Oso、AI agentの権限を可視化とautomated least privilegeへ変えた転換

Graham NerayのOsoは、authorizationを「各社が自前で作る見えない仕組み」から、開発者が扱える基盤へ引き上げようとしてきた。

現在は人間だけでなくAI agentの権限まで視野に入れるが、その出発点はもっと地味な顧客の困りごとだった。出典

顧客の一言が方向を変えた

2019年ごろ、Osoは当初、開発者向けのinfrastructure securityを作っていた。

しかし見込み顧客にalpha productを見せても反応は鈍かった。

代わりに複数の会社から、アプリケーションのauthorizationを作るために長期間を費やしているという相談が返ってきた。出典

Graham Nerayは当時を振り返り、「We were initially building a different product that no one wanted. But people were asking us about permissions」と語っている。

この発言は、創業者が最初の仮説を守るより、顧客が繰り返す痛みへ移った転機を示す。出典

ライブラリからCloudへ

Osoはcodebaseを捨て、Polarというdeclarative policy languageと、RBAC・ReBAC・ABACを表現できるlibraryへ集中した。

2021年には$8.2MのSeries Aを発表し、累計調達額は$10.9Mとなった。出典

その後のOso Cloudは、policyとfactsを中央で管理し、アプリからauthorizationを問い合わせる形へ広がった。

Edge Nodes、index、cacheによる低latencyを掲げ、local databaseを使い続ける選択肢も用意している。出典

AI agentが新しい谷を作る

2026年、Osoは人間向けの権限モデルだけではAI agentの速度に追いつかないという問題へ軸足を広げた。

Osoの研究では、2.4M workersと3.6B permissionsを調べ、96%の権限が90日間使われていなかったと報告している。出典

Nerayは「Agents don’t behave like humans」と説明し、automated least privilegeを次の課題に挙げた。

Oso for Agentsではagent、connector、user、sessionを可視化し、tool callをblockしたりapprovalを要求したりするpolicyを提供する。出典

今のOso

Osoは、authorizationを一度実装して終わるlibraryではなく、policy・facts・観測・enforcementをつなぐcontrol planeへ変わりつつある。

人間向けの複雑な権限を扱うためのdeveloper experienceを、agent時代の安全装置へ転用した点がこの道のりの核心だ。

OsoのPMFは、multi-tenant SaaSや複雑なresource hierarchyを持つ開発チームにある。

authorizationは全社が必要だが、個別実装は後回しになりやすい。

Polarでpolicyをコード化し、Oso Cloudでfactsと判定を分離することで、認証と認可を混同せずに進められる。出典

AI agentでは権限の過剰付与が高速にリスク化するため、visibilityとenforcementを同時に求めるsecurity teamにも広がる余地がある。出典

Polar、facts、policy debugging、SDK、agent telemetryを組み合わせた実装知識が蓄積する。

単なるAPIではなく、authorization modelを設計・運用するworkflowまで含める点が障壁になる。出典

network effectは弱い。

単一顧客のauthorizationに閉じるからだ。

一方、open-source libraryとpolicy patternが開発者間で共有されるcommunity effectはあり、導入知識の流通が次の利用を助ける。出典

主対象はmulti-tenant SaaSのbackend team、platform engineer、security engineer。

RBACだけでなくresource間の関係やapprovalが必要な組織に向く。

単純なloginだけを実装したい小規模アプリには過剰になり得る。出典

第一にPolarでRBAC・ReBACなど複雑なモデルを表現できること。

第二にlibraryからCloud、さらにagent controlへと顧客課題に沿って提供範囲を広げたこと。

第三に開発者向けdocsとopen-sourceを入口にしていることだ。出典

authorizationは既存DBやidentity providerとの統合が前提で、導入初期のmodelingコストが残る。

Oso for Agentsも、全トラフィックを観測可能な経路へ通す設計が必要だ。

価格ページは一部がdemo前提で、enterpriseの総コストは要確認である。出典

初期はopen-source libraryとdeveloper educationでauthorizationの問題を発見させ、Cloudで運用価値を提供する流れを取った。

現在はAI agentのinventory、session monitoring、policy enforcementを組み合わせ、security budgetへ接続している。

無料Developer tierから始められるが、enterpriseはdemo型でセルフサーブとの境界がある。出典

主要チャネル: developer-content, open-source, community, founder-media, sales

authorizationを後付けのif文からpolicyとfactsの設計問題へ引き上げると、複雑化したときの保守性が上がる。

さらにAI agentでは、許可することだけでなく、何をしたかを観測し、必要なら止める運用まで一体で考える必要がある。出典

日本企業では、社内システム・子会社・取引先をまたぐ権限の棚卸しが重い。

OsoのReBACやlocal authorizationを、既存のidentity基盤と監査要件に合わせて導入できれば、permission設計の属人化を減らせる可能性がある。

AI agentの導入では、まずread-onlyからpolicyを検証する段階設計が現実的だ。出典