AIガバナンスの課題は政策の問題ではなく、エビデンスの問題である

CISOやチーフコンプライアンスオフィサーにAIエージェントについて夜も眠れないほど気になることを尋ねると、正直な答えは「エージェント自体」ではないことが多いでしょう。実際に気になるのは、規制当局や監査人、または相手側の弁護士からいずれ投げかけられるであろう質問です。「どのエージェントがこの記録にアクセスしたのか、その権限は何だったのか、そしてその証拠はどこにあるのか。」

この問いに対する業界全体の答えが今、示されていますが、安心できるものではありません。OneTrustがSapio Researchと共同で8つの市場、1,200人の上級意思決定者を対象に実施した「2026年AI対応ガバナンス調査レポート」によると、87%の組織が従業員や事業部門にAIエージェントの利用を推奨しています。しかし、そのうち明確なガバナンス、監督、管理を伴っているのは47%に過ぎません。AIライフサイクル全体で調整と責任が明確だと答えたのは、わずか5%です。このギャップについて、OneTrust自身は「飛行中の飛行機を作っている」と率直に表現しています。

導入とガバナンスの間にある40ポイントの差が見出しですが、その下にある実態こそがコンプライアンスリスクを担う人々にとってより重要です。OneTrustが測定した8つのガバナンス活動の中で、最も実施率が低いのは「ガバナンス証拠と監査証跡」で、わずか28%の組織しか実施していません。これは調査対象の中で最低のカテゴリーです。個々のガバナンス業務に対する自信は高く、活動によって76%から78%に上りますが、結果を正当な権限と記録に結びつける証拠を出す自信はありません。この「ガバナンスを実施すること」と「それを証明できること」の違いこそが、今後AIガバナンスの議論が進むべきポイントです。

Kiteworks独自の調査も、データ層から同じ問題点を指摘しています。「Kiteworksデータセキュリティとコンプライアンスリスク：2026年年次調査レポート」では、459組織の平均データセキュリティおよびコンプライアンス準備度指数（DSCRI）は100点中16.2点にとどまり、79%の組織が不正なAIエージェントを自動的に停止する仕組みを持っていないことが明らかになりました。ガバナンスプロセスと調整を測るデータと、基盤となるデータコントロールを測るデータは、異なる角度から同じ組織の現状を示しています。どちらも、規制当局からの質問に答える準備ができていないことを示しています。

主なポイント

1. AIエージェントの導入がガバナンスを40ポイント上回っている。OneTrustの2026年調査によれば、87%の組織がAIエージェントの利用を推奨している一方で、ガバナンスや監督、管理が整備されているのは47%にとどまっています。
2. AIライフサイクル全体での調整と責任の明確化がほとんど存在しない。組織のうち、ユースケース承認から導入後のモニタリングまで、明確な責任分担と引き継ぎがあると答えたのはわずか5%で、平均して4つのガバナンス活動を実施しているにもかかわらず、この状況です。
3. 証拠は最も弱いガバナンス活動であり、最も強いわけではない。ガバナンス文書化、監査証跡、証拠生成は8つの活動の中で最下位で、28%の組織しか実施していません。これは自信に満ちた調査回答の裏に隠れた実際のアカウンタビリティギャップです。
4. 未承認のエージェントによる行動は、すでに現実のインシデントとなっている。過去12カ月間に未承認のAIエージェントやAIシステムによるインシデントが少なくとも1件発生したと答えた組織は48%、2件以上と答えたのは28%に上ります。
5. 解決すべきはデータコントロールの問題であり、新たなポリシー文書ではない。Kiteworksの独自調査では、平均的な組織のデータセキュリティとAIガバナンス準備度合計は100点中16.2点であり、証拠のギャップとエージェントのギャップは、どのエージェントがどのデータにどの権限でアクセスしたかという信頼できる記録が存在しないという、根本的に同じ問題であることを示しています。

導入が先行し、ガバナンスはまだ始まっていない

OneTrust調査の中心となる数字は、数値そのものと同じくらい、その文脈が重要です。87%の組織がガバナンスの有無にかかわらずAIエージェントの利用を推奨していますが、それに明確なガバナンスや監督、管理が伴っているのは47%だけです。40%は、ガバナンスや管理が「まだ発展途上」であることを認識しつつ、積極的にエージェントの利用を推奨しています。10%は、ビジネスの一部で一貫した監督なしにエージェントが稼働していると回答。AIエージェントの利用を全面的に禁止しているのは、わずか1%です。

推奨の度合いも役割によって均等ではありません。CISOは91%と最も高い割合でエージェント利用を推奨しており、CDOが90%、CPOが85%、CMOが83%と続きます。この順序は注目に値します。セキュリティリスク管理を最も担う部門が、最も積極的にエージェントの導入を後押ししているのです。これは必ずしも矛盾ではなく、CISOが2026年においてエージェント導入を全面的に阻止することは現実的な方針ではないと理解しており、実際に必要なのは、すでに進行している状況を管理するためのコントロール構築であることを示しているのかもしれません。

OneTrustのレポートでは、AIガバナンス成熟度モデルを5段階で示しており、その分布も示唆的です。ガバナンスが設計段階から完全に組み込まれ、イノベーションを積極的に推進していると答えた組織はわずか17%で、これは最も成熟した状態です。約半数の47%は、ガバナンスが「受動的かつ断片的」または「文書上は定義されているが、実際には遅く手作業である」と答えています。ガバナンスフレームワークやリスク委員会、文書化されたポリシーがあっても、それらがエージェントの導入スピードに追いついていなければ、47%に含まれてしまいます。

ここで「飛行中の飛行機を作っている」という表現がレポートの象徴的なイメージとして使われる理由があります。これは計画がない組織を指しているのではなく、AI導入の計画を実行しながら、同じ四半期、時には同じ会議でガバナンス計画を作成している組織を指しています。

本当のギャップは「調整力」―調整には証拠が不可欠

OneTrustのデータセット全体で最も衝撃的な数字は87/47の分断ではなく、5%という数字です。AIライフサイクル全体、つまりユースケース承認から導入後のモニタリング、インシデント対応、ベンダー監督まで、明確な調整と責任分担があると答えた組織はわずか5%です。この数字は、一見矛盾するような他の2つの数字と並んでいます。組織は平均して4つのガバナンス活動を実施しており、76%から78%の回答者が各ガバナンス機能の実施能力に自信を持っていると答えています。

これら3つの数字を合わせて読むと、非常に具体的な失敗パターンが浮かび上がります。個々のチームは、それぞれのガバナンス業務を適切に遂行しています。プライバシーチームは影響評価を実施し、セキュリティチームはインシデントを記録し、調達チームはベンダー契約を審査します。個々の業務に対する自信は本物です。しかし、欠けているのは「つなぎ目」、つまりエージェントのライフサイクルの各段階でどのチームが責任を持つのかを明確にできるオーナーと、チーム間の引き継ぎを乗り越えて残る共有の証拠品質の記録です。

OneTrustによるライフサイクル段階ごとの調整の内訳も、特定の課題が突出しているわけではないことを示しています。パフォーマンスや価値、ビジネスインパクトの測定が最も難しい調整課題で28%、サードパーティやベンダーAIリスクの管理が24%、導入後のAIシステムのモニタリングと導入前のAIリスク分類がそれぞれ23%、技術的コントロールの維持が22%です。8つ以上のカテゴリーに分散しており、どれも突出していません。これは、プロセスの中で特定のステップだけが壊れているのではなく、そもそも端から端までつながっていないプロセスであることを示しています。

まさにそのために、ガバナンス証拠と監査証跡がOneTrustの8つのガバナンス活動の中で最下位となり、28%の組織しか実施していません。証拠生成は、その定義上「つなぎ目」が必要な活動です。AIエージェントのデータアクセス全体を一つの一貫した記録として残すには、ライフサイクルに関わった5つのチームがそれぞれ独自の形式・システムでログを保管していては不可能です。証拠保管の連鎖は、組織図が途切れるところでちょうど切れてしまいます。

規制当局が規制するのは「データ」であり、組織図でもモデルでもない

コンプライアンスリーダーがこのデータを見る際の視点は、ガバナンスプロセスの枠組みだけでは見落とされがちです。これらの事実は、規制当局が何を問うかという点を変えるものではありません。HIPAAには、人間の臨床医かAIエージェントかによる患者記録へのアクセスの違いに関する例外規定はありません。GDPRのアカウンタビリティ原則も、データ管理者の処理判断が人間か自律型ワークフローかを問いません。誰が、いつ、どの権限で何にアクセスしたかを証明できる記録を提出する義務は新しいものではなく、アクセスした主体が人間かどうかに条件付けられたこともありません。

エージェントが変えるのは、記録・認可・オンデマンドで提出が必要なアクセスイベントの「量」と「速度」であり、根本的な法的要件ではありません。AIエージェントが顧客データベースを照会したり、規制対象記録から文書を作成したり、システム間でファイルを移動したりするのは、すべてデータアクセスイベントです。規制コンプライアンスの義務は、人間が行った場合と同じようにそのイベントに適用されます。OneTrustが示す「明確なエージェントガバナンスがある47%」と「エージェントを自由に使わせている87%」のギャップは、これらのイベントのいずれかについて規制当局の質問に答えられるインフラがあるかどうかのギャップです。

この調査のインシデント数は、セキュリティアーキテクトよりもコンプライアンス担当者を不安にさせるべきものです。過去12カ月間にAIシステムやエージェントによる未承認行為が少なくとも1件発生したと答えた組織は48%、2件以上と答えたのは28%です。「未承認行為」は主に技術的な失敗ではなく、特定のコンプライアンス上の結果を伴うガバナンスの失敗です。誰も認可していないアクセスイベントが発生し、多くの組織では事後に完全な再現ができません。これはまさに、HIPAA、GDPR、SOX、DORAなどの監査証跡要件が防ごうとしているシナリオです。

96%の組織がすでに「ガバナンスタックス」を支払っているが、証拠はない

96%の組織が、過去1年で少なくとも1つのAIプロジェクトがガバナンスやリスク、レビュー要件によって遅延・停止・複雑化したと答えています。この統計はガバナンスの厳格さへの反論のように見えるかもしれませんが、むしろ逆です。最大の遅延要因（52%）は、データ品質・アクセス・プライバシー・セキュリティへの懸念であり、これは成熟した証拠層があれば遅延前に解決できるカテゴリーです。2番目に多い遅延要因（39%）は、サードパーティAIコンポーネントやベンダー、データソースへの可視性の欠如であり、サードパーティリスク管理のギャップとして、調査の後半でも最も調整が難しいライフサイクル段階の一つとして再登場します。

つまり、組織がすでに受け入れている摩擦の多くは、証拠層があれば解消できるものであり、証拠層が新たに摩擦を生むわけではありません。レビューボードがプロジェクトを停滞させるのは、「このエージェントがどのデータに触れるのか、それをどうやって確認するのか」という問いに迅速かつ信頼できる答えが得られないからです。これはデータ層の問題であり、追加のガバナンス委員会で解決するものではありません。アクセス制御とログ記録によって自動的かつオンデマンドで答えが得られる仕組みが必要であり、手作業で数日かかるプロセスではいけません。

投資意欲にもこの認識の高まりが反映されています。80%の回答者が、AI関連リスク管理に費やす時間が12カ月前より増えたと答え、その平均純増率は26%です。98%が今後1年でAIガバナンステクノロジー予算を平均25%増やす予定です。しかし、これは調査データが示す通り、主に支出の問題ではありません。同じKiteworks年次調査でも同様の傾向が独立して確認されています。IT予算の25%以上をサイバーセキュリティに割り当てている組織でも、100点満点のセキュリティ成熟度指数で全体平均より1ポイント未満しか高くありませんでした。単に支出を増やしても準備度は上がりません。特定のテスト可能なデータコントロールに支出を振り向けることが重要です。

Kiteworks独自データが示す「ガバナンス層の下の層」

OneTrustのレポートはガバナンスプロセスと調整に関する調査であり、CPO、CDO、CISO、CMOにAI監督の組織構造について尋ねています。一方、Kiteworksが独自に実施した2026年年次調査は、459人のセキュリティ・コンプライアンス担当者を対象に、データ層そのものを測定しています。両者は異なる質問をしていますが、逆方向から同じ結論にたどり着いています。

Kiteworksのレポートでは、データセキュリティとコンプライアンス準備度指数（DSCRI）を導入しています。これは、セキュリティ成熟度スコアと、組織が導入したAIデータガバナンス機能の割合を掛け合わせて算出されます。調査の平均DSCRIは100点中16.2点です。レポートの著者は、これは意図的に「乗算」であると明言しています。AIガバナンスの大きなギャップを一般的なセキュリティ投資の積み増しで相殺することはできず、両方の側面が同時に進化しなければならないのです。これは、OneTrustの回答者が「個々の機能には自信があるが、ライフサイクル全体の調整はできていない」と質的に述べていることの定量的な表現です。

この16.2点の背後にある具体的なコントロールギャップは、OneTrustの調査結果と直接対応しています。79%の組織が、不正なAIエージェントを自動的に停止する仕組み（いわゆる「キルスイッチ」）を持っていません。導入している組織でも、23%は一度もテストしていません。つまり、21%がキルスイッチを持っていても、全員が本番で確実に動作するとは限りません。74%は、AIエージェントを認可された業務やデータ範囲に技術的に制限する目的バインディングコントロールがありません。つまり、ポリシーはあっても技術的な裏付けがないのです。50%は、AIデータアクセスの完全な監査記録を1営業日以内に提出できず、83%は1時間以内に提出できません。67%は、監査証跡の改ざん検知機能を持っていません。これは、監査人や調査官が記録の事後改ざんがないことを確認するために最も重視する証拠です。

これらすべての数字が示すのは「証拠の問題」であり、「ポリシーの問題」ではありません。AIガバナンスポリシーがどれだけ優れていても、規制当局から「どのエージェントがどの記録にアクセスしたか」「そのアクセスは認可されていたか」「証拠ログが改ざんされていないか」と問われた日に答えられなければ意味がありません。これは、OneTrustの回答者が「ライフサイクル全体で調整と責任が不明確」と述べている状況そのものです。ポリシー層と証拠層は同じ層ではなく、後者のギャップは前者を増やすだけでは埋まりません。

BBVAモデル：ライフサイクルに組み込まれたガバナンス

OneTrustのレポートには、世界25カ国で8,100万人以上の顧客を持つグローバル銀行BBVAのケーススタディが簡潔に紹介されています。これは、このギャップを実務でどう埋めるかを示す好例です。BBVAのAIガバナンス責任者Marta Sanz氏は、ガバナンスをAIライフサイクルの最初から組み込むことで、ローンチ前の単一承認ゲートとして扱うのではなく、用途、データの機密性、モデル、システム、自律性レベル、アクセス影響を事前に評価し、リスクに応じてガバナンスの重みを調整するアプローチを説明しています。

コンプライアンス担当者にとって最も重要なのは、Sanz氏が「導入後」に何が起きるかを重視している点です。BBVAは、導入後のモニタリング、トレーサビリティ、エスカレーション経路を初期評価と同等に重視しています。なぜなら、エージェント稼働後も利用パターンやリスク、パフォーマンスは進化し続けるからです。これは、OneTrustが測定した調整ギャップへの直接的な回答です。23%の組織が導入後のAIシステムのモニタリングを最も難しい調整課題の一つと挙げています。BBVAモデルでは、モニタリングを独立した低優先度フェーズではなく、ローンチ時と同じガバナンス規律の継続的な拡張と位置付け、すべての段階で証拠提出が求められることを前提としています。

5つの能力、1つの本質的要件：証拠

OneTrustはレポートの最後で、次世代AIガバナンスのための5つの能力フレームワークを提示しています。承認済み・未承認・サードパーティ・エージェント型AI利用の継続的な可視性、導入ペースに追従するスケーラブルなガバナンス、ポリシーを実効的なコントロールに変換するガードレール、明確なオーナーと引き継ぎによる連携責任、そして外部監査にも耐えうる文書・モニタリング履歴・承認・インシデント記録などの継続的な証拠です。

コンプライアンスの観点からこのリストを読むと、明確なパターンが浮かび上がります。最初の4つの能力は、5つ目の「証拠」がなければ検証できません。証拠のない可視性は主張に過ぎず、証拠のないガバナンスは単なるポリシー、証拠のないガードレールは意図、証拠のない責任は「誰が何をしたか証明できない組織図」にすぎません。証拠は5つの同等な優先事項の1つではなく、他の4つを支える基盤です。

OneTrustのCISOであるTim Mullen氏も、The Hacker Newsの寄稿記事で同じ主張を独立して展開しています。Mullen氏は、ISO 42001やNIST AIリスクマネジメントフレームワークのようなAIガバナンスフレームワークは、既存のISO 27001基盤に「継続的なコントロール監視」として重ねるべきであり、単発の監査プログラムとして構築すべきではないと述べています。彼の処方箋は明快です。「しっかりとしたベースラインを設定し、再現可能なプロセスを構築し、コントロールを整合させ、安定した部分は自動化する。」また、調査で86%の組織が過去1年にAI関連インシデントを経験したという事実を挙げ、データアクセス、ID、サードパーティモデル、ビジネスプロセスへの影響などの依存関係を追跡することの重要性を強調しています。

両者は「継続的であること」「自動化されていること」「オンデマンドで検証可能なコントロールであること」という運用原則で一致しています。年1回のレビューで「まだ有効」と仮定するポリシーではなく、いつでもチェックできるコントロールが必要です。

証拠品質のデータ層に本当に必要なもの

OneTrustとKiteworksの調査結果を実務的なチェックリストに落とし込むと、問題の規模から想像するよりも短いリストになります。なぜなら、ギャップの大半は文化的な変革ではなく、少数の具体的でテスト可能な能力に集約されるからです。

出発点は、エージェントがそもそもどのデータにアクセスできるのかを把握することです。データ分類は、単なるラベル付けではなく、下流のコントロールを強制するものでなければなりません。ここから、アクセスはポリシーではなく技術的に制限される必要があります。エージェントIDがアクセスできる範囲を定め、人間ユーザーと同じ認可モデルに紐付ける属性ベースアクセス制御が、Kiteworks調査で74%の組織が解消できていない目的バインディングのギャップを埋めます。

人間でもエージェントでも、すべてのアクセスイベントは、CISOダッシュボードや集中監査システムに流れるログエントリを生成する必要があります。チームごとに孤立したアプリケーションログではいけません。このログは改ざん検知機能を持つ必要があり、事後に編集可能な監査証跡は証拠ではなく単なる主張です。また、問題発生時に即座にエージェントのアクセスを遮断できる仕組みが、初回から確実に動作するよう定期的にテストされていなければなりません。

Kiteworksのセキュアデータ交換は、まさにこの要件を中心に設計されています。Kiteworks Control Planeという単一のガバナンス層が、機密データに触れるすべての主体（人・機械・自律エージェント）に同じアクセス認可・暗号化・監査ログを適用します。Kiteworks Compliant AIは、データが無制限にAIシステムへ流れ込むのを防ぐポイントでポリシーを強制し、人間・エージェント問わずすべてのアクセスイベントを同じ監査記録に記録します。エージェントは事後的な特別対応ではなく、人間のデータアクセスを管理する既存のID・アクセスフレームワークに組み込まれます。これはBBVAが説明するモデルと同じであり、Kiteworks独自調査で79%の組織に欠けている機能でもあります。

これらは、完璧なガバナンスフレームワークの完成を待つ必要はありません。Mullen氏が述べるように、まずベースラインを確立し、コントロールを再現可能かつテスト可能にし、安定したものは自動化することが重要です。エージェントのデータアクセスに関する証拠品質の記録は、ガバナンス成熟度の最終段階ではなく、すべての後続ガバナンス主張を検証可能にする最初のコントロールです。

AIエージェントガバナンスの証拠ギャップ解消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
  手頃なAIプライバシー保護のためのゼロトラスト戦略
• 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年に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に
• ブログ記事
  データに「–dangerously-skip-permissions」は存在しない
• ブログ記事
  規制当局は「AIポリシーの有無」を問う段階を終えた。今求められるのは、その有効性の証明だ。