生成AIニュース 2026年8月24日

野良AIは「リテラシーの問題」ではない。企業が本当に問われていること

社内の誰がどのAIを使っているか、正確に把握できている企業がどれだけあるか。AIガバナンス協会の調査によると、従業員が個人の裁量で使うAIについて「把握に課題がある」と答えた企業は約60%に上る。しかもこれは、ガバナンスに積極的な先行企業群の回答だ。ガバナンスを真剣に考えていない企業まで含めれば、実態はさらに厳しいはずだ。

この数字が重要なのは、「課題がある」という認識すらある企業でこの水準だからだ。問題は技術的なものではなく、構造的なものだと最初に言っておきたい。

野良AIは「気づいたら広がっていた」が現実

AI導入支援を手掛けるJAPAN AIの商談分析では、「野良AI」という言葉が出た商談は2割未満だった。これは野良AIが少ないからではなく、DX推進部や情報システム部が把握していても組織的に表に出しにくいという事情がある。把握はしている。でも言えない。そういう組織の力学が、問題の顕在化を妨げている。

統制より現場のスピードを優先しがちな中小企業ほど、この構図にはまりやすい。

見落とされやすい第3のリスク：「活用履歴が会社に残らない」

野良AIのリスクとして真っ先に挙がるのは「データ流出」と「コスト増」だ。この2つは目に見える被害に直結するため、経営層にも伝わりやすい。

だが記事が「見落とされやすい」と指摘する3つ目のリスクのほうが、じわじわと効いてくる。個人がAIを使い続けると、成果につながった知見は個人に蓄積される。プロンプトの工夫、使えた組み合わせ、失敗したアプローチ——これらが会社の資産にならずに消えていく。競争優位を生む機会を逃すと言えば大げさに聞こえるかもしれないが、属人化したナレッジが退職とともに消えるという問題は、AIが登場する前から組織が悩んできたことだ。AIはその速度と規模を一桁上げる。

目に見える被害が出ない分、予算も人手も割かれにくい。そこが問題だ。

2つの発覚事例：どちらも「問題が起きてから気づいた」

野良AIは最初から「野良」と認識されるわけではない。JAPAN AIへの取材で示された2つの事例は、発覚パターンの典型として読む価値がある。

事例1：トップダウンの号令が一斉拡散を招いた

社長がAI活用の方針を掲げ、選抜チームでプロジェクトを動かした。「AIを使うこと自体を是」とした環境で、法人利用か個人利用かの区別はほぼ考慮されなかった。問題が表面化したのは、時間差でシステム部門が加わってからだ。統制をかけようとした段階で、リスク確認のできていないツールに危険度の高い情報が投入されていた実態が判明した。

この構図のポイントは、「AI活用が正義」になった瞬間にツールが一気に広がる点だ。号令と同時にルール化できている企業は少ない。「どのデータなら入れてよく、どれを入れさせてはいけないのか」という規則が号令に追いつかない。

事例2：公認したツールが実は個人契約だった

公式ツールがMicrosoft Copilotだった企業で、「Google Geminiのほうが精度がいい」という声が社内で高まり、ある部門が主導して全員でGeminiを使い始めた。部門がGeminiを登録し、チームメンバーに登録手順までレクチャーした。

問題は、その手順が個人利用の登録に誘導されていたことだ。約20人が個人契約のアカウントで会社のデータを入力していた。会社が推奨したツールが、実は統制の利かないものだったという構図だ。

2つの事例に共通するのは2点。「問題が起きてから気づいた」こと、そして「ルールが定まっていなかった」ことだ。

生成AIが「従来のシャドーIT管理」を無効化する

ここからは、この問題の構造的な見方を加えたい。

野良AIはシャドーITやシャドーSaaSの延長にある概念だが、管理の難しさの質が根本的に違う。従来のシャドーITは、部門が独断で導入したとしても、契約や支払いという痕跡が残る。情報システム部門の審査という関所を置いて、システム単位で承認・非承認を判断すれば統制は一応機能した。

ところが生成AIは、個人がメールアドレスだけで登録できる。契約も支払いも発生せず、部門の審査を通らない。統制すべき箇所が「法人間の契約書」から「従業員のデバイス」へ、さらに「どんなデータが投入されるかというアクセスやログの単位」まで移っていく。

これは管理ツールを変えれば解決する話ではない。管理の粒度と思想そのものを変える必要がある。この構造変化に追いつけるかどうかが、企業のAIガバナンスの分かれ目だ。

「使わせる責任」と「使わせない責任」の組織的衝突

もう一つ、組織設計の問題として見落とされがちな論点がある。

「使わせない責任」を負う情報システム部門と、「使わせる責任」を負うDX推進部が並立し、後者が社長直下で動く構成は珍しくない。この環境でDX側が「AI活用による成果に高いインセンティブを払う」全社キャンペーンを打てば、推進側から見れば成功、統制側から見れば「野良AI推奨月間」が生まれる。

さらに皮肉なのは、社長が率先して個人利用のAIを使い込み、役員にAI生成の回答を突きつけるパターンだ。役職が高い人ほど自分は例外と考えがちで、社内で最たる野良AIユーザーが社長になっている例は多いと記事は指摘している。

野良AIを「従業員のリテラシーの問題」として片付ける論調には、やはり違和感が残る。従業員からすれば「AIで生産性を上げて会社に貢献している」という理屈も成立する。問われているのは個人の意識ではなく、企業としての向き合い方と組織設計だ。

野良AIゼロを目指さない：データ3階層管理という現実解

では、うまく付き合えている企業は何をしているのか。記事が紹介する取り組みが興味深い。

AIそのものは規制せず、データの取り扱いのほうを縛るという発想だ。レッド・イエロー・グリーンの3階層でデータを管理する。

レッド：個人情報、人事情報、ソースコード、M&A関連など。AIに限らず隔離し、権限を持つ人にしか公開しない。ISMSの考えに近い。
イエロー：社内の会議資料、提案書、マニュアル、業務データ。会社が用意したCopilotの環境上でなら利用可。
グリーン：アイデア出し、翻訳、文章の書き直しなど。一切取り締まらない。

この方式の本質は、ツールが増えても被害の上限がデータ側で決まるという点にある。利用可能なAIを列挙する方式だと、新しいツールが出るたびにリストの更新を迫られる。だが、階層を先に決めておけばその線は動かない。ツールの変化に対してロバストな設計だ。

4段階の対処順序と、実務担当者への判断軸

記事が整理する4段階の対処は、順序が重要だ。

技術的に検知する仕組みを先に置く：従業員アンケートで使用ツールを聞いても正直な回答が返ってこない可能性がある。ファイアウォールのログで特定ドメインへの通信を見るなど、技術面での検知が先だ。
シンプルなレッドラインを示す：詳細なガイドラインは読まれない。「このデータは絶対に入れるな」という一点に絞ったルールを配るほうが早い。
公式ツールとガバナンスを整える：学習に使わせないオプトアウトの統制、法人契約、監査ログ、シングルサインオンといった要件を満たす環境を用意する。CopilotでもGeminiでも、条件を満たせばよい。
一度決めたものを固定しない：導入から2〜3年目の企業では、初期に構想した環境がすでに古びていることもある。新しいツールを使いたい場合の申請ルート、利用目的・使用端末の明示、危険度の低い用途への目つぶり範囲の定義。更新し続けられる設計が必要だ。

実務担当者として次に同種のニュースを見るとき、確認すべき軸を一つ渡しておく。「管理の単位がツールなのか、データなのか」だ。ツール単位の管理は承認リストの更新を迫られ続ける。データ単位の管理は変化に強い。どちらのアプローチをとっているかを見ると、そのガバナンスの設計思想と持続可能性が見えてくる。