エアギャップ・閉域環境で生成AIを使うには — できることと運用上の制約

防衛・重要インフラ・研究開発など、インターネットから切り離された環境を持つ組織にとって、生成AIは「使いたいが、クラウド前提で手が出ない」存在でした。状況はローカルLLMの登場で変わりつつあります。外部接続なしで生成AIを使う方法と、その運用上の制約を整理します。なお以下では、物理エアギャップ（媒体経由でしか物が入らない完全分離）と、閉域・分離環境（外部への経路を持たない区画。組織全体は接続を保つ）を区別して扱います。

技術的には可能 — オフラインで動く生成AI

ローカルLLMは、モデルファイルさえ環境内にあれば、推論にネットワーク接続を必要としません（ローカルLLMとは何か）。GPU等の計算資源を分離環境内に置けば、文書の要約・コード支援・Q&Aといった生成AIの主要用途はオフラインで成立します。

コーディングエージェントについても、外部API接続を前提にしないオープンソース系のエージェントとローカルLLMの組み合わせなら、クラウドへの依存なしに動かせます。GPUの調達や持ち込み審査などの条件は付きますが、「切り離された環境だからAIは諦める」が唯一の結論ではなくなりました。

本当の課題は「持ち込みと更新」

エアギャップでのAI利用の難所は、推論そのものではなく物の出し入れです。

• モデルの持ち込み — モデルファイルは外の世界からやって来ます。検証（提供元・改ざんの確認）を経て、許可された媒体・手順で持ち込む運用が要ります
• 更新 — モデルもツールも更新され続けます。「持ち込んだきり数年放置」は、能力面でも脆弱性面でも劣化します。定期的な持ち込みサイクルを運用として設計する必要があります
• 依存物 — エージェントやツールが必要とするパッケージ類も同様です。内部ミラー（環境内の配布元）を用意し、外から定期的に補給する形が定石です

つまりエアギャップAIの設計とは、「接続しない」を維持したまま「補給する」手順の設計です。ここを曖昧にすると、現場が非公式な持ち込みを始め、分離の意味が損なわれます。

物理エアギャップか、閉域・分離環境か

もうひとつの設計判断は、分離の範囲と強度です。

• 物理エアギャップ（完全分離） — 規制・契約で要求される場合の構成。上記の媒体ベース運用を全面的に受け入れる
• 閉域・分離環境（機密区画の遮断） — 組織全体は接続を保ちつつ、機密を扱う区画だけ外部への経路をなくす。補給は管理された経路に限定する。厳密な意味のエアギャップではないが、「機密がAIから外へ送られない」という目的には適う

多くの企業にとって現実的なのは後者です。全社エアギャップは業務が成り立ちませんが、「機密データとAIが同居する部屋には外への線がない」という部屋単位の分離なら、日常業務と両立します（ワークスペース設計・クラウドLLMとローカルLLMの使い分け）。

どちらの場合も、「外に出ていない」ことを構成として説明できることが、規制対応・顧客説明での強みになります。

まとめ

• ローカルLLMにより、切り離された環境での生成AI利用は条件が揃えば成立する
• 難所は推論ではなく補給。モデル・ツール・依存物の持ち込みと更新を、検証つきの手順として設計する
• 物理エアギャップと閉域・分離環境は分けて考える。多くの企業の現実解は「機密区画だけ外部経路をなくす」後者
• 「外部に接続していない」を構成で説明できることが、規制・監査対応の強みになる

Hoko（矛）の機密ルームは、物理エアギャップとは別の選択肢です。外部への経路を持たない閉域ワークスペースを用意し、箱内のローカルLLMだけが機密を処理します。この部屋は、箱が発行する2つのルームの片方です。