2026年版年次調査レポート発表：AIガバナンスのギャップは縮まらず、拡大

テストされていないキルスイッチは、コントロールではありません。それは単なる仮定に過ぎず、今年のデータは多くの組織がその仮定のもとで運用している実態を示しています。

私たちは、Kiteworks データセキュリティ＆コンプライアンスリスク：2026年年次調査レポートのデータ収集を完了しました。北米、欧州、中東の459名のセキュリティ、コンプライアンス、テクノロジー担当者の回答をもとにしています。今回の注目すべき発見は、新たな脆弱性や新規制ではありません。構造的な問題です。つまり、組織がAIガバナンスについて「信じていること」と「実際に証明できること」とのギャップが、過去12か月で縮まるどころか拡大しているという点です。

昨年末、私たちの予測では、調査終了時点で約60%の組織がテスト済みのAIキルスイッチを持たないだろうと見込んでいました。しかし、実際の数値は79%でした。目標を外しただけでなく、AI導入が加速する中でギャップがさらに拡大したのです。調査対象組織の64%は、すでにAIを本番環境に導入済みです。導入の是非はもはや議論の余地がありません。いまや本当のリスクは「封じ込め」にあります。

本記事では、今年のAIデータガバナンス調査で最も重要な発見――何が問題となり、なぜそのような形で問題が起きたのか、そしてギャップを縮める組織と広げる組織の違い――を解説します。Kiteworksのセキュアデータ交換サービスの顧客や見込み顧客も、今回のデータが答える根本的な問いを抱えています。「自社のガバナンスは、本当に自分たちが信じているほど機能しているのか？」

主なポイント

1. ガバナンスギャップは縮小せず拡大した。 私たちの予測では、現時点で60%の組織がテスト済みAIキルスイッチを持たないはずでしたが、実際は79%であり、過去1年でギャップが縮まるどころか拡大しました。
2. 封じ込めコントロールが最も脆弱な部分であり、検知ではない。 AIキルスイッチを導入している組織はわずか21%。本番環境でAIを運用している組織の23%は、終了プロセスを一度もエンドツーエンドでテストしたことがありません。
3. コンプライアンス上の影響は、すでに現実となっている。 過去12か月で63%の組織がAIガバナンスギャップに起因するコンプライアンス上の影響を経験し、半数は1営業日以内にAIアクセス記録を完全に提出できませんでした。
4. セキュリティ成熟度とAIガバナンス成熟度は、加算ではなく乗算の関係。 新たに策定した「データセキュリティ＆コンプライアンス準備度指数（DSCRI）」の平均値は100点中16.2点。一般的なセキュリティが強くても、AI特有のコントロールが弱ければ補完できないことを示しています。
5. 予算規模は成熟度を予測しない。 調査で最も大きなセキュリティ予算を持つ組織ほど、成熟度上位層の割合が最も低く、はるかに小規模な予算の中堅組織がそれを上回りました。

キルスイッチ問題：文書化された手順はテストされたコントロールではない

多くの組織がつまずくのはここです。AIの終了能力について質問したところ、多くの回答者が「コントロールのように聞こえるが、実際は希望に過ぎないもの」を説明しました。たとえば、担当者の指定、エスカレーション経路、誰も実際に本番システムで実行したことのない運用手順書などです。

正式なAIキルスイッチ機能を導入している組織はわずか21%。さらに、本番環境でAIを運用している組織の23%は、終了プロセスを一度もエンドツーエンドでテストしたことがないと回答しました――「昔一度だけテストした」すらありません。この違いは、インシデント発生時に初めて手順が実際には機能しないと判明するリスクを大きく左右します。

この問題はスピードの観点でも深刻です。CrowdStrike 2026 Global Threat Reportでは、AIを活用したラテラルムーブメントが最短27秒で発生した事例が記録されています。MandiantのM-Trends 2026レポートでは、初期侵入から二次的な脅威グループへの引き継ぎまでの中央値が2025年には22秒に短縮されたと報告されています。アラートに気づき、エスカレーションし、手動でアクセス制御を引くようなキルスイッチは、27秒で発生する問題には対応できません。これは個々のセキュリティチームへの批判ではなく、多くの封じ込め計画の設計と、実際に封じ込めるべき対象のスピードとの構造的なミスマッチです。リアルタイムのAIアクセスのテレメトリーを取り込み、CrowdStrikeやMandiantが記録したラテラルムーブメントのシグネチャに事前設定された行動アラートを発火させるSIEMプラットフォームこそが、27秒の攻撃者と人間のスピードで対応するキルスイッチのギャップを埋める検知インフラです。

AIを導入している組織の22%は、過去12か月間にデータセキュリティ上の懸念から、少なくとも1つのAI導入を見直し、ロールバック、または制限せざるを得ませんでした。これは仮想的なリスクではなく、すでに組織が負担している運用コストです。

コンプライアンス上の影響は将来リスクではなく現状の事実

過去1年で63%の組織が、AIガバナンスギャップに起因するコンプライアンス上の影響――監査指摘、是正計画の要求、取締役会へのエスカレーション、契約上のペナルティ、正式な規制調査――を少なくとも1件経験しています。これは「ガバナンスが改善されなかった場合に起こりうる」未来の予測ではなく、すでに実際に起きたこととして組織が報告した結果です。

調査対象組織の半数は、リクエストから1営業日以内にAIアクセス記録を完全に提出できませんでした。改ざん検知可能な監査証跡を備えているのは33%のみであり、大多数は事後に改変されていない証拠を提出できない状態です――これは調査官や監査人が最初に確認する記録です。この2つの発見は密接に関連しています。自社のアクセス記録を迅速に取得できない組織は、規制当局の質問にも迅速に答えられない組織であると言えます。

規制環境は、この問題をより緊急なものにしています。GDPRなどの枠組みや新たなAI特有の規則のもとでは、アカウンタビリティ原則により、組織は機密データのコントロールをオンデマンドで証明できることが前提となっています。記録取得の遅延は、単なる技術的な不便ではなく、ガバナンス不十分の証拠と見なされ、規制当局や監査人もそのように扱います。AIガバナンスに起因するデータ侵害やコンプライアンス指摘が発生し、必要な監査証跡を1営業日以内に提出できない場合、単にコントロールが破られた以上に、アカウンタビリティインフラ自体が機能しなかったことを示すため、規制リスクがさらに高まります。

今後1年で、データ主権を最大のコンプライアンス課題と位置付ける組織は61%に上りますが、実際に技術的なメカニズムで強制しているのは29%に過ぎません。データ主権への関心はほぼ普遍的ですが、技術的な強制はそうではありません。宣言された優先順位と実際のコントロールとのギャップこそが、規制リスクの温床であり、今年のデータでも繰り返し現れています。

なぜ新たな指数を作ったのか：セキュリティ成熟度とAIガバナンス成熟度は乗算関係

長年、組織は「一般的なセキュリティ体制が十分だから大丈夫」と考えてきました。しかし、今年のデータはその直感が誤りであることを示しており、その点を明確にするために新たな複合指標を設計しました。

データセキュリティ＆コンプライアンス準備度指数（DSCRI）は、データセキュリティ成熟度スコアとAIガバナンス成熟度スコアを加算ではなく乗算で組み合わせます。459名の回答者全体で、調査平均は100点中16.2点でした。データセキュリティ成熟度スコアの平均は39点、AIガバナンス成熟度スコアの平均は35点。両者を掛け合わせることで、どちらか一方が中程度でも、合計スコアは非常に低くなります。これは、一般的なセキュリティプログラムがAI特有のガバナンスギャップを補完できないこと、またその逆も同様であることを示しています。一方が他方の代わりにはなりません。

このギャップが実際にどれほどのコストを生んでいるかを最も明確に示すのが、成熟度最上位層と最下位層のAIインシデント発生率の差です。最上位層の組織はAIインシデントを34%の割合で報告していますが、最下位層では91%に上ります。これは両グループ間の緩やかな差ではなく、まさに分岐点です。どちら側に組織が位置するかは、多くの経営者が想定するほど支出額とは関係ありません。AI特有のガバナンスコントロールと一般的なセキュリティ成熟度の両方を同時に評価する正式なリスク評価――別々の監査トラックとして扱うのではなく――こそが、コンプライアンスイベントが逆方向に計算を強いる前に、この乗算ギャップを明らかにします。

予算規模は成熟度を予測しない――アーキテクチャが鍵

今年の結果を経営層に説明する際、私が繰り返し強調するのがこの発見です。調査対象の全組織を、一般的なセキュリティ成熟度とAI特有のガバナンス成熟度という2軸でプロットしたところ、浮かび上がったパターンは企業規模や支出額ではありませんでした。

グローバル企業――調査対象中で最大のセキュリティ予算を持つ組織――は、どの規模帯よりも成熟度最上位層の割合が最も低い結果でした。はるかに小規模な予算で運用する中堅組織がそれを上回りました。同じ傾向は業界別でも見られ、防衛請負業者や連邦政府――経済で最も機密性の高いデータを扱うセクター――は、成熟度最上位層の割合がゼロでした。AIガバナンスのリーダーとして名が挙がることの少ないエネルギー・公益事業分野が、データセット全体で最も高い個別スコアを記録しました。

地域別でも同様です。北米の組織だけが、成熟度最上位層に有意な割合で分布していました。中東の組織は、調査対象地域の中で最下位層への集中度が最も高く、最上位層への分布が最も少ない――これは認知度の低さではなく、全体的なセキュリティ成熟度スコアの低さと一致しています。どの地域もデータ主権を最重要コンプライアンス課題に挙げていましたが、ゼロトラスト・アーキテクチャや技術的な強制レイヤーを実際に備えている組織はごくわずかでした。

予算はセキュリティプログラムを購入できますが、実際に機能するかどうかを左右するAI特化のコントロール――属性ベースアクセス制御（ABAC)の強制、テスト済みの終了機能、中央集約された監査ログ――を自動的に購入できるわけではありません。AIがアクセス可能なすべてのコンテンツに一貫して適用されるデータ分類は、予算だけでは保証できない基礎要件です。大規模なセキュリティプログラムを持つ組織ほど、分類インフラが不完全またはチャネルごとに一貫性がないことに気づくことが多く、投資が多くても強制のギャップが残る理由となっています。

サードパーティAIベンダーリスクが内部ギャップを拡大

内部のガバナンスギャップは、単独で存在するものではありません。組織の27%は、利用しているAIベンダーが自社データをモデル学習に利用しているかどうかを評価・技術的に検証していません。つまり、4分の1以上の組織が、信頼だけで機密データをサードパーティシステムに預けている状態です。Black Kite 2026 サードパーティ侵害レポートでは、2025年に136件のサードパーティ侵害が検証されており、侵害から通知までの中央値は73日――つまり、組織はベンダーの失敗によって2か月以上も侵害に気づかない可能性があります。

組織の19%は、自社のサードパーティアクセス取り消し機能を一度もテスト・演習したことがありません。これは、ベンダーレイヤーにおける内部キルスイッチ問題の反映です。ベンダーリスク管理プログラムが、実際にベンダーのアクセスをオンデマンドで遮断できることを確認していない場合、組織が自社のAIシステムについて未検証の主張をするのと同じリスクを抱えています。サプライチェーンリスク管理の実践として、サードパーティアクセスの取り消しを定期的にテストすること――単に機能を文書化し、動作を仮定するのではなく――こそが、内部キルスイッチ成熟度とサードパーティ取り消し成熟度のギャップを埋める組織的な実践です。

シャドーAIと断片化したデータ交換がギャップを拡大

組織の65%が、過去12か月間にシャドーAIの利用――従業員が承認・提供されていないAIツール経由で機密データをやり取り――を発見しています。AIゲートウェイを単一のコントロールポイントに集約できているのは43%のみであり、多くの組織が5～6の異なる視点からAI活動を同時にガバナンスしようとしています。一貫したポリシーは、全体像を把握できないシステムでは強制できません。

この断片化はAIツールに限りません。マネージドファイル転送、セキュアメール、ファイル共有、ウェブフォームなど、機密データ交換環境が断片化している組織は62%に上り、一貫したセキュリティポリシーや単一の管理境界ではなく、複数の露出ポイントを生み出しています。特にMFTを利用している組織では、リアルタイムでSIEMにログをストリーミングしているのは26%、改ざん検知可能な監査証跡を維持しているのは39%にとどまります。断片化と監査ギャップは相互に強化され、インフラが分散するほど、「いつ、誰が、何をしたか」という防御可能な単一記録の作成が困難になります。CISOダッシュボードは、MFT、メール、ファイル共有、AIエージェントなど、すべてのコンテンツ交換チャネルを横断したリアルタイムの統合可視性を提供し、5つの分断されたシステムから手作業でログを集計せずとも、防御可能な単一記録を実現します。

分類についても同様です。全主要システムで自動データガバナンスと分類を実現できていない組織は55%、チャネル横断でタグ付けと分類を一貫して強制できているのは39%にとどまります。分類が下流のコントロールを強制しなければ、それはガバナンスではなく、単なるフォルダのラベルです。データセキュリティポスチャ管理は、データがシステム・チャネル・AIパイプラインを横断する際の継続的な発見を提供し、このギャップの一部を埋めますが、発見だけでは誤送信を防げません。送信時点での強制が必要です。AIデータ境界でのデータ最小化――エージェントやモデルに必要最小限のコンテンツのみを提供する――は、管理されていないチャネルごとに露出可能な機密データ量を制限し、ガバナンスギャップの影響範囲をさらに縮小します。

ガバナンスの責任体制自体も課題の一部です。組織の39%は、AIデータガバナンスを既存のセキュリティやIT担当者の付加業務として扱い、専任の責任者を置いていません。専任チームを配置しているのは24%のみです。責任が既存業務への「ついで」になっている場合、継続的な注意と維持が必要なコントロールほど、予算編成や他の優先事項が現れた際に真っ先に後回しになります。

うまくいっている組織の共通点

今年のデータを業界・規模・地域で切り分けても、スコアが高い組織には次の3つの特徴が一貫して見られました：

• 一度文書化しただけでなく、定期的にテストされているキルスイッチ
• アクセス権が十分に限定されており、取り消し時に複雑な権限の絡みを解消する必要がない
• 迅速な取得を前提に設計された中央集約・改ざん検知可能な監査ログ

これらはいずれも、一般的なセキュリティ予算と比べて高額なものではありません。すべてアーキテクチャ上の意思決定であり、予算規模だけでは実現できないからこそ、これらを持つ組織を予算だけで予測できません。これがKiteworks Compliant AIの中核的な考え方です。データとAIの境界をガバナンスするには、成熟したデータセキュリティプログラムが他のチャネルで長年実践してきたのと同じ、インシデント対応計画、ベンダーリスク管理、中央集約された可視性が必要です。AIに特別なガバナンス哲学は不要です。既存の哲学を一貫して適用し、紙の上だけでなく技術的に強制することが求められます。データコントロールパネルは、すべてのコンテンツチャネルとAIワークフローを横断した一つのポリシーエンジンと監査証跡を提供し、これら3つのアーキテクチャ的意思決定を「理想」から「現実の運用」へと変えます。

2027年に向けて意味すること

私たちは1年前の予測レポートでこのギャップを予見していましたが、今年のデータで驚いたのは、ギャップが存在することではなく、AI導入が加速する中でギャップが縮まるどころか拡大したことです。これは技術の失敗ではなく、順序の失敗――先に導入し、封じ込めは後回しにした結果です。本来は両者を同時に進める必要があります。

もし貴社が現在AIを本番環境で運用しているなら、今週最も有用な問いは「キルスイッチがあるか」ではありません。「最後にテストしたのはいつか」「テストにどれだけ時間がかかったか」「何がうまくいかなかったか」です。誰も具体的に答えられないなら、実際にはキルスイッチはまだ存在していません。存在するのは「これから作る計画」であり、今年のデータは、その計画が最悪の状況下で初めて試されるインシデントまであと一歩であることを示しています。

過去1年でこのギャップを埋めた組織は、予算増を待つのではなく、3つの事項を「運用要件」として責任者とテストスケジュールを設定し、単なる文書化作業として扱わなかったのです。すなわち、定期的に実行されるキルスイッチ、クリーンに取り消せる範囲まで限定されたアクセス、数時間で規制当局の質問に答えられる監査ログ。このリストは多くの組織が想像するより短く、だからこそ成熟度最上位層と最下位層のギャップが今年のデータで示されるほど大きいのです。

自社のセキュリティ体制とAI特有のガバナンスコントロールのギャップを埋める方法について詳しく知りたい方は、カスタムデモを今すぐご予約ください。

追加リソース

• ブログ記事
  ゼロトラスト戦略で実現する手頃なAIプライバシー保護
• ブログ記事
  77%の組織がAIデータセキュリティで失敗している理由
• eBook
  AIガバナンスギャップ：2025年、91%の中小企業がデータセキュリティでロシアンルーレット状態
• ブログ記事
  あなたのデータに「–dangerously-skip-permissions」は存在しない
• ブログ記事
  規制当局は「AIポリシーがあるか」の質問を終えた。今、求められるのは「機能している証拠」