情シスが最初に行うべき「社内AI利用実態」棚卸しとリスク評価チェックリスト
導入:なぜ「調査アンケート」だけではシャドーAIが見つからないのか
「社内で生成AIの利用状況を調査したところ、利用者はゼロだった。だから当面は対策不要」——。情報システム部門がこう判断した直後に、現場の営業・企画・開発担当者が個人アカウントや無許可のブラウザ拡張機能へ社内資料を入力していたことが発覚するケースは後を絶ちません。
アンケートや自己申告だけで実態が掴めない理由は明確です。IPA 産業サイバーセキュリティセンター 中核人材育成プログラム 9期生の成果物『生成 AI および AI エージェントを安全に活用するための手引書』(2026年7月、第2章)でも整理されているとおり、シャドーAIの多くは「悪意」ではなく「目の前の業務を効率化したいという実務上のニーズ」から発生します(※同資料はIPA・同センターの公式見解を示すものではありません)。もし社内に「怒られるかもしれない」「禁止されるかもしれない」という空気があれば、現場は正直に申告せず、より見えない場所へ潜ってしまいます。
本記事では、経済産業省・総務省『AI事業者ガイドライン(第1.2版)』(2026年3月)が求める「AI利用者としての継続的なリスク把握・運用」を踏まえ、情シスが最初に実行すべき社内AI利用実態の棚卸し手順とリスク評価チェックリストを解説します。
本論1:怒らずに全体像を掴む「2軸の棚卸し」アプローチ
シャドーAIの棚卸しは、「技術的な通信・資産の検知」と「現場の業務ニーズの聞き取り」を必ずセットで行います。
1. 技術的検知(システムログからの事実把握)
まずは「社内でどのAIサービス・拡張機能が実際に使われているか」を客観データで確認します。
- プロキシ / DNS / CASB・SWGログ: 主要な生成AIサービスのドメインやAPIエンドポイントへの通信量・アクセスユーザー数を把握する。
- ブラウザ拡張機能のインベントリ: 実は見落とされやすいのが、要約・翻訳・議事録作成を謳うChrome/Edge等のブラウザ拡張機能です。IPA「AIセキュリティ短信」でも、公式ストアで「Featured」バッジが付与されていた拡張機能を含め、ユーザーのAI会話データを密かに外部送信するインシデントが取り上げられています。拡張機能のインストール許可リスト(Allowlist)状況をあわせて確認します。
- クラウドスイート管理コンソール・API課金: Microsoft 365やGoogle Workspace等の管理画面で有効化されているAI機能、および経費精算で個人決済されているAIツールの利用状況を棚卸しします。
2. 業務ニーズのヒアリング(心理的安全性の確保)
技術ログで通信が見つかっても、いきなり注意・遮断するのではなく、「どの業務で・なぜそのツールが必要だったのか」をヒアリングします。「業務を楽にする代替手段(組織公認AI)を用意するための調査である」と明言することで、現場から正確な利用目的と課題を引き出すことができます。
本論2:現場で見落とされがちな「契約プラン・OSS・コスト」の3つの盲点
棚卸しを進めると、単純な「無料ChatGPTへのコピペ」以外にも、実務ならではの落とし穴が見つかります。
- 既存グループウェア「最安プラン」の統制限界: 「すでに契約済みのクラウドスイートがあるから安全」と思い込んでいても、最安エディションでは管理コンソール上の外部共有制限やAI機能の細粒度な制御項目自体が提供されていないケースがあります。ガバナンス要件から逆算してプラン差を確認しないと、設定による統制が効きません。
- 検証用OSS・ローカルツールの無審査導入: 開発やPoCの現場では、精度向上のために外部のドキュメント解析OSSやローカルLLM拡張を独自に導入することがあります。しかし、情シスのOSS利用規程・ライセンス・脆弱性審査を通過できるかを後回しにすると、本番移行直前でプロジェクトが停止する原因になります。
- API・クレジット消費設定のデフォルト罠: ノーコード/ローコードのAIエージェント基盤をテスト公開した際、デフォルト設定のままだと意図しない別機能のAIクレジット枠から先に消費され、利用コストや課金統制が崩れる事例も発生します。棚卸し時にはセキュリティだけでなく課金・上限設定も確認対象に含める必要があります。
本論3:社内AI利用リスク評価チェックリスト(審査ゲート)
棚卸しで洗い出したツールや利用希望案件は、感覚で「OK / NG」を決めるのではなく、以下の5つの観点でリスクを評価・分類します。
| 評価領域 | 情シスが確認すべきチェック項目 | 合格・公認の基準(例) |
|---|---|---|
| ① 入力データの機密区分 | 個人情報、顧客データ、未公開知財、契約書、認証情報(APIキー等)が含まれるか | 機密区分ごとに「利用禁止ツール」「公認閉域環境のみ可」「マスキング後のみ可」を明確化 |
| ② 学習オプトアウト・ZDR | 入力プロンプト・アップロードファイルがモデルの再学習に使われない契約か(Zero Data Retention対応か) | 企業・組織向け上位契約またはAPI契約で「学習利用なし」が規約上保証されていること |
| ③ ID連携とアクセス制御 | 個人アカウントではなくSSO(Entra ID / Okta等)で統合管理され、退職時に即座に停止できるか | 個人メール登録を禁止し、IdP連携・多要素認証(MFA)・監査ログ取得が可能であること |
| ④ 拡張機能・外部接続 | 外部MCPサーバー、SaaSコネクタ、ブラウザ拡張機能経由でデータが別リージョンや外部へ転送されないか | 未審査の拡張機能・外部コネクタをブロックし、接続先をAllowlistで制限すること |
| ⑤ 出力検証とコスト上限 | ハルシネーションや誤送信を防ぐ人間レビュー工程(Human-in-the-loop)とAPI利用上限があるか | 対外出力・業務確定前に人間が検証する運用と、月次クレジット上限アラートが設定されていること |
まとめ:棚卸しの次は「公認AIの整備と段階的解禁」へ
社内AIの棚卸しは、「違反者を取り締まること」がゴールではありません。実態と業務ニーズを把握した上で、「リスクの低い定型業務から安全に使える組織公認AIを用意し、シャドーAIを使う理由をなくすこと」が最も確実なセキュリティ対策です。
- 社内ガイドラインと3層防御の全体像を設計する: 「禁止するほど現場に潜む」シャドーAIを防ぐ生成AI社内ガイドライン策定の実務ステップ(Pillar 1)
- 社内データを繋ぐRAG環境を計画している場合: 社内RAGで機密情報を漏らさないアクセス権限(ACL)と情報境界の設計原則(Pillar 2)
「自社内のシャドーAI棚卸しから社内規程策定、安全な生成AI環境の段階的立ち上げまでを一気通貫で進めたい」という場合は、AI Nexusの 生成AI導入スターター をご覧いただくか、30分無料オンライン相談 にて貴社の現状をお聞かせください。貴社の契約プランや業務フローに合わせた現実的な評価シート・移行計画をご提案します。
参考資料・一次情報
- 生成 AI および AI エージェントを安全に活用するための手引書(IPA 産業サイバーセキュリティセンター 中核人材育成プログラム 9期生)(IPA掲載、2026年7月)
- AI事業者ガイドライン(第1.2版)(経済産業省・総務省、2026年3月)
- AIセキュリティ短信(IPA 情報処理推進機構)
法人向け生成AI SaaS 選定・セキュリティ審査10項目シート
学習オプトアウト、ZDR、Abuse Monitoring(人間レビュー)、ログ保管リージョン、SSO/SCIM等のプラン差を突合できる10項目審査票。
生成AI導入スターターパッケージ
業務棚卸し・ガイドライン規程策定・ツール選定
シャドーAI対策や利用規程の整備、セキュリティチェックシート作成を含め、安全な全社展開の土台を短期で構築します。