CogentはAIエージェントに脆弱性の修正まで任せ、モデル外のルールで制御する

CogentはOpenAIのモデルと独自のコンテキストシステムを組み合わせ、脆弱性の発見から修正確認までを担うエージェントを構築している。同社によると、自動車業界のある顧客は重大な脆弱性の平均修正時間を75％短縮し、別の企業は脆弱性を精査する処理量を5倍にした。いずれもCogentと顧客側が示した数値だ。

コンテキストグラフが社内の地図と行動許可を与える

Context Engineは資産、脆弱性、ID、責任者、依存関係をグラフとして管理する。バックグラウンドのエージェントが複数のセキュリティツールの情報を照合するため、新たな脆弱性が見つかるたびに、影響を受ける資産や担当者、修正による副作用を一から調べ直す必要がない。

Cogentは一般的な実行にGPT-6.1 Sol、定型的な作業にGPT-5.6、複雑な対応計画にGPT-6 Astraを使う。重大なPHP2Shell脆弱性が公開された際には、エージェントが対象システムを特定し、露出状況を評価し、依存関係を踏まえた修正を計画したうえで結果を確認したと説明している。

自律性を支えるのはモデルの従順さではなく認可だ

顧客は、エージェントが実行できる変更と人の承認が必要な変更を定める。TRACEはツール呼び出しをそのルールと照合し、言語モデルに再判断させず決定論的に検査する。さらに独立したゲートウェイが認可を確認し、危険度の高い作業は隔離環境で実行できる。

企業向けエージェントにとって重要なのはこの設計だ。モデルが変更を提案しても、権限の範囲はpromptで言いくるめられない仕組みが管理すべきである。この分離がなければ、修正の高速化は誤判断から本番障害までの距離も縮めてしまう。

公表された成果は顧客事例であり独立監査ではない

平均修正時間を75％短縮し、処理量を5倍にしたという主張は目を引くが、複数顧客を対象にした統制済みbenchmarkではない。対象システムの複雑さ、人が介入した回数、エージェントの提案が却下された割合は公表資料から分からない。

Cogentは複数のモデルに独自のグラフ、ポリシー、ゲートウェイ、連携機能を組み合わせている。したがって成果をGPT-6.1 Solだけに帰すこともできない。価値を生むのは周辺を含む運用システム全体であり、特に社内データの品質と権限設定の精度が効く。

却下された操作とロールバックが防御の実力を示す

次に必要なのは、人を介さず完了した修正の割合、ロールバックの頻度、誤った拒否、エージェントが引き起こした障害の件数だ。顧客がすべての手順を監査し、権限を素早く取り消せるかも重要になる。

Cogentは自律修正を単純な設定変更から、複数の社内システムをまたぐ多段階の作業へ広げる方針だ。操作の連鎖が長くなるほど、最初の提案速度より、安全に停止できる能力の方が重くなる。

Lilithの判定

モデルは弱点を見つけて修正案を出せる。しかし本番コンソールの前には、promptで説得できない警備員が必要だ。Cogentが賭けているのは、まさにその警備員である。