シャドーAIとは?潜むリスクや企業がとるべき対策について

製造や研究開発の現場では、生成AIを使って調査や資料作成、コード生成などを効率化する動きが広がっている。それと同時に、会社が承認していないAIを従業員が業務で使う「シャドーAI」も広がってしまっている。

シャドーAIは、入力データや利用状況を組織が把握しにくく、情報管理上の死角になりやすい。一律にAI利用を禁止するだけでは、私物端末や個人アカウントへ利用が移り、実態をさらに把握しにくくなることもある。

本記事では、シャドーAIの定義や増える背景、主な経路、企業が注意すべきリスクを整理し、見つけ方と対策まで解説する。

シャドーAIとは?

シャドーAIとは、従業員が企業の承認や管理の対象外にあるAIツールやAI機能を、業務目的で利用している状態を指す。対象はChatGPTやCopilotなどのチャット型生成AIに限らず、AIコーディング支援やAIエージェント、ブラウザ拡張機能なども含まれ得る。

問題はAIそのものではなく、組織が利用先や入力データ、契約条件を把握できない点にある。個人アカウントや私物端末での利用は、企業側のログや端末管理から外れるため、機密情報を入力しても事後に追跡しにくい。

シャドーAIとシャドーITの違い

シャドーAIとシャドーITの違いは、管理外で使われる対象がAIか、IT全般かという範囲にある。シャドーITは、情報システム部門などの承認を得ずにハードウェアやSaaS、クラウドサービスを業務利用する状態を広く指す。

シャドーAIは、その中でも生成AIやAIエージェント、AI搭載機能などの利用に焦点を当てた概念である。AIでは、入力した文章やファイルが外部サービスで処理されるため、単なる未承認ツールの利用に加えて、学習利用の有無や保存期間、生成物の扱いまで確認する必要がある。

そのため企業は、シャドーIT対策の枠組みを流用しつつ、AI特有のデータ利用条件や出力内容の確認まで管理対象に含めることが求められる。

どの程度、シャドーAIは進行しているのか

シャドーAIは、一部の先進企業だけの問題ではなく、すでに多くの組織で管理課題になっている。Gartnerが2025年3月から5月に実施した調査では、302人のサイバーセキュリティリーダーが回答した。69%の組織が、従業員による禁止された公開GenAIの利用を疑っている、または証拠を把握していると回答した。

BlackFogが2,000人を対象に実施した2026年の調査でも、86%が仕事でAIを少なくとも週1回利用していた。さらに、60%が仕事を速く進めるためなら未承認AIの利用に伴うセキュリティリスクを許容できると回答している。

国内でも同様の課題がみられる。角川アスキー総合研究所の「AI白書2026」独自調査では、上場企業または従業員300人以上の非上場企業に勤務する310人を対象に調査し、管理職の46.5%がシャドーAIを業務利用していた。ガイドライン整備企業でも利用率は46.9%だった。

シャドーAIが増えている原因

シャドーAIが増える背景には、AIサービスの普及速度に対し、企業の承認手続きや利用ルールの整備が追いつきにくいことがあげられる。多くの生成AIは個人でも短時間で利用を始められるため、従来の業務システムのように情報システム部門の導入作業を経由せず利用できる。

また、従業員側には、資料作成や調査、要約などを早く終えたいという明確な動機があることも大きい。社内で使える公式ツールの機能が不足していたり、申請に時間がかかったりすると、より使いやすい外部AIへ流れやすい。

さらに、生成AIは回答がすぐ返るため、一度業務フローに組み込まれると利用を止めにくい。企業側が禁止だけを打ち出すと、個人アカウントや私物端末へ利用が移り、かえって把握が難しくなる場合がある。

シャドーAIの主な経路

シャドーAIは、未承認の生成AIサイトへの直接アクセスだけで起こるわけではない。私物端末やブラウザ拡張機能、既存SaaSに追加されたAI機能など、日常業務の中に入り込む複数の経路がある。

WEBブラウザからの直接アクセス

WEBブラウザから未承認のAIサービスへ直接アクセスする方法は、最も分かりやすいシャドーAIの経路である。従業員が個人アカウントでログインし、提案書や設計資料、ソースコードなどをプロンプトや添付ファイルとして入力すると、企業が契約条件や保存設定を管理できない。

社内ネットワークを経由していれば、DNSやプロキシのログから接続先ドメインを把握できる場合がある。ただし、通信が暗号化されている環境では、通常のアクセスログだけでプロンプト本文やアップロードした情報まで確認できるとは限らない。

そのため、単にAIサイトへのアクセス回数を見るだけでなく、認証方式や利用アカウント、機密データの送信を制御する仕組みと組み合わせて判断する必要がある。

私物のデバイスやモバイルアプリ

私物のPCやスマートフォン、モバイルアプリからAIを使うケースは、企業側から特に見えにくい経路である。社外のモバイル回線や自宅のWi-Fiを利用すれば、会社のプロキシやファイアウォールを通らないため、ネットワークログに記録が残らない。

さらに、業務資料を個人端末へ転送してからAIへ入力すると、AI利用だけでなく、端末へのデータ持ち出しも同時に発生する。端末紛失や個人向けクラウドへの同期など、別の情報漏洩リスクも重なる。

BYODを認めている企業では、端末管理の有無や業務データの保存範囲を明確にし、AI利用ルールを端末種別にかかわらず適用することが必要になる。業務データを個人領域へ残さない運用も併せて定めたい。

ブラウザ拡張機能やプラグイン

ブラウザ拡張機能やプラグインも、シャドーAIの経路になり得る。文章要約や翻訳、メール作成支援などのAI拡張機能は、WEBページの内容や入力欄へアクセスする権限を求めることがあり、従業員が機能を意識しないまま業務情報を外部へ送信する可能性がある。

リスクはAI機能だけではない。提供元を確認しないまま非公式の拡張機能を導入すると、過剰な権限要求や悪意ある更新によって認証情報などが取得される恐れもある。

管理対象ブラウザでは、Chrome Enterpriseの管理機能やMicrosoft Edgeのポリシーを使い、許可する拡張機能を管理できる。AI対策では、拡張機能の棚卸しも必要である。定期的に不要な拡張機能を削除する運用も有効だ。

WEBサービスやSaaSの「AI機能」

普段利用しているSaaSに追加されたAI機能も、管理対象から漏れるとシャドーAIになり得る。グループウェアやCRM、文書作成サービスなどでは、既存画面の中から要約や文章生成などを実行できるため、利用者が新たな外部AIサービスを使っているという認識を持ちにくい。

そのため、企業はSaaSそのものの利用可否だけでなく、搭載されているAI機能についても利用状況を把握し、承認の要否や利用範囲を明確にしておく必要がある。特に、管理者側でAI機能の有効・無効を設定できるサービスについては、社内ルールに沿って設定を統一することが重要だ。

シャドーAIの利用によって発生するリスク

シャドーAIの問題は、AIを使うこと自体ではなく、契約やデータ処理条件、利用履歴を企業が管理できないまま業務データが扱われる点にある。主なリスクは、情報漏洩や法令違反、マルウェア感染、監査不能、知的財産に関するトラブルである。

機密情報や個人情報の漏洩

機密情報や個人情報の漏洩リスクは、入力したデータがどのように保存・利用されるかを確認しないまま外部AIへ送信したときに高まる。例えば、ソースコードや未発表製品の資料、顧客情報などを個人向けAIへ入力すると、その情報が自社の管理領域外で処理されることになる。

ただし、「無料AIはすべて入力データを学習する」とは限らない。例えば、OpenAIの個人向けサービスでは設定に応じてコンテンツがモデル改善に使われる場合がある一方、BusinessやEnterprise、APIでは既定で学習に使用しない。また、Microsoft Copilotではプロンプトや応答、Microsoft Graphのデータを基盤モデルの学習に使用しないとしている。Google WorkspaceのGeminiも、許可なく顧客コンテンツをドメイン外のモデル学習に使用しないとしている。

企業はサービス名だけで安全性を判断せず、利用規約や契約プラン、データ管理設定、保存期間などを確認したうえで、入力可能な情報の範囲を明文化し、定期的に見直す必要がある。

法令およびコンプライアンス違反

未承認AIへ個人データや契約上の秘密情報を入力すると、法令や契約条件に抵触するおそれがある。個人情報保護委員会の注意喚起では、事業者が個人情報を含むプロンプトを入力する場合、利用目的の範囲内であることを確認するよう求めている。

本人の同意なく個人データを入力し、そのデータが応答生成以外の目的で扱われる場合には、個人情報保護法に違反する可能性も否定できない。そのため、提供事業者が入力データを機械学習に利用しないかなど、事前にデータの取り扱いを確認しておくことが重要だ。

加えて、秘密保持契約や社内規程で外部提供が制限された情報を入力すれば、法令違反に至らなくても契約違反や内部統制上の問題につながる。サービスによっては国外へのデータ移転が発生するため、その条件についても確認が求められる。

マルウェアの感染

シャドーAIをきっかけに、非公式アプリやブラウザ拡張機能を導入すると、マルウェア感染へ発展するケースがある。特に「公式版」「高速化ツール」などを装った配布サイトは見分けにくく、AI機能とは無関係の不正プログラムが紛れ込んでいても気付きにくい。

感染後に狙われるのは、端末内のファイルだけではない。ブラウザに保存した認証情報やセッションクッキーが盗まれると、クラウドサービスへの不正アクセスにも発展する。社内ネットワークへ接続された端末なら、別システムへの侵入口として悪用されかねない。

対策として、導入元は公式サイトや管理者が承認したストアに限定し、拡張機能やアプリを自由に追加できない設定にする。あわせて未承認ソフトの検知や端末保護を有効にしておけば、誤って不正なツールを入れた場合も被害の拡大を抑えやすい。

管理のブラックボックス化

シャドーAIが増えるほど、誰がどのAIへ何を入力し、生成結果をどの業務に使ったのかが見えにくくなる。個人アカウントで顧客対応の要約やデータ分析を行っても、企業側にログが残らなければ、後から処理内容を確認するのは難しい。

この状態で問題が起きると、データの送信先や影響範囲を特定する作業にも時間がかかる。生成物に誤情報が含まれていた場合も、入力条件や出力履歴がなければ、どこで判断を誤ったのかを再現しにくいからだ。

そのため、承認済みAIでは認証を企業アカウントへ統一し、監査ログや利用履歴を残せる環境することが重要である。単にAIを禁止するのではなく、トラブル時に追跡できる利用経路を用意し、ログを保存する期間まで決めておくと対応しやすい。

著作権や商標権の侵害およびトラブル

生成AIの出力をレビューせず外部公開すると、既存の著作物や商標との類似をめぐるトラブルにつながりかねない。特にシャドーAIでは、法務確認などの正式なレビュー工程を通さず、担当者の判断だけで提案書やWEBコンテンツに使われやすい点が問題だ。

文化庁の「AIと著作権に関する考え方」では、AI生成物の生成や利用についても、既存著作物との類似性と依拠性が認められれば、著作権侵害となる可能性があると整理している。

したがって、AI生成物だから自由に商用利用できるとは限らない。公開前に既存コンテンツとの類似を確認し、使ったサービスの規約や権利条件にも目を通す。ブランド名やロゴを含む成果物など、権利リスクが高い用途は法務部門のレビューを通す運用が望ましい。

シャドーAIの見分け方

シャドーAIを見分けるには、技術的なログと現場の利用実態を重ねて見る必要がある。ネットワークや端末の記録だけでは私物端末での利用を拾えず、アンケートだけでは自己申告に依存するためだ。複数の手段を組み合わせることで、管理の死角を減らしやすくなる。

ネットワーク(プロキシ・DNS)ログの分析

ネットワークログは、社内端末がどのAIサービスへ接続しているかを探る手がかりになる。プロキシやDNS、ファイアウォールのログから接続先ドメインや通信量、利用時間帯などを確認すれば、未承認サービスの候補を絞り込みやすい。

ただし、接続先が分かっても、暗号化された通信の中身まで常に確認できるわけではない。また、私物端末やモバイル回線からの利用も、社内ネットワークのログには残らない。

ネットワーク分析だけで利用実態を確定せず、端末管理やCASB、SSEなどの可視化機能と情報を突き合わせることが好ましい。個人単位で追跡する場合は、調査の目的と閲覧権限を事前に定め、必要な範囲に絞って運用するのが適切だ。

匿名アンケートと「業務の棚卸し」の実施

匿名アンケートは、ログに表れない私物端末や個人アカウントでのAI利用を拾うのに向いている。処罰のための調査と受け取られると回答が集まりにくいため、「安全な公式環境を整えるための実態把握」であると、目的を明確にすることが重要である。

質問はサービス名だけを聞くより、資料作成や翻訳、コード生成など、どの業務で外部ツールを使っているかを尋ねる方が実態に近づきやすい。利用者がAI機能だと意識せず使っているSaaSの機能も、この聞き方なら拾いやすくなる。

とはいえ、自己申告だけで利用率を断定するのは避けるべきだ。業務フローの棚卸しやネットワークログ、端末情報と照合し、なぜ未承認AIを選んだのかまで確認できれば、禁止だけではなく代替手段の整備にもつなげられる。

DLP(データ損失防止)機能による検査

DLP(Data Loss Prevention / データ損失防止)は、顧客情報や機密文書がAIなどの外部サービスへ送られる場面を検知し、警告や遮断につなげる仕組みである。AIサイトを丸ごと止めるのではなく、送信しようとするデータの内容を基準に制御する点が特徴だ。

例えばMicrosoft PurviewのEndpoint DLPでは、ブラウザ経由で第三者の生成AIサイトへ機密情報を共有する操作に対し、警告やブロックの設定が可能となっている。

ただし、運用で注意したいのは、ルールを厳しくしすぎると正当な業務まで止めてしまう点だ。まず保護対象となる情報を分類し、検知時に遮断するのか、警告して例外申請を認めるのかを業務ごとに決め流必要がある。誤検知や見逃しを定期的に見直す作業も欠かせない。

シャドーAIを未然に防ぐ方法

シャドーAIを減らすには、未承認ツールを閉め出す施策だけでは足りない。技術的な制御に加え、利用ガイドラインや公式AI、教育を組み合わせ、従業員がルールの範囲内でAIを使える環境まで整えることが対策の軸になる。

技術的なアクセス制御(ブロックと制限)

技術的なアクセス制御では、未承認AIへの接続と機密データの送信を、端末とネットワークの両方から抑えられる。URLフィルタリングやセキュアWEBゲートウェイを使えば、サービスごとのリスク評価に応じた許可・遮断が可能だ。

なお、ブラウザ拡張機能も管理対象から外せない。Chrome EnterpriseやMicrosoft Edgeでは、管理者が拡張機能の許可やブロックを設定できる。

さらに、DLPを組み合わせれば、AIサイトを一律に止めず、機密情報の貼り付けやファイル送信だけを制限する運用も可能だ。データの重要度に応じて段階を分けた方が、全面禁止より業務との両立を図りやすい。例外利用の申請経路も用意しておくと、無断利用を防ぎやすくなる。

利用ガイドラインの策定と制度化

利用ガイドラインでは、AIの可否を2択で示すのではなく、扱うデータと用途を基準に線引きする。例えば、公開情報の要約は許可し、顧客情報や未公開の設計情報を含む入力は禁止するといった具体例があれば、現場も判断に迷いにくい。

サービスも「推奨」と「許可」を分け、必要に応じて条件付き許可や禁止を設けると運用しやすい。生成物については、事実確認や著作権確認、外部公開前のレビューを誰が担うのかまで決めておく。

ただし、一度作ったガイドラインを固定すると、新しいAIサービスや機能が管理の外へ出やすくなる。承認済みサービスの一覧を更新しながら、現場から利用申請を受け付ける窓口も設けたい。審査を長引かせないことが、隠れた利用を減らすうえで効いてくる。

安全で利便性の高いAIの導入

シャドーAIを減らすには、従業員が業務で実際に使える公式AIを用意することが欠かせない。安全性だけを優先して使い勝手が落ちれば、個人向けサービスへ流れる動機は残ったままだ。

選定時は、入力データがモデル学習に使われるかに加え、保存期間や管理者向けの監査機能も見ておきたい。例えば、OpenAIのBusinessやEnterprise、APIは既定で顧客データをモデル改善に使用しない。ほかのサービスも、法人向けのデータ利用条件を同じ観点で比較する。

利便性の面では、社内文書を検索できるRAGや既存業務システムとの連携など、自社で利用頻度の高い業務に合う機能が有効だ。公式AIへ利用を集約できれば、教育や監査のルールもそろえやすくなり、管理外の利用を減らしやすい。

セキュリティ教育の実施

セキュリティ教育では、禁止事項を覚えてもらうだけでなく、なぜその入力が危険なのかまで理解できる内容にする。個人向けと法人向けではデータの利用条件が異なり、同じサービスでも設定によって扱いが変わる場合があるためだ。

研修では、顧客名や個人情報、未公開情報をプロンプトへ含めてよいかを判断する練習を取り入れたい。入力が必要な場合に情報を匿名化する方法や、承認済みAIへ切り替える手順まで扱えば、実務でも判断しやすい。

なお、教育内容を一度決めて終わりにすると、サービス仕様や現場の使い方とのずれが生まれる。インシデントや仕様変更に合わせて内容を見直しつつ、相談窓口や申請手順も繰り返し周知するべきだ。違反者探しよりも相談しやすい状態をつくる方が、利用実態を表に出しやすくなる。

「禁止」ではなく「段階的な許可制」でシャドーAIを防ぐ

シャドーAIは、AIを使いたい現場の需要と、企業側の管理ルールや承認環境との間に差があるときに生まれやすい。製造や研究開発では、調査や文書作成、設計支援などAIを活用できる業務が多いため、全面禁止だけで利用を止めることは難しい。

対策の中心は、データの機密度と用途に応じて利用範囲を分ける段階的な許可制である。承認済みAIを用意し、機密データの送信制御や監査ログ、公開前レビューを組み合わせれば、利便性を保ちながらリスクを下げられる。

さらに、利用実態を定期的に確認し、新しいAI機能や現場ニーズに合わせてルールを更新する。禁止と監視だけではなく、安全に使える選択肢を継続的に整えることが、シャドーAIを減らす現実的な運用につながる。

Stockmark公式

Stockmark Media