてくれるわけではない、ということですか。


カメ先生カメ先生

そう。方針の言葉をどう読むか、どの試験に通れば社内に入れてよいかは、会社ごとに違う判断だからね。道具が得意なのは、読み取りの候補を根拠付きで並べることと、試験を大量に作って記録すること。その二つを分けて考えると、預けてよい範囲が見えてくる。


カメ子カメ子

判断は人、下ごしらえと記録は道具、という線を先に引いておくんですね。


この記事のポイント
  • asago は Red Hat が2026年8月4日に発足を発表した、AIの方針文書から試験・対策・配備までをつなぐことを目指すオープンソースの取り組みで、IBM の研究部門、Microsoft、NVIDIA、英国の研究所などが参加している
  • 11月時点で公開されているのは、方針の読み取り、試験場面の生成、攻撃試験への書き出し、対策の推奨などの部品で、試験場面の生成は開発の初期段階、部品を通しで自動でつなぐ仕組みはまだない
  • 方針の解釈と合否の判断はAIに任せず人が持ち、道具には根拠付きの候補づくり・試験の生成・記録を預ける。日本語の規程と国内の法令にそのまま当てられる前提では考えない

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

目次

誤解:「asago を入れれば、方針どおりのAIかを自動で証明できる」

asago の発表文には「方針から本番まで」「数か月ではなく数日で」といった力強い言葉が並びます。そのため、方針文書を読み込ませれば、社内のエージェントが規程に合っているかを判定し、監査用の証拠まで自動でそろう道具だと受け取られがちです。発表の時点で、IBM の研究部門や Microsoft、NVIDIA、英国のアラン・チューリング研究所などが名を連ねていたことも、完成品だという印象を強めています。

しかし、発表と同じ日に公開された Red Hat の公式ブログは、この取り組みが初期段階にあり、示した構成は最初の設計図で、共同体とともに変わっていくとはっきり書いています。発表文が描いているのは目指す姿であり、今日すぐに使える機能の一覧ではありません。発表文の言葉と、公開されている部品の成熟度を分けて読むことが、この取り組みを社内で検討するときの出発点になります。

もう一つの誤解は、道具が「方針に適合している」と言えば、それが会社としての判断になるという考え方です。asago の部品が出すのは、方針の文章から読み取ったリスクの候補、その根拠の引用、確からしさの数値、試験の場面、試験の結果、対策の候補です。どの候補を採り、どの結果なら社内に入れてよいかを決めるのは、最後まで会社の人です。Red Hat の開発者向け記事も、asago によって安全の専門家が要らなくなるわけではないと明記しています。

asago とは:方針文書から試験と対策までをつなごうとする共同開発

asago は、英語で「AIの安全性とガバナンスをつなぐ仕組み」を意味する正式名称の頭文字をとった名前で、表記は小文字の asago です。2026年8月4日、米国ノースカロライナ州ローリーに本社を置く Red Hat が、共同体としての発足を発表しました。参加団体として、AI企業のアルキミア、ブラウザを作るブレイブ、AIの評価の研究に取り組む連合体、IBM の研究部門、オーストリアの大学、Microsoft、MIT のリンカーン研究所、ノースカロライナ州立大学、NVIDIA、アラン・チューリング研究所が挙げられています。

発表文は、目指す流れを四つの段階で説明しています。一つ目は、アップロードした社内のAI方針を読み取り、米国の国立標準技術研究所が出した NIST のAIリスク管理の枠組み、OWASP がまとめた大規模言語モデルの主な脆弱性十項目、EU のAI法などに、IBM の AI Risk Atlas を介して対応づける段階。二つ目は、見つかったリスクに合わせた試験の場面を作って実行する段階。三つ目は、試験の結果をもとに防御の仕組みなどの対策を推奨する段階。四つ目は、推奨した対策を Kubernetes や Terraform、構成管理の道具で使える設定として配備する段階です。

ライセンスは Apache 2.0 で、利用・改変・社内での再配布に費用はかかりません。公式ブログによれば、asago の狙いは既存の評価や攻撃試験の道具を置き換えることではなく、それらをつなぐ層になることです。良い道具がある所はそれを使い、隙間だけを埋めるとしています。なお、ブログの執筆者の紹介には、Red Hat が2025年12月にAIの安全性評価の会社チャッターボックス・ラボを買収し、その創業者がこの取り組みの設計を担っていると書かれています。

8月の発表と、11月時点で公開されている部品

発表から3か月半がたった11月21日時点で、GitHub 上の asago の組織には十数個のリポジトリが並んでいます。主な部品は、方針文書からリスクを読み取る部品、試験の場面を作る部品、場面を攻撃試験の材料に書き出す部品、試験の結果から防御の設定を推奨する部品、そして隔離した環境でエージェントに罠を仕込んで振る舞いを確かめる部品です。方針の読み取りの部品は11月20日にも更新されていて、開発は活発に続いています。

一方で、成熟度は部品ごとにばらばらです。試験場面を作る部品の説明書には、開発のごく初期を意味するプレアルファの段階で、入出力の形式は予告なく変わりうると書かれています。対策を推奨する部品は初版で、Red Hat の11月18日の開発者向け記事は、この部品が2026年9月時点で開発段階にあったとしています。どの部品にも、版番号を付けた正式な公開(リリース)はまだ出ていません。

もう一つ押さえておきたいのが、10月1日に承認された設計上の決定記録です。そこでは、各部品を一つのサーバーからネットワーク越しに呼べるようにする一方で、部品を呼ぶ順番の制御と結果の保存は呼び出す側の仕事だと定めています。試験の実行そのものも範囲外です。つまり、発表文が描く「方針を入れると対策が配備される」通しの流れは、まだ道具の中にはなく、使う会社が自分でつなぐ必要があります。10月12日には、各部品の結果を報告書にまとめる部品の設計案も出ていますが、こちらは下書きの段階です。

部品することの説明11月時点の状態
方針の読み取り方針文書からリスクの候補を挙げ、根拠の箇所と確からしさを付ける公開済み。11月も更新が続く
試験場面の生成エージェントの説明とリスクから、攻撃や誤作動の場面を作るプレアルファ。形式は予告なく変わる
攻撃試験への書き出し場面を、既存の攻撃試験の道具で流せる材料に変えるNVIDIA 系の道具に対応。PyRIT などは予定
対策の推奨成功した攻撃ごとに、最小限の防御の設定を選んで試す初版。入力側の防御のみ
通しの自動化上の部品を順につなぎ、結果を保存する道具の範囲外。呼び出す側が作る

手作業の受け入れ審査は、どこで詰まるのか

asago が解こうとしている問題は、公式ブログの説明がわかりやすいので、そのまま追ってみます。社内で新しいエージェントを受け入れるとき、まず方針づくりの担当が、AIでしてよいこと・いけないことを文書にまとめます。次に誰かがその文書を読み、どんなリスクが含まれているかを抜き出します。さらに、そのうちどれが今回のエージェントに当てはまり、どれが技術的に試せるものかを仕分けます。そのうえで技術の担当が試験の場面を作り、攻撃試験の道具で流し、結果を読んで防御を足し、通るまで試し直します。

この流れが詰まるのは、各段階の担い手が違い、受け渡しが文書とメールと口頭でつながっているからです。法務が書いた「顧客を誤解させる表現をしない」という一文が、技術の担当の手元でどんな試験になったのか、あとから追えない。試験の結果を見て足した防御が、方針のどの条文に対応するのかも記録されていない。公式ブログは、この状態が承認の遅れと、つながっていない監査の記録を生み、社内外の監査人に何をしたかを示しにくくしていると指摘しています。

日本の会社でも事情は同じです。エージェントが一本や二本のうちは、詳しい担当者が頭の中でつないで回せます。ところが部門ごとにエージェントが増え、改定のたびに方針が変わるようになると、どの方針の版で、どの試験をして、何を根拠に通したかを説明できなくなります。asago を検討する価値があるのは、この「つながっていない記録」に困っている会社です。審査の件数が少なく、担当者が一人で全体を見渡せているなら、道具を足す前に、手作業の記録の形をそろえるほうが先です。

部品1:方針の読み取りは、根拠の引用と確からしさを付けて返す

いま最も形になっているのが、方針文書からリスクを読み取る部品です。PDFやワード文書、ウェブページの形の方針を読み込み、文章を細かく区切って、IBM が公開しているリスクの一覧と照らし合わせます。説明書によれば、照らし合わせる先は IBM の Risk Atlas のほか、マサチューセッツ工科大学のリスクの収録集などを合わせた約486件のリスクで、見つけたリスクはさらに NIST の枠組みや OWASP の十項目などの大きな分類にも対応づけられます。

この部品のよいところは、見つけたリスクごとに、根拠になった方針の文章とページを引用し、確からしさの数値を付けて返す点です。説明書の例では、「医療上の助言と受け取られうる内容を生成してはならない」という一文から、事実と異なる内容を生成するリスクを読み取り、0.92 という確からしさと、引用元のページ番号を示しています。確からしさの数値は、人が見直すべき不確かな対応づけを見分けるために付けている、と説明書自身が書いています。

精度については、説明書が評価の数字を公開しています。27本の方針文書を使った評価で、手元の計算機で動く既定の構成に言語モデルによる判定を加えた場合、正解とどれだけ一致したかを示す総合の指標が0.719、別のモデルの組み合わせと候補を広げる設定で0.753でした。裏返せば、読み取りの結果には漏れと余計な候補が一定の割合で混ざるということです。この数字は、読み取りを人の確認なしに使ってはいけない理由そのものです。

部品2・3:試験場面の生成と書き出しは、まだ人の下準備を前提にしている

読み取ったリスクから試験の場面を作る部品は、エージェントの使い道の説明とリスクの一覧を受け取り、攻撃や誤作動の筋書きを作ります。ここで説明書が強調しているのは、道具が自動で推し量れるエージェントの構成は部分的なものにとどまる、という点です。実のある試験にするには、どこが信頼の境目か、どんな外部の仕組みとつながっているかといった構成の情報を、担当者が見直したうえで渡す必要があると書かれています。その情報がないと、試験の場面が一つも作られないまま終わることもあるそうです。

説明書は、処理が正常に終わったかどうかだけで成功と見なさず、実行記録と、採用された場面・除外された場面の一覧を確かめるよう求めています。道具は動いたのに中身が空だった、という事態を防ぐためです。試験の件数について、Red Hat の開発者向け記事は、十分に網羅しようとすると数百から数千件の試験になりうると書いています。件数が増えるほど、結果を全部人が読むことはできなくなるので、どこを抜き取って読むかの設計が要ります。

作った場面を実際の攻撃試験に流せる形に書き出す部品は、11月時点で NVIDIA が公開している攻撃試験の道具に対応し、ほかの道具への対応は予定の段階です。PyRIT のような攻撃試験の道具の使い方そのものは、別の記事で扱っているので、ここでは繰り返しません。押さえておきたいのは、asago は試験の材料を作る側で、試験を実行し採点するのは別の道具だという分担です。

部品4:対策の推奨は初版で、入力側の防御に限られる

試験で成功してしまった攻撃に対して、どんな防御を足せばよいかを推奨する部品も公開されています。説明書によれば、この部品は成功した攻撃ごとに特徴を拾い、防御の一覧からそれを止められそうなものを選び、一つで足りなければ二つまでの最小限の組み合わせを推奨します。「全部入れる」という推奨は決して出さない、と明記しているのが特徴で、何でも有効にすると止める率は上がる一方で、どの防御が効いたのか、何を見逃しているのかが見えなくなるからだと説明しています。

推奨した設定は、実際にその攻撃に当てて止まるかを試し、結果を効き目の証拠として記録します。どの防御でも止められない攻撃は、隙間として報告されます。ただし、この初版が扱うのは、利用者の入力がエージェントに届く前に調べる防御だけです。エージェントが道具を呼んだ結果に紛れ込む指示や、エージェントの出力を調べる防御は、まだ対象外です。

つまり、発表文の四つ目の段階、推奨した対策を本番の設定として配備して再試験する流れは、部品の初版が出たところで、通しで回る状態ではありません。推奨された設定を本番に入れるかどうかは、性能への影響、正当な問い合わせまで止めてしまう誤検知、運用の手間を含めて、情シスとエージェントの持ち主が判断することになります。推奨の部品はその判断材料を整える道具であり、判断の代わりではありません。

比較:手作業の受け入れ審査と、asago に預ける範囲

ここまでを踏まえて、受け入れ審査の各工程を、人が持ち続けるところと道具に預けられるところに分けてみます。基準は単純で、会社ごとの事情や責任が絡む判断は人、量が多く形の決まった作業と記録は道具です。asago の部品の成熟度もあわせて見ると、11月時点で無理なく預けられるのは、方針の読み取りの下書きと、試験の材料づくりの一部に限られます。

工程手作業で回す場合asago に預けられる範囲人が持ち続けること
方針の読み取り担当者が条文を読み、リスクを書き出すリスク候補・根拠の引用・確からしさの下書き候補の採否、自社の言葉での言い換え
当てはまるリスクの仕分けエージェントごとに会議で決めるなし(構成の情報は人が書く)どのリスクを今回試すかの決定
試験場面の作成技術の担当が手で書く筋書きの生成(初期段階)場面の妥当性の確認、除外の理由
試験の実行と採点攻撃試験の道具を個別に動かす範囲外(別の道具で実行)合格の基準、抜き取りでの読み直し
対策の選定と配備担当者が設定を書く入力側の防御の候補と効き目の記録本番に入れるか、誤検知の許容範囲
監査への説明文書を後から集め直す条文・試験・結果のつながりの記録記録の保管と、説明の責任

表を見ると分かるとおり、手作業の審査を asago に置き換えるという考え方は、いまの段階では当てはまりません。現実的なのは、手作業の審査の流れはそのままに、読み取りの下書きと記録の形を asago に合わせていく使い方です。そうしておけば、部品が成熟したときに、試験の生成や対策の推奨を段階的に足していけます。逆に、通しの自動化を前提に審査の体制を組み替えると、部品の仕様が変わるたびに審査が止まります。

方針の解釈と合否の判断を、道具に渡さない理由

方針の読み取りをAIに任せたくなるのは、条文が抽象的で、読むのに時間がかかるからです。しかし、その抽象さこそが会社の判断の置き場所です。Red Hat の開発者向け記事は、ある大学の方針にある「不適切、差別的、欺瞞的、その他有害な内容を作ってはならない」という一文を例に、こうした言葉を技術的な確認に落とすのは難しいと書いています。何を欺瞞的と見なすかは、業界や顧客との関係、過去の事故によって会社ごとに違います。

道具がこの一文を読み取ると、誤った情報の生成や、人をあざむく使われ方といった、一覧にあるリスクの名前に対応づけてくれます。けれども、自社が本当に恐れているのが「キャンペーンの条件を実際より有利に見せる回答」なのか、「他社製品を不当に下げる比較」なのかは、一覧の名前からは出てきません。リスクの名前を選ぶのは道具でもよいが、自社にとっての意味を書き足すのは人です。そこを省くと、試験は一覧どおりなのに、自社が困る失敗は一度も試されないという結果になります。

合否の判断も同じです。数百件の試験のうち何件までの失敗なら受け入れるのか、顧客の個人情報に関わる失敗は一件でも不合格にするのか、こうした線は道具の中にはありません。合格の線は、試験を始める前に人が決めて記録しておく必要があります。結果を見てから線を引くと、通したいエージェントに合わせて基準が緩む、という審査で最も避けたい事態が起きやすくなります。

  • 方針の読み取りの結果を、確からしさの数値だけで採否し、根拠の引用を人が読まない
  • 試験の結果を見てから、合格の基準を決める
  • 推奨された防御の設定を、誤検知の確認をせずに本番へ入れる
  • 道具の実行が正常に終わったことを、試験が行われた証拠として扱う

日本の会社の方針文書で使うときの壁

asago を日本の会社で検討するときに、必ず確かめたいのが言語です。方針の読み取りの部品の説明書や例は英語の方針を前提にしていて、日本語の規程でどこまで正しく読み取れるかについての評価は、公開されている説明には見当たりません。公式ブログも、発足時の参加団体は米国・英国・欧州にとどまり、言語や地域の広がりを増やすために参加を呼びかけていると書いています。日本語の規程をそのまま読ませて、英語の方針と同じ精度が出る前提で考えないほうが安全です。

もう一つの壁は、照らし合わせる先のリスクの一覧です。一覧の中身は、IBM の Risk Atlas や NIST の枠組み、OWASP の十項目など、米国と国際的な枠組みが中心です。EU のAI法には触れていますが、日本のAI推進法や、経済産業省と総務省のAI事業者ガイドライン、個人情報保護法の考え方は、一覧の側に用意されていないと考えておくべきです。国内の法令や指針に由来する社内ルールは、読み取りの結果に出てこない可能性があります。

現実的な進め方は、日本語の規程から、試験にしたい条文だけを担当者が抜き出し、英語の要約を添えて読み取りにかけ、結果を原文と突き合わせることです。国内の法令に由来する項目は、読み取りの結果とは別に人が試験項目として書き足します。既製のリスク一覧を社内規程に写す作業そのものは、別の記事で扱っているので、ここでは「asago の読み取りに渡す前に、何を人が補うか」に絞って準備するのがよいでしょう。

何が社外に出るか、費用はどう増えるか

asago の部品はどれも、内部で大規模言語モデルを呼び出します。方針の読み取りでは、方針の文章を区切ったものが、検索の問いの生成や、根拠の判定のためにモデルに送られます。試験場面の生成では、エージェントの使い道の説明と構成の情報が送られます。呼び出す先は、使う会社が指定します。どのモデルに送るかを決めるのは道具ではなく、使う会社です。

方針の読み取りの部品は、文章の照合に使う小さなモデルを手元の計算機で動かす既定の構成を持ち、言語モデルも自社で立てたものを指定できます。一方、攻撃試験の材料を作る部品は、Gemini の鍵を設定すると既定でそれを使う、と説明書に書かれていて、OpenAI などのサービスも選べます。どの部品が、どの外部サービスに、何を送るのかを部品ごとに確かめることが、社内に入れる前の最初の作業になります。試験場面の生成の部品は、実行記録にモデルの名前や接続先は残すが鍵の値は残さない、と説明しています。

送られる中身にも注意が要ります。社内のAI方針は、それ自体が公開前提でない文書であることが多く、エージェントの構成の情報には、つながっている社内の仕組みや信頼の境目が書かれます。攻撃試験の材料には、そのエージェントを破るための筋書きが並びます。これらは攻撃者にとっての手引きにもなるので、外部のモデルに送るなら、契約上の扱いと保存期間を確かめ、送らない構成を選べる部品は手元のモデルで動かすのが基本です。

  • 方針文書・構成の情報・攻撃の筋書きは、社外秘として扱い、送り先のモデルの利用条件を確かめる
  • 攻撃試験の材料を作る部品は、既定の接続先を必ず確かめ、意図しないサービスに送らない設定にする
  • 結果の保存は呼び出す側の責任なので、保存場所と閲覧できる人を先に決める

ライセンスの費用はかかりませんが、使う量に応じて増える費用があります。一つ目は、言語モデルの呼び出しの費用です。方針の読み取りでは、区切った文章ごとに検索の問いの生成や根拠の判定でモデルを呼び、試験場面の生成でも段階ごとにモデルを呼びます。外部のサービスを使えば呼び出しの量に応じた料金が、自社でモデルを立てれば計算機の費用がかかります。精度を上げるためにより大きなモデルを使うほど、費用も上がります。

二つ目は、試験の実行の費用です。試験は数百から数千件になりうるとされ、そのたびに試験対象のエージェントが動きます。エージェントが外部のモデルを使っていれば、その呼び出しの料金も試験の件数に比例して増えます。三つ目は、人の時間です。読み取りの結果の見直し、構成の情報の記入、抜き取りでの結果の読み直しは、件数が増えるほど重くなります。道具で浮いた時間が、そのまま確認の時間に置き換わることは珍しくありません。

見積もるときは、エージェント一本あたりで、読み取り・場面生成・試験実行のモデル呼び出しの回数と、人が見直す時間をそれぞれ数えておくと、手作業の審査と比べやすくなります。方針が改定されるたびに読み取りからやり直す前提で、年間の改定回数も掛け合わせておきましょう。

マーケ部門のエージェントを例にした受け入れ試験

具体的な場面で考えてみます。マーケ部門が、ウェブサイトの問い合わせに答え、資料請求の受付や商談の日程調整までするエージェントを作ったとします。社内のAI方針には、「顧客の個人情報を本人以外に開示しない」「価格や契約条件を確約しない」「他社製品を不当に評価しない」といった条文があるとします。Red Hat の開発者向け記事が例に挙げているのも、指示の注入によって顧客の個人情報が漏れるという場面で、問い合わせ対応のエージェントは典型的な対象です。

asago の部品を使うなら、まず方針の読み取りで、三つの条文から情報漏えい・事実と異なる内容の生成・あざむく使われ方といったリスクの候補を得ます。次に、エージェントが顧客管理の仕組みと日程の仕組みにつながっていること、問い合わせ文は社外の誰でも書けることといった構成の情報を担当者が書き、試験場面を作らせます。たとえば「問い合わせ文の中に、別の顧客の連絡先を返すよう指示する文を紛れ込ませる」といった筋書きが出てくるはずです。

ここで人が持つのは三つです。一つ目は、価格を確約しない条文を、自社の割引の決め方に照らして具体的な禁止例に書き直すこと。二つ目は、個人情報に関わる試験は一件の失敗でも不合格といった線を、試験の前に決めておくこと。三つ目は、推奨された入力側の防御を入れたとき、正当な問い合わせまで止まらないかを確かめることです。道具が筋書きを大量に作ってくれるほど、この三つを決めておかないと、結果の山を前に判断ができなくなります。

誰が何を持つか:法務・AI導入担当・情シス

asago のような道具を入れると、審査の担い手が変わるように見えますが、実際には役割の分け方をはっきりさせる必要が増えます。法務やコンプライアンスの担当が持つのは、方針の本文と、その解釈です。読み取りの結果に出てきたリスクの候補を採るか捨てるか、国内の法令に由来する項目を足すかを決めるのはこの役割で、読み取りの結果に署名する人を一人決めておくと、監査で説明しやすくなります。

AI導入担当は、エージェントごとの構成の情報を書き、試験場面の妥当性を確かめ、合格の線を持ち主の部門と合意します。マーケ部門のエージェントなら、マーケの責任者が持ち主として結果に同意する形にします。情シスは、部品を動かす環境、モデルの接続先、結果の保存場所と閲覧の権限、推奨された防御の本番への反映を持ちます。部品をつなぐ順番の制御と保存は呼び出す側の責任という設計なので、その部分を作って保守するのも情シスの仕事になります。

オープンソースである以上、提供元のサポート窓口はありません。説明書や設計の記録を読み、仕様の変更を追い、必要なら共同体の議論に参加するのは自社の担当者です。担当者が異動すると誰も追えなくなる状態は避けたいので、少なくとも二人が部品の更新を見ている体制にしておくのが目安です。社内に追える人がいない段階なら、無理に入れず、記録の形だけを参考にする選び方もあります。

試す順番と止め方

初期段階のオープンソースを社内に入れるときは、本番の審査に組み込む前に、小さく試して止められる形にしておくのが鉄則です。次の順番で進めると、部品の仕様が変わっても審査そのものは止まりません。

STEP1
過去の審査を一件、手作業の記録で整理し直す

すでに受け入れたエージェントを一本選び、使った方針の版、試した内容、結果、足した対策を一枚にまとめます。これが道具の出力と比べる正解の役を果たします。

STEP2
方針の読み取りだけを、手元のモデルで試す

社外に送らない構成で、方針の一部を読み取らせ、手作業の記録と突き合わせます。漏れと余計な候補の割合を自社の文書で測り、日本語の規程での精度を確かめます。

STEP3
試験場面の生成を、過去のエージェントで試す

構成の情報を担当者が書き、出てきた筋書きが、過去の審査で人が考えた試験を含んでいるか、見落としていた場面を足しているかを見ます。

STEP4
合格の線と記録の形を決めてから、新しい審査に並走させる

新しいエージェントの審査で、手作業と並べて使います。判断は手作業の側で行い、道具の出力は根拠の補強として記録に添えます。

STEP5
止める条件を決めておく

精度が自社の文書で十分に出ない、仕様の変更に追いつけない、送り先の条件が合わない、のどれかに当たったら使うのをやめ、手作業の記録に戻ります。

止め方を先に決めておけるのは、asago が審査の判断を持たない設計だからです。判断と記録の正本を手作業の側に残しておけば、道具をやめても審査は続けられます。逆に、道具の出力だけを記録の正本にしてしまうと、やめたときに過去の審査の説明ができなくなります。

導入前のチェックリストとミニ用語解説

asago を検討の俎上に載せる前に、次の項目を確かめておくと、入れてから困る事態を減らせます。

  • 受け入れ審査の件数と、記録がつながっていないことによる困りごとが、具体的に挙げられるか
  • 部品ごとの成熟度(プレアルファ・初版など)と、正式な版の公開の有無を確かめたか
  • 各部品が呼ぶ言語モデルの接続先と、方針文書・構成の情報・攻撃の筋書きの送り先を確かめたか
  • 日本語の規程での読み取りの精度を、自社の文書で測る段取りがあるか
  • 国内の法令・指針に由来する項目を、人が試験項目として書き足す担当がいるか
  • 合格の線を試験の前に決め、記録する運用になっているか
  • 部品をつなぐ順番の制御と結果の保存を、作って保守する担当が二人以上いるか
  • やめる条件と、やめたときに戻る手作業の記録の形が決まっているか
ミニ用語解説

受け入れ審査:新しいAIエージェントを社内で使い始める前に、方針に照らして試験し、使ってよいかを決める手続き。

攻撃試験:わざと悪意のある入力や仕掛けを与えて、AIが方針に反する振る舞いをしないかを確かめる試験。

指示の注入:問い合わせ文や、AIが読む文書・道具の結果の中に指示を紛れ込ませ、AIを本来と違う動きに誘導する攻撃。

防御の仕組み:AIへの入力や出力を調べ、方針に反するものを止める仕組み。asago の初版の推奨は入力側に限られる。

確からしさ:方針の読み取りの部品が、リスクの対応づけごとに付ける数値。低いものほど人が見直す対象になる。

まとめ

asago は、社内のAI方針から、新しいエージェントの試験・対策・配備までを一本の記録でつなぐことを目指す、Red Hat 主導のオープンソースの取り組みです。2026年8月の発表には多くの大手と研究機関が加わり、方針の読み取りなどの部品はいまも活発に更新されています。一方で、試験場面の生成はプレアルファ、対策の推奨は入力側に限った初版で、部品を通しでつなぐ仕組みはまだありません。11月時点の asago は、受け入れ審査を置き換える完成品ではなく、審査の下ごしらえと記録を助ける部品の集まりです。

預けてよいのは、根拠の引用と確からしさを付けたリスク候補の下書き、試験の筋書きの生成、条文と試験と結果をつなぐ記録です。方針の解釈、自社にとっての意味の書き足し、合格の線、本番へ入れるかの判断は人が持ち続けます。日本語の規程と国内の法令にはそのまま当てられない前提で、手作業の審査を正本に残したまま並走させ、自社の文書で精度を測りながら、預ける範囲を少しずつ広げていくのが現実的な付き合い方です。

※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。

あなたのWebサイトは、AIによる攻撃に耐えられますか?

AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。

運営会社:株式会社デボノ

目次