ルールを作る側がいちばん破っている——「AI白書2026」が映すシャドーAIの構造的矛盾
角川アスキー総合研究所が発表した「AI白書2026」の調査結果が、なかなか刺さる数字を出してきた。
ひとことで言えば、「ガイドラインを作っても、シャドーAIは止まらない」という話だ。しかも問題の核心は、そのルールを作っている張本人——管理職——が、現場で最もシャドーAIを使っているという逆説にある。
ルールを作る人が、いちばんルールを破っている
調査は2026年4月に実施され、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経営者・役員・管理職・一般社員を対象に、310件の有効回答を得ている。
その中で最も印象的な数字がこれだ。
会社公式でないAIツールの業務利用、いわゆる「シャドーAI」の経験率は、課長以上の管理職が46.5%。一般社員（係長以下）は38.1%。管理職の方が約8ポイント高い。
さらに、「ルールやガイドラインが現場の実態に追いついていない」という認識を持つ割合は、管理職が57.4%、一般社員が**47.1%**と、管理職の方が10ポイント以上高い。
つまり、ガイドラインを策定・推進する立場にある管理職が、「このルールは実態に合っていない」と最もよく知りながら、最もシャドーAIを使っている。
これを「管理職がけしからん」と読むのは、あまりにも表層的だ。むしろ、「現場の変化速度がルールの更新速度を上回り続けている」という構造問題の現れだと見るべきだろう。管理職は業務と責任の両方を持つがゆえに、ツールの必要性を感じながらも公式承認が間に合わない現実に直面しやすい。そのジレンマが、この数字に出ている。
ガイドラインを整備しても、何も変わらない
もうひとつ見逃せないデータがある。全社共通のガイドラインを整備済みの企業でも、シャドーAI利用経験は**46.9%に上る。一部整備にとどまる企業の50.0%**と、ほぼ差がない。
「ガイドラインをちゃんと作ればシャドーAIは減る」という前提が、このデータで崩れる。
さらに、全社的にガイドラインを整備した企業でさえ**45.1%**が「ルールが現場の実態に追いついていない」と回答している。ガイドラインが「存在すること」と「機能していること」は、全く別の話だということだ。
これは、AIに限った話ではない。セキュリティポリシーしかり、情報管理規定しかり。ルールを作って終わりにする組織は昔からある。ただ、AIの場合は変化速度が段違いに速い。半年前に想定したユースケースが、今やもう古い——そういうことが珍しくない領域だ。「発行した時点でルールが時代遅れになりかけている」という状況で、一度整備したら更新を怠る運用は、ほぼ機能しない。
日本企業は「AIで人を減らす」つもりがない
海外との比較も興味深い。
海外の大手テクノロジー企業を中心に「AI導入を理由とした人員削減」が報じられているが、国内企業の傾向は異なる。AI投資を「増やす」と見込む企業と「横ばい」の企業の間で、間接部門の人員が「減少する」と見込む割合はいずれも約**14%**と差がなかった。つまり、AI投資を増やしても人員削減につながるという相関が、国内では確認されなかった。
調査は「少なくとも現時点の国内企業では、『AIで人を減らす』よりも『AIも人も増やす』シナリオが多数派」と結論づけている。
ここからは見方だが、これは「日本企業が優しいから」ではないと思う。おそらく2つの要因が絡んでいる。ひとつは、AIの投資効果を定量的に把握できていない企業がまだ多く、「AIで業務がどれだけ代替できるか」の根拠が揃っていないこと。もうひとつは、AI導入の主目的が「人件費削減」ではなく「業務効率化・品質向上」として設定されていることが多いことだ。
ただし、これが「健全な状態」かどうかは別問題だ。「AIに投資したが効果が見えない、でも人も増やしている」という状態が続けば、やがてAI投資の正当性が問われる局面が来る。「効果を測れていない企業ほど次の投資に消極的になる」という構造は、この調査が示しているもうひとつの示唆だ。
上場と非上場で広がる格差
データのもうひとつの読みどころは、上場企業と非上場企業の差だ。
AI投資を「増やす」見込みの割合は、上場企業が80.1%に対し、非上場企業は50.0%。定量的な効果把握ができている割合は、上場が37.0%、非上場が13.7%と、2.7倍の開きがある。ガイドラインの全社整備率にも16.8ポイントの差（上場45.9% vs 非上場29.1%）があった。
投資・効果測定・ガバナンスの三点セットで、上場企業が先行している。これは資金力の差だけではなく、情報開示や投資家説明の必要性が、定量的な効果把握を促すインセンティブとして働いているためだと考えられる。
非上場の中小・中堅企業は「AIを使ってみているが、効果はよくわからない。ガイドラインもまだ途中」という状態が多数派になっている可能性がある。この格差は、時間が経てば自然に縮まるものではないだろう。
構造として何が起きているのか
整理すると、この調査が映しているのは「AIガバナンスの実装困難性」だ。
ガイドラインを作る行為自体は正しい。問題は、ガイドラインを「静的な文書」として扱っていることだ。AIツールは毎月のように新機能が追加され、新しいサービスが登場し、現場の使い方も変化する。それに対してガイドラインが「年1回見直し」程度の更新頻度では、常に現実の後追いになる。
シャドーAIが管理職に多い理由も、実はここに根がある。管理職はAIの実業務での有用性を体感しながら、公式化の承認フローが間に合わないことを知っている。その結果、「現場判断で使う」という合理的な選択をとる。これは「ルール違反」というよりも「ルールの限界への適応」だ。
ここで重要な問いがある。シャドーAIが「起きていること」ではなく、「なぜ起きているのか」を見たとき、組織は何を変えるべきか。
答えは「もっと厳しく禁止する」ではないと思う。それは証明済みだ。全社ガイドラインを整備してもシャドーAI率が46.9%というデータが、その方向の限界を示している。
実務への示唆：ガイドラインは「生きもの」として運用する
実務担当者・経営者に向けて、いくつか考えてほしいことがある。
まず、シャドーAIを「情報源」として活用する発想を持てるかどうか。
管理職がどんな公式外ツールを、どんな目的で使っているのかを把握すると、「次に公式化すべきツールと用途」の候補リストが自然にできる。禁止・摘発のアプローチより、「現場が自然に採用しているものを観察して公式化サイクルに乗せる」方が、ガバナンスの実効性は高い。
次に、ガイドラインのライフサイクルを設計すること。
「作って終わり」ではなく、「いつ、何をトリガーに見直すか」を決めておく。主要AIサービスの大型アップデート、新カテゴリのツールの登場、社内での重大インシデント——これらをトリガーとして見直しプロセスが回る仕組みがないと、ガイドラインは発行した瞬間から劣化していく。
そして、効果測定の設計を後回しにしない。
今回の調査で、定量的な効果把握ができている企業ほど次の投資にも積極的という傾向が確認されている。逆に言えば、効果を測れていない企業はAI投資の正当性を説明できず、やがて予算が削られるリスクがある。「何を測るか」は導入後に考えるのではなく、導入設計の中に組み込む必要がある。
AIガバナンスに正解はまだない。だが、「間違いのパターン」はかなり明確になってきた。ガイドラインを一度作って安心する、禁止で抑えようとする、効果測定を後回しにする——この3つを同時にやっている組織は、今後の調査でも同じ結果が出続けるだろう。
次に同種のニュースを見るとき、「ガイドラインを整備しました」という発表だけでなく「どう更新し続けるか」を問うているかどうかを確認すると、ガバナンスの実態が見えてくる。
