「生成AIを活用して生産性を上げてほしい。ただし情報漏洩は絶対に起こさないように」。経営層からこう指示された情シス担当の方は多いのではないでしょうか。現場を見渡すと、既に一部の社員が個人アカウントで ChatGPT を使い、議事録要約や翻訳、コードのレビューに活用しています。会社としては把握しておらず、利用ルールも決まっていない。これがまさに「シャドーAI（Shadow AI）」と呼ばれる状態です。
シャドーAI が厄介なのは、単純に禁止しても解決しないところにあります。全社禁止令を出せば現場は「隠れて使う」方向に動き、かえって実態が見えなくなります。逆に放置すれば、Samsung のソースコード流出のような重大インシデントに発展するリスクがあります。「禁止か、放置か」の二択で悩んでいる状態こそが、いま多くの企業が直面している課題です。
さらに、経営層に対策を提案する際には「なぜその方針を選ぶのか」を論理的に説明できなければ、承認が下りにくいという現実もあります。感覚論ではなく、数値・事例・段取りをセットで示す必要があるわけです。
本記事では、シャドーAI の定義とシャドーIT との違いを押さえた上で、「禁止ではなく管理」に舵を切るための情シス向け5ステップと、データ機密度×ツール分類の2軸マトリクスによる利用可否の判断枠組みを解説します。デジタル庁のガイドブック、総務省の情報通信白書、Samsung や Vercel の実インシデントを一次情報とともに引きながら、経営層への説明資料に転用できる形で整理します。
読み終えた後には、明日の朝会で「まずは実態の可視化から始め、公式 AI 環境の提供と併走でポリシーを整備する」という具体的な段取りが提案できる状態になっているはずです。
社内で ChatGPT を使い始めるための実践ガイド――ルール策定・安全なプロンプト設計・部門展開テンプレート付き
この資料でわかること
ChatGPT・生成 AI の社内展開を担当しているが「何から始めれば良いか分からない」情シス・総務・DX 推進担当者に対し、ルール策定・安全な利用環境整備・部門展開のロードマップを一気通貫で提示し、「自社で着手できる」という確信と具体的なアクションプランを持ってもらうこと。
こんな方におすすめです
- 社内ChatGPTの利用ルールを策定したい方
- 情報漏洩リスクを回避しながらAIを展開したい方
- 部門別のプロンプト活用例を知りたい方
入力いただいたメールアドレスにPDFをお送りします。
シャドーAIとは｜社員の無断AI利用が指す状態
シャドーAI（Shadow AI）とは、企業の IT 部門・情報セキュリティ部門が承認・把握していない生成 AI ツールを、社員が業務利用している状態を指します。従来から知られる「シャドーIT」の派生概念であり、対象が汎用の SaaS ツールから ChatGPT・Claude・Gemini・Copilot などの生成 AI サービスに置き換わったものと捉えるとイメージしやすいでしょう。シャドーIT そのものの背景と一般的な対策についてはシャドーIT の基礎と管理も併せて参照してください。
対象範囲は生成 AI サービスだけではありません。無償の要約 Web サービス、翻訳 Chrome 拡張、コード補完エディタのプラグイン、SaaS に後付けされた AI アシスタント機能なども含みます。「会社の資産（情報）が、会社の管理下にない AI にわたっている状態」がシャドーAI の本質です。
シャドーAI の定義（IT部門が把握・承認していない AI 利用）
シャドーAI の定義について、業界内で完全に統一された文言はまだ存在しません。ただし各社の解説記事を横断すると、共通する構成要素は次の3点に整理できます。
- 利用主体: 社員個人（あるいは部門単位）が独自の判断で導入している
- 契約主体: 個人契約、フリープラン、あるいは所属部門による小規模契約で、全社の IT 資産管理台帳に載っていない
- 監視状態: 入力・出力ログや利用実績が IT 部門から見えない、または監査対象になっていない
この3点が揃うと、たとえ「悪意はなく、業務のために真面目に使っている」利用であっても、企業のガバナンス観点ではシャドーAI として扱われます。次章の「シャドーAI と シャドーIT の違い」で詳しく整理しますが、シャドーIT との違いはまさにこの「入力データが AI ベンダーの学習・保持ポリシー次第で外部へ流出しうる」という一点に集約されます。
自社で起きているかを判定する4つの兆候
「自社は大丈夫だろうか」と気になった場合、以下の4つの兆候のうち複数が当てはまるなら、シャドーAI が既に発生している可能性が高い状態です。
- 経費精算に AI サービスのサブスク費用が個別に混ざり始めている: 部門予算からの立替で、少額の SaaS 契約が積み上がっている
- 社内 Slack や Teams で「ChatGPT に聞いたら」といった発言が日常的に見られる: 現場では既に業務利用が当たり前になっている兆候
- プロキシログや DNS ログで生成 AI サービスへのアクセスが確認できる: 実際に企業ネットワークから利用されている
- 社員から「業務効率化のために ChatGPT の会社契約を検討してほしい」といった非公式な相談が挙がっている: これは幸運なパターンで、既に多くの現場では「相談すら上がらず勝手に使う」状態が先行しています
とくに4番目については、相談が上がる企業は情シスと現場の信頼関係が比較的良好な組織であり、まだ交通整理のチャンスが残されています。相談すら上がらない状態が長引くほど、対策の難易度は上がります。
生成 AI の業務利用率から見る全体像
現状把握のためには数値も押さえておきましょう。総務省が2025年7月に公表した『令和7年版 情報通信白書』によると、日本企業で生成 AI を業務利用している割合は 55.2% に達しています（令和7年版 情報通信白書｜企業における AI 利用の現状（総務省））。前年比で大きく伸びており、もはや「一部の先進企業だけの話」ではなくなっています。
ただし、この55.2% という数値は「会社として正式に導入している」ケースと「社員が個人利用している」ケースを混合したものであり、後者の割合こそがシャドーAI として企業リスクに直結する部分です。数値の内訳を鵜呑みにするのではなく、自社の実態を後述のステップで可視化することが第一歩となります。
シャドーAI と シャドーIT の違い
シャドーAI はシャドーIT の派生概念ですが、対策を設計するうえでは「重なる部分」と「AI 特有で追加が必要な部分」を切り分けて理解することが重要です。既存のシャドーIT 対策の枠組みを活かせる部分は流用し、AI 特有のリスクにだけ新規の手当てを打つことで、ゼロから体制を作るよりもはるかに短期間で実務に落とし込めます。
対象範囲と発生シーンの違い（比較表）
シャドーIT とシャドーAI の主な違いを対比すると以下のようになります。
観点 | シャドーIT | シャドーAI |
|---|---|---|
対象 | 承認されていない SaaS・クラウドストレージ・個人端末 | 承認されていない生成 AI サービス・AI アシスタント機能 |
主な利用動機 | 公式ツールが不便・機能不足 | 業務効率化・生成タスク（要約・翻訳・コード補助）の高速化 |
データフロー | 保存・共有中心（アップロード先が外部） | 入力→処理→生成物の返却（入力が学習利用される可能性あり） |
発生シーン | Dropbox 個人アカウントでファイル共有、無料 Web 版会議ツール | ChatGPT に議事録を要約させる、Copilot でコードを生成させる |
検知の難易度 | ログイン URL・通信先で比較的検知しやすい | 汎用 Web サービス経由のため URL ベースの検知だけでは不十分 |
シャドーAI 特有の難しさは、既存の URL フィルタや CASB のポリシーだけでは検知しきれない点にあります。同じ ChatGPT の URL でも「業務用途で機密情報を入れているか、一般的な調べ物か」を通信レベルで区別することは困難で、入力内容の DLP（Data Loss Prevention）検査や、SSO 連携による利用ログの一元化などの追加施策が必要になります。
リスク特性の違い（データフローと生成物）
リスクの発生ポイントも異なります。シャドーIT は主に「保存されたデータが外部に流出する」ことがリスクの中心でした。一方でシャドーAI は、以下3つの局面それぞれにリスクがあります。
- 入力: 社内機密情報・個人情報・ソースコードなどをプロンプトに含めることで、ベンダーの学習・保持ポリシー次第で外部モデルへ流出する
- 処理: 入力データが第三者の推論基盤で処理され、ログとして保持される
- 出力: 生成された文章やコードに、著作権侵害・誤情報・機密情報の再生成といったリスクが混入する
とくに3番目の「出力側リスク」はシャドーIT にはなかった論点であり、AI 特有の対策として追加検討が必要な領域です。生成AI 固有のセキュリティリスクを体系的に整理したい場合は生成AI セキュリティリスクの網羅解説も参考になります。
既存のシャドーIT 対策から流用できる部分・AI 特有で追加が必要な部分
以下は、既存のシャドーIT 対策からそのまま流用できる項目と、AI 特有で追加が必要な項目の整理です。
流用できる部分:
- IT 資産管理台帳の運用（SaaS 契約の登録・棚卸フロー）
- SSO / IdP を経由したアクセス管理
- 経費精算と紐づけたシャドー支出の可視化
- 社員教育・情報セキュリティ研修の枠組み
AI 特有で追加が必要な部分:
- 入力プロンプトへの機密情報混入を防ぐ DLP ルール
- 生成物の著作権・ライセンス確認プロセス
- AI ベンダーの学習利用オプトアウト設定の管理
- 公式に承認する「企業契約版 AI 環境」の提供体制
- ハルシネーション（誤情報）を前提とした業務判断プロセスのレビュー
既存のシャドーIT ガバナンスがある企業は、まず現行のフローに AI 特有の追加項目を差し込む形で拡張するのが現実的です。ゼロから AI ガバナンス体制を作るよりも、経営層への説明も「既存の延長線」として理解が得やすくなります。
なぜシャドーAI が発生するのか｜「禁止では止まらない」構造
対策を組み立てる前に、なぜシャドーAI が発生するのかという構造を押さえておく必要があります。ここを飛ばして対策から入ると、「禁止令を出したのに現場が言うことを聞かない」という事態に陥りがちです。裏側の構造を理解することで、経営層・法務との合意形成もスムーズになります。
業務効率化ニーズと公式 AI の提供ギャップ
まず現場側の視点に立つと、生成 AI を使うメリットが非常に大きいという事実があります。議事録要約に20分かかっていた作業が2分で終わる、英文メールのドラフトが即座に生成される、コードのバグ箇所を推測してくれる、といった具合です。これは「怠けたい」からではなく「真面目に成果を出したい」からこそ選ばれる道具となっています。
一方で、多くの企業では会社として承認された AI 環境（企業契約版の ChatGPT、社内 LLM、承認された Copilot 等）が未整備、あるいは限定的な部門にしか提供されていません。「使えば効率が上がるが、公式には使える環境がない」というギャップが、シャドーAI 発生の最大の温床です。
個人利用の敷居の低さ（無料プランと個人アカウント）
さらに現代の生成 AI サービスは、個人利用の敷居が極めて低いことも状況を後押ししています。
- 無料プランでもすぐに使い始められる
- 個人のメールアドレスでアカウント登録が完結する
- スマートフォンからでも即座にアクセスできる
- クレジットカード1枚あれば有料プランへのアップグレードも即時可能
これは10年前のシャドーIT 時代と比べても、格段に「1人で完結して使える」設計です。会社の IT 部門を経由する必要が一切なく、承認プロセスも回避できるため、業務効率化を求める真面目な社員ほど自然と使い始めます。
全面禁止が失敗する2つの理由（現場の反発と検知不能化）
こうした構造を無視して「全面禁止令」を出すと、以下の2つの理由で失敗します。
理由1: 現場の反発と生産性の低下
現場は既に生成 AI で成果を出し始めています。それを一律で禁止すれば、業務効率が明確に落ちるだけでなく、「なぜ禁止するのか」の納得感がなければ人事評価にも影響し、優秀な人材の流出リスクにもつながります。競合他社が生成 AI を活用しているという事実を現場は SNS などで日常的に目にしており、「うちの会社は遅れている」という不満は経営リスクにも変わります。
理由2: 検知不能化の加速
全面禁止令を出すと、業務効率化を諦めきれない社員は「隠れて使う」方向に動きます。会社支給の PC ではなく個人スマホで使う、社外の Wi-Fi から使う、といった具合です。企業ネットワークの外側で発生した利用は、プロキシログや CASB でも検知できません。禁止令を出す前は「見えていた（可視化できていた）シャドーAI」が、禁止令によって「見えなくなる（可視化できないシャドーAI）」に変わってしまうのです。
裏テーマとして本記事が繰り返し強調するのは、「禁止 vs 放置」の二択ではなく「可視化 → 誘導」という第三の道です。次章以降で具体的なリスクと5ステップの対策を見ていきます。
シャドーAI が企業にもたらす6つのリスク
シャドーAI が引き起こす具体的なリスクを6つに整理します。経営層への説明資料に転用しやすいよう、各リスクに実際の事例や公式ソースを添えています。
機密情報・個人情報の外部漏洩（Samsung 事件を含む）
最も広く知られているリスクが、機密情報や個人情報の外部漏洩です。象徴的な事例が Samsung Electronics のソースコード流出事件です。
Samsung では2023年3月、半導体事業部門の従業員が業務効率化のために ChatGPT を利用したところ、約20日間のうちに3件のインシデントが発生しました。半導体製造装置のソースコード、内部会議の議事録、内部データベース最適化のためのコードなどが、ChatGPT の入力プロンプトを介して OpenAI 側に送信されたと報じられています（サムスン、ChatGPTの社内使用禁止 機密コードの流出受け（Forbes JAPAN））。
Samsung はこれを受けて生成 AI ツールの社内利用を全面禁止としました。世界的な大企業でも、社員個人の判断による無断利用で機密情報が流出してしまう典型例です。
生成物の著作権・ライセンス違反リスク
生成 AI の出力側にもリスクがあります。生成された文章・画像・コードに、既存の著作物と類似・同一の内容が含まれる可能性があるためです。
とくに深刻なのがソースコードの生成です。GitHub Copilot 系のツールは公開リポジトリのコードを学習しており、生成コードにライセンス制約のある OSS のコードスニペットが混入するケースが報告されています。実際に2022年11月、GitHub・Microsoft・OpenAI に対して OSS 開発者による集団訴訟が米国で提起され、MIT・GPL・Apache など11の主要 OSS ライセンスの帰属要件違反が主張されました。2023年5月に大部分の請求が棄却されたものの、オープンソースライセンス違反（契約違反）と DMCA 1202条(b)（著作権管理情報の除去）に関する2つの請求は存続し、控訴審が継続しています（GitHub Copilot はオープンソースライセンスを侵害 OSS 開発者が集団訴訟を開始（スラド オープンソース））。
こうした訴訟リスクを受けて Microsoft は2023年9月に「Copilot Copyright Commitment」を公表し、企業契約顧客が生成コンテンツで著作権侵害を訴えられた場合の防御費用を負担する方針を打ち出しています（github copilot business（InfoQ Japan））。裏を返せば、企業契約なしで社員個人が Copilot 無料版などを業務利用している状態では、こうしたベンダー側の保護が及ばず、自社が矢面に立たされる構造になります。GPL などのコピーレフト系ライセンスのコードが混入していれば、自社製品全体のソースコード開示義務が発生する可能性もあります。
社員が個人判断で生成 AI を使い、出力をそのまま製品コードに組み込んでいれば、法務レビューを経ないままライセンス違反のリスクが積み上がる状態になります。
誤情報・ハルシネーションによる業務判断ミス
生成 AI は「もっともらしいが事実と異なる情報」（ハルシネーション）を出力する特性を持ちます。
- 存在しない法令の条文をあたかも実在するかのように引用する
- 実在する企業の非公開情報を「一般的な傾向」として断定的に語る
- 数値やデータを、実データを参照せずに推定で生成する
象徴的な事例として、2023年6月、米国ニューヨーク州の弁護士 Steven Schwartz 氏が航空会社アビアンカを相手取った訴訟の準備書面で ChatGPT を利用したところ、少なくとも6件の実在しない架空判例が引用されていたことが判明し、担当弁護士2名に対して5,000ドルの制裁金が命じられました（Judge sanctions lawyers over ChatGPT legal brief（CNBC, 2023年6月22日））。裁判官は判決文の中で、AI 利用そのものではなく「AI の出力を検証せずに提出した点」を最大の問題として指摘しています。
シャドーAI 状態で個々の社員が業務判断にこの出力を使えば、誤った意思決定が企業全体に広がるリスクがあります。とくに「上司が知らない場所で AI の出力を根拠に判断されている」状況は、後追いで検証することも困難です。
コンプライアンス違反（ガイドライン・個人情報保護法）
シャドーAI は各種法令・ガイドラインへのコンプライアンス違反を引き起こす可能性もあります。
デジタル庁は2024年5月に『テキスト生成AI利活用におけるリスクへの対策ガイドブック（α版）』を公表し、6月に更新版を出しています（テキスト生成AI利活用におけるリスクへの対策ガイドブック（α版）（デジタル庁、2024年6月版））。このガイドブックでは、テキスト生成 AI の提供形態と利活用方法ごとに想定リスクと軽減策が整理されており、政府調達においては契約形態や機密情報の取扱ルールに沿った選定が求められています。
また、個人情報保護法の観点からは、氏名・連絡先・従業員 ID などを含むデータをプロンプトに入力すること自体が「第三者提供」に該当し得るとの議論もあります。海外でも2024年12月、イタリアのデータ保護監督当局 Garante が OpenAI に対し、ユーザー個人データの ChatGPT 訓練利用における透明性不足・2023年3月のデータ侵害の未通知・未成年アクセス防止措置の不備などを理由に、GDPR 違反として1,500万ユーロの制裁金を課しています（イタリア ChatGPT の GDPR 違反について OpenAI に1,500万ユーロの制裁金（IIJ BizRis））。日本国内でも、社員個人の判断で顧客情報や従業員データをプロンプトに投入している状態が続けば、同種の個人情報保護法違反が企業リスクとして顕在化しかねません。社員個人の判断でこれが行われている状態は、企業として説明責任を果たせないリスクを抱えていることになります。
シャドー支出とコスト管理の崩壊
見落とされがちなのが「シャドー支出」というコスト管理面のリスクです。
- 部門ごとに個別に AI サービスの有料プランに加入している
- 経費精算で少額のサブスク費用が乱立している
- 全社としては同じ機能を重複契約している
- 使われていないアカウントの料金が払い続けられている
社員数百人規模の企業でシャドー支出を放置すると、年間で数百万円規模の非効率が発生することも珍しくありません。全社契約で企業版プランに集約すれば、単価が下がるだけでなく監査・ガバナンスも一元化できます。
業務プロセスの属人化・ブラックボックス化
最後に、業務プロセスそのものの属人化リスクです。特定の社員が個人の AI アカウントで独自のプロンプトを組み立て、業務を高速化していると、その業務は「その社員個人と AI アカウントに紐づいた属人的プロセス」になります。
その社員が退職した場合、業務がブラックボックスとして残り、後任者は同じ効率を再現できません。逆に「AI に依存した業務手順」を明文化しないまま組織に埋め込むことは、監査・引き継ぎ・再現性の観点でも大きなリスクです。
社内で ChatGPT を使い始めるための実践ガイド――ルール策定・安全なプロンプト設計・部門展開テンプレート付き
この資料でわかること
ChatGPT・生成 AI の社内展開を担当しているが「何から始めれば良いか分からない」情シス・総務・DX 推進担当者に対し、ルール策定・安全な利用環境整備・部門展開のロードマップを一気通貫で提示し、「自社で着手できる」という確信と具体的なアクションプランを持ってもらうこと。
こんな方におすすめです
- 社内ChatGPTの利用ルールを策定したい方
- 情報漏洩リスクを回避しながらAIを展開したい方
- 部門別のプロンプト活用例を知りたい方
入力いただいたメールアドレスにPDFをお送りします。
シャドーAI を管理する5ステップ｜禁止ではなく可視化と誘導
ここからが本記事の主軸です。シャドーAI を「禁止で押さえ込む」のではなく、「可視化して公式環境へ誘導する」ための実務手順を5ステップに整理します。各ステップは順序に意味があり、前段のアウトプットが次段のインプットになる依存関係で組まれています。
ステップ1｜社内の AI 利用実態を可視化する
まず着手すべきは「社内で誰がどのような AI ツールをどのような業務に使っているか」の可視化です。この工程を飛ばして先に禁止令やポリシーを出しても、実態から乖離した机上の空論になりがちです。
具体的な可視化手段:
- 無記名アンケート: 現場が正直に答えやすい形式で「利用有無・利用ツール名・業務用途・入力データの種類」を尋ねる
- プロキシログ・DNS ログの分析: 主要な生成 AI サービス（openai.com、anthropic.com、gemini.google.com など）へのアクセス実績を集計する
- CASB（Cloud Access Security Broker）の活用: 既に導入済みなら AI カテゴリの利用状況レポートを抽出する
- SaaS 管理ツール: 経費精算・カード明細から AI 系サービスへの支出を洗い出す
チェックポイント:
- 部門別・役職別に利用状況を集計しているか
- 「業務用途の分類」（要約・翻訳・コード・企画・分析など）まで分解できているか
- 経営層に提示できる1枚サマリを用意したか
ステップ2｜AI 利用ポリシーを策定する
可視化の次に、AI 利用ポリシーを策定します。ここで重要なのは「詳細な禁止ルールを羅列する」のではなく「データ機密度に応じて使えるツールを定義する」というアプローチです。詳細な判断枠組みは後述の2軸マトリクスで示します。
ポリシーに最低限含めるべき項目は以下の通りです。
- 目的と適用範囲: 誰が、どの業務で守るべきか
- データ分類の定義: 公開・社内・機密・極秘の4段階（企業により異なる）
- 利用可能な AI ツールのカテゴリ: コンシューマ版・企業契約版・社内提供版
- 入力してはならないデータの明示: 顧客個人情報・未公開財務情報・ソースコード等
- 例外承認プロセス: どうしても業務上必要な場合の申請フロー
- 違反時の対応: どのような場合に懲戒対象となるか
条文レベルの叩き台が必要な場合は、ChatGPT 社内ルールのテンプレートにサンプル文言と項目立てをまとめています。自社の情報分類基準に合わせて調整するとポリシー策定の初速を上げやすくなります。
チェックポイント:
- ポリシーは平易な言葉で書かれ、現場が読んで理解できるか
- 「なぜこれが禁止か」の理由が明記されているか（納得感）
- 定期的な見直しサイクル（半年ごと等）が定められているか
ステップ3｜公式 AI 環境を提供する
ポリシーを策定するだけでは、現場は「使いたい業務に使える環境」がないため、結局シャドーAI に戻ってしまいます。ステップ3では、公式に承認された AI 環境を用意し、現場に選択肢を提供します。
代表的な選択肢:
- 企業契約版 ChatGPT（ChatGPT Business / Enterprise）: 入力データの学習利用オプトアウトが標準、SSO 連携可能
- Microsoft 365 Copilot / GitHub Copilot Business・Enterprise: 既存の Microsoft テナントと連携、監査ログ利用可能
- 社内 LLM の提供: Azure OpenAI Service や AWS Bedrock を使い、自社データを外部に出さない構成で提供
- 業務システムに組み込まれた AI 機能: 議事録要約・翻訳など、承認された SaaS の AI 機能を優先利用させる
社内 LLM の構築手順や社内向け ChatGPT 環境の整備方法については社内 ChatGPT 導入ガイドで構成パターンと費用感を整理しています。
チェックポイント:
- 現場が「シャドーAI で得ていた効率」を公式環境でも再現できるか
- 導入コストと期待効果の試算が経営層に提示されているか
- 利用開始のオンボーディング（初期ハンズオン・プロンプト集の共有）が用意されているか
ステップ4｜モニタリング体制を構築する
公式環境を提供したら、その利用状況をモニタリングし、逸脱を早期に検知する体制を構築します。「信頼するが検証はする（Trust but Verify）」の原則です。
具体的な仕組み:
- 利用ログの一元管理: 承認された AI 環境の全ログを SIEM 等に集約
- DLP による入力チェック: 機密情報が入力された場合にアラートを出す
- IdP（SSO）連携: 誰がいつ何にアクセスしたかを紐付ける
- 異常検知ルール: 通常業務時間外の大量利用、大容量ファイルの入力など、リスクの高いパターンを検知
- 未承認 AI サービスへのアクセスブロック: プロキシ／CASB でリストを継続更新
チェックポイント:
- モニタリング対象範囲がポリシーで明記され、社員に周知されているか（プライバシー配慮）
- インシデント発生時の初動フロー（切断・封じ込め・調査）が定義されているか
- 監査ログの保管期間・アクセス権が決まっているか
ステップ5｜定期棚卸と社員教育を続ける
対策は「一度作って終わり」ではなく、継続的に回すべき運用サイクルです。
- 四半期棚卸: 契約している AI サービスの利用実績・費用対効果を見直す
- 年次研修: シャドーAI のリスクとポリシー最新版を全社員に周知する
- インシデント演習: 「万一機密情報がプロンプトに混入したら」の対応訓練を実施する
- 業界ガイドラインの継続追跡: デジタル庁・IPA・業界団体の最新ガイドラインを情シスが継続ウォッチする
チェックポイント:
- 棚卸・研修の実施記録が残り、経営層に定期報告されているか
- 現場からのフィードバック（新たに使いたい AI ツールの申請等）を吸い上げる窓口があるか
- ポリシーの改訂履歴が管理されているか
データ分類×ツール分類の2軸マトリクス｜利用可否の判断表
ステップ2で策定するポリシーの中核は、「どのデータを、どの AI ツールで扱ってよいか」を1枚の表で示すことです。抽象的な文章より、マトリクスの方が現場が即座に判断できます。ここでは代表的な枠組みを提示しますが、実際には自社のデータ分類基準と契約状況に合わせて調整してください。
データ機密度の4段階分類（判定基準の例）
まずデータを4段階に分類します。
分類 | 定義の例 | 具体例 |
|---|---|---|
公開 | 対外的に公開している情報 | プレスリリース、公開資料、公式サイト掲載情報 |
社内 | 社内利用を前提としているが、漏洩しても直接的な損害は限定的 | 一般的な業務マニュアル、社内報 |
機密 | 漏洩により事業・取引に影響する情報 | 顧客情報、契約書、財務未公開情報、ソースコード |
極秘 | 漏洩により法的・経営的な重大影響が発生する情報 | M&A 情報、個人情報大量データ、認証情報 |
分類基準は業界・企業により異なります。既存の情報分類ポリシーがあれば流用し、なければまずは4段階の粗い分類から始めるのが現実的です。
AI ツールの4種分類とリスク特性
次に、利用する AI ツールを契約形態と処理場所で4種に分けます。
分類 | 例 | 学習利用オプトアウト | 監査ログ | リスク特性 |
|---|---|---|---|---|
コンシューマ無料版 | ChatGPT 無料版、Claude 無料版 | 設定は可能だが個人任せ | なし | 学習利用リスクが高く、監査もできない |
コンシューマ有料版 | ChatGPT Plus 個人契約 | 設定次第 | なし | 監査ができないため業務利用には不十分 |
API 版・企業契約版 | ChatGPT Business/Enterprise、Anthropic API 経由の社内ツール | デフォルトで学習利用対象外 | あり | 監査・SSO 連携が可能で業務利用に適する |
社内提供版 | 社内 LLM、Azure OpenAI 経由の社内ツール | 自社管理 | あり | 最も統制が効くが、機能・使い勝手のギャップに注意 |
利用可否マトリクスと運用時の注意点
上記2つを組み合わせた利用可否マトリクスの例が以下です（各社の状況に応じて自社ポリシーに落とし込んでください）。
データ分類 | コンシューマ無料版 | コンシューマ有料版 | 企業契約版・API | 社内提供版 |
|---|---|---|---|---|
公開 | ○ 業務利用可 | ○ 業務利用可 | ○ 業務利用可 | ○ 業務利用可 |
社内 | △ 匿名化必須 | △ 匿名化必須 | ○ 業務利用可 | ○ 業務利用可 |
機密 | ✕ 禁止 | ✕ 禁止 | △ 契約と設定を確認の上で可 | ○ 業務利用可 |
極秘 | ✕ 禁止 | ✕ 禁止 | ✕ 禁止 | △ 経営層承認の下で可 |
運用時の注意点:
- 判断に迷う場合は上位分類として扱う: 「社内か機密か迷う」場合は機密として扱うのが安全側の運用
- 匿名化・マスキングの基準を別途文書化する: 「匿名化必須」の運用が現場任せになると形骸化する
- ツールのバージョン・プラン変更を定期確認する: 契約プランや学習利用ポリシーはベンダー側で変更されうる
- 経営層向けに1枚のスライドで説明できる粒度に保つ: 詳細すぎると意思決定の場で使えない
デジタル庁のガイドブックでも「約款型のクラウドサービスでは要機密情報を扱うことは基本的に想定されていない」という趣旨の整理がされており、公的機関・大企業ほど「機密情報以上はコンシューマ版 AI に入力させない」を厳格に運用しています。
中長期で構築するシャドーAI ガバナンス体制
5ステップは「初動」の設計です。組織に持続的に埋め込むには、中長期の体制構築も並行して進める必要があります。生成AI 全般のガバナンス設計思想については生成AI ガバナンスの体系で、AI 全体を対象としたガバナンスフレームワークの整理はAI ガバナンスフレームワークの解説で扱っています。本節はそれらの枠組みを「シャドーAI 対策」の観点から絞り込んだ実装ガイドとして読んでください。
AI 利用申請・承認フローの標準化
新たな AI ツールを業務利用したい場合の申請フローを標準化します。フォームは以下の項目を最小限含めるとよいでしょう。
- 利用目的と業務範囲
- 想定する入力データの分類（公開・社内・機密・極秘）
- 選定候補のツールと契約プラン
- ベンダーのプライバシーポリシー・学習利用ポリシーの確認結果
- 費用と期待効果
このフローがあれば、シャドーAI 状態から「公式承認済みツールのカタログ拡張」へと自然に流れが変わります。
社内 AI 推進責任者の役割（利用促進とガバナンスの両立）
シャドーAI 対策を成功させるには、「禁止する人」と「使わせる人」を1人の責任者が兼ねる体制が有効です。従来型のガバナンス担当だけを置くと、現場の利用促進が進まず、シャドーAI が地下化します。逆に利用促進担当だけを置くとリスクの歯止めがかかりません。
理想は CDO（Chief Data Officer）・CAIO（Chief AI Officer）のような「利用促進とガバナンスの両輪を回す責任者」の設置ですが、中堅・中小企業では情シス責任者や DX 推進部長がその役割を兼務する形が現実的です。
委託先・外注先を含めたシャドーAI 管理
自社社員だけでなく、業務委託先・外注先・派遣スタッフの AI 利用にも視野を広げる必要があります。
- 契約条項の見直し: 「業務委託契約書」「秘密保持契約書」に AI 利用に関する条項を追加する
- 委託先の AI 利用状況の確認: 定期的に委託先へヒアリングし、機密情報の取扱ルールが徹底されているか確認する
- 成果物への AI 利用の明示: 生成 AI を利用して作成した成果物には、その旨と使用したツールを明示させる
とくに開発案件では、外注先エンジニアが Copilot 系ツールを使うことが一般的になっており、契約条項の整備は急務です。
ガイドライン更新と最新動向の継続追跡
デジタル庁・IPA・経済産業省・各業界団体からは、生成 AI に関するガイドラインが継続的に発表・更新されています。情シスとしては最新版を継続追跡し、社内ポリシーへ反映するサイクルを持ちましょう。
- デジタル庁: テキスト生成AI利活用におけるリスクへの対策ガイドブック（デジタル庁の生成AI関連資料）
- 総務省: 情報通信白書の年次更新（令和7年版 情報通信白書）
- IPA: 情報セキュリティ10大脅威の年次発表
- 業界団体（金融・医療等）: 業界固有のガイドライン
継続追跡は情シス1人では負担が大きいため、外部の弁護士事務所・コンサルティング会社の月次レポート購読なども選択肢となります。
まとめ｜シャドーAI 対策を明日から始めるための優先順位
本記事では、シャドーAI（企業が把握できていない社員個人の無断 AI 利用）の定義とシャドーIT との違いを整理した上で、6つのリスク、5ステップの管理手順、データ分類×ツール分類の2軸マトリクス、中長期の体制構築までを解説しました。
改めて強調したいのは、シャドーAI 対策は「禁止 vs 放置」の二択ではないという点です。禁止すれば現場の反発と検知不能化を招き、放置すれば Samsung のような重大インシデントに至ります。第三の道は「可視化して公式環境へ誘導し、モニタリングで統制する」というアプローチです。
明日から着手するための優先順位を3段階に集約すると以下のようになります。
フェーズ1（1〜2週間）: まず可視化する
- 無記名アンケート + プロキシログ分析で社内の利用実態を把握する
- 経営層に「1枚サマリ」で報告し、対策方針の合意を取る
- ここを飛ばすと、後段のポリシー策定が机上の空論になります
フェーズ2（1〜2ヶ月）: 公式 AI 環境の提供とポリシー策定を並行で進める
- 公式環境なしでポリシーだけ出すと現場が地下化するため、必ず両者を並行で進めます
- データ分類×ツール分類のマトリクスをポリシーの中核に据えます
- 経営層への説明資料としても、マトリクスは1枚で伝わる強力な武器になります
フェーズ3（3〜6ヶ月）: モニタリング体制と教育を継続する
- SIEM・DLP・SSO 連携で利用状況を継続監視します
- 年次研修とインシデント演習で組織能力を高めます
- 四半期棚卸で契約・費用・利用実績を見直します
情シス責任者にとっての最終ゴールは、経営層に「うちの会社は生成 AI を安全に活用できている」と胸を張って報告できる状態を作ることです。禁止でも放置でもない、可視化と誘導の道筋を、本記事のフレームワークを土台にぜひ描いてみてください。
社内で ChatGPT を使い始めるための実践ガイド――ルール策定・安全なプロンプト設計・部門展開テンプレート付き
この資料でわかること
ChatGPT・生成 AI の社内展開を担当しているが「何から始めれば良いか分からない」情シス・総務・DX 推進担当者に対し、ルール策定・安全な利用環境整備・部門展開のロードマップを一気通貫で提示し、「自社で着手できる」という確信と具体的なアクションプランを持ってもらうこと。
こんな方におすすめです
- 社内ChatGPTの利用ルールを策定したい方
- 情報漏洩リスクを回避しながらAIを展開したい方
- 部門別のプロンプト活用例を知りたい方
入力いただいたメールアドレスにPDFをお送りします。
よくある質問
- シャドーAIを全面禁止にするのではなく管理する方針に切り替えるべき理由は何ですか？
全面禁止は現場の反発による生産性低下だけでなく、社員が隠れて使う「検知不能化」を招き、かえってリスクを見えなくしてしまうためです。可視化した上で公式AI環境へ誘導し、モニタリングで統制する方が実効性の高いガバナンスになります。
- シャドーAI対策は何から着手すればよいですか？
まず社内のAI利用実態を可視化することから始めてください。無記名アンケートやプロキシログ分析で利用ツール・入力データの種類を把握しないままポリシー策定や公式環境の導入を先行させると、現場と乖離した机上の空論になりがちです。
- 公式AI環境を用意する予算が限られる中小企業はどう対応すればよいですか？
高額な社内LLM構築でなくても、ChatGPT BusinessやMicrosoft 365 Copilotなど既存SaaSの企業契約プランから着手できます。まずは可視化とデータ分類ポリシーの整備を先行させ、予算確保後に環境を拡張する段階的なアプローチが現実的です。
- 個人の無料版AIツールの利用は一律で禁止すべきですか？
一律禁止ではなく、扱うデータの機密度に応じて判断すべきです。公開情報の利用は許容し、社内情報は匿名化を条件に許可、機密・極秘情報の入力は禁止するなど、データ分類×ツール分類のマトリクスに基づいた運用が現実的です。
- シャドーAI対策の責任者は誰が担うべきですか？
「禁止する人」と「使わせる人」を分けず、利用促進とガバナンスを1人の責任者が両輪で担う体制が有効です。理想はCDOやCAIOのような専任者を置くことですが、中堅・中小企業では情シス責任者やDX推進部長がこの役割を兼務するのが現実的です。
