生成AIの急速な普及に伴い、多くの企業が大規模言語モデル (LLM) のパラメータ数や計算リソースの規模を競い合ってきました。

しかし、エンタープライズITのリーダーであるRed Hatは、AIの真の価値はモデルの巨大さではなく、特定の業務を遂行するための「スキル」にあると確信しています。

アトランタで開催されたRed Hat Summitにおいて、同社はAIエージェントに特化した新たなリポジトリと、20年以上にわたる組織知を凝縮した「スキルパック」を発表しました。

これは、単に質問に答えるだけのチャットボットから、自律的にインフラを管理・運用する「スーパーユーザー」へとAIを進化させる大きな転換点となります。

目次 [ close ]
  1. なぜ今「モデルの巨大化」ではなく「スキル」なのか
  2. 20年間の蓄積：レッドハットが提供する「組織知」の重み
  3. エージェントを支える強固な技術基盤
    1. 基盤としてのRHELとOpenShift AI
    2. 実行エンジンとしてのAnsible
  4. ガバナンスと開発者の未来
  5. まとめ

なぜ今「モデルの巨大化」ではなく「スキル」なのか

Red Hatの社長兼CEOであるマット・ヒックス氏は、同社の全ての組織に生成AIを導入し、効率化と顧客価値の創出を模索してきたと述べています。

その過程で見えてきたのは、汎用的なモデルを大きくするだけでは、複雑なエンタープライズ環境の要求には応えられないという現実でした。

企業が求めているのは、流暢に話すアシスタントではなく、組織固有のルールやポリシーを理解し、実際にシステムを操作できる実行力です。

Red Hatが提供を開始した「AIスキルリポジトリ」は、AIエージェントが特定のプラットフォームや知識源をどのように活用すべきかを定義した、再利用可能なビルディングブロックです。

これにより、モデル自体を際限なく巨大化させることなく、専門特化した知識と実行手順をAIに付与することが可能になります。

20年間の蓄積：レッドハットが提供する「組織知」の重み

Red HatのAI戦略の核心は、20年以上にわたって蓄積されたサポート情報、ナレッジベース、およびワークフローのデータにあります。

例えば、カスタマーサポートポータルで稼働する「Ask Red Hat」は、この膨大なデータを学習した典型的な例です。

従来の検索拡張生成 (RAG) は、外部知識を参照して回答を生成するに留まっていました。

しかし、Red Hatの新技術は、RAGで強化されたモデルに、推論、計画、および実行の能力を組み合わせた「エージェント型」へと昇華させています。

具体的には、以下のような「スキル」がエージェントに組み込まれます。

機能要素従来のアプローチRed Hatのスキルパック
情報の根拠インターネット上の公開データ20年分に及ぶ検証済みのサポートデータ
実行の是非ユーザーによる手動判断サブスクリプションやセキュリティ規約に基づく自動ガードレール
タスク完了テキストによる指示の生成Ansible等を通じたインフラへの直接反映

特に注目すべきは、「RHELサブスクリプション管理」に特化したスキルパックです。

このパックを適用したAIエージェントは、脆弱性情報 (CVE) や製品のライフサイクル、サポートポリシーをリアルタイムで参照します。

その結果、技術的に正しいだけでなく、企業の契約状況やセキュリティポリシーに完全に準拠した変更案を自律的に作成できるようになります。

エージェントを支える強固な技術基盤

Red Hatは、AIエージェントを実生産環境で安全に稼働させるために、階層化された強固なスタックを提供しています。

基盤としてのRHELとOpenShift AI

AIエージェントの基盤となるのは、高い信頼性を誇るRed Hat Enterprise Linux (RHEL) です。

特にイメージベースのRHELを採用することで、実行パスを制御し、観測可能性を確保したセキュアな基盤を構築しています。

その上位層では、OpenShift AIがモデルのホスティングや分散推論を管理し、Kubernetesによる分離とスケーリングを提供します。

さらに、Model Context Protocol (MCP) やLlama Stackといった最新の標準規格を取り入れることで、エージェントがデータソースやスキルを標準化された方法で発見・利用できる環境を整えています。

実行エンジンとしてのAnsible

AIエージェントが下した判断を、実際のシステムへの変更として繋ぎ込む役割を担うのがAnsible Automation Platformです。

Red Hatの幹部は、Ansibleを「AIエージェントの意図と、本番環境の変更を橋渡しする信頼されたエンジン」と位置づけています。

AIが生成した「修正案」は、Ansible Playbookとして出力され、人間によるチェックポイントを経て実行されます。

YAML
# AIエージェントによって生成された脆弱性修正スキルの例
- name: Apply critical security patches based on CVE data
  hosts: servers
  become: yes
  tasks:
    - name: Ensure latest security updates are installed
      ansible.builtin.dnf:
        name: "*"
        state: latest
        security: yes
    - name: Verify compliance with subscription policy
      redhat.rhel_system_roles.advisories:
        state: verified
実行結果
TASK [Apply critical security patches based on CVE data] ***********************
changed: [server-01]
OK: [server-01] (Compliance verified with active subscription)

ガバナンスと開発者の未来

自律型エージェントの導入において、最も懸念されるのは特権の昇格や予期せぬデータ露出のリスクです。

Red Hatは、スキルを単なるツールの集合体ではなく、「ガードレールが組み込まれた行動規範」として定義しています。

エージェントが実行できるアクションは、既存のサブスクリプションルールやセキュリティライフサイクルに直接マッピングされています。

マット・ヒックス氏は、「AIによってエンジニアが職を失うわけではない」と断言しています。

むしろ、エンジニアの役割は「自らコードを書くこと」から、「AIが生成したシステムの評価と形成にエネルギーを注ぐこと」へとシフトしていくでしょう。

これは、数百台、数千台のサーバーやコンテナを管理しなければならない現代のシステム管理者にとって、不可欠な進化と言えます。

まとめ

Red Hatが提示した「AIスキルリポジトリ」とエージェント戦略は、AIを単なる知的な対話相手から、実務を担う強力なパートナーへと変貌させるものです。

20年にわたるサポート実績という「組織の記憶」をスキルとして製品化したことで、企業のインフラ運用は劇的な効率化を遂げようとしています。

巨大なモデルを追い求めるのではなく、信頼できるデータと強固なプラットフォーム、そして自動化エンジンの融合こそが、エンタープライズAIの正解であることを示しています。

既存のRHELやAnsibleを活用している企業にとって、現在の管理ツールがそのまま未来のAIエージェントを動かす基盤になるというメッセージは、極めて強力な指針となるはずです。