「生成AIの利用は禁止」「会社が許可したAIだけ使う」。

‍

ルールを作ったのに、実際には個人アカウントのChatGPTや無料の翻訳AI、議事録サービスが仕事で使われている。

そんな状態は珍しくありません。

‍

角川アスキー総合研究所が『AI白書2026』向けに実施した調査では、会社公式でないAIツールを業務で使った経験がある割合は、課長以上の管理職で46.5％、係長以下の一般社員で38.1％でした。

さらに、全社共通のAIガイドラインを整備済みの企業でも公式外AIの利用経験は46.9％でした。

‍

ただし、この数字を「日本企業の半数が危険」と一般化するのは不適切です。

調査対象は310人で、上場企業または従業員300人以上の非上場企業に勤める経営者・役員・従業員です。

ここから読み取れるのは、少なくとも一定規模以上の企業でも、文書を整備しただけでは実際の利用行動を十分に捉えられないという点です。

‍

そこで本記事では違反者探しではなく、30日で利用実態を可視化し、安全な代替手段と例外運用まで作る方法を整理します。

シャドーAIとは、会社が把握・承認していない生成AIやAI機能を、従業員が業務で利用している状態を指します。

‍

個人契約の生成AIだけでなく、ブラウザ拡張、文字起こしサービス、画像編集、SaaSに後から追加されたAI機能なども対象になり得ます。

‍

問題は「非公式ツールを使ったこと」そのものより、会社がデータの流れと権限を説明できないことです。

顧客名を含む議事録を要約した、未公開の企画書を個人アカウントへ貼り付けた、メールやクラウドストレージへのアクセス権をAIエージェントへ与えた。

‍

こうした利用が記録されていなければ、事故が起きた時に何が外部へ渡ったのか追えません。

‍

管理職でもシャドーAIが起きる理由は、AIリテラシーの不足だけでは説明できません。

期限が迫った資料作成、部下から上がる大量文書の要約、会議準備など、成果を早く出す必要がある人ほど便利なツールを試す動機があります。

正式ツールが遅い、使いたい機能がない、申請に時間がかかる、といった状況も非公式利用を後押しします。

‍

したがって、「守らない人の意識を変える」だけでは不十分です。

会社側も、正式な選択肢が業務ニーズを満たしているかを点検する必要があります。

ルールが機能しない典型例は、禁止事項だけが細かく、代わりに何を使えばよいかが分からない状態です。

‍

「機密情報は生成AIへ入力禁止」と書かれていても、社内限定の売上表、取引先名が入ったメール、匿名化した顧客コメントがそれぞれ機密に当たるのか、現場で即判断できなければ利用は属人的になります。

‍

経済産業省のAI事業者ガイドライン第1.2版も、AIガバナンスを一度作って終わる文書ではなく、経営層による構築とモニタリングを含む継続的な仕組みとして位置づけています。

生成AIは機能追加が速く、昨日まで文章生成だけだったサービスが、翌月にはファイル参照や外部アプリ操作に対応することもあります。

‍

もう一つの落とし穴は、ツール単位で「許可／禁止」を固定しすぎることです。

同じサービスでも、個人無料アカウントと法人契約ではデータ保持や管理機能が違う場合があります。

また、同じ契約でもコネクタを接続した瞬間にアクセス範囲が広がることがあります。

‍

必要なのは、ツール名だけでなく「アカウント種別」「入力データ」「接続先」「実行できる操作」を合わせて判断することです。

30日間の目的は、完璧な規程を作ることではありません。

現在どこに見えない利用があり、どの利用から優先して安全な状態へ移すかを決めることです。

‍

‍

1週目の匿名アンケートでは、個人名を集めるより「どんな業務でAIを使っているか」を聞きます。

文章作成、要約、翻訳、調査、表計算、画像生成、議事録、コード、メール処理などに分け、利用ツール名、アカウント種別、入力するデータ、出力の使い道を確認します。

匿名にする理由は、摘発への警戒で実態が隠れるのを避けるためです。

‍

2週目は、回答の多かった用途から許可ツールを決めます。

すべてのAIを審査する必要はありません。

頻度が高い業務と、機密度が高い業務を先に処理します。

‍

3週目には例外申請を作ります。

「禁止」で止めるのではなく、なぜ既存ツールでは足りないのか、どのデータを扱うのか、利用期間はいつまでか、誰が成果物を確認するのかを申請項目にします。

期限付きの試行を認めれば、現場の新しいニーズも把握できます。

‍

4週目は教育と月次レビューへ移します。

新規AIを毎回全社説明会で扱う必要はなく、月1回、利用が増えたツール、機能変更、事故・ヒヤリハット、例外申請を確認する運用で十分です。

現場が迷いにくいのは、データを4段階に分ける方法です。

‍

「公開情報」はWebサイトや公開済み資料など、外部へ出ても問題がない情報。

‍

「社内限定」は社内手順や未公開の一般資料など、社外公開はしていないが重大な機密ではない情報。

‍

「機密」は未発表の経営情報、契約内容、ソースコード、顧客案件など。

‍

「個人情報」は氏名、連絡先、評価情報など個人を識別・評価できる情報です。

‍

実際の区分は自社の情報管理規程と合わせてください。

個人情報だから常に同じ扱い、機密だからすべてAI禁止、と機械的に決めるのではなく、契約条件、保存、学習利用、アクセス制御、匿名化の可否を見て判断します。

‍

許可ツール表には、最低でも「利用できる業務」「利用できるデータ区分」「利用するアカウント」「ファイルアップロード可否」「外部アプリ接続可否」「出力の確認者」「問い合わせ先」を入れます。

料金やモデル名だけを並べた表では、現場の判断には使えません。

‍

例外申請は重くしすぎないことも大切です。

申請に1週間かかるなら、締め切り当日の社員は非公式ツールへ流れやすくなります。

低リスク用途は即日、高リスク用途だけ情報管理担当や責任者が確認するなど、リスクに応じて速度を変える方が現実的です。

シャドーAI対策では、技術的にすべての利用を捕捉したくなります。

‍

しかし、利用ログを集めれば集めるほど良いとは限りません。

従業員の通信や操作をどこまで記録するかは、社内規程、プライバシー、労務上の配慮とセットで考える必要があります。

‍

まず記録すべきなのは、個人の会話全文ではなく、管理に必要な最小限の情報です。

承認済みツールの利用状況、例外申請、重大なデータ持ち出しの兆候、外部コネクタの権限、新規サービスの利用増加などから始めます。

‍

NISTの生成AI向けリスク管理プロファイルも、生成AIリスクを一度のチェックで片づけず、ガバナンス、測定、管理を継続する考え方を示しています。

実務では、月次会議で「新しく使われ始めたAIは何か」「禁止理由が現場の業務を止めていないか」「正式ツールで代替できたか」「権限や保存条件が変わっていないか」を確認すると運用しやすくなります。

‍

評価指標も「違反件数」だけにしない方がよいでしょう。

正式ツールへの移行率、例外申請の処理時間、問い合わせ件数、危険なデータ入力の減少、教育後の理解度などを組み合わせれば、萎縮させずに改善できます。

シャドーAIを減らすために必要なのは、禁止文を増やすことより、現場の利用実態を見える形にし、安全な代替手段を用意することです。

‍

『AI白書2026』の調査は、管理職を含め公式外AIが利用され、ガイドライン整備済みの企業でも利用が残ることを示しました。

ただし、調査対象の条件を踏まえれば、割合そのものを自社へ当てはめるのではなく、「自社も把握できているか」を確認する材料として使うのが適切です。

‍

最初の30日でやることは明快です。

用途を匿名で把握し、データ区分と許可ツールを決め、例外申請を用意し、月次で更新する。

ゼロリスクを目指してAI活用を止めるのでも、便利さを優先して自由利用にするのでもなく、現場が迷わず安全な選択肢を取れる状態を作ることが実効性のある対策になります。