SaaSの生存を採点する（Part 7）：パロ アルト ネットワークス徹底解剖①——経路の運命と、データドッグ・Snykとの対比

※本記事は「Part 1：エージェント型AIが迫る三つの経路」「Part 2：価格決定力・マージン・受益者と、22社のVAR耐性スコア」「Part 3：VAR耐性スコアカードの採点フレームワーク」「Part 4：Palantir徹底解剖」「Part 5：データドッグ徹底解剖」「Part 6：クラウドフレア徹底解剖」の続編となります。三つの経路と12ファクターの採点フレームワークを先にお読みいただくと、本稿の内容がより明確になります。

Part 2の22社スコアでは、パロ アルト ネットワークス（PANW）に暫定的な「Bullish」評価を付けていました。本稿ではその評価を、Palantir（PLTR）・データドッグ（DDOG）・クラウドフレア（NET）に続く個別精査として掘り下げます。パロ アルト ネットワークスはサイバーセキュリティという特殊な領域に属するため、Part 3で定めた標準の12ファクターに加えて、サイバー専用の付録ファクターD1・D2を新たに使います。

分量が大きいため、Part 7からPart 9までの3回に分けてお届けします。本稿では同社の位置づけと、競合との対比を扱います。Part 8で標準12ファクターの採点を、Part 9でサイバー専用の付録ファクター・バリュエーション・結論を扱います。

パロ アルト ネットワークスは「もう一つのSaaS」ではない

Part 7からPart 9までを通じた結論を先に述べておきます。同社を一言で表すなら、成果連動型プラミングでありながら、SecOps（セキュリティ運用）というドメインの内側では経路3にほぼ垂直に迫る地位にある、というのが結論です。複数ドメインにまたがるエージェント型コンパウンダーではありませんが、単なるヘッドレスの配管役でもありません。

センサー、インラインでの強制執行、そしてアイデンティティ管理という3つの柱が、モデルラボにとって中核部分を吸収しにくくしています。一方で、シフトレフト型の脆弱性スキャンのような検証しやすい仕事は、より奪われやすい領域です。Mythos（Anthropicの制限公開モデル）とProject Glasswingは、近い将来の需要を押し上げる材料です。ただし長期的には、ソフトウェアが「クリーン」になっていくことや、トークンを大量に消費する提供形態がマージンを圧迫するリスクもあります。自社DCFの基準シナリオは、直近株価に対してほぼ妥当な水準を示しています。成長率が20%台半ばまで伸び、プラットフォームへの追加契約（アタッチ）が実現すれば、上振れの余地があります。

バケットと経路

パロ アルト ネットワークスの分類は、成果連動型プラミング（Outcome-Levered Plumbing）です。割り当てられた経路は、成果連動を伴う経路2（ドメイン内の経路3に接近しつつある状態）です。

三つの経路と、成果連動型プラミングという分類

12ファクターの採点結果

• A1 システム・オブ・レコードの深さとデータ重力：4.5
• A2 ワークフロー吸収性（大脳テスト）：4.5
• A3 提供職能の需要弾力性：3.5
• A4 経路の運命と経路の質：4.5
• A5 成果への貢献度（天井テスト）：5.0
• B1 モデル層レバレッジ：4.0
• B2 組織の代謝：5.0
• B3 価格モデルの俊敏性：4.0
• B4 信頼・セキュリティ・ガバナンスの態勢：5.0
• B5 出荷ケイデンス：5.0
• C1 トークン経済下のマージン軌道：4.0
• C2 倍率に織り込まれたシナリオ（Rule of Xグリッド）：3.0
• D1 エージェント時代の需要生存（Mythos時代の関連性）：4.0
• D2 マシンアイデンティティと権限：4.5

※D1・D2はサイバーセキュリティに限定した付録ファクターで、標準の12ファクターには含まれません。

経路の運命——ほぼ垂直の経路3、ただし全社的な経路3ではない

VAR耐性フレームワークにおいて経路3とは、既存企業が経験層（UI）・ワークフロー・データという三つの層すべてを保有し続けることを意味します。経路1は完全な内製置き換えです。経路2はヘッドレスでの生存、つまり経験層をサードパーティのエージェントに譲りつつ、ワークフローとデータは既存企業側に残る状態を指します。経路2の中でも、A5が高くB3も堅実な企業を我々は成果連動型プラミングと呼びます。経路2に立ちながらも、エージェントとAIが「守るべき対象」を大きく広げることで、成長の余地を大きく残しているベンダーのことです。パロ アルト ネットワークスは、SecOpsというドメインの内側では、ほぼ経路3のスコアカードに達するOLPとして高い評価を受けています。

B1が4.0であることが、経路の判定にとって重要です。全社的な経路3・A4の5.0には、B1が4以上であるか、圧倒的な規制上の堀があることが必要です。パロ アルト ネットワークスはこの条件を満たしています（詳細は後述のMythosとB1の節）。プラットフォーム化が進んだパロ アルト ネットワークスの顧客企業では、Cortexがすでに経験層（Agentic Assistant／AgentiX）・ワークフロー（検知・調査・対応・プレイブック）・データ（顧客環境全体のテレメトリとアイデンティティ）を一つの面に集約しています。これはサイバーセキュリティというドメイン内での経路3の形、すなわちSecOpsにおけるドメイン特化型のエージェント型コンパウンダーであり、画面を失うことを既定路線とする単なるヘッドレス配管とは異なります。

それでもA4は4.5にとどまり、主たるバケットは成果連動型プラミングのままです。このシリーズにおける全社的な経路3（Palantir）は、セキュリティだけでなくCRM的業務・人事・財務・ミッションアプリまで、複数ドメインを一つの基盤の上でエージェント型インターフェースとして保有することを意味します。パロ アルト ネットワークスはそこまでは到達していません。汎用のエージェント型インターフェース（Claudeなど）は、他の企業タブでは勝ちを収めうる存在であり、複数ベンダーが混在するセキュリティ環境では、MCP経由でパロ アルト ネットワークスの上位に立つこともできます。つまり同社は、自社の縦割りドメインの内側では経路3に極めて近い一方、複数ドメインにまたがる経路3には届いていません。商業エンジンは依然として量とプラットフォームへの追加契約（高いA5と堅実なB3）であり、戦略的なラベルは「ドメイン内でほぼ垂直な経路3」です。

サイバーセキュリティは特殊なドメインです。まずはモデルラボにとっての強気シナリオを描き、その上でなぜ例外なのかを見ていきます。

もしClaude、OpenAI、あるいは同格のモデルラボが企業のエージェント型インターフェースを完全に制するなら、日々の姿は単純です。従業員は一つの入口だけを開きます。その裏側には、人事ならワークデイ、財務ならネットスイート、営業ならセールスフォース、セキュリティならCortexといった別々のシステムが並び、それぞれが自分のデータベースを持ち続けます。エージェントはAPIとMCPを通じてそれらと会話します。UI上では人事、財務、IT、セキュリティといったタブやモードのように見えるかもしれません。画面は一つでも、裏側のシステムは多数のままです。モデル企業が画面を保有し、SaaSベンダーは配管役になります。

その構想自体は技術的にありえます。パロ アルト ネットワークスにとっての問いは、ClaudeがCortexに到達できるかどうかではありません（できます）。問いは、SecOpsがその汎用UIの中の単なる一タブとして収まるべきか、それとも設計思想として、モデルもワークフローもデータも保有するセキュリティプラットフォームの上に、主たる画面が留まり続けるべきか、という点です。

サイバーが人事や経理と同列に汎用UIへ収まらない理由は次の通りです。

• 不可逆な操作（隔離、プロセスの強制終了、アイデンティティのブロック、ポリシー変更）は本番環境を止めうる。汎用エージェントは「助けになること」と「取り消し可能性」を最適化するが、サイバーは既定として破局的な失敗を想定する。
• 常時稼働の敵対的テレメトリ。先四半期の給与について尋ねるクエリ／応答ではなく、絶え間なく流れ込む情報の奔流である。
• フォレンジックと法的監査。規制当局や弁護士向けに、証拠の連続性とプレイブックに紐づいたロギングが求められる。
• 専門的な技法とスキーマの深さ。ドメイン固有のクエリ言語、カスタム検知ルール、ネットワーク・エンドポイント・アイデンティティ・クラウドを横断する調査グラフが必要になる。
• エアギャップと主権上の制約。外部モデルへの気軽な呼び出しがしばしば禁じられる。
• 相手側もAIを使う敵対関係。遠くない将来には、Mythos級の能力を持つ攻撃者すら想定される。

つまり、プラットフォーム化が進んだパロ アルト ネットワークスの顧客企業では、SecOpsはCortexのエージェント型UIの中で運用され、フロンティアモデルはそのプレーンの内側で活用される可能性が高いのです（B1を4.0と採点している理由の大部分もここにあります）。複数ベンダーが混在するセキュリティスタックこそが、中立的なClaude＋MCP層が画面を奪いうる場所です。それは残存する経路2のリスクであり、プラットフォーム化が進んだ顧客企業における基本シナリオではありません。

データドッグとの対比——同じMCPパターン、違うホームベース（そして違うB1）

Part 5では、データドッグを経験層がすでに争われている高品質な経路2のOLPとして扱いました。コーディングエージェントはMCP経由でデータドッグのテレメトリを引き出し、開発者はIDEに留まり続けます。BitsはデータドッグのAIによる自社対抗策であり、MCPはデータドッグの配管としての側面です。データドッグのB1は3.5です。本番投入されたToto級のドメイン特化時系列モデルと、事後学習の経路としてのAdaptive MLはあるものの、閉じた産業規模の強化学習フライホイールにはまだ届いていません。そのためフレームワークは、データドッグを一度も経路3の近くに置いていません。

紙の上では、パロ アルト ネットワークスも似て見えます。深いテレメトリ、自社製エージェント、Claudeへ接続するMCP、結果を伴う対応措置。「重要なデータ＋MCP」だけが物語のすべてなら、両社は同じように画面を失うはずです。しかし実際にはそうなりません。

B1はここでは高く（データドッグの3.5に対して4.0）、その差はChatGPT登場以前から続く歴史の長さに由来します。パロ アルト ネットワークスは2011年頃のWildFire以来、15年にわたって本番環境のセキュリティに機械学習を投入してきました。マルウェア検知からインライン防御へ、さらにその後はXDR／XSIAM的な振る舞い検知モデルへと発展し、規模拡大とともに深層学習も組み込まれてきました。今日のPrecision AIというブランドは、そのスタックそのものです。高信頼度の検知・防御の核としてML／DLを据え、コパイロットや調査ナラティブ、AgentiX的な推論のために生成AIとフロンティアモデルを付加しています。この接続は表面的なものではなく、層をなしています。ML／DLの集積が、生の環境テレメトリを構造化されたセキュリティイベントと文脈に変換します。その上でCortexがClaudeやGemini等を活用し、ノイズの多いログから汎用LLMに検知内容を発明させるのではなく、すでに蒸留された文脈の上で言語処理とプランニングを行わせるのです。データドッグにも本物の生成AI以前のMLはありました。2018年に登場した自律的な異常検知Watchdogがそれです。ただしその仕事はより狭く、メトリクス上の診断的な異常検知と予測が中心で、10年分のラベル付き攻撃データとプレイブック化された自動対応の厚みには及びません。データドッグ独自のドメイン特化時系列基盤モデルであるTotoは、ChatGPT以後の時代に登場し、そのオブザーバビリティのMLスタック（Watchdog、予測、関連するBits機能）を高度化させようとするものです。それでも、生成AI以前からの敵対的検知器の蓄積という厚みには及びません。つまりパロ アルト ネットワークスは、フロンティアLLMをSOC（セキュリティ運用センター）の中でより役立つものにする、体系的で独自のセキュリティモデルのレバレッジという点で4.0の水準を満たしています。データドッグの3.5は、生成AI以前の敵対的検知器やプレイブック化された自動化の厚みという点で見劣りする、という違いを反映したものです。

データドッグは、通常どこか別の場所から始まる仕事の文脈として使われます。開発者やSRE（サイト信頼性エンジニア）はコーディングエージェントの中で生活しており、何かが壊れたときにデータドッグをそのフローに引き込みます。エージェントの本拠地は、すでに別のプロダクトのものです。是正措置はしばしばコード・PRへ、つまりコーディングエージェントの世界へと戻っていきます。

Cortexは、通常それ自体が仕事そのものです。SOCアナリストの1日はアラートとケースキューから始まります。調査と対応こそが成果物です。彼らの本拠地はコンソールです。プラットフォーム化が進んだパロ アルト ネットワークスの顧客企業において、サードパーティのエージェントはオプションのオーバーレイであり、既定のシフト用コックピットではありません。

購入者とエージェントは、すでに別々に購入されています。エンジニアはCursorやClaude Codeを購入し、その後データドッグを付け加えます。CISO（最高情報セキュリティ責任者）はCortex／XSIAMをシステム・オブ・ワークとして購入します。Claudeを主たるSOC用UIにすることは、複数ベンダーが混在する環境でない限り、2つ目のコックピットを持つことを意味します。

一言で言えば、データドッグの利用者はすでに他社のエージェントの中で生活しているのに対し、パロ アルト ネットワークスの利用者は今もパロ アルト ネットワークスの中で生活しています。本拠地の違いに加えてB1が4.0であることが、パロ アルト ネットワークスがデータドッグよりも経路3に近い理由であり、それでいてPalantirではない理由でもあります。

MCPが経験層を奪い合う仕組み

Snykとの対比——なぜパロ アルト ネットワークスはシフトレフト型AppSecではないのか

サイバーセキュリティのA2を採点する際、Part 3では検証可能性という論点に明確に焦点を当てます。A2は、モデルやツールアクセスを持つコーディングエージェントによって、あるベンダーのワークフローがどれだけ吸収されやすいかを問うものです。これまでのPartでは主に、薄いソフトウェアなのでモデルが丸ごとラップできるか、それとも外部からは代替できない本物のインフラなのか、という切り口で扱ってきました。サイバーではさらに鋭い切り口を加えます。検証しやすい仕事から先に吸収され、あいまいで判断力を要する仕事は後回しになる、あるいはまったく吸収されない、というものです。

検証可能性という物差し

Snykの事例が示す教訓

Snykは、開発者起点・シフトレフト型AppSecを代表するベンチャーでした。IDE・リポジトリ・CIにスキャンを組み込み、コードが出荷される前に開発者自身が問題を修正する、という発想です。ピーク時の評価額はおよそ85億ドルに達しましたが、その後成長は大きく鈍化し、ARR（年間経常収益）ベースで20%台半ばからひとケタ台半ばへと落ち込みました。主な要因は3つあります。第一に、より大きなプラットフォームが、買い手がすでに支払っている予算の中にコードセキュリティをバンドルし、狭いAppSecという座席を押しつぶしました。リポジトリ内のGitHub Advanced Security、そしてWiz・パロ アルト ネットワークス・クラウドストライク（CRWD）による安価な、あるいはより広いプラットフォームの一部としてのAppSecモジュールがそれにあたります。Snykには幅とデータ重力が欠けており、予算項目として置き換えやすい存在でした。第二に、コーディングエージェントがワークフローそのものを変えました。Copilot、Cursor、Claude Codeはコードを書き、スキャンし、修正を提案し、再テストし、生成ループの中で反復できます。セキュリティがコーディングエージェントの実行する一工程になると、独立したスキャナーは独立した製品として存在する理由を失います。第三に、そしておそらく最も根深い点として、Snykの中核エンジンは伝統的な機械学習・深層学習を組み込んだ静的コード解析です。Mythos級のLLMは、コードを読んで欠陥を見つけるという同じ検証可能な仕事において、この手法を圧倒します。これは翻訳の物語の再来と言えます。特化型の機械翻訳システムは、汎用LLMが単に言語で上達するまでは最先端に見えていました。特化型のML／DLスキャナーも、フロンティアのコーディングモデルが制限公開級の精度で脆弱性を発見・検証できるようになった今、同じように脆弱に見えます。バンドリングが予算項目を殺し、コーディングエージェントがワークフローの座席を殺し、フロンティアLLMが基盤となるアルゴリズムそのものを殺すのです。

ギットラブ（GTLB）は良い対照例です。同社もコーディングエージェントにさらされていますが、それでもソースコード管理・CI・デリバリーなど、ソフトウェアライフサイクルのより広い部分を保有し続けています。その広い裾野が、適応するための時間的猶予を与えています。Snykはコードセキュリティという、スタックの中でも最も検証可能な一部分に留まっていました。それは立ち位置として悪い場所でした。

同じ検証可能性という物差しが、サイバーの残りの部分も選り分けます。独立系のAppSecや脆弱性管理製品、たとえばSnyk、Tenable、Qualysのような企業は、検証しやすい仕事に最も近い場所に立っています。コーディングエージェント、Mythos級のスキャナー、プラットフォームによるバンドリングに最もさらされているのはこの層です。ファイアウォールやSASE、エンドポイントの封じ込めといったランタイム・インライン強制執行を担うプレイヤーは、モデルが「安全なコードを生成する」ことでは迂回できない物理的な制約の上に立っています。アラートや調査のために巨大かつキュレートされた環境の文脈を保持しているベンダーは、長期にわたるベースライン、トポロジー、アイデンティティ、過去のケース履歴といった、汎用モデルには容易に模倣できないものをエージェントに与えます。これらの企業も無敵ではありませんが、シフトレフト型の検証ツールとはA2の区分が異なります。

パロ アルト ネットワークスは、Cortex Cloud（旧Prisma Cloud）を通じて多くのシフトレフト型セキュリティにも関わっていますが、中核の仕事は主に後者のグループに属します。インラインのファイアウォールとSASE、エンドポイントとクラウドのセンサー、Cortex上のSOCの文脈、そしてCyberArk／Idira経由のマシンアイデンティティは、マージ前のスキャナー座席のような薄いものではありません。これがSnykのように採点されない理由です。検証可能性は端の部分では依然として重要です。プラットフォーム内でも検知や脆弱性に近いワークフローは、インシデント対応や強制執行に比べて検証しやすく、それゆえMythos級のモデルやエージェント・ネイティブなスキャンにさらされやすいのです。だからこそA2は満点の5.0ではなく4.5です。しかし同社の全体像は、Claudeに丸ごと内製化されるのを待つバリデーターではありません。