【swonet.conf_ 2026】SC2-04_広がる生成AIのネットワーク運用への活用とその課題

多種多様な機器と技術、そして様々なバックグラウンドを持つエンジニアによって構築されるShowNetは、生成AIの活用方法と可能性を探る実証実験の場として有用な機会です。2025年のShowNetにおける「生成AIはどれほどネットワーク運用に有用なのか」をベンチマークする実験に続いて、2026年は生成AIエージェントをより手軽に、実践的に活用するためのデモンストレーションを実施しました。本講演では、2026年のShowNetにおける取り組みとそれを通じて得られた知見、そしてネットワーク運用という観点から生成AIをうまく活用する上での課題について紹介します。

SPEAKER
ShowNet NOCチームメンバー　ジェネラリスト
中村 遼（東京大学）

Transcript

1. 広がる生成AIのネットワーク運用への活用とその課題 Interop Tokyo 2026 ShowNet NOC Team 中村 遼 shownet.conf_ 2026
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 チャットボット 4
5. 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↓ https://arxiv.org/abs/2605.19627 5
6. 技術の変遷の速さ ＞ ソフトウェアの成熟度 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 ツール実行方法の変化 MCPからAgent Skillへ Bash Toolで十分説 陳腐化するのが早すぎる..!! https://azure.microsoft.com/en-us/blog/announcing-theresponses-api-and-computer-using-agent-in-azure-ai-foundry/ 6
7. 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 7
8. 生成AI Agentの利用デモ@ShowNet 2026 AI Agent (OpenClawベース)をShowNetにて利用 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 8
10. https://www.koi.ai/blog/clawhavoc-341-malicious-clawedbot-skillsfound-by-the-bot-they-were-targeting 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 Skill Chat Language Model Inference Engine REST API Agent Shell Market Malicious Skill OpenClaw 10
11. 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 11
12. 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 12
13. 6月に世間を騒がせた Dirty Fragの脆弱性 13
14. DefenseClawがモデル の出力をブロック 14
15. 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 15
16. 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 16
17. e.g., Open Knowledge Format YAML metadata + Markdown フォーマットが存在し使いまわせることも大事 17
18. ネットワーク運用の観点から見た 2025年のGPT-4と、2026年のLocal LLMの感触 「初心者以上、達人未満」 知識とスループットは間違いなく人間よりAIの方が上 トラシューにおける推論能力は【まだ】熟練したオペレータの方が上 人間の方が、情報にアクセスする手段を自律的に確立できる 達人 オペレータ 初心者 オペレータ GPT-4、 120B級のLocal LLM 推論能力の壁 知識の壁 18
19. MCP Festa@ShowNet 2026 • あらゆるモニタリング製品をMCPサーバで繋ぐ相互接続デモを実施 • HotStageからMCPサーバの構築を開始しDeploy〜会期で本格的に運用に利用 • MCPサーバをShowNet仮想基盤で動作させ運用者に実際に利用してもらう 調査内容に応じて MCPサーバへ問い合わせ LLM1 MCP client プロンプト NOC STM Contributor LLM3 MCP client ・・・・ レスポンス LLM2 MCP client 返答内容の成形 APIによる問い合わせ NOC MCP server Zabbix 統合監視 NOC MCP server SystemAnswerG3 統合監視 NOC MCP server Flowmon FlowCollector Contributor MCP server Splunk Syslog/FlowCollector NOC MCP server Pagerduty アラート通知 Contributor MCP server Junos MCP Junos用制御 Contributor MCP server SmartGW リモートアクセス 結果の取得
20. codex CLI + 監視ツール群 BackendのLLMはGPT-5.4 20
21. 2026年の フロンティア モデル 初心者 オペレータ GPT-4、 120B級のlocal LLM ？ 達人 オペレータ 推論能力の壁 知識の壁 21
22. AIに与える指示と手順 人間がAIに対して自然言語で指示を与える 指示が達成可能であれば、AIはその指示を完遂できるだろう 達成する上で必要になる外部との作用 (MCP, shell) と、手順 (SKILL) があれば 自分のトラシューに関する経験知をSKILL.mdに落とし込もうとしたが、、 それはそれでなかなか難しい ? 経験値 操作 XXの 手順.md 対象の Network 運用者 人手によるデバッグ 参照 指示 運用者 操作 対象の Network AI AIによるデバッグ 22
23. 言語化能力 情報や背景を論理的に整理し文章に落とし込む力 ネットワークの設計情報や設計意図 想定される正常状態 チケットをオープン/クローズする条件 特定ドメイン(会社や組織など)での手順 and more... 例: 達人がCLIを高速に叩いて行うトラブルシューティングも、 AIに対して口頭で適切に方針だけ示ればキーボードに触れずに完遂できるだろう ただし、瞬間瞬間ごとの判断と調査方針を適切に言語化し、指示できるならば 23
24. おわりに ネットワークにおける生成AI利用は急速に進む 他の分野(e.g., coding)がそうであるように うまい使い方をみんなで高速に探っている AIをネットワーク運用でもうまく使うために AIが外部にアクセスするための腕を用意する AIに知識へのアクセスを用意する AIに与える背景と指示を適切に言語化する 最近の言葉で いうとハーネス (?) そして来年の状況はだれにも予想できない… 24