経営幹部がシャドーAIリスクを加速させる

多くのシャドーAIプログラムは、「リスクは期限に追われた若手社員が顧客データを無料チャットボットに貼り付けることにある」という誤った前提に基づいて構築されています。しかし新たな調査データは、実態が異なることを示しています。ルールを破っているのは経営層であり、その頻度は管理職が率いる従業員の約2倍にも上ります。

MicrosoftソリューションパートナーのTrustedTechが実施し、CSOonlineが報じた調査によると、シニア意思決定者のほぼ3分の2が未承認の「シャドー」AIツールを使用していると認めており、下位レベルの従業員では31%にとどまっています。この差は、セキュリティチームがAIガバナンスをどう捉えるべきかを根本から見直すべきだということを示しています。これは新入社員だけのトレーニングの問題ではなく、リーダーシップ層の行動の問題であり、リーダーの姿勢が組織全体の雰囲気を決定づけています。

さらに注目すべきは、同じ調査で従業員の4人に3人がシャドーAIによるセキュリティやプライバシーリスクをすでに理解していると回答している点です。つまり、未承認ツールの利用は「知らなかったから」ではありません。データ侵害による損失を最もよく把握しているはずの経営層が、リスクより利便性を優先しているのです。Teramindの別レポートも同様の結論を裏付けており、3分の2以上のCレベル経営者がAI利用時にセキュリティよりスピードを優先すると回答しています。

長年にわたりAIデータガバナンスプログラム、適正利用ポリシー、従業員向けトレーニングモジュールを構築してきた企業にとって、これは不都合ながらも必要な現実修正です。リスクが現場から上層部へと流れるという前提で設計されたガバナンスプログラムは、組織の本質的なリスクポイントを見誤っています。AIポリシーを承認する人たちが、実際にはそのルールを破っているのです。

主なポイント

1. 経営層は従業員の約2倍の頻度でシャドーAIを利用

MicrosoftソリューションパートナーTrustedTechの調査では、シニア意思決定者のほぼ3分の2が未承認AIツールを利用していると認めており、下位レベルの従業員の31%と比べて顕著な差があります。

2. リスク認識が課題ではなく、行動が課題

同じ調査で従業員の4人に3人がシャドーAIによるセキュリティやプライバシーリスクを認識しているにもかかわらず、組織の上層部での利用は増加し続けています。

3. C-suiteではスピードがセキュリティに優先

Teramindの調査によると、3分の2以上のCレベル経営者が業務でAIツールを使う際、セキュリティよりもスピードを優先しています。

4. 企業のAI活動の大半はITの監視外で行われている

Teramindによれば、企業のAI活動の3分の2は、企業がすでにライセンスしているプラットフォーム上の個人アカウント経由で行われており、ツール自体は承認されていてもアカウントは管理されていない状態です。

5. ポリシーだけでは経営層の習慣は是正できない

このギャップを埋めるには、誰も読まないトレーニング資料ではなく、AIツールやエージェントが実際にアクセスできる機密コンテンツをアクセス時点で制御する必要があります。

TrustedTechとTeramindのデータが示す実態

この傾向を漠然と捉えるのではなく、具体的な数字に注目する価値があります。なぜなら、リスクの規模は多くのセキュリティチームが想定しているよりも大きいからです。

TrustedTechの調査で、シニア意思決定者のほぼ3分の2が未承認AIツールを利用しているという結果は、下位従業員の31%と比べても「誤差」の範囲ではなく、2倍以上です。実際には、最も広範なアクセス制御権限を持ち、財務実績、M&A活動、訴訟戦略、未発表製品計画などの情報にアクセスできる人たちが、ITが審査していないツールにこれらの情報を持ち込んでいる可能性が最も高いということです。経営層が扱うのは価値の低いファイルではなく、データ侵害発生時に取締役会が真っ先に確認するような契約書、M&A文書、知的財産など、組織にとって最も価値が高くリスクも大きいコンテンツです。

Teramindの調査はさらに状況を鮮明にしています。企業のAI活動の3分の2は、企業がすでにライセンスしているプラットフォーム上の個人アカウント経由で行われています。この違いは重要です。従業員が無名のAIスタートアップなど未承認ツールに手を出しているのではなく、多くの場合、企業がエンタープライズ契約で利用しているツールに個人アカウントでログインしているのです。これにより、管理者権限、監査ログ、データ保持設定など、エンタープライズライセンスで保証されていたはずの管理機能が失われます。企業はガバナンスされたバージョンのツールを購入しているのに、経営層は同じプラットフォーム上で管理されていない個人バージョンを同じPCから利用しているのです。

このギャップこそが、多くの組織が自社のAIリスクについて「実際にどれだけ管理外のアカウントで発生しているのか」という基本的な問いに答えられない理由です。必要なのは新たなポリシー文書ではなく「可視化」です。現状のAIツール利用状況を、企業アカウントと個人アカウントの両方でマッピングし、どのコンテンツカテゴリが管理されていないログイン経由で流れているかを定量化する正式なリスク評価が、セキュリティチームにガバナンス投資の優先順位をつけるための証拠となり、次のインシデント発生時の場当たり的な対応を防ぎます。

なぜ経営層は自ら承認したルールを破るのか

この現象には「なぜAIポリシーを承認した本人たちが最も無視するのか？」という合理的な疑問が生じます。

一因は「アクセス権」です。経営層は一般的に、使いたいツールを使う上での実質的な障壁が少ない立場にあります。中間管理職や一般社員が受けるデバイス管理、ネットワーク制限、上司の監督などの制約が適用されにくいのです。もしポリシーが「ドメインブロック」「ダウンロードの警告」「上司のチェック」などの摩擦に依存している場合、経営層は最も摩擦が少ないグループとなります。

もう一つは「インセンティブ」です。シニアリーダーは収益、納期、競争力といった成果で評価されます。AIツールが一晩で取締役会向け資料を作成したり、午後のうちにデューデリジェンス資料を要約できるなら、将来的なデータ漏洩リスクよりも目先の成果を優先するのは当然です。Teramindの「3分の2以上のCレベル経営者がスピードをセキュリティより優先」という結果も、経営層の評価軸を考えれば納得できます。

そして単純に「ポリシー文書は行動に直結しない」という現実もあります。適正利用ポリシーで承認ツールや禁止ツールを明記しても、個人アカウントをブラウザで開くこと自体を止める手段にはなりません。セキュリティ意識向上トレーニングでリスク認識率をさらに高めても、経営層のシャドーAI利用率は変わらないでしょう。なぜなら、ギャップは「認識」ではなく「制御」の欠如だからです。どのアカウント、どのデバイス、どのログインを使っても適用されるコントロールがなければ、シャドーAI（企業ポリシーの枠外で動作する非ガバナンスAI）は、既知の従業員が既知のツールで違反する場合とは構造的に異なり、ガバナンスが「ログイン画面」ではなく「コンテンツ自体」に紐づいていなければ、セキュリティチームからは見えません。

個人アカウント問題：ガバナンスされたツール、ガバナンスされないアクセス

Teramindの個人アカウントに関する調査結果は、ほとんどのAIガバナンスプログラムが想定していない特有の失敗パターンを明らかにしているため、特に注目に値します。

セキュリティチームはAIリスクをツール単位で評価しがちです。「このAIプラットフォームは承認済みか」「ベンダーリストに載っているか」「法務がデータ処理条件を確認したか」など。しかしこの評価は「従業員が未審査のAIツールを使っている」というリスクには有効でも、「従業員が審査済みAIツールを会社が管理していないアカウントで使っている」というリスクにはほとんど効果がありません。ツール自体は審査を通過しても、アカウントが審査で紐付けられたコントロールをすべて回避してしまうのです。

だからこそ、データガバナンスをツール承認リストだけで構築するのは必要条件ではあっても十分条件ではありません。エンタープライズ契約では、データレジデンシー、保持期間制限、管理者レベルの監査ログ、顧客入力がモデル学習に使われない保証などが含まれますが、同じプラットフォームの個人アカウントにはこれらがありません。Teramindによると、企業AI活動の3分の2が個人ログイン経由で行われているため、企業がベンダー契約で交渉したガバナンスの大半が、実際の運用では適用されていない可能性が高いのです。PIIやPHIなど規制対象データを扱う組織にとって、このギャップは単なるセキュリティリスクではなく、通知義務や監査要件、監督当局の調査対象となる「規制コンプライアンス違反」です。

実践的な解決策は、禁止ドメインリストの拡大ではありません。どのアカウントがリクエストしているかに依存せず、AIツールがそもそもどの機密コンテンツにアクセスできるかを制御することです。ポリシーエンジンが「従業員とログイン画面」の間ではなく「コンテンツとリクエスト」の間に配置されていれば、リクエストが企業アカウントか個人アカウントかは関係なく、機密ファイルがアクセスルールを満たすかどうかだけが判断基準となります。AIツールに到達する前にエンタープライズコンテンツへデータ分類を適用することが、この精密な制御の前提条件です。分類されていないコンテンツには、感度ベースのアクセスルールを適用できません。

トレーニングとポリシーだけでは経営層のギャップは埋まらない理由

これまで多くの企業のAIガバナンスは、「適正利用ポリシー」「セキュリティ意識向上トレーニング」「承認ベンダーリスト」の3つに依存してきました。いずれも重要ですが、TrustedTechとTeramindのデータが示す実態には対応できていません。

ポリシー文書は、それを読んで自分に関係があると信じ、かつ回避する手段がない人にしか行動変容をもたらしません。トレーニングで意識を高めても、すでに従業員の4人に3人がリスクを認識している以上、ギャップは「認識」ではなく「制御」の欠如です。ベンダーリストはITがサポートするツールを規定するだけで、経営層が個人アカウントで承認ツールにアクセスするのを防ぐものではありません。

これらのコントロールはいずれも、本当に重要な「ファイルやフォルダー、データセットがAIシステムに渡される瞬間」には機能しません。このレイヤーこそが、ゼロトラスト・データ保護の原則が直接適用される場面です。すなわち、「デフォルトでリクエストを信頼せず、毎回ポリシーに照らして検証し、役職やデバイス、アカウント種別に関係なく同じ方法で強制する」という考え方です。経営層がクライアントファイルの要約をAIに依頼しても、他の誰が依頼しても、同じルールで評価されます。なぜならルールは「データ」に紐づいているからです。このレイヤーでデータ最小化を適用し、AIタスクに必要な最小限のコンテンツのみを渡すことで、万一ガバナンスが破られても被害範囲を最小化できます。

データレイヤーでのAIガバナンス：ギャップを埋めるために必要なこと

経営層の行動がリスクの源であるなら、対策は経営層の行動に依存しないものでなければなりません。つまり「どのツールが承認されているか」ではなく、「どの機密コンテンツにAIツールやエージェントが実際にアクセスできるか、どんな条件で許可されるか」に制御の軸を移す必要があります。

データレイヤーで構築されたガバナンスモデルは、すべてのAIリクエストをリアルタイムでポリシーに照らして評価します。「ファイルの分類は何か」「誰または何がリクエストしているか」「ビジネス上の正当性はあるか」「このリクエストはルールを満たしているか」。リクエスターが企業ログインの人間であれ、同じプラットフォームの個人アカウントであれ、誰かの代理で動くAIエージェントであれ、リクエストがアクセスポリシーを満たせば許可され、満たさなければ拒否されます。これはすでにロールベースアクセス制御や属性ベースアクセス制御で人間ユーザーに適用されているロジックを、AIシステムのリクエストにも拡張したものです。

このモデルで最も重要なのは2つの機能です。1つ目は「リクエストごとのアクセス制御」で、AIによる機密コンテンツへのすべてのアクセスを、その都度、分類・コンテキスト・ポリシーに基づいて評価し、都度許可または拒否します。2つ目は、その評価の完全な監査証跡です。「誰または何が」「何をリクエストし」「ポリシーがどう判断し」「いつ実行されたか」を記録します。CISOが取締役会からAIリスクについて問われた際、「ポリシーがあります」よりも「直近四半期にAIツールが規制データに対して行ったすべてのリクエストと、その許可・ブロック履歴のログがあります」と答えられる方がはるかに強力です。この監査ログをリアルタイムでSIEMプラットフォームに連携すれば、AIアクセスパターンが基準から逸脱した際に行動可能なアラートを出せるため、シャドーAIを「見えないリスク」から「検知・対処可能なイベント」へと転換できます。

この仕組みは個人アカウント問題も直接解決します。ガバナンスがログインではなくデータ自体に紐づいていれば、Teramindが指摘したAI活動の3分の2が企業アカウントか個人アカウントかはもはや問題ではありません。コンテンツ自体がアクセスルールを保持するからです。

Kiteworks Compliant AIとSecure MCP ServerによるAIアクセスガバナンス

これはまさにKiteworks Compliant AIとKiteworks Secure MCP Serverが解決を目指している課題です。誰がどのログインを使ったかではなく、どのAIツール・人間ユーザー・AIエージェントがどの機密コンテンツにアクセスできるかをガバナンスします。

規制当局が定めるのは「どのAIフレームワークや大規模言語モデルがデータに触れたか」ではなく、「データへのアクセス・取扱い・保護」に関するルールです。これがKiteworks Compliant AIの基本思想です。人間もAIエージェントも、規制データへのアクセス・利用を1つのポリシーレイヤーでガバナンスすべき「アイデンティティタイプ」として扱います。従業員がAIアシスタントを操作する場合も、その従業員の代理でAIエージェントが動作する場合も、同じルールが適用されます。なぜなら、規制が重視するのは「データ」だからです。

実際には、AIによるすべてのリクエスト（人間がチャットで指示した場合も、エージェントがタスクを自動実行する場合も）は、データ分類・リクエスターのアイデンティティ・コンテキストに基づいて、ロールベースおよび属性ベースのアクセス制御を通過しなければなりません。Kiteworks Secure MCP Serverは、ClaudeやCopilotなどのAIクライアントをModel Context Protocol経由で組織のガバナンスされたコンテンツに接続し、すべてのファイルアクセス・フォルダー操作・メタデータリクエストに、既存のOAuth 2.0認証権限とポリシーチェックを適用します。認証情報はAIモデル本体ではなくOSのキーチェーンに保持され、すべての操作はリアルタイムの監査証跡としてSIEMやコンプライアンスワークフローに連携されます。CISOダッシュボードでは、AI経由のデータアクセスイベントを一元的に可視化でき、個人アカウント問題で見えなくなりがちなAI関連コンテンツフローもリアルタイムで把握できます。

この仕組みは、経営層がポリシー遵守を選ぶかどうかに依存しません。機密コンテンツ自体が、相手がルールを守っていても回避しようとしていても、同じように強制されるアクセスルールを保持しているからです。これが「C-suiteがAIポリシーを読むことに期待する」のと「どちらでもデータが守られる」の違いです。

CISOがこのデータから取るべきアクション

TrustedTechとTeramindの調査結果は、セキュリティリーダーに「取締役会向けの統計」ではなく、具体的な着眼点を与えています。

まずはポリシーの見直しよりも「利用状況の可視化」から始めましょう。多くの組織は既にライセンス済みAIプラットフォームでログ取得が可能ですが、実際に「承認アカウントでの利用」と「組織全体のAI利用推定値」を比較したレポートを出しているケースは稀です。Teramindの比率が自社でも当てはまるなら（3分の2が管理外アカウント）、これは測定・追跡可能な数値であり、「シャドーAIがリスクだと思う」よりも取締役会にとって説得力のあるデータポイントとなります。

次に、従来の「一般従業員向けセキュリティ意識向上」とは別に、経営層に特化したアプローチを検討しましょう。シニア意思決定者が未承認利用を牽引しているなら、アカウント発行やエスカレーションのプロセスも、全社一斉メールではなく経営層専用のトラックが必要です。

最後に、「承認ツールが遅い・機能が足りない」という声を、単なるコンプライアンス違反として罰するのではなく、実際のプロダクト課題として扱いましょう。もし3分の2の利用が既存プラットフォームの個人アカウントで発生しているなら、それは多くの場合、ガバナンスされたバージョンに個人版にはない摩擦（追加承認、機能不足、面倒なログインなど）があることを示しています。この摩擦を解消し、Kiteworksのセキュアデータ交換のようなコンテンツレベルのガバナンスと組み合わせることで、行動と根本的なデータ露出リスクの両方に同時に対処できます。Kiteworksプライベートデータネットワークは、1つのポリシーエンジンと1つの監査証跡で全チャネルを統合ガバナンスし、個人アカウント並みにストレスフリーな運用を実現します。経営層が「ポリシーだから」ではなく「使い勝手が良いから」ガバナンスされた選択肢を選ぶ環境を作りましょう。

組織全体でAIツールやエージェントがどの機密コンテンツにアクセスできるかをガバナンスす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
  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
  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」ではなく「機能している証拠」を求めている