イタリアのAI法令、AIガバナンスを監査証拠に

イタリアでハイリスクAIシステムを運用するすべての組織は、今後、検査官がそのシステムのテスト方法を調査し、予告なく現れる可能性があることを想定すべきです。法令179/2026号は、イタリアの国家サイバーセキュリティ機関にまさにその権限を与えており、今後の質問はモデルの構造ではなく、データに関するものとなります。

この法令は2026年10月8日に官報で公布され、2026年10月23日に施行されました。これは、2025年9月23日の法律132号に続く、EU AI法のイタリアにおける2段階実施の第2ステップです。IAPPの記者アレッサンドラ・トラモンテが新たな枠組みを要約しており、AgIDが通知機関、ACNが主要な市場監督機関およびEU機関との単一窓口として指定された点などが含まれています。

CISOやチーフコンプライアンスオフィサーにとって、その実務的な意味は明快です。これまでポリシー文書上にあったAIガバナンス義務に、調査権限を持つ担当者が明確に割り当てられました。これらの担当者は、AIシステムがどのデータに触れたのか、誰が承認したのか、そしてそれを証明できるかを問いただします。これはAIデータガバナンスの課題であり、モデルの課題に先立つものであり、この法令がAIシステムと機密コンテンツをやり取りするすべての人にとって重要である理由です。

主なポイント

1. イタリアにAI法の執行担当者が明確に設置された

AgIDは適合性評価機関の通知機関として、ACNは主要な市場監督機関およびEU機関との単一窓口として機能します。

2. 予告なしの検査が可能

ACNはハイリスクAIシステムの実地テストをリモートまたは現地で検査でき、事前通知は不要です。

3. 法令は権限と手続きを定める

新たなAI法上の義務を創設するものではなく、実質的な義務はAI法およびイタリア法132号から引き続き適用されます。

4. いくつかの詳細は未確定

期限のない実施細則、未設置のサンドボックスグループ、EUデジタルオムニバスのタイムラインなどにより、全体像は今後も変動します。

5. 証拠の質が監査結果を左右

規制当局が規制するのはモデルではなくデータです。誰がどのデータに、誰の権限でアクセスしたか、どのような記録があるかを示せる組織ほど、検査を迅速に通過できます。

法令179/2026号が定める内容

イタリアはEU AI法の実施を2段階で進めました。第1段階は2025年9月23日の法律132号で、2025年9月25日に官報223号で公布、10月10日施行。これは国家原則を定め、実施法令の制定を政府に委任しました。第2段階が2026年10月7日の法令179号で、法律132号第24条の委任に基づき採択されました。

この法令は全54条から成ります。Normattivaの統合テキストによると、2026年10月8日に官報一般シリーズ234号に掲載され、15日後の10月23日に発効しました。警察によるAI利用に関する別の法令160/2026号は2026年9月30日に施行されており、イタリアのAI枠組みは単一法ではなく複数の法令で段階的に整備されています。

この法令が何であるかを正確に理解することが重要です。これは制度的・手続き的な文書であり、誰が監督し、誰が通知し、誰が検査・制裁し、苦情処理をどう行うかを定めています。AI法がプロバイダーや導入者に課す義務を書き換えるものではありません。この法令をAIシステムの新たなルールブックと読むと誤解します。国家による執行が現実になった瞬間と捉えるのが正しい理解です。

この違いは計画立案において重要です。ハイリスクシステム、透明性、人による監督などの義務は依然としてAI法に基づきます。10月23日に変わったのは、イタリア当局がそれらの遵守状況を検証する明確な役割と権限を持ったことです。

権限を持つのは誰か―AgIDとACN

この法令は監督を2つの主要機関に分担させており、その分担を理解することで、誰がどの質問をするかが分かります。

デジタルイタリア庁（AgID）は通知機関です。第4条に基づき、ハイリスクAIシステムをAI法に照らして評価する適合性評価機関の指定を担当します。第13条はAgIDにこれら機関の監督役割を与えています。AgIDは指定の制限、停止、取消しができるため、手抜きの適合性評価機関は資格を失う可能性があります。プロバイダーにとっては、後に指定を失った機関の証明書は価値が下がるため、購入する評価の品質基準が上がることになります。

国家サイバーセキュリティ機関（ACN）は第5条で市場監督機関、第6条でEU機関との単一窓口として指定されています。これはサイバーセキュリティ機関への大きな権限付与です。NicFabの分析が示すように、この選択によりAI監督が既にNIS2指令で重要サービス事業者と連携しているイタリアのサイバーレジリエンス体制に近づきます。

分野別監督官庁も引き続き役割を持ちます。第17条は銀行・金融機関向けにイタリア銀行、CONSOB、IVASSを関与させており、銀行や保険会社は既存の監督官庁が引き続き関与することになります。プライバシー規制当局であるGaranteは、法令第5条1項cおよびAI法第74条8項の範囲に限定されており、一般的なAI執行者にはなりません。

多国籍企業にとっては、ほとんどのAI法関連の質問に対してイタリア側の窓口が1つになり、規制業界では分野別監督官庁が重層的に関与します。すでにGDPR対応を進めている組織は、主担当機関＋専門監督官庁という構造に見覚えがあるはずで、検査の前に各関係を整理しておくべきです。

予告なしの検査とその内容

運用者にとって最も重要なのは第15条です。ACNに対し、事前通知なしでリモートまたは現地での検査権限を与え、ハイリスクAIシステムの実地テストにも及びます。この法令は、すでに委任で検査権限を定めていた法律132号第24条2項mに基づいています。第15条3項は詳細な手続き方法を大統領府令に委ねており、具体的な運用は今後定められます。

実地テストの予告なし検査が現場で何を意味するか考えてみてください。実地テストでは、しばしば個人データを含むライブデータが、市場投入前のシステムを通じて流れます。検査官はテスト計画、使用データ、適用された保護策、その有効性を証明する記録を確認します。証拠を用意するための準備期間はありません。記録が存在し、すぐに取り出せるかどうかが問われます。

他の条文では手続き開始のきっかけを定めています。第16条は手続きの発動要件、第18条は苦情申立てチャネルを設けており、影響を受けた個人がACNの自発的対応を待たずに調査を促すことができます。第14条は重要インフラで使われるハイリスクシステムの登録義務をACNに委ねており、AI法附属書IIIの2項に該当するシステムが対象です。重要インフラ運用者は全国登録と検査権限の両方に対応する必要があります。

これらの条文に共通するのは、証拠が新鮮なうちに迅速に質問できる手段を当局に与えている点です。監査証拠を事後に集める運用モデルは困難になるでしょう。

制裁と執行の資金構造

第23条は制裁上限を定めており、AI法第99条の最大額（最重度で3,500万ユーロまたは全世界売上高の7%、次点で1,500万ユーロ、虚偽情報で750万ユーロ）を再現しています。さらに独自の下限帯として、AI法第27条・第86条の義務違反に対し100万ユーロまたは売上高の0.5%の制裁を追加しています。これらは特定の導入者の基本的人権影響評価や個別意思決定の説明権に関するものです。

資金設計にも注目すべきです。ACNとAgIDが課した罰金の収益はこれら機関に優先的に配分されます。自らの制裁収入で運営する執行機関は、検査能力の強化に構造的な動機を持ちます。一方、第54条は財政中立（新規公的支出なし）を定めており、GaranteはAI法第70条3項（国家当局に十分なリソースを求める要件）との緊張関係を指摘しています。ACNとAgIDが大規模検査に十分な人員を確保できるかは依然として不透明です。

注意すべき点として、法令には制裁発効時期を明記した条項がなく、AIに関するEUデジタルオムニバス規則（2026/1744号）にも言及がありません。罰金発動時期を断定するのは根拠のない推測であり、慎重な解釈としては、制度上の権限は2026年10月23日から有効で、個別義務に対する制裁のタイミングはAI法の発効日によると考えるべきです。

未確定事項

枠組みのいくつかは未完成であり、準備計画に織り込む必要があります。

第26～31条の規制サンドボックス条項は、まだ設置されていない合同運用グループについて記述しており、設置期限も定められていません。実地テスト検査の詳細など、他の実施細則にも期限がありません。第41条は自動手段のみで行われた雇用決定を無効とし、同意も例外としないため、自動スクリーニングやスケジューリングを利用する雇用主は注意が必要です。

より大きな動きはEUレベルにあります。規則（EU）2026/1744、いわゆるデジタルオムニバスは2026年7月24日に官報で公布、7月27日に発効しました。Cooleyの分析によれば、これによりAI法の主要な期限が延期されます。附属書IIIシステムのハイリスク義務は2027年12月2日、附属書Iシステムは2028年8月2日に移動し、第50条の透明性要件は2026年8月2日から適用されます。

これらの日付は実質的義務の適用時期を変えますが、イタリアの制度的変化を無効にはしません。当局も検査権限も既に存在し、ハイリスクシステムの実地テストは市場投入前でも行われます。延期を証拠能力強化の猶予期間と捉え、待機の口実としないでください。2026年8月のハイリスク期限を引用する情報源はオムニバス以前のものであり、計画の指針とすべきではありません。

なぜ規制当局はモデルではなくデータを規制するのか

経営層はAI規制をアルゴリズムの精査と捉えがちですが、実際に検査官がオフィスに来た場合、全く異なる質問をされます。どの個人情報や機密データがシステムに投入されたか、誰がそのアクセスを承認したか、目的に合致していたか、証拠は何かが問われます。モデル自体は外部から検査しにくいですが、その周囲のデータの痕跡は検証可能です。

だからこそ、生成AIのゼロトラスト原則が監査対応力に直結します。AIシステムはコントロールの観点ではデータ要求者の一つであり、ID、明確なスコープ、リクエストごとの認可判断、記録が必要です。これらを人やアプリケーションで既に実施している組織は、AIにも容易に拡張できます。AIツールが広範なサービスアカウントでファイル共有やメールアーカイブ、リポジトリからデータを引き出している場合、最初の質問に答えられなくなります。

同じ理由で、法令が実地テストに注目するのは重要です。テスト段階は、まだ本番運用前であることから実データや緩い管理で進めがちですが、イタリアの検査官はこの段階も予告なく調査できます。テストデータを取り巻く管理体制も本番と同等でなければならず、証拠も同様に即座に取り出せる必要があります。

データ保護とAIガバナンスは現場で融合します。AIデータプライバシーのゼロトラストアプローチは、すでにデータ最小化、目的限定、アクセスログを求めており、AI法の検査で要求される証拠と同じです。GDPR対応を進めてきた企業は、想像以上に準備が進んでいるかもしれません。AIをデータガバナンスの枠外とみなしている企業は、そうではありません。

法令が組織の役割ごとに与える影響

この法令の影響はすべての組織に同じではなく、有効な準備の議論は自社の立ち位置を問うことから始まります。以下の3つのシナリオはあくまで例示です。

まず、重要インフラ向けにハイリスクAIシステムを構築するプロバイダーの場合。最も直接的な影響を受けます。第14条に基づきACNへの登録義務が生じ、適合性評価機関はAgIDの監督下に置かれ、実地テストも検査対象です。テスト記録、データガバナンス文書、評価機関の選定・監督経緯の説明責任が求められます。

次に、例えば銀行がAIツールで与信判断を支援する場合。ここでは第17条によりイタリア銀行やCONSOBが監督官庁となり、既存の監督関係が影響します。データ管理、アウトプット監督、各意思決定経路に人が責任を持っているかが問われます。厳格なICT・第三者証拠要件を満たしている銀行は、AIツールにもその記録が及んでいれば有利です。

最後に、自動スクリーニングやスケジューリングを利用する雇用主の場合。第41条は自動手段のみの雇用決定を無効とし、同意も例外としません。これは厳格な国内規定であり、ワークフローにおける人によるレビューが法的要件となります。権限ある人が各決定を確認し、その証拠記録を保持する必要があります。この監査証跡自体がデータガバナンスの証拠となります。

いずれの場合も共通の基盤は、AIシステムがどのデータにアクセスするかを把握し、各アクセスを責任ある人に紐付け、第三者が検証できる記録を残すことです。

なぜ証拠の質がポリシーの量より重要なのか

多くのコンプライアンスプログラムは、策定したポリシーの数で進捗を測りますが、検査体制は異なる基準で評価します。検査官はよくできたAIポリシーを読んだ後、次に「そのポリシーが守られたことをどう証明するのか」と問います。答えは運用記録にあり、ポリシー文書にはありません。

この「文書化されたポリシー」と「運用上の証拠」のギャップこそ、多くの組織がリスクを抱える部分です。例えば、AIツールは承認済みリポジトリのみアクセス可能とポリシーに書かれていても、実際には共有認証情報で広範なアクセスが可能だったり、機密データへのアクセスは人の承認が必要としながら、誰が何を承認したか記録がなかったりします。検査官が主張と記録を突き合わせると、ギャップが指摘事項となります。

このギャップを埋めるには、ポリシーを自動的に強制し、強制判断を記録するコントロールが必要です。アクセスルールがリクエストごとにシステムで適用されれば、ログにはルールとその適用が残り、ポリシーは単なる理想論でなくなります。これがポリシードリブンなデータガバナンスの論理であり、Data Policy Engineのアプローチは、コンテンツ交換に一貫してルールを適用し、各判断の記録を残します。

これにより監査準備のコスト構造も変わります。証拠が通常運用の副産物であれば、検査要請は単なる検索作業です。証拠を複数システムから再構成する必要があれば、検査ごとにプロジェクト化します。イタリアで予告なし検査権限が発効した今、この2つの状態の違いは、平穏な午後と危機的状況の違いです。

検査官が求める証拠とは

もしACNの検査官が今日、ハイリスクAIシステムのテストを調査した場合、求められる証拠は次のようなカテゴリに整理されるでしょう。事前に準備しておけば、緊張する検査が日常的な文書交換に変わります。

• アクターの特定。 どのAIシステム・エージェント・統合がデータにアクセスし、どの人または事業責任者が承認したか。
• アクセス範囲。 システムが到達可能だったリポジトリ、フォルダー、記録と、実際にアクセスした範囲、それぞれの操作を許可したポリシー。
• データ分類。 個人情報、機密情報、規制対象コンテンツが関与していたか、システムがどのように扱ったか。
• 証拠保管の連鎖。 AIシステムがデータに触れた後の流れを示す記録。証拠保管の連鎖が文書化されていれば、再構成作業が検索作業に変わります。
• 改ざん防止証跡。 ログ自体が事後に改ざんされていない証拠。管理者が編集できるログは検査官にとって信頼性が低いです。
• インシデント対応。 異常検知とエスカレーションの方法、AI関連イベントも含むインシデント対応プロセス。

多くの組織は人やアプリケーション向けにはこれらの証拠を用意できますが、AIシステム向け、しかも統合された形で用意できる組織はごくわずかです。AIプラットフォーム、ファイルシステム、IDプロバイダー、SIEMなどに分散した証拠を手作業でつなぎ合わせる必要があり、数日かかることも。予告なし検査に数日は許されません。

質も量と同じくらい重要です。監査ログが各操作をID、ポリシー判断、結果とともに一元的に記録していれば、タイムスタンプや名称が食い違うプラットフォーム別記録の寄せ集めより強力な証拠となります。検査官は検証可能で一貫性のある証拠を評価し、遅延・不完全・矛盾する証拠は評価を下げます。

AIエージェントも同じコントロールで管理

AIエージェントには独特の課題があります。エージェントはアクションを連鎖させ、ツールを呼び出し、データを高速で横断的に取得できますが、個々のステップを人が逐一確認するのは困難です。正しい対応は、エージェント専用の緩い管理体制ではなく、人間ユーザーと同じID・認可・監査モデルで管理し、すべてのエージェントアクションが責任ある人に紐付くようにすることです。

この原則は、Model Context Protocol（MCP）の導入にも合致します。MCPはAIアシスタントを企業データソースやツールに接続でき便利ですが、同時に機密コンテンツへの新たな経路も生みます。コントロールがなければ、MCP統合を通じて本来アクセス権のないユーザーの代理でアシスタントがコンテンツを閲覧するリスクがあります。Kiteworks Secure MCP Serverは、MCPリクエストにロールベース・属性ベースアクセス制御とOAuth認証を適用し、各リクエストをKiteworksの管理プレーンに記録することでこの経路を保護します。

人間と同等の管理がエージェント導入の基準です。人間従業員が開けないファイルは、代理のエージェントも開けてはいけません。人間の操作がIDとタイムスタンプ付きで記録されるなら、エージェントも同様です。人間が記録のエクスポートに業務上の理由を求められるなら、エージェントにも同じ理由が必要です。このモデルでは、エージェントのデータアクセスについて検査官が質問しても、人間従業員の場合と同じ回答ができます。

このアプローチはエージェント導入時のコンプライアンスコストも抑制します。新しいAIツールごとに独自の管理枠組みを構築するのではなく、既存のデータ層コントロールを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拡張し、新たなリクエスターにも適用できます。

KiteworksがAIデータアクセスの監査対応を支援

KiteworksはEU AI法の認証を持っておらず、どのベンダーもこの法令へのコンプライアンスを保証することはできません。Kiteworksが提供するのは、AIシステムによる機密コンテンツへのアクセス管理と、その証拠です。これは検査官が注目するレイヤーです。

Kiteworks Compliant AIはデータ層でAIアクセスを管理します。各AIリクエストはOAuth 2.0で認証され、承認した人間に紐付いたIDとなるため、責任が共有サービスアカウントに埋もれません。属性ベースアクセス制御は操作単位で評価され、システムが特定コンテンツで何をしようとしているかにポリシー判断が適用されます。コンテンツはFIPS 140-3認証暗号化で保護され、アクティビティは改ざん防止の監査証跡に記録され、SIEMにストリーミングして他のセキュリティイベントと相関できます。FIPS 140-3準拠とデータ保護への適用についてもご覧ください。

上記の証拠カテゴリに照らすと、この設計はアクターの特定、アクセス範囲、操作単位の判断を一元記録で示すのに役立ちます。改ざん防止証跡は証拠の完全性に、SIEM連携はインシデント対応に対応します。コントロールがAI製品内部ではなくデータ交換経路にあるため、複数のAIツールを使う場合も同じ記録でカバーできる点が重要です。

金融サービス分野では、イタリア銀行、CONSOB、IVASSが法令下で監督役割を持ち、DORAなどの枠組みも強力な第三者・ICT証拠を要求しています。AIアクセスの共通データ層があれば、1セットの記録で複数の規制当局に対応できます。公共部門でも同様のアプローチをデータ交換側で適用可能です。

正直な限界として、製品コントロールはガバナンス判断の代替にはなりません。AIシステムの分類、ハイリスク該当性、許可目的、責任者の割り当ては自社で決める必要があります。技術はその判断を強制・証明可能にしますが、決定自体は代行できません。

CISO・CCO向け実践的準備プラン

主要な実施細則が未確定のまま施行される法令は、細部を待つより、想定される監査像に備えた組織を有利にします。以下の手順は、未確定事項の内容にかかわらず有効です。

1. AIシステムとデータ経路の棚卸し。 全AIシステム、エージェント、統合（各事業部が導入したものも含む）をリストアップし、それぞれがアクセス可能なデータと経路を記録。
2. AI法に照らした分類。 ハイリスク該当の可能性があるシステムを特定。附属書IIIの2項に該当する重要インフラ向けは第14条でACNへの登録義務あり。
3. すべてのAIアクターを責任ある人に紐付け。 共有サービスアカウントを廃止し、承認者に紐付いたIDに置き換え、各操作が説明可能な人にトレースできるように。
4. アクセス判断をデータ層に移行。 アプリケーション境界だけでなく、機密コンテンツごとにポリシーを強制し、エージェントにも人にも同じポリシーを適用。
5. 監査証跡の一元化。 AIアクセス記録を改ざん防止ログに集約し、SIEMにストリーミングして検査官・自社対応者が同じ記録を参照できるように。
6. 予告なし要請のリハーサル。 検査官が1つのハイリスクシステムのテスト証拠を1日以内に求めた場合の机上訓練を実施。所要時間を測定し、露呈したギャップを修正。
7. 規制当局の整理と未確定事項の追跡。 適用される監督官庁や分野別監督官庁を文書化し、検査手続き細則、サンドボックスグループ、オムニバスのガイダンスなどを追跡。

国境を越えてデータを移動する組織は、ステップ1でデータ主権レビューも実施すべきです。イタリアのデータを海外ホストのモデルでAIテストする場合、AI法とデータ移転の両方の課題が生じます。

イタリアはAI執行を明確な担当機関、検査権限、制裁の問題とし、求められる証拠はデータ層にあります。AIデータアクセスの一元的かつ改ざん防止の記録が準備体制をどう支援するか、Kiteworksのデモをぜひご予約ください。

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、なぜ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ポリシーがあるか」を聞くのをやめた。今、求められるのは「機能している証拠」です。