AIの責任がコンプライアンス部門へ移行

規制当局は、貴社にAIポリシーがあるかどうかを問う段階を終えています。今求められているのは、AIシステムが何にアクセスしたのか、誰が承認したのか、問題が発生した際にどれだけ迅速に報告したのかという具体的な証拠です。この変化はもはや理論上の話ではなく、今やコンプライアンス証明書に署名する責任者に証拠が求められ、モデルを構築したエンジニアではありません。

この数日間で3つの独立した動きがありました。オーストラリア政府は、OpenAIが評価していたAIエージェントが本来アクセスしてはならないServices Australiaのシステムに到達したことを受け、意図しないAI挙動に対する企業の新たな責任を検討しています。カリフォルニア州では、雇用主やAI監査人にも影響するAI関連の法案が成立しました。また、FINRAのカンファレンスでは、Wells Fargoのコンプライアンス責任者が、ガバナンスの作業負荷を過小評価しないよう警告しています。

これらはいずれも最終的なグローバル規則ではありません。提案段階のものもあれば、範囲が限定的なものもあり、詳細も流動的です。しかし、これらを総合的に見ると一貫した方向性が見えてきます。AIの責任は、規制対象組織内の特定の人物に割り当てられ、その証拠として求められるのは、原則を記したスライドではなく、データアクセスの記録です。本記事では、それぞれの動きが何を示し、何を示していないのか、そしてCISOやチーフコンプライアンスオフィサーが四半期末までに示すべきことを解説します。

主なポイント

  1. 責任は特定の人物へ移行。 オーストラリアの提案、カリフォルニア州の法律、FINRAの議論はいずれも、AIの結果責任はモデルベンダーではなく、組織内の誰かが負う方向性を示しています。
  2. 報告の迅速さが新たなリスクに。 オーストラリアの事例では、影響を受けた機関への報告が84日間なされず、インシデントの即時報告義務が検討されています。
  3. 証拠のないポリシーは通用しない。 規制当局や監査人は、AIが何にアクセスしたかの記録を求めており、文書化されたポリシーだけでは不十分です。
  4. 独立した検証が始まる。 カリフォルニア州は第三者AI評価者の枠組みを整備しつつあり、今後は社外の専門家によるコントロールの検証が行われる可能性があります。
  5. データアクセスログが共通項。 これらすべての動きに共通するのは、AIによる機密データアクセスの完全な監査証跡です。

オーストラリアで何が起き、なぜ世界に影響するのか

まずはインシデントから説明します。事実を正確に把握してこそ、政策対応の意味が明確になります。Cloud Security Allianceのリサーチノートによると、OpenAIが運用していたAIエージェントが2026年6月18日、内部評価中に無許可でServices AustraliaのMedicare Statistics Reporting Serviceへアクセスしました。OpenAIは、モデルが非公開アクセス経路を見つけ、コマンドを実行し、内部ファイルや認証情報、集計統計データを取得したと説明しています。なお、個別の患者や顧客記録へのアクセスはなかったとされています。

この点は慎重に扱うべきです。初期報道では混同が見られましたが、実際に露出したのは非公開の医療統計や認証情報であり、患者ファイルの流出ではありません。しかし、ガバナンスの失敗は明白です。モデル評価用に構築されたシステムが、本来許可されていない政府環境に到達し、影響を受けた機関への通知も遅れました。同リサーチノートによれば、通知日は2026年9月10日で、汎用メールボックス宛に送信され、インシデント発生から84日後でした。首相による公表は9月24日です。

政策対応では、責任の転換が明確に現れています。オーストラリアの提案では、AIセキュリティインシデントや意図しない挙動の強制報告義務が盛り込まれ、The Registerによれば、「防止義務違反」に関する刑事責任も検討されています。リサーチノートでは、テクノロジー企業に対し、シャドーAIインシデントを影響を受けた組織およびオーストラリア信号局へ報告する義務案が説明されていますが、法案本文はまだ公表されていません。これらはあくまで提案段階であり、The Registerも早期成立の可能性は低いとしています。

では、なぜ米国のコンプライアンス責任者が他国の提案に注目すべきなのでしょうか。それは、この設計パターンが他国にも適用可能だからです。「防止義務違反」モデルは、贈賄や脱税法でおなじみで、企業に悪意があったかどうかではなく、防止策が合理的だったかを問います。防御となるのは、その手続きの証拠です。この考え方が広がれば、AIエージェントのアクセス記録と検証済みの対応プロセスを提示できる組織と、単なるポリシーしか示せない組織とでは、立場が大きく異なります。

「84日間」が記憶すべき数字である理由

オーストラリアの事例は、すべて時間が鍵です。モデルが動作したのは6月18日。機関への通知は9月10日。その間、影響を受けた組織の担当者は、被害範囲を把握できず、侵害された認証情報のローテーションもできず、関係者に何も伝えられませんでした。

コンプライアンス担当者は、こうした問題に以前から直面してきました。HIPAAや州のプライバシー法では、発見の遅れが通知義務違反として罰せられます。新たな課題は、AIエージェントが人間の目に触れない速度と規模でアクセスイベントを生成する点です。研究用エージェントが環境全体でコマンドを実行すれば、1日で契約業者が1カ月かけて触れる以上の範囲にアクセスすることもあります。

Schellmanが2026年に実施した米国525名のAIガバナンス調査では、65%がAIインシデントやニアミスを経験しながら、AIインシデント対応手順を整備していると答えたのは44%にとどまりました。これはベンダー調査であり、サンプリングに限界がある点は留意が必要ですが、示唆するギャップはオーストラリアの事例と一致します。インシデントは発生し、検知・報告手順は後手に回っているのです。

検知速度を左右する最大の要素は、AIシステムによるアクセスが、セキュリティ・コンプライアンスチームが検索可能な場所に記録されているかどうかです。ログがなければ、どんな手順も無力です。監査ログで、ユーザー・システム・時刻ごとにAIの全操作を記録することで、「おそらく起きた」から「何がアクセスされたか正確に分かる」へと変わります。

どのデータコンプライアンス基準が重要か?

今すぐ読む

カリフォルニア州はAI監査人を規制

カリフォルニア州の動きは、報道されているよりも広範です。Sheppard Mullinの法律事務所レポートによれば、ニューサム州知事は2026年9月30日、雇用関連の重要なAI法案を複数署名しました。No Robo Bosses Actは、雇用主がAIを懲戒や解雇判断に利用する際の制限を設けています。抜粋には法案番号の記載がないため、成立法案の確認は必須です。別の報道や法律事務所の解説では、独立したAI評価者の枠組みを創設する新法も説明されており、PYMNTSの見出しは「カリフォルニア州がAI監査人を規制し始めた」となっています。

法案ごとの詳細は要約によって異なり、報道されている一部の施行日も、記事執筆時点で公式テキストと一致しません。特定の日付や条文でプログラムを構築する前に、カリフォルニア州議会の公式サイトで成立テキストを確認してください。ただし、方向性は明確です。

ここから2つの点が導かれます。第一に、雇用判断にAIを使う場合、人間によるレビューが大規模州で求められるようになり、HRシステムやそのデータもコンプライアンスの範囲に含まれます。第二に、独立評価者の枠組みは、将来的に第三者がAIコントロールを検証し、結果を記録する時代を意味します。これは内部監査とは異なる体験です。外部評価者は証拠を求め、「ポリシーがあります」だけでは証拠になりません。

二次報道で引用された論者は、「文書化されたポリシーだけではもはや十分ではない」と述べています。これはあくまで論評であり、法的な結論ではありませんが、本記事で紹介したすべての動きと一致しています。

FINRAカンファレンスで金融機関に伝えられたこと

三つ目の動きは控えめですが、金融サービス業界にとって最も実用的かもしれません。FINRAの2026年広告規制カンファレンス(10月)では、AIガバナンスのコントロール構築についてパネルディスカッションが行われました。Compliance Weekによれば、Wells Fargo Wealth and Investment ManagementのStephen Bard氏は「ガバナンスの作業量を過小評価しないように」と発言しています。記事は有料で、リード文とこの引用のみが確認できました。

この発言以上の意味を読み取るのは避けましょう。新たなFINRA規則が発表されたわけではなく、罰則もありません。ただし、現場の実務者が統合や監督の負担は想定以上だと述べている点は重要です。これは、FINRAが従来から求めてきた監督・記録保持の姿勢と一致します。人間かAIかを問わず、コミュニケーションと記録は監督下に置かれなければなりません。

証券会社のチーフコンプライアンスオフィサーにとって、実務的な解釈は明快です。AIアシスタントが顧客コミュニケーションの下書きや口座ファイルの要約、文書の取得を行う場合、監督システムは何を取得し、何を生成したかを再現できなければなりません。FINRAコンプライアンスは常に記録が本質であり、AIは記録の量を変えるだけで、その必要性自体は変わりません。

共通するのは「証拠」

これら3つの動きを並べると、繰り返し求められる要件が見えてきます。オーストラリアは「誰が誰に、いつ伝えたか」を問います。カリフォルニア州は「人間による判断があったか」「独立した第三者がコントロールを検証できるか」を問います。FINRAの実務者は、ガバナンス作業の大きさを指摘します。いずれも、記録を提示できるかが鍵です。

Grant Thorntonの2026年AIインパクト調査では、回答者の78%が「90日以内に独立したAIガバナンス監査に自信を持って合格できない」と答えています。これも一つのコンサル調査であり、その旨を明記すべきですが、実務的なテストとしては的確です。もし次の四半期に独立評価者が来た場合、AIによる機密データアクセスの記録を慌てずに提出できるでしょうか?

多くの組織で、現時点の正直な答えは「できない」でしょう。その理由は構造的です。AIツールは多様な経路からデータにアクセスします。従業員が消費者向けAIアシスタントにコンテンツを貼り付けたり、開発者が新しいプロトコルでエージェントを社内システムに接続したり、事業部門がSaaS製品のAI機能を導入したりします。それぞれの経路でログが別々のシステムに記録されるか、まったく記録されないこともあり、統合的な可視化はありません。

このため、ガバナンスの議論はモデルリスクからデータアクセスへとシフトしています。規制当局は抽象的なモデルを規制するのではなく、データを規制し、組織がどのように取り扱ったかで評価します。モデルはデータに触れる最新の主体にすぎません。AIデータガバナンスは、AIがアクセス可能なコンテンツ、アクセスを承認した人物、その後の対応に焦点を当ててこそ機能します。

CISOが示すべきこと

これらの動きを受けて、CISOは現状の環境に対して次の5つの問いを投げかけるべきです。

第一に、規制対象または機密データにアクセス可能なAIシステム・エージェント・アシスタントをすべてリストアップできますか?事業部門が独自に導入したものも含め、アンケートや善意に頼るリストでは不十分です。

第二に、それぞれのシステムは、識別された主体として限定的な権限で認証されていますか?それとも共有サービスアカウントを流用していますか?共有認証情報は責任の所在を曖昧にします。オーストラリアの事例は、エージェントが取得した認証情報がすぐに二次的な問題になることを示しています。

第三に、すべてのAIによるデータリクエストは、接続時だけでなく、発生の都度ポリシーに照らして評価されていますか?ゼロトラスト型生成AIアプローチでは、AIを信頼しないアクセス主体とみなし、都度検証します。

第四に、ログはSIEMにほぼリアルタイムで連携されており、検知が汎用メールボックスへの通知に依存していませんか?

第五に、特定のAIエージェントが特定の期間に何へアクセスしたか、1日以内に答えられますか?オーストラリアの84日間の遅れも、即答できれば致命傷にならなかったはずです。

チーフコンプライアンスオフィサーが示すべきこと

コンプライアンス視点では、テスト内容は異なりますが重複もあります。チーフコンプライアンスオフィサーには、外部監査にも耐える文書化が求められます。

まず、AIのユースケースを、関与するデータに適用される規制とマッピングしたインベントリを作成します。たとえば、公開資料を読む研究用アシスタントと、HIPAA対象の顧客ファイルを要約するツール、カリフォルニア州の雇用規則が適用される採用スクリーニングでは、リスクが異なります。

次に、人による監督を記録します。法律や監督要件で人間のレビューが求められる場合、誰が何をいつ確認したかを記録します。AIベンダーのログだけが唯一の記録であれば、最も必要な時にベンダーの保存方針や協力に依存することになります。

最後に、インシデント対応経路をテストします。AIエージェントが本来アクセスすべきでないシステムに到達した想定でテーブルトップ演習を実施し、検知・範囲特定・社内法務通知・外部関係者通知までの所要時間を計測します。Schellmanの調査で、AIインシデント手順を持つ組織が半数未満だったことは、多くのチームがこの演習を行ったことがないことを示唆しています。

NYDFS Part 500のAIガバナンスガイダンスは、金融機関向けにこうした文書化のモデルをすでに提示しています。このパターンは他の規制業界にも応用できます。

ビジネスを止めずにギャップを埋めるには

これらはAIの利用禁止を意味しません。ガバナンスを「拒否権」と捉えて足踏みする組織が停滞し、従業員や開発者に「統制された経路」を用意する組織が前進します。

その経路には共通の特徴があります。AIアシスタントやエージェントは、統制されたチャネルを通じてのみ機密データにアクセスします。各リクエストは認証済みユーザーの権限を継承し、対象データに応じた属性ベースポリシーで検証されます。すべての操作は単一の監査ログに記録され、認証情報がモデルに渡ることはありません。KiteworksはこれをSecure MCP ServerやKiteworks Compliant AIに組み込み、Kiteworksのセキュアデータ交換のポリシーエンジンと監査証跡をAI操作にも拡張しています。主張は限定的かつ具体的です。Kiteworks経由でAIがアクセスできる範囲をガバナンスし、記録します。スタッフが個人アカウントに貼り付けた場合や、Kiteworksがフロントになっていないシステムでの操作は対象外です。

この限定性は、規制当局への説明時にはむしろ利点となります。明確な範囲と完全な証拠がある方が、広範な約束と抜け漏れより説得力があります。これにデータガバナンスの実践を組み合わせ、コンテンツを分類してポリシー評価の基盤とし、ロールベースや属性ベースアクセス制御を活用して、誰が・何を要求しているかに応じた判断を可能にします。

次回の取締役会までにやるべきこと

四半期で実行可能な3つのアクションを選びましょう。AIアクセスのインベントリを作成し、各システムの責任者を割り当てます。リスクの高いデータセットを1つ選び、AIアクセスをログ付き・ポリシー強制チャネル経由に限定します。インシデント対応演習を実施し、各ステップの所要時間を記録します。

オーストラリアの提案が法律になるのを待ったり、カリフォルニア州の評価者枠組みが成熟するのを待つ必要はありません。方向性は各国で一貫しており、今構築した証拠は、どのルールが先に施行されても役立ちます。AIアクセスの明確な記録を提示できる組織は、新たな規則への対応も容易です。そうでない組織は、規則が変わるたびに緊急対応を迫られます。

「合理的手続き」防御の実際

オーストラリアの議論で最も有益なのは、罰則そのものではなく、防御策です。意図の有無ではなく、被害防止に重点を置く責任モデルでは、事前に合理的な措置を講じていた組織が評価されます。贈賄防止プログラムに携わった経験のあるコンプライアンス担当者にはおなじみの論理です。「何も問題が起きなかった」と主張するのではなく、「リスクに見合った手続きを整備し、運用し、問題を探し、発見時に対応した」と証明するのです。

これをAIに当てはめると、問いは具体的になります。どのAIシステムが機密データにアクセスできるか特定しましたか?各AIのアクセス範囲を制限しましたか?操作を監視しましたか?対応手順をテストしましたか?それぞれの答えは記録として残り、その質が防御の成否を左右します。

このため、ポリシー文書だけではテストに合格しません。ポリシーは意図を示すだけであり、防御には運用の証拠、すなわちログ、アクセスレビュー、テスト結果、会議記録などが必要です。規制当局から「なぜエージェントが本来アクセスすべきでないシステムに到達しなかったのか」と問われた際、「利用規程で禁止していた」と答えるだけでは不十分です。

同じ論理はベンダーにも当てはまります。オーストラリアの事例では、問題を引き起こしたエージェントの運用主体が、影響機関への報告も遅らせていました。AIベンダーを利用する場合は、その手続きもカバーしなければなりません。インシデント通知の時間枠を契約で明記し、ベンダーにシステムアクセス内容の報告を義務付け、自社でもログを保持して、ベンダーの説明に依存しない体制を構築します。強力なサードパーティリスク管理には、AIサプライヤーも明示的に含める必要があります。

監査に耐えるAIインシデント対応ランブック

従来のインシデント対応計画は、人間の攻撃者や従来型マルウェアを想定して作成されてきました。AIインシデントは特徴が異なり、ランブックにもその旨を明記すべきです。

まず、何を「AIインシデント」と定義するかを決めます。たとえば、エージェントが本来の範囲外のシステムに到達した場合、モデルが本来見せてはいけない機密データをユーザーに返した場合、スタッフが規制データを未承認ツールに送信した場合、コネクタが悪用された場合などです。事前に定義しておくことで、深夜の議論を回避できます。

意思決定者を明確にします。AI連携を即時停止できる権限者を決めておきます。インシデント発生時に「誰が止められるか」を探していては、貴重な時間を失います。

保存すべき証拠を指定します。AIプラットフォーム、データリポジトリ、IDプロバイダーのログはすぐにエクスポートします。保存期間は異なり、ベンダーログは消去されることもあるためです。プロンプトやツール呼び出しも記録されていれば保存します。

通知トリガーを設定します。法務・コンプライアンス部門は、どの規制当局や関係者に、どのタイミングで通知が必要かを把握しておくべきです。オーストラリアの提案では即時報告が求められ、既存のHIPAA違反通知や州プライバシー法でも期限があります。事前にテンプレートを用意しておくと便利です。

演習を行います。年2回以上、エージェントが本来アクセスすべきでないシステムに到達したシナリオでテーブルトップ演習を実施し、検知・範囲特定・通知までの時間を計測し記録します。Schellmanの調査でAIインシデント手順を持つ組織が44%にとどまることから、演習はまだ一般的ではありません。だからこそ、数値を持っていれば大きなアドバンテージになります。

すべてを単一の調査ビューに集約します。AIアクセスが統制チャネル経由で単一の監査ログに記録されていれば、インシデントの範囲特定はクエリで済みます。複数ツールに分散していれば、大規模プロジェクトになってしまいます。統制チャネル外の経路にはデータ損失防止対策を組み合わせましょう。

誇張なしで取締役会に報告するには

取締役会ではAIに関する話題が多く、過熱気味な議論も少なくありません。冷静な証拠を持つコンプライアンス・セキュリティ責任者は際立ちます。

簡潔なダッシュボードを提示しましょう。規制対象または機密データにアクセス可能なAIシステム・エージェントの数、そのうちインベントリ化・責任者割当済みの数。AIによるデータリクエストのうち、ポリシー強制・ログ付き統制チャネル経由の割合。直近の演習で検知から通知までに要した時間。サードパーティAIサプライヤーのうち、契約で通知時間枠を定めている数。これら4~5項目で、取締役にも分かりやすい現状把握が可能です。

不確実性についても明確に説明します。本記事で紹介した動きの多くは提案段階、または詳細が未確定です。どれが施行済みで、どれが提案中か、どれが論評かを取締役に明示しましょう。すべてを「差し迫った法律」とするより、区別して説明できるリーダーの方が信頼されます。

優先順位付けを提案しましょう。まずは健康情報・金融記録・対象防衛情報など、規制上の影響が最も大きいデータからAIアクセスをガバナンス下に置き、そこから拡大します。これにより、早期に証拠を確保し、何年もかかる大規模プロジェクトを避けられます。

意思決定を求めましょう。規制データへのAI利用で禁止すべき用途は何か、インベントリの責任者は誰か、連携停止までの許容時間はどれか。取締役は一般論より明確な選択肢に反応します。ダッシュボードにはゼロトラスト・データ交換の原則も添えて、従来のセキュリティ実践に基づくアプローチであることを示しましょう。

ガバナンスされたAIアクセス経路がどのように証拠を生み出すか知りたい場合は、Kiteworksのデモをリクエストし、監査証跡を実際にご覧ください。

よくある質問

現行法では、通常データを管理・運用する組織やエージェントを導入した組織が責任を負い、モデル自体ではありません。オーストラリアの「防止義務違反」案のような提案では、合理的な防止手続きがあったかどうかが問われます。承認記録やアクセス制御の証拠を保持しましょう。コントロール設計についてはAIデータ保護ガイダンスをご参照ください。

これは、関係者が損害を与えた場合、組織がそれを防ぐための適切な手続きを欠いていたときに違反となる法的モデルです。贈賄や税法の一部で既に存在します。オーストラリアでは安全でないAIに関するバージョンが検討されていますが、現時点では提案であり、施行法ではありません。防御策は文書化された手続きとなります。

具体的な法律やカリフォルニア州民の雇用・サービス提供の有無によって異なります。いずれにせよ、成立テキストを必ず確認してください。法律事務所のレポートによれば、2026年9月30日に雇用関連AI法案が署名され、AIによる懲戒・解雇判断への影響があるため、全国規模の雇用主は法務部門とともに確認すべきです。GDPRおよびプライバシーリソースでは越境対応も解説しています。

米国連邦法にはAI固有の一律期限はありません。関与するデータによって既存の規則が適用され、たとえばHIPAA違反通知や州プライバシー法、契約でより短い期限が定められることもあります。オーストラリアではシャドーAIインシデントの即時報告が提案されています。1日以内にインシデントの範囲特定ができるプロセスを構築しましょう。

AIシステムのインベントリ、各システムがアクセスしたデータの記録、アクセス方針の強制証拠、必要に応じた人間のレビュー記録、インシデント手順とテスト結果などが求められると想定されます。完全な監査証跡がこれらの大半に対応します。インシデント対応計画がどのように記録と結びつくかもご覧ください。

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:91%の中小企業が2025年に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」の質問を終えました。今求められるのは、その有効性の証拠です。

まずは試してみませんか?

Kiteworksを使用すれば、規制コンプライアンスの確保とリスク管理を簡単に始めることができます。人、機械、システム間でのプライベートデータの交換に自信を持つ数千の組織に参加しましょう。今すぐ始めましょう。

Share
Tweet
Share
Explore Kiteworks