シャドーAIという見えないリスク、現場の効率化と統制の溝をどう埋めるか

あなたの企業では、社員のAI利用について、会社としてどんな方針を取っているだろうか。

AIの活用を現場に任せている企業もあれば、会社として使ってよいAIツールを絞り込んでいる企業もあるだろう。

しかし、いずれの場合も、「自社の社員が今、どんなAIツールをどこまで使っているか」を正確に把握できているかと聞かれると、自信を持って答えられるケースは少ないのではないか。

実は、この「把握できていない」状態は、決して少数派ではない。

ガートナージャパンが2026年に実施した国内企業向け調査では、シャドーAIを「把握し、有効な対策を取れている」と回答した企業はわずか24%にとどまった。残る73%は、「把握できていない」（43%）か「把握しているが対策が取れていない」（30%）のいずれかで、事実上の無防備状態にある。

そして、この「把握できていない」状態が、静かに大きなリスクへと育っている。

IBMの調査によれば、社員が無許可で使うAIツール、いわゆる「シャドーAI」が関与したセキュリティインシデントの割合は、前年の20%から倍増し43%に達している。

Samsungの半導体部門では、エンジニアが自社の測定用データベースの不具合を修正するために、独自のコードをChatGPTに貼り付けて相談したケースや、経営幹部レベルの会議の録音をテキスト化して要約させるためにアップロードしたケースが、社外への情報流出として問題になった。

悪意があったわけではなく、単に「早く仕事を終わらせたい」という現場の合理的な行動が、結果的に情報漏えいにつながった典型例だ。

本稿では、なぜ「現場のAI活用」と「会社の統制」の間にこれほど大きな溝が生まれているのか、その構造と、企業が取るべき対策を整理する。

シャドーAIが企業にもたらすリスク

まずは、シャドーAIのリスクについて確認する。

情報漏えいとデータ主権の喪失

ChatGPTやClaude、CopilotなどのAIサービスの企業向けプランの多くは、契約上、入力データをモデルの学習に使わないことを保証している。

しかし、シャドーAIの多くは、こうした契約の及ばない個人向け・無料アカウントを活用している。

個人アカウントに入力した情報は、モデルの学習に使われたり、社員の退職後も本人のアカウントに残り続けたりする可能性があり、会社側はその挙動をコントロールできない。

プロンプトを打ち込むという何気ない行為そのものが、社外へのデータ移転になりうるということだ。

法令違反・契約違反

個人情報保護法やGDPRといった法規制は、個人データの取り扱いについて厳格な要件を課している。

無許可のAIツールに顧客の個人情報を入力すれば、意図せず法令違反を犯してしまう可能性がある。取引先と締結した秘密保持契約（NDA）に違反するケースも起こりうる。

日本でもIPAの「情報セキュリティ10大脅威 2026」で「AIの利用をめぐるサイバーリスク」が初めて選出され、上位にランクインするなど、規制・監督当局の関心も急速に高まっている。

知的財産・営業秘密の喪失

ソースコード、製品ロードマップ、特許出願前のアイデアなど、事業の競争力そのものに直結する情報は、とりわけ扱いに注意がいる。

管理外のアカウントに入力した情報がモデルの学習に取り込まれれば、他のユーザーへの回答として再現されるリスクを排除できない。

営業秘密は、一度公開モデルに取り込まれてしまえば、それを取り戻す手段がない。

競争優位の源泉そのものが失われるという点で、回復不可能な損失になる。

ハルシネーションに基づく誤った意思決定

AIが生成する回答には、事実に基づかない「ハルシネーション」が一定の確率で含まれる。

これはAI全般に共通するリスクだが、シャドーAIの文脈では深刻さが増す。

会社が正式に導入したAIツールであれば、「回答は必ず一次情報で検証する」といった利用ガイドラインや研修が伴うことが多い。

しかし、無許可で使われているツールにはこうした教育が及ばず、出力が検証プロセスを経ないまま業務判断や顧客対応に使われることになる。

また、無許可利用の中には無料版や精度の低いツールが含まれることもあり、誤りそのものが発生しやすいケースもある。

さらに、誰が、いつ、どのツールに何を尋ねたかという記録が残らないため、誤情報が意思決定に混入しても、事後にそれを特定し訂正することが難しくなる。

攻撃対象領域の拡大

無許可のAIツールやAPIは、社内のセキュリティ部門が存在を把握していないため、監視や防御の対象から漏れてしまう。

攻撃者は、こうした「見えていない」経路を突いてくる。

代表的なのが、正規のAIツールを装った偽の拡張機能やアプリだ。実態はマルウェアで、インストールした端末やアカウントの情報を盗み出す。

また、AIツールが外部のWebページやメール、文書を読み込んで処理する場合、その中に悪意のある指示を紛れ込ませる「プロンプトインジェクション」という手法によってAIの挙動を乗っ取られ、アクセス権限のある社内データを外部に送信させられる恐れもある。

さらに、リスクは無許可のツールだけにとどまらない。

生成AIモデルやサービスを提供しているベンダーは、クラウドインフラの運用や一部の処理機能を、自社以外の他社（再委託先、サブプロセッサー）に外部委託していることが多い。

GDPRの下ではこの再委託先の開示が求められているが、どこまで詳細に、どんな形で開示するかはベンダーによって差があり、契約書を実際に確認しなければ実態が見えてこない。

その結果、企業がベンダー本体と「学習に使わない」といった契約を結んでいても、データが実際にどの会社のシステムを経由し、どこまで見られているのかまでは把握できていない、というケースが起こりうる。

つまり「会社として承認済み」のツールであっても、データが渡る先の全体像までは把握しきれていないと、思わぬところにサプライチェーンリスクを抱えている可能性があるということだ。

インシデント対応の遅れと説明責任の喪失

無許可のAIツールの利用実態を把握していなければ、情報漏えいなどのインシデントが発生した際に、何が、いつ、どのように漏れたのかを特定すること自体が困難になる。

原因究明の遅れは初動対応の遅れに直結し、被害の拡大や規制当局への説明責任を果たせないことにもつながりかねない。

これらのリスクは独立して存在するのではなく、互いに絡み合っている。

情報漏えいは法令違反を招き、法令違反は当局対応や訴訟のリスクを生み、対応の遅れがブランド毀損につながる。

では、なぜこれほど幅広いリスクが放置されやすいのか。その構造的な理由を見ていきたい。

統制が「後追い」にしかなれない理由

まず、数字で状況を確認しておきたい。

前述したIBMの調査では、情報漏えい1件あたりの平均総コストは、シャドーAIが関与したケースでは、そうでないケースより67万ドル高くなる。

加えて、同レポートでは、ソースコードや知的財産といった情報が、シャドーAIに関連する漏えいにおいて主要な流出対象の一つになっていることも指摘されている。

それにもかかわらず、同調査ではAI関連の漏えいを経験した組織の92%が適切なアクセス制御を欠いており、3分の2の組織がシャドーAIを制限する統制プロセスを持っていないとしている。

また、Verizonの調査によれば、社員の悪意によらない過失が原因の内部リスク事象のうち、シャドーAIの利用は前年から4倍に増加し、原因別で3番目に多いカテゴリーになったという。

これほどコストとリスクが大きいにもかかわらず、なぜ統制は追いついていないのか。理由は単純で、現場のAI活用のスピードに、統制の整備が構造的に追いつけないからだ。

新しいAIツールは日々登場し、無料または安価に使い始められる。

ブラウザの拡張機能やスマートフォンのアプリから、許可を待たずに数分で使い始められてしまう。

一方、企業が正式にAIツールを審査し、利用ポリシーを整備し、社員に周知するまでには、通常は数カ月単位の時間がかかる。

この非対称性は、放置すれば広がり続け、溝を生んでしまうのだ。

攻撃する側も、AIを利用している

もう一つ見落とされがちなのが、守る側だけでなく、攻める側もAIを積極的に活用しているという事実だ。

CrowdStrikeの脅威分析レポートによれば、AIを使った攻撃は前年比89%増加している。

その一つに、AIがいずれ読み込むメールやWebページ、文書などに、人には見えない形で指示を仕込んでおき、AIがそれを処理する際に動作を乗っ取るという、生成AIツールへの悪意あるプロンプト注入が90社以上で確認されている。

これにより、侵入から内部への侵攻までにかかる時間は平均29分にまで短縮され、前年から65%も高速化している。

こうした攻撃は、会社が正式に導入したAIツールも標的になりうるが、無許可のAIツールは、セキュリティ部門の審査や監視を経ていない分、攻撃への備えが手薄なまま使われがちで、たとえ乗っ取られても発見が遅れやすい。

つまり、社内で管理しきれていないAIツールが増えるほど、攻撃者にとって「見つかりにくく、突破しやすい」侵入口が増える、という構図だ。

企業が取るべきこと

以上を踏まえ、シャドーAIのリスクに向き合う企業が取るべき対策を整理する。

禁止ではなく、可視化から始める

シャドーAIへの対応というと「使用禁止」を思い浮かべがちだが、それだけでは根本的な解決にならない。

そもそも、現場が自発的にAIツールを使い始めるのには理由がある。審査を待たずに使い始められる分、業務効率化のスピードが上がる。

また、現場の社員は自分の業務課題を最もよく理解しているため、トップダウンで一律導入されたツールよりも、実際のニーズに即したツールを見つけやすい。

一律禁止は、こうした現場発の工夫やスピードをまるごと摘み取ってしまう。

しかも、禁止したところで現場のAI利用そのものがなくなるわけではなく、水面下に潜るだけだ。

結果として企業は、「どんなツールが、どう役立っているか」という情報まで失うことになる。

禁止は統制の強化どころか、可視性を自ら手放す選択になりかねない。

そのため、まず取り組むべきは、社内で実際にどんなAIツールが、どの部署で、どんな目的で使われているかを可視化することだ。

ただし、可視化は「監視ツールを導入すれば終わり」という話ではない。

ネットワークやブラウザの利用状況を技術的に検知する仕組みは有効だが、それはあくまで事後的に利用実態を捕捉する手段の一つに過ぎない。

監視を強化するほど社員が萎縮し、かえって利用を隠すようになれば、可視化はむしろ後退する。

複数のセキュリティ・HR系の専門家コメントを読み解くと、技術的な検知と並行して、社員が自分から使用状況を申告できる環境を整えることを推奨している。

「正直に申告しても不利益がない」という前提を明確にし、申告を懲罰ではなく学びの機会として扱うことで、監視だけでは拾えない実態まで吸い上げられるように工夫するのが有効だ。

現場の信頼とインセンティブを設計する

可視化を機能させるための土台となるのが、現場との信頼関係とインセンティブの設計だ。ここは技術対策ではなく、マネジメントの領域になる。

第一に、承認プロセスの速さそのものを見直す必要がある。

多くの現場がシャドーAIに頼るのは、正規の申請ルートが遅すぎて実務に間に合わないからだ。

IT部門・法務・情報セキュリティ部門が連携し、リスクの低いツールについては数日単位で審査・許可できる体制を整えれば、無許可利用に流れる動機そのものを減らせる。

第二に、評価やインセンティブの設計を見直す必要がある。

多くの組織では、成果やスピードだけが評価され、どう達成したかは問われない。

この状態では、社員はリスクを取ってでも早く終わらせることを選びやすい。

逆に、便利な使い方を見つけた社員がそれを共有・発信することを評価する仕組み（社内での事例共有会やナレッジ共有チャネルなど）を作れば、隠れて使うインセンティブを弱め、良い使い方を組織全体に広げる好循環を生める。

こうした施策は、「見つけて取り締まる」という性悪説的な可視化とは異なり、社員を統制の対象ではなく、リスクを最初に発見できるパートナーとして扱う考え方に基づく。

「これは使ってよい」を明確にする

利用を制限するだけでなく、会社として推奨・許可するAIツールを明確に示すことも欠かせない。何が禁止かだけでなく、何なら安全に使えるのかが分からなければ、リスクの高い無許可ツールに流れてしまう可能性が高まる。

用途ごとに「機密情報を扱わない範囲であれば自由に使ってよい」「顧客データを扱う場合は許可されたツールのみ」といったように、リスクの高さに応じた利用ルールを段階的に設計することが有効だ。

ツールを承認する際の審査基準にも工夫がいる。

学習利用の有無や契約条件だけでなく、ベンダーが再委託先（サブプロセッサー）をどこまで開示しているかも、審査項目に含めておきたい。

GDPRの下では、データ処理契約（DPA）に再委託先の一覧を明記することがベンダー側に求められており、企業向けにサービスを提供している多くのAIベンダーは、契約書やトラストセンターのページでこの一覧を開示している。

契約前にDPAと再委託先一覧の提示を求め、変更時には事前通知を受ける取り決めを盛り込んでおけば、既存の審査プロセスに組み込める。

逆に、DPAや再委託先一覧を示せないベンダーであれば、それ自体が「業務利用には向かない」という判断材料になる。

アクセス権限とログを整備する

AI関連の情報漏えいを経験した組織の多くが、適切なアクセス制御を欠いていたという実態を踏まえると、誰が、どのデータに、どのAIツールを通じてアクセスできるかを制御する仕組みは避けて通れない。

具体的には、社員の役職や業務内容に応じて必要最小限の権限だけを与える「最小権限の原則」を徹底することが基本になる。

あわせて、退職や異動があった際にアカウントとアクセス権を速やかに無効化する運用も欠かせない。

社内のID管理基盤(シングルサインオンの仕組み)とAIツールの認証を連携させておけば、退職した社員のアカウントが放置されたまま社外から使われ続ける、といった事態も防ぎやすくなる。

ログについては、誰が、いつ、どのツールに、どのようなデータを入力し、どのような出力を得たかを、最低限記録しておきたい。

ログは取得するだけでなく、定期的に確認・監査する仕組みとセットで運用する必要がある。

例えば、通常の業務では考えにくい量のデータが特定のAIツールに送信されている、といった異常な兆候を検知できれば、実際に被害が広がる前に気づける可能性が高まる。

こうしたログは、インシデント発生時の原因究明を早めるだけでなく、平時から「どのツールが、どの部署で、どう使われているか」を把握する材料にもなり、最初に挙げた可視化の取り組みとも連動する。

後追いをやめ、先回りでルールを作る

現場のAI活用のスピードに、統制の整備が追いつくことは構造的に難しい。

だからこそ、統制側は「後から追いつく」のではなく、あらかじめ余裕を持ったルールと仕組みを用意しておく発想が必要になる。

新しいAIツールが登場するたびに個別に審査・対応するのではなく、「どのカテゴリーのツールなら、どの条件下で使ってよいか」という原則をあらかじめ定めておけば、現場の動きに逐一追随する必要がなくなる。

例えば、軸を「ツールが何をできるか」と「扱うデータの機密度」の2つに分けて考えるとよい。

ツールについては、情報を読んで回答するだけの生成AIか、メール送信やファイル操作など外部への操作まで実行できるAIエージェントかで、リスクの大きさが大きく変わる。

前者であれば、個別審査なしで利用してよいと決めておける。後者は、どんなに小さな作業であっても、必ずIT部門の事前審査を経てから使用を許可する、というように分ける。

扱うデータの機密度についても、あらかじめ段階を決めておく。

公開情報のみを扱う用途は原則自由、社内限定情報を扱う用途はベンダーが「入力データを学習に使わない」契約を提供しているツールに限定、顧客の個人情報を扱う用途はデータ処理契約（DPA）を締結済みの、会社として正式契約したエンタープライズプランのみ、というように条件を段階化しておく。

こうすることで、新しいツールが登場するたびに、この条件に当てはめるだけで可否を判断できるようになる。

まとめ

現場でのAI活用が広がるスピードに、企業の統制が追いつききれていないという状態は、今に始まったことではない。

そして、この溝が放置される限り、リスクは今後も広がり続ける。

シャドーAIへの対応は、「使わせない」ことではなく、「何が、どこで、どう使われているかを把握し、安全に使える選択肢を用意する」ことに主眼を置くべきだ。

「可視化」「現場の信頼とインセンティブの設計」「許可されたツールの明確化」「アクセス権限とログの整備」「先回りしたルール設計」

この5つが、統制と現場の溝を小さくしていくための土台になる。

技術的な監視だけでも、精神論だけでも足りない。両輪で初めて、現場のスピードと会社の統制は両立する。

参照元：

IBM『Cost of a Data Breach Report 2026』公式レポート https://www.ibm.com/reports/data-breach ／補足報道（Cybersecurity Dive）https://www.cybersecuritydive.com/news/data-breach-costs-ai-governance-ibm/826463/

Verizon『2026 Data Breach Investigations Report』公式 https://www.verizon.com/business/resources/reports/dbir/

CrowdStrike『2026 Global Threat Report』公式 https://www.crowdstrike.com/en-us/global-threat-report/

Samsung社員によるChatGPTへの機密情報アップロード事案（Dark Reading）https://www.darkreading.com/vulnerabilities-threats/samsung-engineers-sensitive-data-chatgpt-warnings-ai-use-workplace ／ AI Incident Database https://incidentdatabase.ai/cite/768/

IPA「情報セキュリティ10大脅威 2026」公式 https://www.ipa.go.jp/security/10threats/10threats2026.html ／補足報道（日経クロステック）https://xtech.nikkei.com/atcl/nxt/column/18/00989/062200211/

シャドーAIの法的リスクに関する分析（LexisNexis）https://www.lexisnexis.com/blogs/en-ca/b/legal-ai/posts/shadow-ai-legal-risks

シャドーAIのセキュリティリスクに関する分析（SentinelOne）https://www.sentinelone.com/cybersecurity-101/cybersecurity/what-is-shadow-ai/

企業向けAIプランと個人向けプランの学習利用ポリシー比較（ai-edu.ch）https://ai-edu.ch/en/insights/ki-geschaeftsabos-datenschutz/

GDPR第28条とサブプロセッサー開示義務に関する解説（ComplyDog）https://complydog.com/blog/subprocessors

ガートナージャパン「シャドーAI」対応調査（2026年）に関する報道（Gartner公式プレスリリース）https://www.gartner.co.jp/ja/newsroom/press-releases/pr-20260618-aibs-shadow-ai