生成AIのリスク7分類と対策｜シャドーAIの追加被害67万ドルを防ぐ設計 (2026年版)

社員が個人のChatGPTに議事録を貼っている。うすうす気づいてはいても、止め方が分からない。多くの会社がいまこの状態です。

ここで禁止令を出すと、社員はChatGPTの代わりにClaudeを開きます。Claudeを塞げばGeminiへ、Geminiを塞げばPerplexityへ。URLブロックは時間稼ぎにしかなりません。

やるべきことは、リスクを種類ごとに分けて、種類ごとに手を打つことです。この記事では7分類と、3層の統制設計を実務の粒度で並べます。

生成AIのリスクは何種類あるのか？まず7つに分けて考える

生成AIのリスクは「情報漏洩」に集約されがちですが、実際は発生源も対策も違う7種類に分かれます。分類してから手を打たないと、対策が漏れます。

いちばん多い誤解は、全部をセキュリティ部門の問題にしてしまうことです。著作権や個人情報の話は法務、品質事故の話は現場の業務部門が主管になります。担当が決まらないリスクは、誰も見ない。ここが落とし穴。

下の表は、7分類とその主な発生場面、主管部門を整理したものです。

つまり、7つのうち情シス単独で潰せるのは3つだけです。残りは法務と業務部門を巻き込まないと、対策そのものが立ち上がりません。

会社が承認していないAIを社員が勝手に使う状態を「シャドーAI」と呼びます。この7分類が同時に起きるのが、シャドーAIのやっかいなところです。

なぜ2026年にシャドーAIが急浮上したのか？

利用率が臨界点を超えたからです。生成AIは「使うかどうか」を選ぶ段階を過ぎ、業務のなかに勝手に入り込んできました。

ICT総研の2026年生成AI利用実態調査では、国内インターネットユーザーの利用率が54.7%に達しました。前年は29.0%です。1年半で倍近くまで伸びました。

業務利用に絞っても数字は重いままです。Gartnerの調査では、従業員の57%が個人契約のAIを業務に使っています。会社の許可は取っていません。

さらに厄介なのが、埋め込み型の広がりです。JumpCloudは、2026年には従業員のAIとのやり取りの70%が、既存ソフトに組み込まれた機能経由になると見込んでいます。

数字の背景を一枚にまとめると、こうなります。

つまり、URLブロックという発想が前提から崩れています。オフィスソフトやチャットツールに内蔵されたAIは、ブロックする「行き先」がありません。

IPAが情報セキュリティ10大脅威2026でシャドーAIを第3位に初選出したのも、この静かな広がりを無視できなくなった証拠です。

放置するとコストはいくらかかるのか？平均67万ドル

生成AIのリスクで最も直接的な損害は情報漏洩です。IBMのデータ侵害コストレポート（2025年）によれば、シャドーAI利用が多い組織は平均で約67万ドル、日本円でおよそ1億円の追加コストを負担しています。

漏洩の入り口は地味です。派手なサイバー攻撃ではありません。社員が良かれと思って貼り付けた、たった一行から始まります。

貼られやすいのは、この4つです。

• 顧客リスト: 「宛名を整えて」で丸ごと投入される
• 未公開の数字: 決算前の売上や原価を要約させる
• ソースコード: エラーの原因を聞くために全文貼り付け
• 人事情報: 評価コメントの下書きを作らせる

どれも悪意はありません。だからこそ止まらない。

もう一段深刻なのが、7分類の6番目、監査不能です。ログがなければ「漏れたかどうか」すら確認できません。事故が起きたあとの調査が成立しなくなります。

漏洩そのものより、漏洩を証明も否定もできない状態のほうが、対外説明では致命傷になります。取引先への報告も、監督官庁への説明も、記録がなければ書けません。

入力データの扱いを技術的に絞り込む具体策は、生成AIの情報漏洩対策にまとめています。この記事を読む前に押さえておくと、後半の認可設計の話が早く進みます。

なぜ禁止令は効かないのか？3つの理由

生成AIのリスク対策として「全面禁止」を選ぶ会社は、いまも一定数あります。ただ、この選択はほぼ確実に裏目に出ます。

理由は3つ。代替が無限にあること、検知が難しいこと、そして生産性を確実に落とすことです。

1つ塞げば別のサービスが湧きます。ブラウザ拡張やスマホアプリを使われれば、社内ネットワークの外に出てしまう。私物端末まで管理下に置ける会社は、そう多くありません。

そして最悪なのは、禁止したことで会社が「見えなくなる」点です。隠れて使われる分だけ可視性が下がり、統制はむしろ後退します。

正直、禁止一辺倒のポリシーは2026年時点で時代遅れです。守れないルールを掲げると、他のセキュリティルールまで軽く扱われるようになります。

代わりに置くべき方針は一行で書けます。「使ってよい範囲を先に決め、その外を検知する」。順番を逆にしないことが肝心です。

統制はどう設計すればいいのか？可視化 → 認可 → 監査の3層

生成AIのリスク統制は、可視化・認可・監査の3層で組みます。どれか1つでは穴が残り、3つそろって初めて閉ループになります。

3層の役割と、抜けたときに起きることを並べると分かりやすくなります。

つまり、可視化なしの認可は絵に描いた餅、監査なしの認可は言いっぱなしで終わります。

導入の順番も固定です。可視化を飛ばして認可から始めると、現場が実際に使っているツールと、承認リストがずれます。ずれたリストは守られません。

期間の目安は、可視化に30日、認可に30日、監査の仕組み化に60日。半年かければ一巡します。

第1層可視化：最初の30日でやること

可視化のゴールは「社内で実際に使われているAIの一覧」を手に入れることです。完璧を目指さず、上位20サービスを押さえれば十分に動けます。

情報源は3つあります。ネットワークログ、SaaSの購買・経費データ、そして社員への匿名アンケートです。

ログだけだと私物端末の利用が抜けます。アンケートだけだと過少申告になります。両方を突き合わせて、初めて実像に近づく。

アンケートで聞くべきことは、シンプルに絞ります。

• 使っているツール名: 個人契約か会社契約かも併記
• 用途: 要約・翻訳・下書き・コード補助など
• 入力している情報の種類: 社内資料か公開情報か
• 代替できない理由: 禁止したら困る業務は何か

最後の項目が効きます。ここに出てきた業務が、そのまま認可すべきユースケースの候補になります。

匿名を守ることも条件です。犯人探しの空気を出すと、回答が一斉に嘘になります。免責を明記して、集計は部門単位までにとどめてください。

議事録や商談メモの扱いは特に事故が多い領域です。AI議事録ツールの企業向けセキュリティで、会話データの保存先とログ要件を確認しておくと安全です。

第2層認可：使わせるツールと範囲を決める

認可のゴールは「これを使え」と言い切れる状態を作ることです。選択肢を並べて現場に判断させると、統制は成立しません。

会社として選ぶ標準ツールは、原則1つか2つに絞ります。多すぎると監査対象が増え、ログの突き合わせが破綻するからです。法人プランを契約し、入力データが学習に使われない設定を明示的に確認してください。

そのうえで、入力してよい情報の線引きを4段階で公開します。

つまり、社員が迷う場面をなくすことが目的です。「判断に迷ったら聞いてください」で終わるルールは、実務では機能しません。

ルール文書は1枚に収めます。10ページのガイドラインは読まれません。A4一枚と、社内ポータルのFAQで運用するほうが浸透します。

職種によって危険な場面は変わります。技術部門ならエンジニア向けのAIリスク統制、販促部門ならマーケティング部門のAIリスク統制を参照して、部門別の付則を足すと現場感が出ます。

第3層監査：記録がなければ統制は証明できない

監査層の役割は、決めたルールが守られているかを記録で示すことです。生成AIのリスク対策で最後に効いてくるのが、この証拠能力です。

法人プランの管理コンソールで取得すべきログは4つに絞れます。

• 利用者と日時: 誰がいつ使ったか
• 入力の量と種類: 添付ファイルの有無を含む
• 外部共有の有無: 生成物の共有リンク作成
• 設定変更の履歴: データ保持設定を誰が変えたか

これを四半期ごとに点検し、逸脱があれば部門長にフィードバックします。処罰が目的ではありません。ルールの穴を見つけるための点検です。

点検で高頻度に出る逸脱は、たいていルール側の設計ミスです。「機密扱いだが実務では毎日使う情報」が見つかったら、区分を見直すか、専用の手順を用意します。

未承認ツールの検知も監査層の仕事です。可視化フェーズで作った一覧を四半期ごとに更新し、新顔が増えていないかを見ます。増え方が急なら、認可ツールの使い勝手に問題があるサインです。

ここまでの整理: 生成AIのリスクは7分類、対策は可視化・認可・監査の3層。可視化30日→認可30日→監査60日の順で、半年で一巡させるのが現実的な進め方です。

部門別に「明日やること」を割り振る

生成AIのリスク統制が止まる最大の原因は、担当が決まらないことです。3層それぞれに主管を置き、期限を切ってください。

つまり、経営が方針を出すまで現場は動けません。トップの一言が出ない限り、情シスの棚卸しは「監視されている」と受け取られます。

経営が出すべきメッセージも一行です。「業務でAIを使ってよい。ただし会社が用意した窓口を通す」。禁止ではなく経路の指定だと伝わるかどうかで、社員の協力度が変わります。

技術的な防御を厚くしたい場合は、AIセキュリティ製品の選び方も併せて検討してください。ただし、製品導入は3層設計のあとです。順番を逆にすると、使わない機能に金を払うことになります。

編集部の評価

公開されている調査と各社のガイドラインを突き合わせた率直な見立てを書きます。

まず、禁止令の効果はほぼゼロだと考えて構いません。Gartnerの57%という数字は「すでに負けている」ことを示しています。ここから禁止で巻き戻すのは非現実的です。

一方で、法人プランへの切り替えは費用対効果が圧倒的です。月額の負担は増えますが、個人契約の野良利用が生む監査不能状態と比べれば、破格に安い投資になります。IBMが示す平均67万ドルの追加コストと比較するまでもありません。

ツール選定を細かく議論するのは、正直イマイチな時間の使い方です。主要な法人向けサービスは、学習不使用とログ提供という2点をどこも満たしています。差がつくのは製品ではなく、社内での運用設計のほうです。

監査層の作り込みは、地味ですが重宝します。四半期ごとの点検を仕組みにしておくと、取引先のセキュリティ質問票にそのまま答えられるようになります。営業活動に効いてくるので、コストとして見ないほうがいい部分です。

逆に、AI利用の全面ログ監視を人力でやるのは一択で「やめたほうがいい」です。運用が続きません。管理コンソールの標準機能で取れる範囲に絞り、抜けは認可の線引きで埋めるのが現実解になります。

よくある質問（FAQ）

Q. 生成AIのリスクで最も優先すべきものはどれですか

機密情報の漏洩と、監査不能の2つです。前者は損害額が大きく、後者は事故が起きたときの説明責任を果たせなくします。著作権や品質の問題は重大ですが、発生後に修正できる余地があります。

Q. 社員の個人契約AIを全面禁止するのは有効ですか

有効ではありません。代替サービスが無数にあり、私物端末経由の利用は検知できないからです。禁止すると隠れて使われるようになり、会社側の可視性がさらに下がります。認可したツールを用意して、そちらへ誘導するほうが結果的に安全です。

Q. 無料版と法人プランで、リスクはどれくらい違いますか

決定的に違います。法人プランは入力データを学習に使わない設定が標準で、利用ログを管理者が取得できます。無料版や個人契約では、この2点がどちらも会社の管理下に入りません。監査不能のリスクは、契約形態でほぼ決まります。

Q. 小さい会社でも3層の統制設計は必要ですか

必要ですが、規模に合わせて軽くできます。従業員数十名なら、可視化はアンケート1回、認可はA4一枚のルール、監査は半年に1回の管理コンソール確認で回ります。文書量ではなく、3つの層がそろっているかどうかが分かれ目です。

Q. AIが出した誤情報で損害が出た場合、責任は誰にありますか

AIの出力をそのまま使った側、つまり社内の担当者と会社が負います。ツール提供者の利用規約は、生成物の正確性を保証しない構成が一般的です。だからこそ、認可ルールに「外部提出物は人が検証する」の一文を必ず入れてください。

次に読むならこれ

社内ルールの文面まで一気に固めたいなら、AIセキュリティとプライバシーの実務ガイドが近道です。この記事で決めた4区分を、そのまま条文の形に落とし込めます。

標準ツールをどれにするか迷っている段階なら、主要AIチャットの比較で法人利用の観点から候補を2つに絞ってから、認可フェーズに進んでください。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• ChatGPT — 公式サイト（AI PICKSの詳細）
• Claude — 公式サイト（AI PICKSの詳細）
• Gemini — 公式サイト（AI PICKSの詳細）