【ShowNet Stage 2026】浸透する生成AIのネットワーク運用における利用とその課題

2026年6月に幕張メッセで実施されたInterop Tokyo ShowNetブース内ステージでのNOCチームメンバーによる講演資料

NOCチームメンバー
中村 遼

Transcript

1. 浸透する生成AIの ネットワーク運用における利用とその課題 Interop Tokyo 2026 ShowNet NOCチームメンバー 中村 遼
2. ネットワーク運用における生成AIの活用 2025年頃から急速に浸透 情報の検索、知識のサポートは当然 AIによるトラブルシューティング、チケット起票 etc JANOGでの発表も多数 “NETCONをLLMで解く” • 金井 瑛(株式会社Preferred Networks), 久保 京介(NTTドコモビジネス株式会社) “NOCはAIエージェントに取って代われるのか︕︖～実装と課題～” • 宮城 勝(LINEヤフー株式会社) などなど 2
3. 昨年2025年のShowNetでの取り組み AI Chatbotを実装しShowNetの構築・運用支援実験 ルータ・スイッチのCLI操作 + RAG + チケットアクセス AIはどれほど有用なのかをShowNetでベンチマーク 評価が追加やりとりのうち68.1%がPositiveという結果に 幕張メッセ 質問 (+機器の出力) 質問 実験参加者 netmiko mgmt経由で MCP server SSH越しに ShowNet側装置 CLI操作 応答 コマンド MCP 機器の 出力 Azure OpenAI Service 検索 REST (OpenAI API) Chatbot Web Server 生成した応答 (+機器の操作) LLM Model (GPT-4.1) ttdb チケット MCP server MCP 情報 REST Vector Store Ticket System 3
4. 2025年の実験から明らかになったこと AIによる直接のCLI操作は有用 通算1427コマンドが発行、うち213が失敗(syntax error等) 成功の割合は85.1%、異なるCLIもそれなりに操作できる AIにできることの理解が大事 AIにできないことを指示しても当然できない 詳細は論文に↓ 4
5. 技術の変遷の速さ > ソフトウェアの成熟度 たとえば、 Chat Completions API → Assistant API (2023/月発表) 2025年3月Responses API発表、Assistant APIは廃止 Assistant APIで実装していたためモデルを更新できなくなる 2025/5時点でチャットフレームワークのMCP関連のbug MCP serverをdisconnectするとCPUが100%で張り付く プロダクションにするのは大変そう ツール実行方法の変化 MCPからSkillへ Bash Toolで十分? https://azure.microsoft.com/en-us/blog/announcing-theresponses-api-and-computer-using-agent-in-azure-ai-foundry/ 5
6. 大規模言語モデルまわりの変化 Reasoning Tokenを消費して内部的な思考を生成する ReACT: Reasoning and Action Agentic Loop 「推論→行動」のループ Reasoning Query LLM 推論の トークン ツール Result Action 外の世界 6
7. 生成AI Agentの利用デモ@ShowNet 2026 AI Agent (OpenClawベース)をShowNetにて提供 OpenClaw: オープンソースのAI Agentのいち実装 OpenClawへのExtension 人間はCisco Webex経由でAIとやりとり Cisco NSOとNOC作成MCPサーバ経由で ShowNet機器のCLIを操作できる StellaCyber Stella Cyber MCPでセキュリティ Cloud ケースの確認 Cisco NSO Guardrailによる AI Agentへの攻撃対策 CLI ShowNet側装置 MCP Servers Local LLM Inference Engine REST API AI Guardrail Prompt/ Tool Result Response/ Tool Call Agent (Gateway) Tool Call IDENTITY, SOUL, SKILL OpenClaw Shell Webex 7
9. AI Agentへの攻撃 Prompt Injection 悪意のあるSKILL Shellを実行できるAgentは 直接マルウェアを実行する 可能性がある ClawHavoc: 341 Malicious Clawed Skills Found by the Bot They Were Targeting https://www.koi.ai/blog/clawhavoc-341-malicious-clawedbotskills-found-by-the-bot-they-were-targeting 9
10. AI Guardrail 悪性プロンプトの検知と遮断 入力時：Prompt Injection、禁止トピック、危険な指示など 出力時：認証情報の漏洩など 入出力を検査 悪性なものはブロック Operator Webex Chat Bot OpenClaw Guardrail LLM 10
11. 4種のガードレールを並列で実装 One-Arm型 Prisma AIRS DefenceClaw Guardrail Guardrail REST API REST API Webex OpenClaw Webex vLLM OpenClaw vLLM Gateway型 PromptSecurity AI Guardrails Guardrail OpenAI Compatible API Webex OpenClaw Guardrail OpenAI Compatible API vLLM Webex OpenClaw BIG-IP LTM vLLM 11
12. 6月に世間を騒がせた Dirty Fragの脆弱性 12
13. DefenseClawがモデル の出力をブロック 13
14. Local LLMの利用 LLMの推論にも計算資源を利用する 例:gpt-oss:120bのモデルサイズが63GB+KV Cacheがメモリにのる 複数人で同時にLLMを利用するならそれなりの計算資源が必要 今年はコントリビューションされた計算資源上でLocal LLMを利用 ExpEther PCIe over GPU by NEC DL385 Gen12 with GPU by HPE GPU over APN Testbed by NTT docomo Business MN-Core 2 (水冷) by Preferred Networks Local LLM • PLaMo 3.0 Prime β • qwen35-122b IOWN APN MN-Core 2 GPUサーバ 札幌 三鷹 横浜 福岡 GPU over APN Testbed 14
15. 実際にやってみて: AIへの情報の与え方 AI Agentにできるのは、AI Agentにできることだけ 知らないことを聞いても答えられない AIが触れない機器の調査はできない いかにAIがアクセスできるように環境を整備するか 例: ShowNetの構成は2週間の間に刻々と変化する 常にup-to-dateな情報への参照を与えることは(人間相手でも)難しい 2026/5/9: ShowNet Hot Stage初日 2026/6/8: ShowNet サービスイン 15
16. 実際にやってみて:ドッグイヤーと陳腐化と AI関連のテクノロジーの進展は早い 大規模言語モデル自体の進歩 AIのより効率的な振る舞いの変化 ソフトウェアエコシステムの変化 今作ったものが数ヶ月後には陳腐化する可能性 1年前に実装したChatbotはすでに古い 実装方法が枯れる前に新しいものが出現する • OSS (e.g., OpenClaw) によって動かす手間が減るケースも Vibe codingで乗り切る？ 16
17. まとめ AI Agent (OpenClaw)のデモンストレーション@ShowNet OSSベースで手軽にAIによる運用支援が手に入る 必要/周辺ソフトウェアも充実してきている • 機器やソフトウェアメーカーのMCPサーバ • AI Guardrail Local LLMを動かすには計算資源は必要 • 大規模でない環境では水冷は大変かも とはいえ、来年どうなっているかを 見通すことはなかなか難しい。。 17