CLOUD
AIと業務を支えるクラウド基盤を
AWS、Azure、Google Cloudを活用し、安全に接続・運用できる基盤を構築します
設計、移行、セキュリティ、監視、運用改善まで対応します
- Secure by Design
- Zero Trust
- AI Agent Security
- Data Protection
- DevSecOps
- Observability
AIネイティブなクラウド基盤の対応領域
セキュリティは独立した1領域ではなく、すべての領域を横断する統制として設計します。
クラウド・ネットワーク基盤
クラウドアカウント、ネットワーク、DNS、接続、暗号化、ログなど全体の土台となるLanding Zoneを構築します。公開領域、業務領域、データ領域、AI領域を分離し、Private Endpoint、閉域接続、ゼロトラストの考え方に基づく通信制御を設計します。
コンテナ・アプリケーション実行基盤
Docker、Kubernetes、マネージドコンテナ、サーバーレス、API、イベント駆動アーキテクチャを活用し、業務システムやWebサービスを安全かつ拡張可能な形で実行します。開発チームが標準テンプレートで必要な環境を短時間で利用できるPlatform Engineeringにも対応します。
AI・RAG・データ基盤
社内データ、文書、データベース、外部データを、既存のアクセス権を維持したまま検索・分析・RAGから利用できる基盤を構築します。複数のAIモデル、AIエージェント、MCP、業務ツールを接続し、モデル選択・切り替え、状態管理、実行制御、人による承認を含む本番環境を構築します。
ID・セキュリティ基盤
ID・認証、最小権限、秘密情報管理、データ保護、AIガードレール、監査ログなど、ID・権限・データを横断するセキュリティ統制を全領域へ適用します。詳細は次のセキュリティ設計セクションで扱います。
IaC・CI/CD・DevSecOps
Infrastructure as Code、CI/CD、GitOps、テスト自動化、セキュリティ検査により、インフラ、アプリケーション、AI設定を安全かつ再現可能な方法で更新します。
監視・バックアップ・コスト最適化
システムの稼働状況に加え、AIの回答品質、ツール実行、待機時間、トークン使用量、費用まで継続的に監視します。障害、誤操作、ランサムウェア、災害を想定したバックアップ、冗長構成、復旧手順を整備し、事業継続に必要な回復力とコスト効率を両立します。
Secure by Design
AIシステムでは、従来の不正アクセスや脆弱性に加えて、入力された情報、参照データ、AIの出力、ツール実行、エージェントの権限を悪用した攻撃を想定する必要があります。 誰が、どのデータへ、どの権限でアクセスし、どの処理を実行したのかを追跡できることが、本番運用の前提になります。
ID・認証・最小権限
人、端末、アプリケーション、ワークロード、AIエージェントを個別に識別し、SSO、多要素認証、条件付きアクセスを含む認証基盤を設計します。
ユーザーやAIエージェントへ必要最小限の権限だけを付与し、人の操作とAIによる操作を区別できるようにします。
ネットワーク分離・ゼロトラスト
公開領域、業務領域、データ領域、管理領域、AI領域を分離し、Private Endpoint、閉域接続、通信制御を組み合わせます。
暗号化・データ・秘密情報管理
保存時と通信時の暗号化、データ分類、マスキング、DLP、保持期間、削除方針を設計します。APIキー、パスワード、証明書、接続情報は専用の秘密情報管理サービスで管理します。
RAGや検索で参照する文書・データの出所と更新履歴を管理し、誤情報や悪意のある指示の混入を防ぐ検証プロセスを設計します。回答には参照元を表示し、内容を検証できるようにします。
AIガードレール・Human in the Loop
入力と出力の検査、禁止事項、機密情報の検知、ツール実行制限、利用量制限を設け、AIの動作範囲を制御します。送金、契約、削除、外部送信、権限変更などの重要な処理は、人による確認と承認を経て実行する構成にします。
利用が許可された生成AIサービスと利用範囲を明確化し、未承認のAIサービスへ業務情報が入力される「シャドーAI」の発生を検知・抑制する仕組みを整備します。
脆弱性・サプライチェーン対策
ソースコード、依存ライブラリ、コンテナイメージ、IaC、シークレット、クラウド設定を継続的に検査します。
監査ログ・バックアップ・インシデント対応
ユーザー操作、管理操作、AIエージェントの実行、ツール呼び出し、データ参照、権限変更を記録し、追跡できる状態にします。障害、誤操作、ランサムウェア、アカウント侵害を想定し、バックアップ、隔離、復旧手順、連絡体制を設計します。
特定のクラウドやAIモデルを前提にしない設計
クラウドやAIモデルを先に決めるのではなく、既存環境、データ、セキュリティ、性能、可用性、運用体制、費用を整理したうえで構成を選定します。
- Amazon Web Services（AWS）
-
AWSを活用し、業務システム、Webサービス、AI・データ基盤を構築します。Organizations、IAM、Control Towerなどを用いて、複数環境を安全に管理できる基盤を設計します。
- Amazon Bedrock
- ECS
- EKS
- Lambda
- RDS
- Control Tower
- Microsoft Azure
-
Azureを活用し、Microsoft 365や既存社内環境と連携したAI・業務基盤を構築します。Entra ID、Key Vault、Azure Policyなどを用いて、認証・権限・構成管理を含めた基盤を設計します。
- Microsoft Foundry
- Entra ID
- AKS
- Container Apps
- Azure SQL
- Key Vault
- Google Cloud
-
Google Cloudを活用し、AI、データ分析、Webサービスの基盤を構築します。Cloud IAM、VPC Service Controlsなどを用いて、ID・データ境界を含めた基盤を設計します。
- Vertex AI
- GKE
- Cloud Run
- BigQuery
- Cloud SQL
- Cloud IAM
- Oracle Cloud（OCI）
-
OCIを活用し、既存のOracle Databaseや基幹システムと連携する基盤を構築します。IAM、Vaultなどを用いて、既存資産を活かしたID・データ管理を含めた基盤を設計します。
- OCI Generative AI
- OKE
- Autonomous Database
- Compute
- Object Storage
- OCI IAM
構築例
掲載されているのは対応例です。ご相談やご質問がございましたらお気軽にお問い合わせください。
コネクティッドカーサービス基盤
課題：自動車に搭載した通信機から発信される走行データを、クラウド上でリアルタイムに収集・蓄積・分析する必要がありました。
構成：大量の車両からの同時アクセスに耐える高可用性設計とし、利用状況に応じた自動スケール構成としました。走行アドバイスや周辺道路情報の提供、盗難時の車両位置特定、Apple CarPlay・Android Autoとの連携など、複数の機能をクラウド上で統合しました。
- セキュリティ上の考慮：車両からの通信経路とデータ保管領域を分離し、走行データへのアクセス範囲を管理しました。
- 対応内容：リアルタイムデータ収集、大量アクセス対応・自動スケール、高可用性構成の設計・構築を行いました。
- 運用方法：利用状況に応じたリソースの自動増減と、稼働状況の継続的な確認を行っています。
社内AIエージェント実行基盤
課題：複数のAIエージェントを業務へ導入するにあたり、権限管理や実行履歴を残さないまま個別に構築が進むことを防ぐ必要がありました。
構成：エージェントごとのID発行、ツール接続の許可範囲、承認フローを共通基盤として整備し、複数部署のAIエージェントを同じ基盤上で安全に運用できる構成としました。
- セキュリティ上の考慮：エージェントIDと利用者IDを分離し、最小権限の原則でツール・データアクセスを制御しました。
- 対応内容：エージェント実行基盤、承認フロー、実行ログ基盤の設計・構築を行いました。
- 運用方法：実行ログとツール呼び出し履歴を継続的に監視し、異常な操作を検知できる体制としています。
製造現場向けIoTデータ収集基盤
課題：工場内の設備から得られるセンサーデータを、拠点ごとに個別管理しており、異常の早期発見や横断的な分析ができていませんでした。
構成：各拠点のセンサー・PLCデータをクラウド上へ収集・蓄積し、異常検知や稼働状況の可視化を行うデータ基盤を構築しました。既存の生産管理システムとの連携にも対応しています。
- セキュリティ上の考慮：工場内ネットワークとクラウド間の通信を閉域接続とし、データ区画ごとにアクセス権限を分離しました。
- 対応内容：IoTデータ収集基盤、異常検知、既存システム連携の設計・構築を行いました。
- 運用方法：拠点ごとの稼働状況をダッシュボードで可視化し、継続的に監視しています。
複数システム共通のID・認証基盤刷新
課題：システムごとに異なるID・パスワード管理を行っており、退職者アカウントの削除漏れや、権限の棚卸しが困難な状態になっていました。
構成：SSO・多要素認証を備えた共通認証基盤を構築し、複数の業務システムのログインを一本化しました。人事システムと連携し、異動・退職に応じた権限変更を自動化しています。
- セキュリティ上の考慮：多要素認証と条件付きアクセスを導入し、不審なログインを検知・制限できるようにしました。
- 対応内容：SSO基盤、権限管理、人事システム連携の設計・構築を行いました。
- 運用方法：認証ログを継続的に監視し、定期的に権限の棚卸しを行っています。
複数拠点データを統合した分析基盤
課題：販売・在庫・顧客データが拠点や部門ごとに分散しており、経営判断に必要な情報を集約するまでに時間がかかっていました。
構成：各拠点のデータを一元的なデータ基盤へ集約し、ダッシュボードでの可視化と、生成AIによる分析結果の要約機能を組み合わせて構築しました。
- セキュリティ上の考慮：部門ごとのデータ参照権限を維持したまま、統合基盤上でアクセス制御を再設計しました。
- 対応内容：データ統合基盤、ダッシュボード、生成AIによる要約機能の設計・構築を行いました。
- 運用方法：データ取り込み状況とコストを継続的に監視し、集計処理を最適化しています。
既存業務システムのコンテナ移行基盤
課題：老朽化したオンプレミスサーバーで稼働する業務システムがあり、保守性の低下とスケールしにくさが課題となっていました。
構成：既存システムをコンテナ化し、クラウド上のマネージドコンテナ環境へ段階的に移行しました。CI/CDパイプラインを整備し、リリース作業の自動化も行っています。
- セキュリティ上の考慮：移行期間中も新旧環境を安全に併存させ、通信経路とアクセス権限を分離しました。
- 対応内容：コンテナ化、CI/CDパイプライン整備、段階的な移行作業を行いました。
- 運用方法：自動スケールと稼働監視により、負荷変動時も安定稼働する体制としています。
RAG・社内ナレッジ検索基盤
課題：社内規程、マニュアル、設計書、FAQなどが部署ごとに散在しており、必要な情報を探すまでに時間がかかっていました。
構成：複数形式の社内文書を横断検索できるRAG基盤を構築し、利用者の権限に応じて参照可能な範囲を制御しました。回答には参照元を表示し、内容の検証がしやすい構成としています。
- セキュリティ上の考慮：既存の文書アクセス権限を維持したまま検索対象へ組み込み、権限外の情報が回答へ含まれないようにしました。
- 対応内容：文書の分割・Embedding、検索基盤、参照元表示機能の設計・構築を行いました。
- 運用方法：文書の更新・追加に応じてインデックスを継続的に更新しています。
業務システムのクラウド移行
課題：オンプレミスで運用する基幹業務システムの保守期限が迫っており、停止時間を抑えながらクラウドへ移行する必要がありました。
構成：既存システムの構成・依存関係・データを事前調査したうえで移行計画を策定し、段階的な切り替えとリハーサルを重ねてクラウド環境へ移行しました。
- セキュリティ上の考慮：移行前後で権限設定とネットワーク構成を照合し、意図しないアクセス範囲の変化がないことを確認しました。
- 対応内容：現行環境調査、移行計画策定、切り替えリハーサル、本番移行を行いました。
- 運用方法：移行後の稼働状況を継続監視し、性能・コストの両面から構成を最適化しています。
災害対策・事業継続基盤
課題：障害や災害発生時の復旧手順が整備されておらず、システム停止時の影響範囲や復旧までの時間が把握できていませんでした。
構成：重要度に応じてバックアップ方式と復旧目標時間を整理し、複数リージョンでのデータ保管と復旧手順の整備、定期的な復旧訓練までを含めて構築しました。
- セキュリティ上の考慮：バックアップデータへのアクセス権限を本番環境と分離し、改ざん・削除のリスクを抑えました。
- 対応内容：バックアップ設計、複数リージョン構成、復旧手順の整備を行いました。
- 運用方法：定期的な復旧訓練を実施し、手順の実効性を継続的に確認しています。
構想から運用まで、セキュリティを後回しにしない。
現状調査・要件整理
既存システム、ネットワーク、ID、データ、クラウド、AI利用状況、運用体制を調査し、保護対象と必要な機能・要件を整理します。
確認項目：保護対象／データ分類／利用者／外部接続／法令・契約上の条件／AIの利用範囲
リスク分析・基本設計
不正アクセス、情報流出、権限悪用、プロンプトインジェクション、障害、災害などを想定し、必要な対策を定義したうえで、クラウド、ネットワーク、ID、AI基盤を含む全体構成を設計します。
確認項目：想定脅威／対策優先度／権限設計／通信経路
詳細設計・構築
Landing Zone、クラウド環境、コンテナ、データ基盤、AI基盤を構築し、IaC、CI/CD、ポリシー、セキュリティ検査を組み込みます。
確認項目：Policy as Code／CI/CDのセキュリティ検査／構成のコード化
テスト・移行
機能、性能、可用性に加えて、権限、脆弱性、秘密情報、AI回答品質、ガードレールを検証したうえで、本番環境へ移行します。
確認項目：権限検証／脆弱性検査／AI評価／復旧試験
監視・運用改善
本番移行後も、システムとAIの稼働、セキュリティイベント、品質、権限、費用を監視し、環境を継続的に改善します。
確認項目：稼働監視／セキュリティイベント／費用対効果
AIを導入できるクラウドではなく、安全に運用できるクラウドへ。
クラウド移行、AI基盤、RAG、AIエージェント、ゼロトラスト、コンテナ、DevSecOps、監視、運用改善まで、現在の環境と目的に合わせてご提案します。
- 稼働・セキュリティ・AI利用状況を可視化
- バックアップ、脆弱性、権限、コストを継続的に確認
- 要件と対象範囲を整理して個別見積もり