本レポートは、LFが2026年2月に開催したイベント「AI Executive Forum」での議論をまとめたものだ。同フォーラムには、大手企業、スタートアップ、学術界、オープンソースプロジェクトの代表者約40人が集まり、自律型システムがもたらす課題と機会について意見を交わした。LFが2025年12月に設立したAgentic AI Foundation（AAIF）の取り組みの延長線上として、エンタープライズ向けのAIインフラに関する最前線の議論が反映されている。

　AIエージェントが社内の機密データや重要なインフラにアクセスする際、従来のセキュリティ対策では不十分なケースが発生する。フォーラムの議論では、AIエージェント間の通信において、認証や暗号化といった基本的な保護プロトコルが欠如している現状が指摘された。一例として医療分野では、費用削減を目的とするAIエージェントと、治療の質を最大化しようとするAIエージェントが相反する指示を出してしまい、無限ループに陥る危険性が挙げられている。言語モデル本来の特性を利用し、セキュリティプロトコルを回避させる悪質な操作リスクも懸念されている。

　これを防ぐ仕組みとして、企業はAIモデルの最終的な出力だけではなく、内部の推論経路を監査できる体制を整える必要がある。特定の企業が独占するシステムでは内部の推論過程が隠されがちだが、透明性を備えたオープンソースのAIモデルを活用することで、推論過程の追跡や検証が可能になる。通信内容の暗号化や処理単位でのきめ細かなアクセス制御を導入し、権限の昇格を厳密に管理する防御策の構築も急務だ。

　このような自律型システムを実運用規模で支えるのが、特定の企業に依存しない巨大な開発者コミュニティーと技術網だ。特定のベンダーに依存しない、開かれたシステムを採用することは、ITインフラに拡張性をもたらし、自社のガバナンス基準に合わせたカスタマイズを実現する。例えば、AIエージェントを実際のデータやアプリケーションに接続するための規格である「Model Context Protocol」（MCP）は、企業システムでの利用状況の追跡や監査を可能にするための機能強化が進められている。多様なAIモデル向けハードウェアの割り当てを担うコンテナオーケストレーションツール「Kubernetes」や、複雑な分散コンピューティングを調整する「Ray」といったインフラ技術は、これからのAIシステムの根幹を支える。自社システム内でプライバシーを保護しつつ安全な検証ができる「Goose」などのツールも、データ流出を防ぐ上で重要な役割を果たす。

　AI技術による自動化が進む一方で、最終的な意思決定の責任や品質保証は引き続き人間が担う必要がある。生成AIが大量のソースコードを自動作成する現代において、開発プロジェクトにおける人間の役割は、最終的な基準を定め、人間の判断力によって選別する「テイストメーカー」へと変化していく。銀行や医療などの規則が厳しい業界においては、システムの導入前に既存の人手による業務手順を包括的に文書化し、AIエージェントに正確なロジックを理解させることが求められる。

　将来的には、AIによる意思決定を影響度に応じて分類する仕組みの導入や、エージェントの行動に関する統一ライセンスの策定が進んでいくと予想される。IT担当者は、AIが人間の能力を高めるための手段であり続けるよう、コミュニティー主導の標準規格の動向を注視し、自社システムの全体設計を描いていくことが重要となる。