データリネージのSolidatusとは?|AIの書き換えに挟む承認

データリネージのSolidatusとは?|AIの書き換えに挟む承認

「規制当局に出す数字がどのシステムから来て、途中でどう加工されたかを説明しろと言われるたびに、担当者が何週間もかけて調べ直している」「その記録をAIに書かせれば早いのは分かる。でも、AIが書き換えた記録を監査で出して大丈夫なのか」——金融や大企業のデータ管理部門、リスク管理、内部監査の間で、ここ1年ではっきり増えた声です。英国の Solidatus は2026年7月、外部のAIやエージェントが、データの流れの記録を読むだけでなく書き込めるようにする版を公開しました。問題はAIに書かせるかどうかではありません。本当は、AIの書いたものが監査の証拠になる前に、どこで人が承認するかを決めることです。この記事では、データリネージ(データの流れの記録)の基盤である Solidatus を手がかりに、読むだけ・AIが提案し人が承認・AIが自動で更新の三つの使い方を比べ、承認の線と持ち主、外に出るデータ、費用と止め方を整理します。画面の操作や料金表は扱いません。


カメ先生カメ先生

データの流れの記録は、図を描く作業だと思われがちなんだ。でも規制のある会社では、本当は「この数字はどこから来たか」を後から証明するための証拠なんだよ。


カメ子カメ子

証拠だとすると、AIがその図を書き換えるのは、証拠をAIが作り直すのと同じことになるんですか。


カメ先生カメ先生

そうなる。だから、AIに読ませるだけなのか、提案させて人が承認するのか、自動で書かせるのかで、必要な備えがまるで違う。Solidatus は提案を承認待ちに置く作りにしているけれど、外から書き込む道具の扱いは自社で確かめる必要があるんだ。


カメ子カメ子

便利さの比較ではなく、誤りが監査まで届く道をどこで止めるかの比較なんですね。


この記事のポイント
  • Solidatus は業務とデータの流れを一つの模型で持つ英国のリネージ基盤で、2026年7月の版で外部AIの読み書き・人の承認待ち・自社LLMの利用を打ち出した
  • 読むだけ/AIが提案し人が承認/AIが自動で更新、の三つは、誤りが監査に届く道の長さで比べる。規制対応に使う記録は二つ目を基本にする
  • 外部の道具からの書き込みが同じ承認を通るか、どのデータがLLMへ送られるか、承認を飛ばす権限は誰にあるかを、契約前に確かめる

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

Solidatusとは:業務とデータの流れを一つの模型で持つリネージ基盤

Solidatus は、2017年2月に提供を始めた英国のデータリネージの基盤です。公式サイトによれば、データ管理の案件を長く手がけてきたコンサルタントが、同じ問題に何度もぶつかった経験から、自分たちの作業を速くする道具として作ったのが始まりです。ロンドンに開発の拠点を置き、2022年には米国テキサス州ヒューストンに米国の本社を開いています。

特徴は、業務の流れとデータの流れを一つの模型の中で結び付けて描くことです。どの業務の、どの帳票の、どの項目が、どのシステムのどの表から来て、途中でどの処理を通ったかを、図としてたどれるようにします。公式サイトが掲げる事例は、銀行、資産運用、年金など規制の厳しい金融が中心で、2021年の資金調達では米英の大手銀行が戦略投資家として加わったと公表しています。規制のある大企業が、当局や監査人に「この数字の出どころ」を説明するための基盤と考えると位置づけがつかめます。

日本語で紹介された例はほとんどありません。また、同じ「データの由来」でも、AIに学ばせたデータの出どころを残す話や、データの目録にどんな項目を書くかの話とは扱う対象が違います。Solidatus が持つのは、業務で使っている数字が今どの経路で作られているかという、動き続ける流れの記録です。買収や売却の報道は確認できず、2025年10月には成長向けの融資を受けたと報じられています。

2026.3で何が変わったか:外部AIの読み書き、承認待ちの提案、自社のLLM

2026年7月6日、Solidatus は最高技術責任者の名前で「2026.3」の内容を公式ブログに公開しました。柱は三つです。一つ目は MCP サーバーで、外部のAIツールやエージェントが、データの流れの模型を読み、書き込めるようになったと説明しています。MCP は、AIが外部のデータや道具につながるための共通の取り決めです。この機能は顧客ごとに有効にする方式で、使うには担当営業への申し込みが要ります。

二つ目は人の承認です。ブログは、製品に組み込まれたAIアシスタントの提案はすべて人が承認するまで保留されるとし、受け入れた変更は、誰がいつ承認したかの付いた版として模型の履歴に残ると書いています。さらに、記録を二つの時間軸で持っているため、任意の二時点を比べたり、ある日付の時点の模型を再現したりできると説明しています。三つ目は自社のLLMの利用で、Solidatus が用意する言語モデルではなく、自社が契約する提供元とキーでAIアシスタントを動かせるようにしました。

同じ版では、会話の履歴をブラウザを閉じても残す機能、よく使う指示を模型ごとに保管しておく機能、指標の裏にある記録をCSVで書き出す機能なども加わり、管理者は規程上必要ならAIアシスタントの会話履歴を止められます。ただし注意したい点があります。ブログは、MCP 経由の書き込みがアシスタントの提案と同じ承認を通るかどうかを書いていません。この記事で導入前に確かめるべき中心の論点はここです。

なぜリネージにAIを入れる話が、ガバナンスの話になるのか

銀行の世界では、バーゼル銀行監督委員会が定めたリスクデータの集計と報告の原則(通称239号)以来、報告する数字を正確に、漏れなく、速く出せることと、その経路を説明できることが求められてきました。欧州の監督当局は、単純な流れの図では足りないと指摘しています。金融以外でも、個人データがどのシステムを通っているかを示す必要や、AIの判断に使ったデータの経路を問われる場面が増えています。

Solidatus のブログも、調査会社 Gartner の担当者による「データガバナンスは、組織のAIへの取り組みにとっての単一障害点になる」という見立てを引いています。社内AIが数字の意味や出どころを答える時代には、流れの記録そのものが、AIの答えの根拠になり、同時に監査の証拠にもなるからです。記録を作る手間をAIで減らしたい動機と、記録の正しさを保証したい動機が、同じ一つの記録にぶつかります。

手作業で流れの記録を作ると、数千の項目を人が一つずつたどることになり、作った時点で古くなり始めます。だからAIに下書きさせたくなる。一方で、AIが誤った経路を書き込み、それが承認なしに正本として残れば、監査に出す証拠そのものが誤る。この緊張関係をどこでほどくかが、Solidatus を入れるかどうかの判断の中身になります。

三つの使い方を比べる前に:軸は「誤りが誰に届くか」

AIとリネージの組み合わせは、大きく三つに分けられます。社内AIやエージェントが流れの記録を読むだけの使い方、AIが新しい経路や項目の対応を提案して人が承認してから取り込む使い方、そしてAIや外部のエージェントが承認を待たずに記録を書き換える使い方です。

比べるときに、作業がどれだけ速くなるかを軸にすると判断を誤ります。軸にすべきなのは、AIが間違えたとき、その誤りが誰に、どの時点で届くかです。読むだけなら、誤りは一つの答えにとどまり、質問した人が確かめれば止まります。提案と承認なら、承認者のところで止まります。自動更新なら、誤りは正本に入り、次にその記録を見る人、別のAI、そして監査人にまで届きます。

もう一つの軸は、その記録を何に使っているかです。社内の影響範囲の確認にしか使わない模型と、当局への報告の経路を示す模型では、同じ誤りでも重さが違います。使い方は会社で一つに決めるのではなく、模型ごとに決めるのが現実的です。以下、三つを順に見ていきます。

使い方1:読むだけ――社内AIの答えの根拠として引く

最も始めやすいのは、社内のAIアシスタントやエージェントに流れの記録を読ませるだけの使い方です。「この売上の指標は、どのシステムのどの表から来ているか」「この表の項目を変えたら、どの報告書に影響するか」といった問いに、AIが記録をたどって答えます。Solidatus の組み込みアシスタントは、閲覧者の資格でも質問や分析ができ、編集や保存は所有者か作成者に限られると公式ドキュメントは説明しています。

読むだけでも、守るべき線はあります。一つは、AIに結論を言わせず、たどった経路と、その記録がいつ時点のものかを必ず書かせることです。流れの記録は時間とともに変わるため、答えに日付が付いていないと、古い経路を今の経路として信じてしまいます。もう一つは、答えをそのまま報告書や当局への回答に貼らないことです。AIの答えは、人が記録を開いて確かめるための入り口として扱います。

読むだけの使い方は、誤りが監査に届く道が最も短く、まず始めるならここです。ただし、外部のAIから MCP で読ませる場合は、そのAIの利用者が、Solidatus の中で本来見てよい模型だけに触れられるかを確かめてください。流れの記録には、システムの構成や個人データの置き場所が書かれており、それ自体が機微な情報です。

組み込みのアシスタントにできないことも、公式ドキュメントに書かれています。権限の変更や模型の共有はできず、外部のシステムにも接続しないとされ、閲覧者が作った絞り込みや表示の規則はブラウザの利用の間しか残りません。言い換えれば、読むだけの利用者がAIを使っても正本は変わらない作りです。一方で、会話の長さには上限があり、上限に達すると新しい会話に引き継ぐ必要があるため、長い調査の途中で前提が抜け落ちていないかは人が気にかけておく必要があります。

使い方2:AIが提案し、人が承認して取り込む

二つ目は、AIに新しい経路や項目の対応関係を下書きさせ、人が確かめて承認したものだけを正本に取り込む使い方です。2026.3のブログが強調しているのはこの形で、アシスタントの提案は承認まで保留され、受け入れた変更は承認者と日時の付いた版として残ります。後から「どのAIの提案が本番の記録に入り、誰が承認したか」をたどれる、というのが Solidatus の主張です。

製品には、AIとは別に、変更を束ねて承認にかける仕組みがあります。公式ドキュメントによれば、所有者は変更の種類ごとに必要な承認者の最低人数を決められ、承認者には作成者の資格が要ります。差し戻された変更は理由のコメントと共に残り、取り込み済みの変更は閉じられないため記録が消えません。AIの提案をこの流れに乗せれば、人の作業と同じ証跡が残ります。

承認者は一度出した承認を取り消したり、差し戻しを撤回したりもできます。判断を改める余地がある反面、取り消しや撤回の操作も記録として残るかどうかは、監査で問われたときに効いてきます。承認の状態は、提出済み、差し戻し、取り込み待ち、取り込み済み、閉じた、の段階で管理されるため、AIの提案がどの段階で止まっているかを週に一度は確かめる運用にすると、提案が放置されて記録が古くなるのを防げます。

規制対応に使う模型は、この「提案と承認」を基本形にするのが妥当です。AIが速く下書きし、人が根拠を見て判断するという分担は、手作業より速く、自動更新より説明しやすい。弱点は承認者の負担で、提案が大量に来ると中身を見ずに承認する「形だけの承認」が起きます。この点は後の章で扱います。

使い方3:AIが自動で更新する――便利さと引き換えに失うもの

三つ目は、AIや外部のエージェントが承認を待たずに記録を書き換える使い方です。システムの変更を検知したエージェントが流れの記録を即座に直してくれれば、記録が古くなる問題は小さくなります。製品の承認の仕組みにも、必要な承認数がそろった時点で自動的に取り込む設定や、所有者が承認を飛ばして取り込む強制合流があります。

問題は、ここで誤りが止まる場所がなくなることです。AIが似た名前の項目を取り違えて経路をつないだ場合、その誤った経路は正本として残り、次にそれを読んだ社内AIが誤った根拠で答えるという連鎖が起きます。二つの時間軸で履歴が残っていても、誤りに気づく人がいなければ、戻す時点も分かりません。

加えて、2026.3のブログは、MCP 経由の外部エージェントの書き込みが、アシスタントの提案と同じ承認待ちに入るかを明示していません。外部の道具から書ける設定にした時点で、承認を通らない書き込みの道ができていないかを、導入前に提供元へ確かめ、自社の検証環境で試すことが欠かせません。自動更新を使うなら、規制報告に関わらない、影響範囲の確認用の模型に限るのが無難です。

三つの使い方の比較

ここまでの内容を一つの表にまとめます。自社のどの模型にどの使い方を当てるかを決めるときの下敷きにしてください。

観点読むだけAIが提案し人が承認AIが自動で更新
誤りが止まる場所質問した人承認者止まらず正本に入る
監査での説明答えの根拠を人が確かめる承認者と日時が版に残る誰が判断したかが曖昧になる
向く模型全模型(権限の範囲内)規制報告・監査に使う模型影響確認用など重さの低い模型
主な負担答えの確かめ承認者の時間と形だけの承認誤りの発見と戻し
確かめること外部AIの利用者の見える範囲承認者の数と資格の設定外部書き込みが承認を通るか

表で分かるとおり、三つは優劣ではなく、記録の重さとの組み合わせです。規制報告に使う模型で自動更新を選ぶ理由は、ほとんどの会社で立ちません。逆に、すべての模型に厳格な承認を求めると、承認者が詰まって記録が更新されなくなり、結局手作業の時代と同じく古い記録が残ります。

AIの書き換えの誤りが、監査で壊すもの

監査の場で流れの記録が問われるのは、報告した数字の正しさを裏付けるためです。AIの書き換えに誤りが混ざったとき、壊れるのは一本の線だけではありません。典型的な壊れ方を挙げます。

  • 似た名前の項目を取り違えた経路が正本に入り、報告書の数字の出どころを誤って説明してしまう
  • 誰が承認したかが残らない書き込みがあり、記録全体の信頼性を説明できなくなる
  • AIが削除した古い経路が、実はまだ一部の帳票で使われていて、影響の見落としにつながる
  • 外部の文書から取り込んだ内容を、確かめないまま事実として記録に載せてしまう
  • 承認者が大量の提案を中身を見ずに通し、承認の記録はあるのに判断の実体がない

最後の例は見落とされがちです。承認の仕組みがあっても、承認者が根拠を見ずに通せば、監査では「承認はあったが確認はなかった」と見なされる可能性があります。承認の記録は、確認した証拠であって、確認の代わりではありません。

承認をどこに挟むか:人数・資格・強制合流

提案と承認を基本にすると決めたら、次は承認の中身を決めます。Solidatus の仕組みに沿って決めるべき点は三つあります。一つ目は承認者の人数で、規制報告に使う模型では、AIの提案を含む変更に少なくとも一人、重要な模型では二人の承認を求める設定が考えられます。二つ目は資格で、承認者には作成者の資格が要るため、誰にその資格を渡すかがそのまま統制になります。

三つ目が強制合流と自動取り込みの扱いです。所有者は承認を飛ばして取り込めるため、所有者の資格を持つ人を絞り、強制合流を使ったときは理由を残す運用が要ります。自動取り込みの設定も、規制報告の模型では切っておくのが無難です。設定を変えると、すでに出ている変更の状態がすぐに変わる仕様なので、変更は持ち主の合意のうえで行います。

承認の形だけの承認を防ぐには、AIに提案の根拠を書かせることが効きます。どのシステムの定義書や処理の記述から、その経路を推定したのかを提案に添えさせ、根拠の書かれていない提案は、承認の対象にしないと決めておくと、承認者は根拠を確かめる作業に集中できます。一度に承認にかける提案の量を区切ることも、形だけの承認を減らします。

社内AIの答えの根拠として使うときの約束

流れの記録を社内AIの答えの根拠にするのは、2026.3の狙いの一つです。データ担当者以外の社員が「この指標はどこから来ているか」を気軽に聞けるようになれば、記録の価値は大きく上がります。その代わりに、答えの出し方の約束を先に決めておく必要があります。

  • 答えには、たどった経路と、記録の日付(どの時点の模型か)を必ず添えさせる
  • 経路が途切れている、または記録が古い場合は、推測でつながず「記録なし」と答えさせる
  • 数字の正しさそのものは判断させず、経路の説明にとどめる
  • 当局や監査人への回答に使う前に、データ管理の担当者が記録を開いて確かめる

二つの時間軸で記録を持つ仕組みは、ここで生きます。「先月末の報告時点では、この指標はどの経路で作られていたか」を問えるため、報告した時点の経路と今の経路を混同しない答え方ができます。逆に言えば、時点を指定せずに聞くと今の経路が返るため、過去の報告の説明には時点を明示する習慣をつけてください。

2026.3で加わった、よく使う指示を模型ごとに保管する機能も、この約束を守らせる道具になります。公式ブログは最初の一歩として、繰り返し聞かれる規制上の問いを、該当する模型に紐づけた定型の指示として保管することを勧めています。経路と日付を添えること、記録が無ければ推測しないことを指示の文面に書いておけば、利用者ごとに聞き方がばらつき、答えの質が揺れることを抑えられます。同じブログは、上に報告している管理指標を一つ選び、その裏にある記録をCSVで書き出して確かめることも勧めています。指標の数字と記録の中身が一致しているかを、人の目で突き合わせる最初の点検として使えます。

自社のLLMを選ぶ意味:何が外に出るか

公式ドキュメントによれば、AIアシスタントを使うと、利用者の入力と模型のデータが言語モデルの提供元へ送られます。Solidatus は、その作業に必要なメタデータだけを送ると説明しています。既定では Google のクラウドを通じた管理型の言語モデルを使い、顧客ごとに分離していると書かれています。自社で持ち込む場合は、OpenAI、Microsoft のクラウド、OpenAI 互換の窓口を使えるとしています。

メタデータだけだから安全、とは言い切れません。流れの記録には、どのシステムに個人データや取引データがあり、どう流れているかという構成そのものが書かれています。攻撃者にとっては地図になる情報です。自社のLLMを使う意味は、情報セキュリティの審査を済ませた提供元と契約条件のもとで、この地図を扱えることにあります。データの所在の要件や、社内で認めた言語モデルの一覧がある会社では、自社のLLMを前提に検討するのが筋です。

外部のAIから MCP でつなぐ場合は、さらに経路が増えます。外部のAIの側にも会話履歴や生成物が残るため、Solidatus の中の権限だけでなく、つなぐ側のAIの保存設定も確かめる必要があります。組み込みアシスタントの会話履歴は管理者が止められますが、外部のAIの履歴は、そのAIの管理者の設定次第です。

持ち主を分ける:データ管理・リスク・監査・情シス

流れの記録にAIを入れると、関わる部署が増えます。決めておかないと、誤りが見つかったときに誰が直すのかで止まります。役割の分け方の一例は次のとおりです。

STEP1
データ管理部門:模型の持ち主

模型ごとに使い方(読むだけ・提案と承認・自動更新)を決め、承認者を指名する。AIの提案の承認も担う。

STEP2
リスク管理部門:重さの判定

どの模型が規制報告や重要な判断に使われるかを判定し、承認の人数と強制合流の扱いの基準を出す。

STEP3
内部監査:証跡の点検

承認の記録と版の履歴を定期的に抜き取り、根拠が書かれた提案だけが承認されているかを確かめる。

STEP4
情報システム部門:接続と言語モデル

MCP でつなぐ外部AIの範囲、自社LLMの契約、会話履歴の設定、利用者ごとの有効化を管理する。

ポイントは、AIの提案を承認する人と、承認の記録を点検する人を分けることです。同じ人が両方を持つと、形だけの承認が起きても気づく人がいません。小さな会社で人数が足りない場合でも、点検だけは四半期に一度、別の部署の人が見る形にしておくと、監査での説明が立ちやすくなります。

費用の増え方と、止め方・やめ方

料金は公開されておらず、見積もりでの契約です。費用が増える要因として押さえたいのは、編集や承認の資格を持つ利用者の数、扱う模型の規模、そしてAIの利用量です。公式ドキュメントは、組み込みアシスタントは10万〜20万件の要素の模型で快適に動き、50万件を超えると遅くなりうると書いています。自社のLLMを使う場合は、言語モデルの利用料が自社の契約側で別にかかります。

止め方も先に決めておきます。組み込みアシスタントは管理者が環境ごと、利用者ごとに有効・無効を切り替えられ、MCP と自社LLMは顧客ごとに有効にする方式です。AIの提案に誤りが続いたら、まず外部からの書き込みを止め、読むだけに戻すという段階を決めておけば、記録そのものを止めずに済みます。AIが模型ごとに切り替えられない点は、ドキュメント上の制約として知っておくべきです。

やめるときに問題になるのは、流れの記録そのものの持ち出しです。長年作った模型が特定の製品の形式でしか残っていないと、乗り換えは作り直しになります。契約前に、模型と版の履歴をどの形式で書き出せるか、承認の記録も含めて持ち出せるかを確かめてください。監査の証拠として何年分を保存する必要があるかとも突き合わせます。

よくある質問

Solidatus を入れれば、AIが流れの記録を自動で作ってくれますか

下書きは作れますが、公式の説明もAIの提案を人が承認する前提です。組み込みアシスタントは、言葉での問いから経路の対応を下書きしたり、外部の文書を取り込んだりできますが、正本に入れるかを決めるのは人です。自動で作らせる発想ではなく、下書きを速くする道具として見るのが実態に近いでしょう。

外部のAIから MCP で書き込んだ変更も、承認待ちになりますか

2026.3のブログは、この点を明示していません。アシスタントの提案が承認待ちになることと、外部の道具が読み書きできることは別々に書かれています。導入前に提供元へ確かめ、検証環境で外部の道具から変更を加えて、承認の流れに乗るかを実際に試してください。

データの中身(顧客の値など)も言語モデルに送られますか

公式ドキュメントは、作業に必要なメタデータだけを送ると説明していますが、実際の値が一切含まれないかまでは明記していません。模型に値の例を書き込んでいる場合などは送られる可能性があるため、自社の模型の書き方と合わせて確かめることをおすすめします。

日本の会社でも使う意味はありますか

日本語の導入事例はほとんど見当たらず、主な顧客は欧米の金融です。ただ、海外の規制に対応する金融機関や、データの経路の説明を求められる上場企業では、課題は同じです。日本語での支援体制と、国内の監査人が証跡の形式を受け入れるかは、個別に確かめる必要があります。

まとめ

Solidatus は、業務とデータの流れを一つの模型で持つ英国のリネージ基盤で、2026年7月の版で外部AIの読み書き、AIの提案の承認待ち、自社LLMの利用を打ち出しました。AIにデータの流れを書かせる判断は、速さではなく、誤りが監査まで届く道をどこで止めるかで決まります。読むだけ、提案と承認、自動更新の三つを模型の重さごとに割り当て、規制報告に使う模型は提案と承認を基本にしてください。そのうえで、AIに根拠を書かせ、根拠のない提案は承認しない、承認する人と点検する人を分ける、外部からの書き込みが承認を通るかと、何が言語モデルへ送られるかを契約前に確かめる。この順で備えれば、記録を作る手間を減らしながら、監査で説明できる記録を保てます。

※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