【ITニュース解説】Sentinel Vault: Runs on Atlassian AI apps

Sentinel Vaultは、Confluenceという情報共有ツールで利用できるAIレビューアプリの一つで、コンテンツの内容を人工知能が分析し、レビューする機能を提供する。このアプリの最大の特徴は、Atlassianが提供する「Runs on Atlassian」というプログラムと「Forge LLMs API」という技術を活用している点にあり、これによりデータセキュリティとコスト管理の面で一般的なAIアプリとは異なる特性を持つ。

まず、「Runs on Atlassian」というプログラムがなぜ重要なのかを説明する。通常、多くのAI機能を持つサードパーティ製アプリは、OpenAIやAnthropicといった外部のAIサービスを利用する。そのため、Confluenceの管理者やセキュリティ担当者は、これらの外部サービスへのAPIキーをアプリに設定し、コンテンツを外部サービスに送信することを許可する必要がある。この場合、コンテンツの取り扱いに関する責任範囲が広がり、外部ベンダーのセキュリティポリシーも確認しなければならなくなる。しかし、「Runs on Atlassian」のバッジを持つアプリは、データ処理と保存がすべてAtlassianのクラウド環境内で完結することをAtlassian自身が保証する。これは、アプリが外部サービスにデータを流出させない（分析目的のログなどを除く）という厳格な要件を満たしていることを意味する。このバッジはベンダーの自己申告ではなく、Atlassianがデプロイされたアプリを審査して自動的に付与するため、信頼性が高い。ただし、このバッジがあるからといって、アプリが持つ権限を不適切に使用しないことまでは保証されないため、その点には注意が必要だ。

Sentinel VaultのAI機能がこの「Runs on Atlassian」の要件を満たせるのは、「Forge LLMs API」を利用しているためである。これはAtlassianが開発者向けに提供するAPIで、大規模言語モデル（LLM）をAtlassianのクラウド環境内で実行することを可能にする。このAPIを使うことで、Sentinel VaultはConfluenceのページテキストをAtlassianのインフラ内部でAIに処理させ、外部にデータを一切送ることなくレビューを実行できる。結果として、利用者はAIサービスのためのAPIキーを設定する必要がなく、データは常にAtlassianの管理下に留まるため、高いデータセキュリティが保たれる。さらに、このAPIを通じて送信されるAIリクエストは、Atlassianが自社のAI機能に使用しているのと同じモデレーション（内容審査）プロセスを経るため、不適切な内容の処理も防ぐ仕組みが組み込まれている。Sentinel Vaultのシステム構成ファイル（manifest.yml）を確認しても、外部への接続や特殊な権限の要求は見当たらず、データの外部流出がないことが裏付けられている。

データ流出がないことの確実な証明の一つに、Atlassianが提供するforge eligibilityというコマンドラインツールの実行結果がある。Sentinel Vaultのプロダクション環境のビルドに対してこのツールを実行すると、「Runs on Atlassianプログラムの資格がある」と明確に表示される。一方、開発環境のビルドでは、テスト目的で組み込まれたWebトリガーモジュールがデータ流出の可能性を持つと判断され、資格がないと表示される。これは、プロダクション環境へのデプロイ時に、データ流出の可能性がある開発用のコンポーネントが意図的に除去されていることを示しており、開発者がデータセキュリティに対して細心の注意を払っている証拠と言える。新しい設定APIについても、データ流出の危険がない「静的Webトリガー」として設計されるなど、開発段階からセキュリティを重視した判断がなされている。

Forge LLMs APIを利用する際のコストについては、その支払い主体が一般的なAIアプリと大きく異なる。このAPIには無料利用枠がなく、利用したトークン（AIが処理する文字数や生成する文字数）に応じて費用が発生するが、その費用はアプリの開発者（Sentinel Vaultの場合はLeanZero）が負担する。つまり、Confluenceの利用者はAIサービスの利用料を直接Atlassianに支払う必要がなく、自身の請求書にAI利用コストが載ることもない。この仕組みは、開発者にとってAIモデルの利用コストを抑える強いインセンティブとなる。そのため、Sentinel Vaultでは利用するAIモデルを、より安価なClaude Haikuに限定するポリシーが適用されており、このポリシーはアプリのコードの複数箇所で厳格に強制されている。

Sentinel VaultのAIレビュー機能は、初期設定では「オフ」になっている。管理者が手動で設定を有効にするまで、AIモデルは呼び出されず、コストが発生することもない。また、手動でのAIレビュー実行はConfluenceのスペース管理者のみに許可されており、一般のユーザーが誤ってAIコストを発生させる心配はない。AIレビューに送られるコンテンツは純粋なテキストデータのみで、ページ全体の文字数も4万文字まで、AIからの回答も4,096トークンまでという制限がある。AIによる処理はバックグラウンドで実行されるため、ユーザーのリクエストがタイムアウトする心配も少ない。AIモデルからの回答が途中で途切れた場合や、パース（解析）に失敗した場合には、ワークフローゲートの承認を阻止するなど、安全側に倒れた設計がなされている。

以前はAIレビューは「アドバイス」という位置づけだったが、現在はConfluenceのワークフローの移行条件としてAIレビューを設定できるようになり、AIの判断がページの特定の状態への移行をブロックする「強制力」を持つようになった。しかし、重要な注意点として、もしサイト全体または特定のスペースでAI機能がオフにされている場合、AIレビューの条件は自動的に「スキップ」され、その条件は「合格」とみなされてしまう。これはAI機能をオフにすることでワークフローゲートを迂回できることを意味するため、コンプライアンス要件がある場合には、AIをオフにできる権限を持つユーザーを明確に定め、その運用ルールを文書化しておく必要がある。

Sentinel Vaultの「月間トークン予算を設定可能」という点は、利用者がコストをコントロールできるという点で魅力的だが、いくつかの「弱点」が存在する。まず、予算のデフォルト値が「ゼロ」であり、これは実質的に「無制限」を意味する。AIを有効にする際には、明示的に予算を設定しないと意図しない高額なコストが発生する可能性がある。次に、設定された予算はサイト全体ではなく、Confluenceのスペースごとにカウントされる。そのため、複数のスペースでAIレビューを利用する場合、それぞれのスペースで予算が消費され、全体のコストが予算を超過する可能性もある。さらに、予算チェックはAIレビューがキューに「追加される際」に行われ、実際にAIモデルが「実行される際」には行われない。これにより、短期間に大量のリクエストがキューに追加された場合、予算チェックを通過した後にまとめて実行され、結果として予算を超過する可能性も考えられる。また、現状では管理者がConfluenceのユーザーインターフェースから現在のAI使用状況を確認できる画面は提供されていない。予算超過時の挙動は明確で、手動レビューは拒否され、ワークフローゲートはデフォルトでブロックされるが、設定で超過時も許可することも可能である。

Atlassianは、アプリのセキュリティと信頼性を維持するために、アプリ開発者がForge LLMs APIを既存のアプリに追加したり、新しいAIモデルファミリーを利用しようとしたりする場合には、それを「メジャーバージョンアップ」とみなし、管理者の承認を必須としている。これにより、利用者は意図しない機能追加やコスト発生から保護される。Sentinel VaultがClaude Haikuに限定しているのは、既存のClaudeファミリー内での選択であり、新しいファミリーへの移行ではないため、現時点では追加の承認は不要である。

最後に、今回の分析で未検証の点も存在する。AIレビューの動作確認は開発ビルドでの1回のテストのみであり、プロダクションビルドでの詳細な検証は行われていない。また、正確なトークン使用量に基づいたコストの計測も行われていないため、実際の運用コストについては利用者側での継続的な確認が必要となる。さらに、現在使用されているClaude Haikuモデルの提供終了日が2026年10月15日と示されており、それまでにSentinel Vaultが新しいモデルに対応するアップデートが行われるか、注意深く見守る必要がある。これらの点を踏まえると、Sentinel VaultのAIレビュー機能はデータセキュリティ面で非常に優れているものの、コスト管理や将来的なモデル変更については、利用者が意識して運用すべき事項がいくつか存在する。