コンプライアンスにおけるAI、意思決定の現場に近づく

AIはコンプライアンス判断に近づきつつありますが、多くのプログラムは誰がその判断を下したのか証明する手段を持っていません。

企業インテリジェンスおよびサイバーセキュリティコンサルティング会社のS-RMは、コンプライアンス、調達、サプライヤー管理、サードパーティリスクの各分野の225名の専門家を対象に調査を実施しました。その結果は2026年のレポート「From Screening to Decision-Making: The Next Phase of AI in Compliance」で公開されています。注目すべきは、AI導入率の上昇というよりも、AIの活用対象がどこに向かっているかという点です。

現在の利用はスクリーニングに集中しています。今後の利用計画はデュー・ディリジェンスに傾いています。スクリーニングはシグナルを検出し、デュー・ディリジェンスはそのシグナルの意味を判断します。これは異なる責任範囲を持つ別の作業です。

CISOやチーフコンプライアンスオフィサーにとって、この変化は問いの本質を変えます。スピードが評価基準ではなくなり、ツールが何を見て、人が何を結論づけ、両者の間でどんなデータがやり取りされたかを、評価者や規制当局に再現できるかが問われます。Kiteworksのセキュアデータ交換は、そのチェーンの最後のリンク、つまり文書のガバナンスされた移動とAIアシスタントがそれらにアクセスする際のガバナンスを担っており、本記事では証拠がどこから生まれるべきかを解説します。数値に入る前に一点注意です。S-RMは自社のAI駆動型デュー・ディリジェンス製品を販売しており、ここで紹介する数字はすべて225名の回答者による自己申告ですので、あくまで傾向としてご覧ください。

主なポイント

1. 幅広い導入の裏に薄いスケール。

S-RMの2026年調査では、回答者の68％がコンプライアンス領域でAIを導入済みと回答していますが、複数のプロセスで広範囲に導入しているのは20％にとどまります。

2. 次の波は判断の隣にある。

AIの利用計画は、ネガティブメディアや制裁のスクリーニングから、サードパーティデュー・ディリジェンス、顧客デュー・ディリジェンス、強化デュー・ディリジェンスへとシフトしており、ここでは人が発見事項の意味を判断する必要があります。

3. 責任は人に残るため、その作業記録が必要。

AIが大半のデュー・ディリジェンスを人の監督なしで行うと予想する回答者は12％のみであり、アナリストによる検証や承認こそが証拠として重要になります。

4. 自信は成熟度を上回る。

別のSchellman調査では、74％がAIコンプライアンス監査に合格できると答える一方、AIガバナンスが完全に成熟しているとするのは27％のみであり、そのギャップこそが監査指摘の温床です。

5. 防御力はデータの問題。

意思決定記録の質は、文書、AIアクセス、レビューアの行動の記録にかかっており、その記録は受信箱や共有ドライブ、ベンダーダッシュボードに分散するのではなく、1つの監査可能な場所に集約されている必要があります。

導入は広がるが、スケールは例外

S-RMによると、回答者の68％がコンプライアンスプロセスの一部または全体にAIを導入済みで、残り32％はパイロットや概念実証段階にとどまっています。複数プロセスで広範囲に導入しているのは20％のみで、48％は一部のプロセスでAIを活用しています。

「一部のプロセス」という表現が多くの意味を持っています。

これを「導入の蜃気楼」と呼びましょう。遠目には3分の2のコンプライアンスチームがAIで動いているように見えますが、実際に複数プロセスで本格運用しているのは5分の1で、残りは既存のスクリーニング活動にAIを付加しているだけです。

この違いは、技術よりも証拠にとって重要です。完全な手作業プロセスなら人が書いたファイルが残ります。完全自動化ならマシンが書いたログが残ります。ハイブリッド型では両方が異なるシステムに残り、中間の引き継ぎ部分は誰も記録していません。一部プロセスでAIを使うプログラムはハイブリッド型であり、その引き継ぎ部分こそ記録が失われるポイントです。

規制当局から1件のデュー・ディリジェンス判断について問い合わせが来た場面を想像してください。アナリストは何が起きたか覚えています。ツールの出力はダッシュボードにあります。両者をつなぐメールは誰かの受信箱にあり、その持ち主はすでに異動しています。何も隠されていませんが、何も組み立てられてもいません。

予算は管理体制を先行

S-RMによると、今後2年間で約8割の組織がAI搭載コンプライアンスおよびデュー・ディリジェンステクノロジーへの投資を増やすと予想しています。内訳は、22％が大幅増、56％が中程度増、18％が変化なし、4％が中程度減少を見込んでいます。年間平均支出は約24％増加すると予測されています。

資金は流れ込んでいます。問題は、その資金が何を買うのかです。

ツールにはベンダーとデモがあるため予算がつきますが、意思決定記録にはそのどちらもありません。S-RMの予算調査でも、その24％の中に意思決定記録向けの予算が割り当てられている兆しは見られません。チームがAIデュー・ディリジェンスへの支出を倍増させても、評価者が最初に問う「誰がどのように判断したのか」に答えられない可能性があります。

この傾向はAIデータガバナンスプログラム全般にも見られます。投資は機能強化に向かい、ガバナンスは1～2サイクル遅れます。遅れた管理体制には弱点があります。監査は待ってくれません。

AIの現在地と今後の方向性

S-RMのTable 1は、今後の方向性を示す最も有用な資料です。現状は既存のスクリーニングに集中し、今後の計画は別の領域を指しています。

右側の列を下に読んでください。サードパーティデュー・ディリジェンス、顧客デュー・ディリジェンス、強化デュー・ディリジェンス、調査・ケース管理。これらはすべて、人が証拠を精査し判断を下す場面です。

S-RMはその論理を明確に述べています。スクリーニングは潜在的なリスクシグナルの特定を目的とし、より広範なデュー・ディリジェンスや調査ワークフローでは、チームがそのシグナルの関連性や信頼性を評価し、文脈を把握し、重要性を判断し、対応策を決定する必要があります。そして、注目すべき一文が続きます。「AIは、たとえ自ら判断を下さなくても、コンプライアンス判断が下されるポイントにますます近づいている。」

もう一度読んでください。「判断に近づいているが、判断しているわけではない。」

この2つのフレーズの間こそが「責任」の所在であり、ツールの進化とともにその距離は縮まっています。例えば、AIがサードパーティの所有構造を「懸念低」とランク付けした要約を出したとします。AI自体は何も決定していません。しかし、レビュアーがそのランクを数秒で承認した場合、それは明確な意思決定です。記録にランクと承認しか残っていなければ、評価者は両者の違いを判別できませんし、あなた自身もできません。

規制はマッチングを超えたデュー・ディリジェンスを要求

S-RMは、この変化の一因として規制環境の変化を挙げています。EU強制労働規則やコーポレートサステナビリティ・デュー・ディリジェンス指令が今後3年以内に施行予定とされています（S-RMの見解であり、法的解釈や施行日は各自でご確認ください）。法務部門がそれぞれの要件や適用時期を判断する必要があります。

S-RMがこれらから導き出す実務的示唆は、制裁マッチやPEP、ネガティブメディアの検出だけでは不十分になりつつあるということです。効果的なデュー・ディリジェンスには、対象組織の所有構造、活動、地理的展開、ビジネス関係、そして得られた情報の文脈や信頼性まで幅広く確認する必要があります。

ここで数字を見てみましょう。S-RMの調査対象組織は平均2,837のサードパーティを監視しています。

2,837件の関係すべてに手作業で強化デュー・ディリジェンスを行うのは困難であり、S-RMもAIが従来人手で行っていた強化レベルのギャップを埋める役割を担うと指摘しています。サードパーティごとの精査は増え、サードパーティの数は減らず、自動化こそが両立の鍵となります。

だからこそ、サードパーティリスク管理は、コンプライアンスリーダーがAIが判断に関与する最初の領域と考えるべきです。また、サプライチェーンリスク管理プログラムも、規制コンプライアンス要件の強化に伴い、結論だけでなくプロセスの証拠を求められるようになります。

58％が「文脈理解」に課題を指摘

意欲には限界があり、回答者もそれを認識しています。S-RMによると、58％がAI搭載デュー・ディリジェンスソリューションは情報の文脈、信頼性、関連性の評価に苦戦していると答えています。

完全導入の障壁を詳しく見ると、いずれもモデル自体の問題ではありません。オンライン情報の分散（54％）、データの質や一貫性の低さ（46％）、クローズド/非公開ソースへのアクセス制限（40％）が挙げられています。いずれもAIが推論する情報自体への不満です。

つまり、これはデータガバナンスの問題でもあります。分断・不整合・不完全なインプットに基づくデュー・ディリジェンス結論は、どのインプットが使われたか説明できて初めて防御力を持ちます。ツールがどのソースを取得したのか、取得できなかったのか、アナリストが手動で追加したのか、明確にする必要があります。

S-RMは、情報の発見と意味の判断を明確に分けています。AIは初期の大量リサーチを担えますが、証拠が不完全・矛盾・検証困難な場合こそ人間の専門性が重要です。アナリストは曖昧な発見を精査し、ソースの信頼性を評価し、裏付けを探し、情報がリスク評価を変えるか判断します。

これらの行動はすべて記録に残すべきです。裏付けを探し、見つけた場合は証拠となり、見つけられずに評価を下げた場合は、その理由がより価値ある記録となります。その根拠がチャットや記憶の中だけなら、評価者には存在しないも同然です。

5年後も主導権は人間、ただし条件付き

S-RMは、今後5年間でAI搭載デュー・ディリジェンスがどう進化するかを質問しましたが、回答はどちらか一方に偏りませんでした。AIがデータ品質やカバレッジ向上により大半のデュー・ディリジェンスを人の監督なく実施すると考えるのは12％のみ。48％は「多くの活動をAIが担うが、複雑な判断や高リスク案件には人間の専門家が不可欠」と回答。33％は「AIは主にリサーチや情報収集を加速させる役割で、人が主導する」とし、7％は「データ品質や可用性の制約からAIはスクリーニングやリサーチ支援に限定される」と見ています。

中間の2つを合わせると81％が「人が不可欠または主導」と考えています（この合計は筆者の計算です）。

AIを排除すれば、アナリストはS-RMが得意とする情報取得に時間を費やし、サードパーティの数は増え続けます。AIに全権を委ねれば、誰も説明できない意思決定プロセスを抱えることになります。どちらの極端も評価者の前では通用しません。S-RMの結論は「リスクに応じた適切な人間の保証を適用し、理解・信頼・防御可能な結果を生み出す」ことに集約されます。

この一文が求めるものに注目してください。「リスクに応じた人間の保証」はポリシーの問題、「防御可能な結果」は証拠の問題です。多くのプログラムは前者には答え、後者を見落としています。

「監督の演出」こそ問題です。人が関与しているように見えて、実際にはAI要約を承認するだけで、何を確認し、何を疑問視し、何を変更したか記録がありません。組織図上はコントロールが存在しても、ファイルには存在しません。後から判断が問われた時、「人が関与していた」は単なるチェックボックスであり、ツールにもレビュアーにも何も証明できません。

ガバナンス自信は成熟度を上回る

S-RM以外の調査でも、実態より進んでいると考える組織が多いことが示されています。Schellmanの2026年AIガバナンスレポートでは、従業員500人超・売上1億ドル超の米国企業525社を調査し、74％が「現時点でAIコンプライアンス監査に合格できる」と回答する一方、「AIガバナンスが完全に成熟（運用化・継続監視）」しているのは27％のみでした（SchellmanはAIガバナンス評価・認証を販売、サンプルは米国限定・自己申告・無加重）。

この2つの数字が同時に成り立つのは、監査が「想像上」の場合だけです。

証拠を求められるまでは自信は安上がりです。74％と27％の差は、GRCプログラムがAIをカバーしていると「信じている」ことと、それを証明する記録を「実際に出せる」ことの差です。このギャップに気づくのは、たいてい評価の最中、つまり最もコストがかかるタイミングです。

特にサードパーティ分野では、同じSchellman調査で「取締役会や経営陣がサードパーティやベンダーのAIリスクを正式に議論した」と答えたのは36％のみでした。S-RMの回答者にはこれらの関係を管理する担当者も含まれており、取締役会がリスクを議論していなければ、デュー・ディリジェンスチームがツールの精査もないままリスクを一手に担うことになります。

もう一つの視点はセキュリティ側からです。ISACAのState of Cybersecurity 2026レポートは、2026年第2四半期に1,888人のISACA会員・資格保有者を調査し、「サードパーティAIリスクに対する成熟した正式プログラム（AI特有のポリシー・評価・監視）」を持つのは9％、一般的なサードパーティリスクプロセスを流用しているのは17％と報告しています（サンプルはセキュリティ専門家寄りで無作為抽出ではありません）。

この「17％」の静かな数字が重要です。ベンダーのファイアウォールを評価するためのアンケートは、そのベンダーのAIがカウンターパーティをどうスコアリングしているかを問わず、年次SOCレポートを前提としたレビューサイクルでは四半期ごとに変わるモデルを捉えきれません。

金融サービス業界は運用AIの姿を示す

S-RMは金融サービス業界の回答者を他業界の先行事例として取り上げています（サブサンプル数は非公開のため傾向値としてご覧ください）。

金融サービス業界では、32％が複数のコンプライアンスプロセスでAIを広範囲に導入済み（全体サンプルでは20％）、さらに49％が一部プロセスでAIを導入しており、計81％がAIを運用レベルで活用しています。

現状の利用は、ネガティブメディアスクリーニング51％、顧客デュー・ディリジェンス・KYC48％、制裁・PEPスクリーニング48％、取引モニタリング41％と、全体よりやや深い傾向です。次のフロンティアは全体サンプル同様サードパーティデュー・ディリジェンスで、今後12ヶ月以内にAI導入を計画しているのは金融サービス業界で59％、全体で48％です。

他業界のコンプライアンスリーダーにとっての教訓は明確です。調査で最も進んでいるグループは、判断に近い業務でAIを後退させるのではなく、むしろ拡大させています。どの業界であれ、AI支援デュー・ディリジェンスの証拠をどう残すかという課題は、先行組織のタイムラインでやってきます。

ここでのデータコンプライアンスの基本は、最初の文書受領時から評価者に提出できるデュー・ディリジェンスファイルを作成することです。問い合わせが来てから組み立てるのでは遅いのです。

「防御力ギャップ」こそ真のリスク

これらの調査結果を総合すると、1つのギャップが浮かび上がります。それが「防御力ギャップ」です。AIがチームの意思決定を支援した事実と、その一つ一つがどのように導かれたかを即座に示せる能力の差です。

S-RMはこの言葉自体は使っていませんが、結論はまさにそこを指摘しています。最も恩恵を受けるのは、全自動化を目指す組織ではなく、AIをワークフローに統合し、適切な人間の保証を適用し、理解・信頼・防御可能な成果を生み出す組織だとしています。

理解・信頼・防御。ベンダーはこのうち1つを機能として提供できますが、残り2つは記録の質にかかっています。

防御可能なデュー・ディリジェンス記録は、誰の記憶にも頼らず5つの問いに答えられる必要があります。プロセスで使ったインプットは何か？AIのアウトプットは何だったか？誰がレビューし、何を確認したか？何を変更・承認・エスカレーションしたか？その間、元文書はどう扱われたか？

最初の2つはデュー・ディリジェンスプラットフォームに残りがちです。3つ目と4つ目はチケットやスプレッドシート、メールに残ることもあります。5つ目は誰も責任を持ちません。所有権文書やアンケート、認証書はサードパーティや外部アナリストと様々なチャネルでやり取りされ、監査証跡は本来想定されていないツールに分散しています。

ここが肝心です。証拠が複数システムに分散していれば、組み立てに数週間かかり、規制当局のタイムリミットは数日です。存在しても即座に一元的に提示できない監査証跡は、証拠とは呼べません。単なる素材です。

このギャップは技術不足ではなく、誰も決めなかったアーキテクチャの問題です。プロセスがAIを判断の隣に座らせる前から存在していたのです。

Kiteworksが防御可能なデュー・ディリジェンスワークフローで果たす役割

ここでどのプラットフォームが何をできるか、できないかを正確に把握しましょう。Kiteworksはデュー・ディリジェンス判断を下すものではなく、AIによるサードパーティ要約の正否を判定することもできません。Kiteworksは、それらの判断を取り巻くデータの移動をガバナンスし、誰が関与したかを記録します。

デュー・ディリジェンスは移動する文書で成り立っています。所有権記録、アンケート、認証書、アナリストレポートは、チーム、審査対象サードパーティ、外部専門家の間を移動します。Kiteworksのセキュアデータ交換は、セキュアメール、セキュアなファイル共有、SFTP、マネージドファイル転送、セキュアなデータフォームを一つのポリシーエンジンと統合監査ログで管理します。CCOにとって、この一元化されたログは、「文書に何が起きたか」という5つ目の問いを、再構築作業からレポート作成へと変えます。

AIアシスタントは同じコンテンツへの第2の経路を追加します。Kiteworks Secure MCP Serverは、ClaudeやCopilotなどのAIアシスタントがKiteworks内のコンテンツにアクセスできるようにします。各操作は、アシスタントを利用する人に適用されるロールベース・属性ベースのアクセス制御ポリシーに照らして評価され、その人の他の活動と同じ監査ログに記録されます。人とAIアシスタントが一つのポリシーと証跡の下に置かれることで、最終判断の責任が人に残る場合に最適なモデルとなります。Kiteworks Compliant AIでは、そのガバナンス付きアクセスがデータとAIツールの境界でどのように機能するかを解説しています。

このアプローチはゼロトラスト・データ交換の原則に則っています。Secure MCP Server経由でアシスタントがリクエストを行うたびに認証・ポリシー承認・記録がなされ、AIツール自体には暗黙の信頼を置きません。デュー・ディリジェンスチームにとって、誰がいつどのサードパーティファイルにどのチャネルでアクセスしたかの記録は、アナリストの再構築ではなくシステムから得られます。

限界も明示しておきます。ガバナンスされたデータレイヤーはアナリストの思考過程を記録するものではなく、意思決定記録の代替にもなりません。レビュアーの根拠は別途必要です。ただし、元文書がポリシー通りに扱われたかどうかの論争は解消されます。

月曜朝にやるべきこと

AIデュー・ディリジェンスツールの精度を問うのはやめましょう。重要なのは、「明日評価者から過去四半期のサードパーティ判断を1件再現するよう求められたら、できるか？」という問いです。

今週中に1ファイルでこのテストを実施し、問題が出た箇所を修正してください。次の4つのアクションで大部分をカバーできます。

意思決定ポイントをマッピングする。サードパーティデュー・ディリジェンスプロセスの中でAIが関与するすべてのステップをリストアップし、どのステップが「発見」を生み、どのステップが「判断」を生むかを区別します。S-RMのデータによれば、今後のAI活用の波は後者に集中します。各ステップを「間違った場合の影響度」で階層化しましょう。

ツールが閾値を決める前に、レビュー基準を設定する。人間の保証は意思決定のリスクに応じてスケールさせる必要があります。レビュアーがそのまま受け入れてよいアウトプット、追加の裏付けが必要なもの、必ず特定の担当者にエスカレーションすべきものを明文化し、レビュアーが毎回記録すべき事項も決めておきます。

人事異動にも耐える意思決定記録を作る。各デュー・ディリジェンス結果について、使用したインプット、AIアウトプット、レビュアー、変更・疑問点、最終判断の根拠を記録します。1ファイルあたり数分以上かかる場合は、現場が使えるようテンプレートを簡素化しましょう。

データ証跡を一元化する。デュー・ディリジェンス文書のやり取り場所とAIアシスタントのアクセス範囲を決め、監査ログが両方をカバーしているか確認します。カバーできていなければ、評価者より先にギャップを発見できたことになります。

同じテストをベンダーにも実施しましょう。S-RMの回答者が購入しているツールを含め、AIデュー・ディリジェンスベンダーには「過去の出力をどう再現できるか」「その際どんなソース記録を残しているか」を確認してください。

AI支援サードパーティデュー・ディリジェンスの防御可能な証拠証跡構築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：なぜ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をしているのか
• 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ポリシーの有無を問うのをやめた。今求められるのは「機能している証拠」