AkamaiのShadow AI警告が浮き彫りにする企業統制の欠落

Akamaiは厳しい警告を発している。企業ユーザーのほぼ半数がAIツールにアクセスしている一方、その活動の多くは既存の企業統制の範囲から逃れ得るという。

この指摘は、GlobeNewswireを通じて配信されたAkamaiのリリースへリンクする、切り詰められたGoogle Newsの見出しから浮かび上がった。この掲載では「bypasses」の後に続く対象が省かれており、中心的な主張が不完全になっていた。しかしAkamaiのより広範な調査は、欠けていた対立構図を明確にしている。生産性を高めるAI利用は、管理されたID、承認済みアカウント、可視化されたセキュリティチャネルの外で、ますます行われている。

これは、従業員がChatGPTを好んでいることを示すだけの、また別の調査ではない。従来のソフトウェア向けに企業が構築してきた統制モデルと、従業員の需要との衝突を描いている。OpenAI、Google、Anthropic、Microsoft、そして数百の小規模プロバイダーが、高度なツールを通常のブラウザーから利用可能にした。

その結果、セキュリティ上の問いは変化した。企業は、どのAIシステムを承認するかだけを決めればよいわけではなくなった。個人アカウント、貼り付けたテキスト、アップロード、拡張機能、組み込み機能を通じて、機密情報が何らかのモデルに到達していないかを判断しなければならない。

この逆転は心地よいものではない。企業は長年にわたり、ID、アクセス、ソフトウェア調達を中央集約してきた。AI導入は現在、その3つすべてをブラウザーの内側から分散化している。

見出しが示す、ブラウザー規模の盲点

Akamaiの警告は、AIを試す人の数だけでなく、従業員がAIへ到達する経路に関するものだ。

利用可能な証拠の一部は、Akamaiが買収したブラウザーセキュリティ企業LayerXによるものだ。LayerXは、ログイン、アップロード、貼り付けテキスト、企業アカウントと個人アカウント間の移動を含む、Webアプリケーション内の活動に関するテレメトリーを収集している。

同社が公開した調査では、企業エンドポイントから生成AIにアクセスした企業ユーザーは45%だった。このデータセットで観測されたAI利用の92%をChatGPTが占めていた。

これらの数値は、世界中の全従業員の45%がChatGPTを使っていることを意味するものではない。ベンダーのテレメトリー対象となった組織とエンドポイントでの活動を表している。この区別は、セキュリティ企業のレポートを解釈する際に重要である。

同じ調査では、より重大なパターンも確認された。AIツールにアップロードされたファイルの40%には、機密性の高い企業情報が含まれていた。貼り付けられたテキストの22%にも機密情報が含まれていた。

これらの割合は、確認済みの侵害ではなく、検査対象となった転送を測定したものだ。機密ファイルのアップロードは、承認済みで、適切に保護され、正当な業務に必要な場合もある。一方で、雇用主が監査できない個人アカウント経由で行われる場合もある。

LayerXによれば、企業アカウントと個人アカウント間のデータ転送の32%はAIプラットフォームを介して行われた。同社のより広範なAI利用に関する調査結果は、この露出の中心にブラウザーがあることを示している。

これは、Google Newsの掲載で「bypasses」という表現が途中で切れていた理由の説明にもなる。関連する統制には、企業ID、シングルサインオン、承認済みアカウントのルール、データ損失対策ポリシー、通常のソフトウェア審査が含まれる。

一般にSSOと呼ばれるシングルサインオンは、雇用主が1つの企業IDを通じてアクセスを管理できるようにする。従業員が会社支給デバイスで利用していても、個人用AIアカウントはそのIDレイヤーを回避する。

従来のソフトウェアガバナンスは、IT部門がアプリケーションを把握し、承認し、アクセスを付与し、その後にアクセスを削除できることを前提としている。消費者向けAIツールでは、導入はサイト訪問、ログイン、プロンプト入力へと圧縮される。

インストール申請は必要ない。従業員はチャットボットを開き、個人のメールアドレスで認証し、数分以内に顧客文書を貼り付けられる。

組み込みAIは、検出をさらに難しくする。現在、生成機能は生産性スイート、デザインツール、会議プラットフォーム、顧客システム、ブラウザー拡張機能の内部に登場している。従業員は、すべての機能を別個のAIサービスとは見なさないかもしれない。

Akamaiはshadow AIを、IT、セキュリティ、コンプライアンスチームの認知、承認、監督なしに行われるAI利用と定義している。これには、未承認のチャットボット以上のものが含まれる。

開発者は、独自コードを個人用のコーディングアシスタントに送信するかもしれない。マーケターは、キャンペーンのセグメントを生成するために顧客リストをアップロードするかもしれない。管理職は、権限を確認せずにエージェントをクラウド文書へ接続するかもしれない。

それぞれの行為は、通常のブラウザー通信のように見える可能性がある。リスクとなるのは、ユーザーのID、転送される情報、プロバイダーによる情報の契約上の取り扱いを含む文脈だ。

ファイアウォールは、許可済みドメインへの接続を確認できる。しかし、従業員が管理されたエンタープライズアカウントを使ったのか、個人アカウントを使ったのかを自動的に把握することはできない。

これが、このレポートの背景にある中心的な変化だ。エンタープライズAIは非常に普及したため、アプリケーション名だけでアクセスを管理しても、もはや十分な可視性は得られない。

エンタープライズAIの統制が導入競争で後れを取る理由

消費者向けAIの方が迅速なアクセス、幅広い機能、あるいは少ない手続き上の障害を提供する場合、従業員は承認済みの経路を迂回する。

Shadow AIは、悪意ではなく実務的な作業から始まることが多い。従業員は会議を要約し、提案書を修正し、コードを調べ、複数の文書を比較する必要がある。

承認済みアシスタントに好みのモデルがない、受け付けるファイル形式が少ない、あるいはその部門ではまだ利用できない可能性がある。調達やセキュリティの審査も、業務より遅く進むことがある。

個人用チャットボットは即時に利用できる。従業員には生産性ツールに見える一方、セキュリティチームには審査されていないデータ処理事業者に見える。

このインセンティブの隔たりは、禁止が限定的な効果しか生まない理由を説明する。1つのサービスをブロックすると、利用者は別のプロバイダー、モバイルデバイス、個人用ブラウザープロファイル、または組み込み機能へ移る可能性がある。

効果的なポリシーは、従業員が非公式な経路を選んだ理由に対処しなければならない。そうでなければ、施行は目に見える症状だけを扱い、需要を温存することになる。

Akamai自身のガイダンスによれば、企業が契約上の保護、監査ログ、SSO統合を備えた十分に機能的な承認済みツールを提供すれば、シャドー利用は減少する。安全な経路も、なおユーザーの問題を解決する必要がある。

歴史的な比較対象はshadow ITである。これは、部門が中央の承認を得ずにクラウドアプリケーションを購入するにつれて拡大した。セキュリティチームは最終的に、クラウドアクセスブローカー、アプリケーションの発見、より柔軟な調達を採用した。

AIは、取引に業務データが含まれることが多いため、リスクを高める。従来の未承認アプリケーションは、新しいプロジェクト日程を保存するかもしれない。チャットボットとのやり取りは、ソースコード、法的文言、顧客記録、未発表の戦略を即座に送信し得る。

生成システムは、従業員が出所を記録しないまま再利用する出力も作り出す。これは、データ露出に加え、正確性、知的財産、バイアス、説明責任に関する問題をもたらす。

同じAIサービスでも、アカウントによって異なるリスクプロファイルを示し得る。エンタープライズ契約では、保持管理、管理者ログ、モデル学習への利用制限が提供される場合がある。

個人アカウントには、こうした保護がない可能性がある。したがってセキュリティチームは、宛先ドメインを認識するだけでなく、IDとセッションを区別する必要がある。

この違いは、最高情報責任者とセキュリティリーダーに相反する方向から圧力をかける。CIOにはAI導入の拡大が期待される一方、セキュリティリーダーは制御されていないデータ移動を減らさなければならない。

経営層はさらに別の要求、すなわち測定可能な生産性を加える。公式環境が成果を改善せずに従業員の作業を遅らせるなら、シャドー利用は予測可能な反応となる。

この対立はAkamaiの顧客基盤を超えて見られる。Axiosは、企業で平均67の生成AIツールが使われ、その90%に適切なライセンスまたは承認がないことが一般的だと報じた。そのshadow AIに関する報道は、セキュリティベンダーが可視性の隔たりを埋めようと競っている状況を描いている。

繰り返しになるが、ベンダーによる測定は、顧客層、収集方法、定義によって異なる。ある企業はドメインを数える一方、別の企業はアプリケーション、アカウント、ユーザー、または個別セッションを数えるかもしれない。

どの単一の割合よりも、方向性の方が信頼できる。従業員にはAIへ至る多くの経路があり、企業のインベントリーは一貫してその活動の一部しか捉えられていない。

この圧力はセキュリティチームだけにとどまらない。法務部門は、どのプロバイダーが規制対象情報または機密情報を処理できるかを判断しなければならない。

プライバシーチームは、プロンプトとファイルがどこへ移動するかを理解する必要がある。調達チームは、すでに契約中の製品に追加された機能を含め、増え続けるAI機能のリストを審査しなければならない。

管理職にも、生成出力に関するルールが必要だ。承認済みツールであっても、すべての回答が正確になるわけではなく、エンタープライズ契約がその出力に基づくすべての意思決定を正当化するわけでもない。

したがって統制の問題には2つの層がある。企業は、AIシステムに入る情報と、そこから出る意思決定を統制しなければならない。

未承認アカウントのブロックは、最初の層にしか対応しない。生成された回答にいつレビューが必要か、システムがどの情報源を利用したか、最終的に誰が説明責任を負うのかは確立しない。

このより広いガバナンス負担こそが、導入競争が不均衡に感じられる理由を説明する。従業員はすぐにAIを使い始められるが、完全な企業統制の仕組みには複数部門の協力が必要となる。

本当の競争は、管理されたAIと役に立つAIの間にある

主な対抗相手はAkamaiと他のセキュリティベンダーではない。管理されたAIと、従業員が最も有用だと感じるツールとの競争である。

企業は時に、セキュリティと生産性を相反する目標として捉える。この見方は、全面的なブロック、狭い許可リスト、長期にわたる承認手続きなど、強引な統制を助長する。

すると従業員は単純な選択に直面する。承認済みワークフローを待つか、使い慣れた消費者向けサービスで作業を完了するかだ。

より良い競争は、製品品質をめぐるものだ。管理されたアシスタントは、既定の選択肢になるために、十分な能力、文脈、速度、信頼性を提供しなければならない。

文脈は特に重要である。ナレッジワーカーは、文書、会話、プロジェクト履歴、専門的な社内資料を対象にAIを機能させる必要がある。

そのアクセスはリスクも生む。広範な権限によって、従業員がAIインターフェース経由で取得可能だと認識していなかった情報が露出する可能性がある。

管理されたナレッジ環境は、既存のアクセス境界を維持すべきだ。また、回答を裏付けた情報源を示し、検索対象を認可済みの資料に限定すべきである。

ここでパーソナルナレッジベースは、業務システムと公開チャットボットの間での場当たり的なコピーを減らすことができる。ローカルまたは管理された取り込みはガバナンス上の義務をなくすものではないが、不必要な転送を絞り込むことはできる。

セキュリティ統制は、やり取りが行われる瞬間に機能しなければならない。ネットワークツールも引き続き有用だが、暗号化されたブラウザーセッション内に隠れた違いを見落とすことがある。

ブラウザーレベルの統制は、アクティブなアカウントを識別し、アップロードを検査し、情報がエンドポイントを離れる前に貼り付けを認識できる。その後、操作を警告、マスキング、ブロック、または記録できる。

以前はLayerXだったAkamaiのWorkforce Protectorは、このアプローチを反映している。Akamaiによれば、これは境界トラフィックのみに依存するのではなく、アプリケーション内のユーザーおよびエージェントの行動を統制する。

同社には、ブラウザを重要な執行ポイントとして定義する商業的な利害がある。購入者は、その主張をエンドポイント、ネットワーク、アイデンティティ、データセキュリティの代替策とあわせて検討すべきだ。

単一のレイヤーですべての経路を把握できるわけではない。ブラウザ拡張機能では、企業環境に一度も接続しない管理対象外のスマートフォンを統制できない。

ネットワーク制御は接続先を特定できるものの、詳細なセッションコンテキストを欠く場合がある。エンドポイントエージェントはデバイス上の活動を検査できるが、各アプリケーション内部の意味をすべて理解できるとは限らない。

アイデンティティ制御は誰がサインインしたかを確立するが、各プロンプトに制限対象の情報が含まれているかを自動的に判断するものではない。データ分類は機微なコンテンツを認識できるが、正確なラベルと十分なカバレッジに依存する。

実用的なアーキテクチャは、こうしたシグナルを組み合わせる。アイデンティティ、デバイスの状態、接続先、アカウント種別、コンテンツの機微度、要求された操作を結び付ける。

従業員が公開済みの製品発表を要約する場面を考えてみよう。入力内容はすでに公開情報であるため、個人用チャットボットの利用による組織リスクは限定的だ。

一方で、同じ従業員が顧客サポートの会話記録を貼り付ける場合を考える。接続先は同じでも、プライバシー、保存、契約上の要件によって判断は変わる。

ファイル検査だけでは、コピー＆ペーストによる挙動も見逃す。LayerXの測定によれば、従業員が文書をアップロードしなくても、貼り付けたテキストは重要な情報露出経路となる。

エージェントはさらに別の次元を加える。エージェントは情報を取得し、外部サービスを呼び出し、記録を更新し、その都度人間が個別に操作しなくてもアクションを繰り返せる。

そのため、権限設計は運用上のセキュリティ課題になる。チャットボットは要求に回答するが、エージェントは変更を引き起こし得る。

Akamaiの2026年版APIセキュリティ調査は、10カ国のセキュリティ責任者および実務者1,840人を対象にした。Webアプリケーションファイアウォールを利用している回答者は80%だった一方、専用のAPIセキュリティツールを利用しているのは35%にとどまった。

APIは、ソフトウェアシステムがデータやコマンドをやり取りするためのインターフェースである。エージェント、モデル、データベース、業務アプリケーションをつなぐ接続レイヤーを形成する。

無許可のチャットボットセッションは情報を漏えいさせる可能性がある。過剰な権限を与えられたエージェントは、チケットの変更、返金処理、メッセージ送信、制限されたシステムへの照会も行えてしまう。

したがって、管理されたAIはモデル品質だけで競争できない。有用な統合、限定的な権限、信頼できるログ、影響の大きい操作に対する人間の承認が必要になる。

こうした保護策によってあらゆる作業が苦痛になれば、従業員は利用を避ける。完全になくせば、組織は利便性と許容できない露出を区別できなくなる。

優れた設計では、一般的で低リスクの操作を容易にする。機微なデータ、通常と異なる接続先、個人アカウント、影響の大きいコマンドに対してのみ、追加の摩擦を設ける。

これはポリシー上の課題であると同時に、プロダクト上の課題でもある。安全でない近道を一貫して報いるインターフェースを、企業は研修だけで克服することはできない。

Google Newsの見出しだけでは立証できないこと

根底にあるリスクには信頼性があるものの、切り詰められた見出しだけでは、企業のAI利用全体のほぼ半分が統制を回避しているとは独立して証明できない。

Google Newsの項目では、「bypasses」の直後で主張が切れている。どの統制を指すのか、測定期間、サンプル、地域、分母はいずれも示されていない。

こうした欠落が正確な解釈を妨げる。「企業のAI利用のほぼ半分」は、ユーザー、アカウント、セッション、エンドポイント、組織、アップロード、あるいは別の測定カテゴリを指している可能性がある。

公開インデックスに載っているAkamaiおよびLayerXの資料は、いくつかの隣接する知見を裏付けている。しかし、この文を読み得るあらゆる解釈を同一視できるわけではない。

LayerXは、企業ユーザーの45%が企業エンドポイントでAIツールにアクセスしていたと報告した。また、アップロードされたファイルの40%と貼り付けテキストの22%に機微なコンテンツが含まれていたと別途報告している。

同社は、ソフトウェアサービスにおける個人アイデンティティの広範な利用についても報告した。2025年のアイデンティティ調査では、SaaSへのアクセスの40%が個人認証情報を使用し、67%がSSOを回避していた。

これらの統計は、異なる母集団と行動を説明している。それらを一つの包括的な主張にまとめれば、調査が公表していない数字を作り出すことになる。

したがって第一の注意点は、分母の規律に関するものだ。読者は、ある割合を普遍的な導入率として扱う前に、何が数えられたのかを問うべきである。

第二の注意点は、ベンダーのテレメトリーに関するものだ。セキュリティプロバイダーは、自社製品をすでに導入した顧客の活動を分析することが多い。

そのような組織は、同等の監視を導入していない企業とは異なる可能性がある。業界、規模、ポリシー、リスクプロファイルが測定結果を形作り得る。

テレメトリーは記憶だけに依存せず行動を観測するため、依然として価値がある。ただし、それがすべての企業や従業員を自動的に代表するわけではない。

調査には別の限界がある。回答者は定義を誤解したり、禁止された活動を過少申告したり、AIプログラムが異例に成熟した組織を代表していたりする場合がある。

したがって独立した調査では、複数の証拠形式を比較すべきだ。有用な情報源には、エンドポイントテレメトリー、ネットワークログ、アイデンティティ記録、従業員調査、インシデント報告、規制当局への開示が含まれる。

第三の注意点は、「回避」という言葉に関するものだ。個人ログインは企業のアイデンティティ管理を回避することがあっても、すべてのセキュリティ統制を回避するとは限らない。

エンドポイントでは、依然としてデータ損失防止ソフトウェアが稼働しているかもしれない。ネットワークでは、依然として特定の接続先を遮断しているかもしれない。プロバイダーは、依然として消費者向けプライバシー設定を提供している場合がある。

逆に、承認済みアカウントであっても、SSOを経由すればリスクがなくなるわけではない。過剰な権限、弱い保存ルール、プロンプトインジェクション、不正確な出力は依然として起こり得る。

この区別により、単純化された結論を避けられる。管理されていることは安全を意味せず、管理されていないことは侵害が確認されたことを意味しない。

Akamaiが委託した2025年の企業AI調査は、より広い懸念を示している。世界のディレクター級回答者400人のうち、63%がAIアプリケーションにおける主要な課題としてセキュリティ上の懸念を挙げた。

同じ調査では、55%が技術またはプラットフォームの不足を挙げ、55%がコンプライアンスおよび規制上の懸念を挙げた。45%は、アプリケーションが意図どおりに機能しないことを懸念していた。

これらの知見は、ガバナンス上の圧力がシャドーアカウントを超えて広がっていることを示す。組織は、正式な導入環境の中でも、性能、信頼性、コンプライアンス、ブランドへの影響を懸念している。

第四の注意点は因果関係に関するものだ。シャドーAIはしばしば従業員の不正行為として描かれるが、利用可能な証拠は単一で普遍的な動機を支持していない。

一部の従業員は意図的にルールを無視する。ほかには、不明確なポリシー、不足しているツール、遅い承認、あるいはITがすでに承認した製品に組み込まれたAI機能に直面する人もいる。

リーダー自身が矛盾したインセンティブを作り出すこともある。迅速なAI導入を求め、チームをスピードで評価したうえで、従業員がその目標を達成できなくなる制約を課す。

信頼できる分析は、両方の側面を併せて扱わなければならない。ユーザーには機微な情報を適切に扱う責任がある一方、組織には実行可能で承認済みの経路を提供する責任がある。

規制に関する予測にも注意が必要だ。Gartnerは、無許可のシャドーAI利用を通じて、2030年までに企業の40%がAI関連のセキュリティまたはコンプライアンスインシデントを経験すると予測している。

Gartnerの予測を扱った報道で要約されているように、この数値は予測されるインシデントに関するものだ。現在の侵害件数ではない。

予測は露出リスクを特定できるが、特定の組織でデータが失われたことを確認するものではない。購入者は、リスク推計を完了した攻撃に関する主張へと変換することを避けるべきだ。

不完全なフィード項目は、最後にもう一つの編集上の問題を生む。Google Newsは集約レイヤーであり、根拠そのものではない。

表現は、直接の発表、方法論、完全な報告書に従うべきだ。完全な主張と分母が確認できるまでは、「ほぼ半分」は確立された普遍的事実としてではなく、帰属を付けて扱うに値する。

だからといって、この話題が重要でなくなるわけではない。検証の空白自体が、この話の一部となる。

企業が統制を取り戻すかを示す三つのシグナル

次の段階は、アカウントの可視性、機微なデータの移動、AIエージェントに付与された権限によって測られる。

第一のシグナルは、管理された企業アイデンティティに紐づくAI活動の割合だ。企業は、従業員が時間の経過とともに個人アカウントから承認済みサービスへ移行しているかを追跡すべきである。

個人アカウントの比率が低下すれば、有用な企業向けツールがシャドーAIを減らせるという見方が強まる。比率が横ばいまたは上昇すれば、ポリシーやライセンスが行動を変えていないことを示す。

この指標は部門と業務別に分けるべきだ。開発者、マーケター、アナリスト、サポートチーム、経営幹部は異なるツールを使い、異なる情報を扱う。

全社平均は、集中した露出を隠す可能性がある。コード、顧客記録、法務文書を扱う小規模なグループが、機微な情報転送の大半を生み出しているかもしれない。

アイデンティティの測定にも明確な分母が必要だ。組織はユーザー、セッション、転送、アプリケーションを分けて報告すべきである。

第二のシグナルは、AIサービスへ移動する機微なデータの割合だ。これには、貼り付けテキスト、ファイルアップロード、フォーム入力、ブラウザ拡張機能、APIリクエストが含まれる。

有用な測定では、ブロックされた試行と完了した転送を区別する。また、承認済みの企業アカウントと、個人または不明なアイデンティティを分ける。

正当なAI利用が増える一方で、完了した機微なデータ転送が減少するなら、ガバナンスは改善している。ブロックされた試行だけが増えるなら、従業員は単により多くの摩擦に直面しているだけかもしれない。

セキュリティチームは、ユーザーがブロックされた後にどこへ向かうかも調べるべきだ。承認済みアシスタントへ作業を誘導する警告は、ワークフローを終わらせるだけの警告より有用である。

根底にある目的は、ポリシー違反の件数を増やすことではない。価値ある仕事を維持しながら、不必要な露出を減らすことだ。

組織は、従業員が自らの資料を検索、要約、接続するための管理された方法を提供することで、この目的を支援できる。ローカルなセカンドブレインは、無関係なサービス間で繰り返しコピーする必要を抑えられる。

第三のシグナルは、AIエージェントに割り当てられた権限プロファイルだ。企業には、各エージェントがどのシステムを読み取り、書き込み、起動できるかを示すインベントリが必要である。

読み取り専用アクセスは一つのリスク水準をもたらす。メッセージ送信、財務記録の更新、コード変更、取引承認の権限は、別のリスク水準をもたらす。

企業は、デフォルトアクセスの削減、認可期間の短縮、操作レベルのログ、影響の大きいコマンドに対する承認ゲートを監視すべきだ。

ここではAPIの可視性が決定的になる。ユーザーがブラウザで作業を始めたとしても、エージェントはしばしばAPIを通じて動作する。

セキュリティチームは、人間のアイデンティティ、エージェントのアイデンティティ、モデルへのリクエスト、ツール呼び出し、その結果としての業務アクションを結び付けなければならない。各コンポーネントが分断されたログでは、完全な判断過程を再構成できない。

企業が多数の未知のエージェントや過剰な権限を発見すれば、このシグナルはAkamaiの論点を強める。インベントリが限定的で監視され、意図的に付与されたアクセスを示せば、その論点は弱まる。

プロダクト発表は、運用データほど重視すべきではない。ベンダーは今後もAIゲートウェイ、セキュアブラウザ、モデルファイアウォール、エージェント制御システムをリリースし続ける。

真に重要なのは、それらの製品が行動を変えるかどうかだ。未知のアカウントの利用減少や、機微情報の転送減少は、導入件数よりも強力な証拠となる。

経営幹部は、承認済みツールに対する従業員の満足度も注視すべきだ。利用率の低さは強力な統制を示す場合もあるが、従業員が価値あるAIの利用そのものをやめたことを示している可能性もある。

成熟したプログラムは、安全性と有用性の両方を測定する。関連する成果指標には、タスク完了、導入率、エラー率、レビュー時間、ポリシー例外、確認済みインシデントが含まれる。

企業が直面している判断は、従業員がAIを使うかどうかではない。その行動はすでにブラウザー、ソフトウェアスイート、開発環境に広がっている。

問われるのは、公式システムが十分に有用となり、その活動を可視化できるチャネルへ呼び戻せるかどうかだ。セキュリティチームは、見えないものを統制できない。

したがって、Akamaiの警告は直接的な見直しを促すべきである。どのAIアカウントが稼働しているのか、どの情報がそこに届いているのか、そしてどのエージェントが会社のシステム上で操作できるのか。

Google Newsの切り取られた主張については、読者が「ほぼ半数」を普遍的な割合として受け取る前に、完全な方法論を確認する必要がある。周辺の証拠はすでに、より限定的な結論を裏付けている。

企業におけるAI導入は、従来のアカウントおよびアプリケーション管理を追い越した。この隔たりを埋める組織は、承認済みの経路を使いやすくし、ブラウザーを計測可能にし、エージェントの権限を制限する。

今月、一つの実践的な監査から始めよう。管理対象のAIセッションと個人利用のAIセッションを測定し、機微情報の転送を特定し、書き込み権限を持つすべてのエージェントを一覧化する。この3つの視点により、AIガバナンスが運用に存在するのか、それともポリシー上にしか存在しないのかが明らかになる。