Prevalent AIは企業データの「分断」をどう解消し、信頼できるAIの文脈を作るのか

不完全で分散した情報から全体像を組み立て、データ同士の関係や抜け落ちた部分、潜在的なリスクを見つけ出す。この知見は、同社が当初からサイバーセキュリティに焦点を当てた理由を理解する手がかりになる。

企業データを「ソブリン知識グラフ」に変える

Prevalent AIは自社の技術を、AI搭載のデータファブリックおよびソブリン知識グラフと説明している。簡単に言えば、企業内のさまざまなシステムから情報を取り込み、それらの関係性を保ったまま、組織全体を一つのモデルとして把握できるようにする仕組みだ。

知識グラフでは、例えば次のような関係を表現できる。

• IT資産とシステム
• IDとアクセス権
• セキュリティ管理策
• データと業務プロセス
• 運用上の不足や管理上のギャップ

グラフが常に更新される設計であるため、セキュリティチームは、組織内に何が存在するのか、各要素がどう結び付いているのか、どの資産や管理策が十分に監視されていない可能性があるのかを問い合わせられる。

ここでいう「ソブリン」とは、データ基盤を顧客側で管理できるという意味だ。同社によれば、基盤となるデータをどこに物理的に保存するかは顧客が決められ、共有クラウド環境に一律で置く方式ではない。

この仕組みの利用者はセキュリティ専門家だけではない。Prevalent AIは、企業の状況を正確に理解してから行動する必要がある事業部門やAIエージェントにとっても、接続された企業コンテキストが基盤になると位置付けている。

なぜ最初はサイバーセキュリティだったのか

サイバーセキュリティは、データの分断が直ちに業務上の損害につながりやすい領域だ。セキュリティチームは、膨大なシステム、ID、管理策、データソースを横断して重要な判断を下さなければならない。しかし、各システムの情報が一致しなかったり、全体像の一部しか示していなかったりすることがある。

Stokes CEOは、セキュリティを「分断されたデータが最も大きな被害を生む」領域だと説明している。

このような影響の大きい環境で技術を検証したことで、Prevalent AIは、より広い企業の課題にも同じ考え方を適用できると見ている。人間であれ自動化されたシステムであれ、組織内の複数部門に散らばるデータをもとに判断する場面では、信頼できる最新のコンテキストが必要になるためだ。

サイバーセキュリティの先に広がる用途

次の重点領域は、サイバーセキュリティ単体ではなく、より広い企業リスクだ。今後の展開先として、コンプライアンス、金融犯罪、オペレーショナルリスクなどが挙げられている。

製品の基本構想は変わらない。異なる情報を接続し、記録間の関係を維持し、組織の現状を人間やAIシステムが問い合わせられる形で提供する。変わるのは、そこから答えを導くビジネス上の問いだ。セキュリティ上の脆弱性、規制対応の義務、金融犯罪リスク、業務上の依存関係などに応用できる。

ただし、発表内容が示しているのは、サイバーセキュリティと企業リスク向けに開発した技術を拡張する計画であり、挙げられたすべての用途がすでに正式提供されているという意味ではない。

2200万ドルは何に使われるのか

IGPからの投資は、主に次の4分野に充てられる見通しだ。

1. グローバルな市場開拓体制の拡充：営業、マーケティング、カスタマーサクセス、パートナーシップの機能を強化する。
2. 米国事業の成長：米国での展開を加速するとともに、既存市場での存在感を高める。
3. 経営チームの強化：事業規模の拡大に合わせ、リーダーシップ体制を厚くする。
4. 製品・市場の拡張：データファブリックと知識グラフの開発を続け、企業リスクやAI関連の用途へ広げる。

今回の調達が注目されるのは、同社にとって9年間の歴史で初めてのプライマリー資金だからだ。企業および業界関係者の報告によれば、Prevalent AIはこれまで、機関投資家からの資金に頼るのではなく、顧客需要と収益性を通じて成長してきた。

AIに必要なのは、モデルだけでなく企業の文脈

Prevalent AIが知識グラフを単なるサイバーセキュリティ向けのデータ保管場所として売り込んでいるわけではない。同社のより大きな主張は、AIエージェントが企業内で安全かつ安定して動くには、組織の構造や資産、権限、業務上の関係を理解できる信頼性の高い層が必要だ、というものだ。

2200万ドルの投資によって、同社はこの構想をより大きな規模で検証できるようになる。まずは販売・マーケティング体制と米国での事業基盤を拡大し、その後、サイバーセキュリティで検証したデータ基盤を、企業リスクに関する幅広い判断へ適用していく。

今後の焦点は、複雑な顧客データを新たな領域でも接続された状態に保ち、常に最新で、なおかつ人間とAIの双方が使える形で提供できるかどうかにある。