ネットワークに求められる「AI」「セキュリティ」にどう対処? 「Cisco Live Melbourne 2026」レポート
AIエージェントの通信量は人間の5倍以上に ― Cisco GMが教えるネットワーク再設計の進め方
2026年11月18日 08時00分更新
AIエージェントの採用が広がると、ネットワークの通信は量も流れ方も変わる。人間の場合は少し送って大量に受け取る形だが、エージェントは文脈(コンテキスト)や質問、データを絶えず外部のシステムやエージェントとやり取りするからだ。
Ciscoが2026年11月9日~12日、オーストラリア・メルボルンで開催したイベント「Cisco Live Melbourne 2026」で、同社のSVPとしてキャンパス&ブランチ ネットワーキング担当GMを務めるマイケル・ディックマン氏に、AI時代におけるネットワーキング分野の課題、Ciscoとしての解決策などを聞いた。
なぜ既存のネットワーク設計では限界を迎えるのか? AI通信の劇的な変化
――AIエージェントの広がりが予想されています。これはネットワークにどのような影響を与えるのでしょうか。
ディックマン氏:通信の「量」と「頻度」が劇的に増えます。そして、これはすでに起きています。
エージェントを使いこなす人間のユーザーはごく一部でも、エージェントのトラフィックはトークン使用量、ネットワークトラフィック、ともに非常に大きいことがデータでわかっています。たとえばトークンの使用量は、人間の約7倍にのぼります。さらに弊社の調査では、同じタスクをこなす場合、エージェントは人間より450%も多くネットワークトラフィックを消費することがわかっています。エージェントは内部で考える量が少なく、その分やり取りが増えるからです。
トラフィックの「流れ方」も変わります。ネットワークのトラフィックには、大きく2つの方向があります。1つはnorth-south(南北)のトラフィックで、クラウドなど外部と、社内のネットワークとの間の上り下りの通信です。もう1つはeast-west(東西)トラフィックで、キャンパスや工場、病院といった環境内での横方向の通信です。AIエージェントはこの両方に影響します。
まずnorth-southトラフィックでは、上りと下りの偏りが少なくなっていきます。人間のユーザーは、ときどき何かを送信し、そのあと大量のデータが下りてきますよね。上りは少なく、下りが多い。現在のほとんどのネットワークは、その流れを前提に作られています。ところがエージェントは、コンテキスト、質問、データ、推論を絶えず送ります。そのため上りが大きく増えて、上りと下りが対称に近づくのです。そうなると、これまでの設計のままのネットワークでは、持続的に負荷が発生し、帯域の問題も大きくなるなど、対処が難しくなります。
一方、east-westのトラフィックも大きく増えます。病院を例にしましょう。医師がエージェント型の文字起こしアプリケーションを使って、診察中の会話を録音して文字にするとします。このアプリケーションは、電子カルテシステムにもつながります。医用画像システムや病棟のナースステーションとやり取りする場合も含め、すべてが環境内で完結する横方向(east-west)の通信です。このように、エージェントのトラフィックは人間よりはるかに多くなります。製造業でも同じです。フィジカルAIやロボティクスはすでに稼働していて、環境内で膨大な通信が発生しています。エージェント同士が、デスクトップ間、キャンパスやブランチ、データセンターの間で「会話」するようにもなります。
このように、north-south方向はより対称的になって負荷が高まり、east-west方向も通信量が増えます。ネットワークを新たな視点で見直す必要があります。
既存機器の段階的モダナイズ手順と「信頼」を軸としたネットワーク設計
――既存のネットワーク機器を使っている顧客は、どうやって対応すれば良いのでしょうか。
ディックマン氏:多くのお客様は、何年も前にネットワークを設計しています。機器が古いだけでなく、現在のAIブームの前の設計というケースも多いでしょう。このような場合、見直しは必要です。実際には、何を優先させるか優先順位をつけて取り組むことになります。
セキュリティの観点から、多くの顧客が優先するのはWAN、つまりルーティングです。インターネットに接する、ネットワークの公開側にあたる部分だからです。最新のセキュリティに更新することは、帯域拡張と同じくらい重要です。ネットワークの内側では、ネットワークのコアから始めるのが理にかなっていることが多いでしょう。コアはキャンパスネットワークの唯一の中心なので、そのモダナイズは非常に重要です。
より現実的に進めるには、どの拠点から着手するのかの優先順位づけも必要です。たとえば、弊社の顧客である自動車メーカーは複数の工場を抱えていますが、最も収益性の高い工場から更新しています。先進的なロボティクスがすべて集まっている工場だからです。世界中のすべての工場を一気に更新するのではなく、最も重要で最も収益性の高い工場から更新していく。これは投資回収という点でも有効です。
こうした見直しのニーズに応えるため、弊社もキャンパスとブランチの機器を刷新しています。コア向けの新しい固定型のスマートスイッチ、ハイブリッドメッシュファイアウォールの機能をルーターに載せたセキュアルーター、Wi-Fi 7、そして過酷な環境に耐える産業用の機器などを発表しています。
――AIの活用が広がるなか、「ネットワークがボトルネックになる」という指摘があります。Ciscoはこの課題にどう取り組んでいますか。
ディックマン氏:われわれは2つの側面から取り組んでいます。
1つ目は、データセンターやクラウドでAIをどう展開するかです。ここは、できるだけGPUを遊ばせず、使用率を高く保つことが中心です。GPUを増やして束ねるスケールアップ、ラックを増やしてつなぐスケールアウト、複数のデータセンターをまたいでつなぐスケールアクロス、それぞれのためのソリューションがあります。
2つ目は、キャンパスやブランチです。あまり語られていませんが、ここでは性能よりもセキュリティへの信頼がAI活用の妨げになっています。ネットワークのセグメンテーションや、それを取り巻くセキュリティモデルに確信が持てなければ、AIエージェントを導入できないからです。Ciscoは、信頼が新たな触媒(カタリスト)になると考えています。
大手の産業系のお客様などから、ネットワークのセキュリティに確信が持てないために、AIエージェントの導入が思うように進まないという声を聞いています。特に日本の製造業は、非常に高度な電気部品を作り、システムも手がけています。品質は完璧でなければならず、セキュリティも完璧に近くなければなりません。そのため、ネットワークのセグメンテーションと、それを取り巻くセキュリティモデルに確信が持てず、エージェントの導入を進められないようです。性能面のボトルネックというより、信頼が確立できていないことによる制約、あるいは阻害要因だと言えます。
AIを展開するための信頼とパフォーマンスの両方を得るには、適切な性能と、適切なセキュリティ、セグメンテーションを備えたネットワークが必要です。一般的には、データセンターでは性能が、キャンパスではセキュリティが、より重視されます。ただし、重点の置き方の違いであって、どちらも、あらゆる場面で重要です。
本記事はアフィリエイトプログラムによる収益を得ている場合があります








