企業データセキュリティを自動化へ、MINDが5つのAI DLPエージェントとMCPインターフェースを発表

• Custom Classifier Agent（カスタム分類エージェント）（既に利用可能） – 組織固有の機密データに合わせたデータ分類器の構築とチューニングを自動化します。
• Issue Investigator Agent（インシデント調査エージェント）（既に利用可能） – DLPインシデントの調査を自動化し、手動によるトリアージ作業を削減します。
• Policy Producer Agent（ポリシー生成エージェント）（新たに発表） – セキュリティチームの意図をポリシー構文に変換し、実際のデータアクティビティに基づいてポリシーを洗練します。
• Rapid Response Agent（迅速対応エージェント）（新たに発表） – データ露出が検出された際の修復アクションを自動化します。
• Reason Reviewer Agent（例外審査エージェント）（新たに発表） – 従来滞留しがちだった例外処理やオーバーライドリクエストをレビューし処理します。

Model Context Protocol（MCP）インターフェース

MINDは新たにModel Context Protocol（MCP）インターフェースを追加しました。これにより、セキュリティチームは既に使用しているMCP接続対応のAIクライアントから、自然言語でこれらすべてのエージェントに指示を出すことが可能になります。つまり、専用の管理コンソールを開かなくても、「昨夜のPII（個人識別情報）アラートを調査して」とか「クレジットカード分類器を更新して」といった指示を平易な言葉で行えるのです。

顧客企業から報告された成果

MINDプラットフォームを導入している組織からは、エージェントの導入によりインシデント調査時間が1件あたり3～4時間から数分に短縮され、1日あたり1インシデントにつき25～50%の時間削減を達成したとの報告が上がっています。これは、Noname SecurityのCISOであるMike Morrato氏のコメントに基づいています。また、ThoughtSpotのセキュリティエンジニアリング担当シニアディレクター、Al Faiella氏は、自チームが得ている価値は「安心感（peace of mind）」だと述べています。インシデントが届く頃にはすでに調査が完了しており、ポリシーも自己改善されていくからです。

市場背景：企業におけるAIガバナンスの課題

MINDは今回の発表を、「GenAIアプリケーション、エージェンティックAI、自律ワークフローは、セキュリティチームが手動で管理できる速度をはるかに超えてデータを生成し移動させている」という現実認識に基づいて位置づけています。多くのセキュリティチームは、戦略的な業務ではなく、分類器の構築、アラートの調査、ポリシーのチューニング、例外処理といった手作業にほとんどの時間を費やしているのが現状です。MINDのCEO、Eran Barak氏は次のように述べています。「AIはデータの生成と移動の方法を根本的に変えたが、ほとんどの組織がデータを保護する方法は変わっていない」。

本リリースとMINDの従来製品との関係

2026年1月、MINDはDLP for Agentic AIを発表しました。これは、どのAIエージェントがアクティブかを発見し、それらがどの機密データにアクセスしているかを検出し、AI間のやり取りからの情報漏洩を防ぐことに焦点を当てた、データ中心型のアプローチです。このリリースにより、エージェンティックAIワークフローに対する基本的な可視性と制御の層が提供されました。

2026年7月のエージェントリリースは、その基盤の上に位置づけられます。1月のリリースがAIエージェントによるデータアクセスに対する可視性とポリシー制御を提供したのに対し、新しいエージェント群はそれらのポリシーの運用実行を自動化します。すなわち、分類器の構築、インシデントの調査、ポリシーの作成、露出の修復を自律的に行うのです。これら2つのリリースを合わせることで、MINDは「AIエージェントが何をしているかを見る」段階から、「AIエージェントにDLPプログラムそのものを運用させる」段階へと移行することになります。