シャドーAIとは？AI利用者の78%が自前ツールを持ち込む理由と、禁止・監視では止まらない構造

シャドーAIをめぐる議論は、たいてい同じ筋書きで進む。ルールを守らない従業員がいて、だからルールと監視を強める、という筋書きである。日本語で読める解説記事の大半もその形をしている。定義があり、情報漏洩のリスクが並び、ガイドラインを作りましょうと続き、最後は利用状況の可視化ツールに着地する。

本稿はその筋書きを採らない。理由は二つある。

一つは、根拠として流通している数字が怪しいことだ。日本語記事に頻出する統計をいくつか一次資料まで追ったところ、出所に行き当たらないものが混ざっていた。国内企業の従業員の52%が個人契約のAIを業務に使っているという数字も、従業員の57%が個人AIで業務を行っているという数字も、引用元とされる調査の本体には辿り着けない。孫引きが孫引きを呼んでいる状態である。そこで本稿では、発行元の自社ドメインで実物を確認できた数字だけを使い、確認できなかったものは全部落とした。出典は末尾にまとめてある。

もう一つは、確認できた数字が別の絵を描くことだ。シャドーAIをやっているのは一部ではなく多数派で、動機は手抜きでもズルでもなく、期限内に仕事を終わらせることだった。しかも監視を強めるほど、利用は減らずに会社から見えない場所へ移る。

そこで本稿では、シャドーAIを従業員の規律の問題としてではなく、会社が生成AIを使える状態にできていないことの症状として捉え直す。そのうえで、統制ではなく供給から設計し直す考え方を整理したい。

シャドーAIは、少数の逸脱ではなく多数派の行動である

シャドーAIとは、会社が承認も管理もしていない生成AIツールを、従業員が自分の判断で業務に使うことを指す。個人契約のChatGPTに資料を貼り付ける、私物のスマホで議事録を要約させる、といった行為が当てはまる。

世界ではAI利用者の78%が自前のツールを持ち込んでいる

Microsoftとリンクトインが31市場・31,000人の知識労働者に対して行った調査によれば、職場でAIを使っている人の78%が、自分のAIツールを職場に持ち込んでいる。中小企業ではさらに高く80%だ。

同じ時期に、KPMGとメルボルン大学が47か国・48,000人以上を対象に行った調査では、ほぼ半数が社内規程に反する使い方をしたと認めている。無料の公開AIツールに会社の機密情報を入れたケースも含まれる。さらに57%が、AIを使ったことを隠し、AIが作ったものを自分の成果として提出していた。

半数近くが規程の外に出て、6割近くがそれを隠している。ここまでの規模になると、個人の資質という説明は成立しない。逸脱が多数派を占めるとき、疑うべきは逸脱者ではなく規範のほうである。

日本でも公的機関が初めて上位の脅威に挙げた

IPAの情報セキュリティ10大脅威 2026では、組織編でAIの利用をめぐるサイバーリスクが初選出で3位に入った。上位2つは長年変わらないランサム攻撃とサプライチェーン攻撃であり、新顔がいきなり3位に入るのは異例である。

国内の会社員300人を対象にした調査でも、業務で生成AIを使っている人のうち約5人に1人が、会社が許可していないツールを使っていた。

被害額の側からも数字が出ている。IBMのCost of a Data Breach Report 2025では、調査対象となった情報侵害の20%に未承認のAIツールが関与し、シャドーAIが多い組織では平均の侵害コストに67万ドルが上乗せされていた。そして同じ調査で、63%の組織がAIのガバナンス方針を持っていないと答えている。

この63%が本稿の出発点である。使う側が先に走っていて、会社の側が何も決めていない。

現場が外に出るのは、配られているものが業務に足りていないからである

では、なぜ多数派がそうなるのか。

個人アカウント率は、ツールによって2倍以上ちがう

Cyberhavenが実際のデータ移動を観測したレポートに、個人アカウント経由の利用が占める割合が載っている。ChatGPTは32.3%、Geminiは24.9%。ところがClaudeは58.2%、Perplexityは60.9%だ。

正直なところ、私はこの並びを逆に予想していた。高機能なツールほど意識の高い人が使い、だからルールも守られているはずだと考えていたからだ。実際に効いていたのは使う人の意識ではなく、会社が契約を持っているかどうかだった。法人契約が行き渡ったツールほど、個人アカウント率が低い。この一点だけで、シャドーAIを規律の問題として扱う枠組みは崩れる。

しかもこれは意識調査ではない。実際の通信の観測である。何をどう思っているかではなく、何が起きているかを見た数字が、供給の側を指している。

順番が逆なのだ。意識が低いから外で使うのではない。中で使えないから外で使う。

全社に1つ配る発想が、職種ごとの必要とズレる

会社が生成AIを配るとき、選ばれるのはたいていグループウェアに付いてくるものである。Teamsに入っているCopilot、Google Workspaceに入っているGemini、といったところだ。全社一律に配れて契約も1本で済むのだから、情報システム部門の判断としては合理的である。

だが現場の必要は職種ごとに違う。エンジニアが欲しいのはコードを書けるAIであり、グループウェアに付いてくるアシスタントでは代わりにならない。調査をする人間が欲しいのは出典を辿れるAIだ。会社が配ったものを触ってみて、これでは自分の仕事には足りない、と判断した人から順に外へ出ていく。

ここは強調しておきたい。その人たちは横着をしているのではない。むしろ逆で、手元のツールと外のツールで成果の差が大きすぎると分かってしまった人ほど、外に出る。差が小さければ誰もリスクを取らない。差が大きいから、天秤が傾く。

つまり供給不足の正体は、量ではなく解像度である。1つ配ったかどうかではなく、その職種の仕事に足りるものが配られているかどうか。全社一律の1ツールでは、構造的にどこかの職種が必ず取り残される。

日本では7割が、社内ルールを知らないか、そもそもないと答えている

供給以前の段階で止まっている会社も少なくない。先ほどの国内調査では、社内規程について45%がないと答え、26.7%がわからないと答えた。合わせて7割を超える。

KPMGの調査でも、職場に生成AIの方針やガイダンスがあると答えた人は**40%にとどまり、AIの研修を受けたことがある人は47%**だった。

ルールがない状態は、自由ではない。現場から見れば、判断を全部自分で背負わされている状態である。何を入れていいのか誰も教えないまま、締め切りだけが来る。

監視を強めるほど、リスクは減らずに見えない場所へ移る

では利用状況を可視化し、ログを取り、未許可のサービスをブロックすればよいのか。ここに落とし穴がある。

社内の生成AI利用がログで見られていると分かったとき、現場にとって合理的な選択は、使わないことではない。見えない場所で使うことである。会社支給のPCから社内のAI基盤を経由するのをやめ、私物のスマホや自宅のPC、個人アカウントに移る。そこには一切ログが残らない。

可視化ツールで減るのは、見える範囲のシャドーAIだ。リスクの総量ではない。むしろ検知の精度を上げるほど、残った利用は最も深いところに沈み、会社から見える範囲は対策前より狭くなる。

隠す理由の本体は、要らない人間に見えることへの不安である

なぜそこまでして隠すのか。ここは掘る価値がある。

先ほどのMicrosoftの調査に、こういう数字がある。職場でAIを使っている人の**52%が、最も重要な業務で使ったことを認めたがらない。そして53%**が、重要な業務でAIを使うと自分が替えの利く人間に見えることを心配している。

つまり隠す理由は二層ある。表の層は、規程に触れるかもしれないという恐れである。これは環境を整えれば解ける。厄介なのは裏の層で、AIを使ったと言った瞬間に、自分の仕事の価値が下がって見えるのではないかという評価への不安である。

これはセキュリティの問題ではない。人事評価と、上司がAIについてどういう言い方をしているかの問題だ。可視化ツールをいくら入れても解けないし、監視されている感覚が強まるほど悪化する。対策として導入したものが、隠す動機を育てることになる。

リテラシーがそろっていない職場では、使っていると言うこと自体が目立つ

現場の生成AIリテラシーは、実際にはかなりばらつく。毎日使いこなしている人間と、一度も触ったことのない人間が同じ部署にいる。

このとき、周りが使っていない中で自分だけ使っていると言うのは、目立つ行為になる。うまくいけば評価されるが、失敗すれば全部自分に返ってくる。であれば黙って使い、成果だけ出したほうが安全だ。KPMGの調査に出てくる、57%がAIの成果物を自分のものとして提出しているという数字は、この計算の結果と読める。

さらに、リテラシーがばらついている会社ほど、ルールは最低位に合わせて作られる。触ったことのない人間でも事故を起こさない水準まで制約を強くすれば、使いこなしている人間にとっては過剰な縛りになる。使える人ほど不便を感じ、外に出ていく。

隠れた利用が続くと、効くやり方は組織ではなく個人に溜まる

個人的にいちばん惜しいと思うのが、この損失である。

どう指示すれば精度が上がるか、どの作業には向いていないか、どこで間違えるか。こうした知見は、実際に使い込んだ人間の手元に溜まる。ところが使っていること自体を隠していれば、その知見は組織に還流しない。個人の隠し資産になり、その人が辞めれば消える。

会社が失っているのは統制だけではない。学習の機会も一緒に失っている。しかも失っていることに気づけない。隠れているのだから当然である。

罰則が効かないのは、動機が私的利益ではなく責任感だからである

対策として、規程を厳しくして罰則を付ける方向もよく取られる。だが、これも効きにくい理由がある。

抵抗を感じている人の64.1%が、それでも機密データを入れている

先ほどの国内調査に、示唆的な数字があった。AIツールにデータをアップロードすることに抵抗を感じると答えた人が**75.8%いる。ところが、その抵抗を感じている78人のうち、実際にアップロードした経験がある人は64.1%**だった。

抵抗を感じていない人がやっている、のではない。抵抗を感じている人の3人に2人が、それでもやっている。

この数字の前では、意識を高めるという言葉はほとんど無力に見える。規範意識が足りないのではない。規範意識はある。あるうえで、業務のほうが勝っている。

罰則が抑止として働くのは、動機が私的利益のときだけである

罰則は、違反によって本人が得をする場面では効く。得より罰が大きければ、やらないほうが合理的になるからだ。

シャドーAIはその形をしていない。動機は業務執行の責任感であり、得をするのは会社のほうである。締め切りに間に合わせる、品質を落とさない、依頼に応える。そのために外のツールを使っている。

ここで会社が罰則を付ければ、現場に突きつけられるのは、納期を落とすか規程を破るかの二択になる。そして、仕事に責任を持っている人ほど後者を選ぶ。まじめな人から順に、規程の外に出る。

直感に反するかもしれないが、動機の側から見れば筋は通っている。仕事を投げ出せる人は、規程を守ったまま納期を落とせる。投げ出せない人だけが、規程の外に出る羽目になる。

厳罰化で減るのは、利用ではなく報告である

罰則を強めたあとに起きるのは、利用の減少ではなく報告の減少である。

一度禁止すれば、現場は聞かれても答えなくなる。ヒヤリとした事例も上がってこなくなる。事故が起きるまで、会社は何も知らない状態に置かれる。

一律禁止は、対策のように見えて、実際には判断を現場に丸投げしている状態だ。会社は決めていないのではない。決めない、という決定をしている。

統制ではなく供給を設計する

ここまでを整理すると、シャドーAIは意識と統制で動く現象ではない。動かしているのは、手元にあるものと必要なものの差である。

ならば考え方を入れ替えるべきだろう。ルールの目的を、使わせないことから、安全に使える道を最短にすることへ置き換える。安全な道が一番速いとき、人はわざわざ危ない道を通らない。

配るものは、全社一律ではなく職種ごとに決める

まず、何を配るかを職種ごとに決める。グループウェアに付いてくるAIは全社の底上げには役立つが、それだけで足りる職種と足りない職種がある。足りない職種には、その仕事に届くものを別に用意する。

契約が増えるのを嫌って一律にすれば、足りなかった職種のぶんがそのままシャドーAIとして残る。契約本数を減らすか、見えないリスクを抱えるか、という交換である。どちらを選ぶかは経営判断だが、交換であることは自覚しておいたほうがいい。

これでは足りないと言える窓口を先に作る

シャドーAIの本体は、無断利用そのものよりも、足りないと言えないことのほうにある。

そこで、現場からこのツールでは自分の業務に届かないと言える窓口を作る。このとき、過去に外で使っていたことを申告しても咎めない、と先に明示しておくのが要点である。咎める設計にすれば誰も本当のことを言わなくなり、会社から見える範囲はまた狭くなる。何を使っているか言える状態を先に作らなければ、その後の設計は全部推測の上に建つことになる。

承認の速さが、そのまま個人アカウント率になる

新しいツールほど個人アカウント率が高いという先ほどの数字は、承認の遅さがそのまま現れたものと読める。

申請から利用開始まで2か月かかるなら、その2か月はシャドーAIの温床である。すべてを速くする必要はないが、機密情報を扱わない用途については、まず試せる枠を用意しておくだけで、外に出る動機はかなり減る。

禁止リストは、ツール名ではなくデータの区分で書く

ツール名で禁止リストを作れば、新しいサービスが出るたびに更新が必要になり、必ず追いつかなくなる。

代わりに、入れていい情報と入れてはいけない情報を、データの区分で書く。顧客の個人情報は不可、未公開の財務情報は不可、公開済みの自社資料は可、といった形である。ツールは無限に増えるが、扱う情報の区分は増えない。 現場にとっても判断しやすい。

リテラシーをそろえる目的は、スキルよりも言い出せる状態をつくることにある

研修というと業務効率を上げるためのものと受け取られがちだが、シャドーAI対策としての意味は少し違う。

全員がある程度使える状態になれば、使っていると言うことが特別な行為ではなくなる。目立たなくなれば、隠す理由が減る。上司が使い方を分かっていれば、AIを使ったと言われて評価が下がることもない。52%が認めたがらない、53%が替えの利く人間に見えることを心配している、という状態は、ここに手を入れないと動かない。

見るべき指標は、検知件数ではなく承認環境の利用率である

最後に、何を見て良し悪しを判断するかだ。

シャドーAIの検知件数を指標にすると、数字が減ったことと、見えなくなったことの区別がつかない。対策が効いていても、現場が深く潜っただけでも、同じように減る。指標としては最悪の部類である。

見るべきは、承認された環境がどれだけ使われているかだ。そこが伸びていれば、外に出る必要が減っている証拠になる。あわせて、現場から足りないという声がどれだけ上がってきているかも見る。声がゼロの状態は、問題がないのではなく、言える場がないだけかもしれない。

まとめ

シャドーAIをどう捉えるかで、打つ手が正反対になる。

従業員の規律の問題として捉えれば、可視化と罰則に向かう。その結果として減るのは利用ではなく報告であり、会社から見える範囲はかえって狭くなる。まじめな人ほど黙って外に出るので、残るのは無風に見える危ない状態である。

供給の問題として捉えれば、打つ手は変わる。職種ごとに足りるものを配る、足りないと言える窓口を作る、承認を速くする、ツール名ではなくデータの区分で線を引く、リテラシーをそろえる。どれも取り締まりではなく、環境の整備だ。

シャドーAIの発生率は、社員の質を表す数字ではない。会社が生成AIの利用を業務として設計できているかを表す数字である。 見つけて止める仕事ではなく、使える状態を用意する仕事だと捉え直したほうが、結果としてリスクも小さくなる。

生成AIを実際に業務へ入れた企業が何をどう設計したかは、生成AIの実導入事例に学ぶエンタープライズ採用の現在地にまとめてある。あわせて読んでほしい。

出典

• Microsoft・LinkedIn「2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part」（31市場・知識労働者31,000人、2024年2月15日〜3月28日調査）
• KPMG・メルボルン大学「Trust, attitudes and use of artificial intelligence: A global study 2025」（47か国・48,000人以上、2024年11月〜2025年1月調査）
• Cyberhaven「2026 AI Adoption & Risk Report」（実際のデータ移動の観測に基づくレポート）
• IBM「Cost of a Data Breach Report 2025」（Ponemon Instituteによる600組織の調査）
• IPA 独立行政法人 情報処理推進機構「情報セキュリティ10大脅威 2026」組織編
• 株式会社エルテス「生成AI利用に関する実態調査」（国内の会社員・公務員300名、2026年1月13日調査）