一方 SaaS 生成AIアプリ 使う 既存のエンタープライズ ワークフロー (Gemini や Copilot など) とうまく統合された専用アプリを中心に統合されていますが、 SaaS AI アプリ、 生成AI プラットフォーム、オンプレミスの AI 使う AI エージェント。 AI エージェントは、特定の目標を任務とし、ユーザーの操作を必要とせずにその目標を達成するための限られた自律性が与えられたシステムです。主に基盤モデルの進歩のおかげで、 今 複数の組織で AI エージェントを構築し、 SaaS ソリューションのエージェント機能を構築します。 たとえば、GitHub Copilot (使う の 39% 組織) は、コーディング タスクを提供できるエージェント モードを提供し、目標を達成した (または別の停止基準に達した) と判断するまでコードを繰り返し変更してテストします。 AI エージェントには 2 つの注目すべき特徴があります。
- 組織に属する一部のデータにアクセスできます。
- 一部のアクションを自律的に実行できます。
の場合 GitHub Copilot、ソース コードにアクセスでき、インフラストラクチャ内でそのコードをコンパイルして実行するために必要なコマンドを実行できます。 AI エージェントのこれら 2 つの特徴は、 活用する 機密性の高いデータとインフラストラクチャを保護するために適切に保護されています。
AI エージェントを作成するための 1 つのオプションは、利用可能な多くのエージェント フレームワークの 1 つを使用することです。 合計で、 組織 ユーザーがエージェントを実行しているユーザーがいる 使用する 人気のあるAIエージェントフレームワークをオンプレミスで作成します。 これらのフレームワークの中で、LangChain は大幅な差で最も人気があり (2022 年 10 月から存在しています)、OpenAI Agent Framework は急速に人気を集めています (2025 年 3 月にリリースされたばかり)。他にも多くのフレームワークが利用可能ですが、どれもまだ企業で大きく採用されていません。3位のPydantic-aiは、1000社中3社で使うです。 オンプレミスの AI エージェントは、アクセス性が高く (構築と実行が容易)、機密データにアクセスできることが多く、コードを自律的に実行できるため、シャドー AI に重大なリスクをもたらします。組織 作成するユーザーを特定するために積極的に取り組む必要があります AI エージェントをオンプレミスで使用します。
エージェントはオンプレミスで実行されますが、エージェントを支える実際の AI モデルは、SaaS、生成 AI プラットフォーム、オンプレミス環境など、どこでも実行できます。オンプレミスのエージェントが SaaS サービスにアクセスする場合、通常、ブラウザとは異なる API エンドポイントにアクセスします。たとえば、ブラウザでの OpenAI の ChatGPT との会話は chatgpt.comに移行し、OpenAI のモデルとのプログラムによる対話は api.openai.comに移行します。下図は、上位 SaaS AI アプリ API ドメインを組織 使うの割合で示したものです。 データの解釈は次のとおりです。組織の 66% が API 呼び出しを行うユーザーが api.openai.com に、OpenAI サービスとのブラウザ以外の相互作用を示しています。この対話は、サードパーティ ツール、カスタム ツール、または AI エージェントからのものである可能性があります。この点では、OpenAI は他の SaaS サービスよりも大きくリードしており、OpenAI エージェント フレームワークの人気が急速に高まっていることを考えると、この傾向は今後数か月でさらに強まると予想されます。
Netskope 顧客は、関連するユーザーエージェント文字列をログで検索することで、人気のあるエージェントフレームワークを使用しているユーザーを特定できます。 たとえば、上位 3 つのフレームワークには、 langchain、 Agents/Python、 pydantic-ai で始まる User-Agent 文字列があります。トランザクション ログで関連するドメインを検索することで、SaaS AI アプリケーションとのブラウザ以外の対話を見つけることができます。ユーザーエージェントの文字列とプロセス名は、対話の性質に関する手がかりを提供します。より広範に言えば、 Netskope のお客様は、ウェブブラウザの外部からの生成AIインタラクションを探す必要があります。
AI エージェントを構築するための別のオプションは、 使う genAI プラットフォーム。 この説明では、モデルの管理、エージェントの管理、モデルへの推論リクエストの作成、およびエージェントの呼び出しのための個別のサービスエンドポイントを提供する Amazon Bedrock に特に焦点を当てます。このレポートの前半で、22%の組織が使う Amazon Bedrock。 この数字をさらに細分化すると、22% すべてが 使う モデルの管理とモデルに対する推論の実行、14% が 使う エージェントの開発、デプロイ、または呼び出しに。 また、このセクションの前半で述べたように、 組織 オンプレミスで AI エージェントを実行しており、これは 2.5 倍多くの 組織 オンプレミスのエージェントと比較して AI エージェントの Amazon Bedrock を活用しています。
BedrockのようなフレームワークがオンプレミスのフレームワークよりもエージェントAIで人気があるのはなぜですか?
- 特に AWS エコシステムにすでに投資している企業にとって、開発を合理化します。
- マネージド サービスであるため、運用上のオーバーヘッドが削減されます。
- 成熟した IaaS プラットフォームのスケーラビリティが組み込まれています。
言い換えれば、セキュリティとサポートが組み込まれた安定した管理された環境は、これらすべての側面を個別に処理するよりも、組織にとって魅力的です。現在の傾向に基づくと、この格差は拡大し、今後数か月でオンプレミス ソリューションよりも生成 AI プラットフォームを好む組織がさらに増えると予想されます。オンプレミスのソリューションは、一部の組織、特に特定の大量で予測可能、継続的、長期的な 使う オンプレミスの方が費用対効果が高い場合。 そしてもちろん、 組織 開発中または個人的なためにオンプレミスのエージェントを開発する、必要性を強調しています 組織 シャドーAIを継続的に監視します。
エージェントをデプロイまたは呼び出すために Amazon Bedrock を使うユーザーを見つけたいNetskopeユーザーは、トランザクションログで Bedrock ビルド時ドメイン (bedrock-agent.*.amazonaws.com) と Bedrock ランタイムドメイン (bedrock-agent-runtime.*.amazonaws.com) を検索する必要があります。
