Shadow AIが制御モデルを崩す中、KasperskyのAIセキュリティ支出が増加
Kasperskyによると、従業員が外部AIツールを業務に持ち込み続ける中、AI導入を受けて企業の41%が情報セキュリティ投資を増額した。KasperskyのAIセキュリティ支出データは、セキュリティチームが別の単体製品を購入するだけでは解決できない対立を示している。企業はAI導入の加速を望む一方で、既存の管理策ではAIがすでにどこで稼働しているかを把握できないケースが少なくない。
この調査結果は、18カ国のITおよびサイバーセキュリティ分野の意思決定者・専門家1,800人を対象としたグローバル調査に基づく。回答者はテクノロジー、製造、金融、小売、卸売などの業界に属していた。Kasperskyは2026年7月29日に世界全体の結果を公表し、9月には地域別レポートによってこの数字への注目が再び高まった。
これは単なるセキュリティ予算の話ではない。より難しい問題は、承認済みのエンタープライズAIと、正式な承認や監督を受けずに利用されるAIツール、すなわちシャドーAIとの隔たりが広がっていることだ。組織は導入と保護の双方に資金を投じているが、従業員は個人アカウント、ブラウザ拡張機能、特化型アシスタント、組み込みAI機能を通じて、依然として企業情報を外部へ移動させることができる。
したがって中心的な争点は、統制されたAI導入と従業員主導の導入との対立にある。外部ツールを遮断すれば、利用実態がさらに見えにくくなる可能性がある。すべてを許可すれば、機密データ、認証情報、社内文書、業務プロセスが、セキュリティチームの評価を受けていないシステムにさらされかねない。
KasperskyのAIセキュリティ支出データが実際に示すこと
AI導入が脅威リスト上の項目にとどまらず、セキュリティ予算を直接動かす要因になったという点で、この主要指標は重要だ。
Kasperskyのグローバル調査によると、AI導入を理由に情報セキュリティ投資を増やした企業は41%に上った。報告されたその他の要因には、侵害コストの上昇、クラウド移行、最近のセキュリティインシデントが含まれる。
この結果は、41%がシャドーAIだけを理由に予算を拡大したことを意味しない。また、各社の増額規模も明らかにしていない。公表された調査結果は、導入と支出判断の関係を示すものだが、金額の合計や予算増加率の分布は示していない。
より広範な回答は、なぜ予算が動いているかを説明する手がかりになる。回答者の19%は、AIの脆弱性を現在もっとも危険な脅威の一つとして挙げた。フィッシングは22%でこれを上回り、大規模マルウェア攻撃が20%で続いた。
これらの数字は、AIリスクが既存のエンタープライズ脅威に近い水準にあることを示す一方、それらに取って代わったわけではない。セキュリティリーダーは従来のシステムを保護しつつ、モデルへのアクセス、プロンプト、プラグイン、エージェント、学習データ、AI生成コードも責務の範囲に加えなければならない。
Kasperskyによると、この圧力は金融、政府、テクノロジー分野で特に重要だ。これらのセクターは価値の高いデータを扱い、攻撃者が強く標的にする動機を持つシステムを運用している。また、ナレッジワークや顧客向けプロセスを自動化する大きな圧力にも直面している。
導入はセキュリティプログラムの追随を待っていない。Kasperskyは、調査対象企業の81%が大規模言語モデルを活用した社内ツールを検討または導入していると報告した。18%はすでにこれらの技術をワークフローに統合していた。
社内AIシステムを持つ企業は、同程度によく挙げられた三つの導入理由を示した。プロセス効率の向上、人為的ミスの削減、顧客向け成果物の改善は、それぞれ当該組織の59%が選択した。
関連するKasperskyのリリースでは、従業員がすでに複数の業務カテゴリでAIを利用していることも明らかになった。データ分析・可視化が54%で最多となり、プロジェクト管理が49%、情報検索が47%で続いた。部門固有の業務は46%、テキスト生成・編集は41%に達した。
こうした用途は多様なデータタイプにまたがる。プロジェクトアシスタントには、顧客要件、期限、従業員の割り当て情報が入力される可能性がある。分析ツールは財務記録、業務指標、エクスポートしたデータベースの内容を処理する場合がある。
その情報がモデル、プラグイン、AI対応サービスに届くたびに、セキュリティ境界は変化する。チームは、誰がデータを提供したのか、どのアカウントが処理したのか、どれほど長く利用可能な状態で残るのか、そのツールがどの接続先システムに到達できるのかを把握しなければならない。
このため、支出の変化は技術的攻撃からモデルを守るだけにはとどまらない。アイデンティティ、データ分類、ベンダーレビュー、ネットワーク可視性、ソフトウェア開発、インシデント対応、従業員教育も対象になる。
Kasperskyには、こうしたニーズを強調する明白な商業的利害がある。同社はセキュリティ製品を販売し、調査とともに自社サービスも推奨している。読者はこれらの割合を市場全体の独立した測定値ではなく、ベンダー提供の調査証拠として扱うべきだ。
それでも、このサンプルは18カ国のセキュリティ重視の専門家1,800人を対象としている。調査結果は明確な組織的懸念を捉えている。AIプロジェクトは、当初のソフトウェアライセンスやインフラ予算の外で費用を生み出している。
アシスタントが一つ増えるごとに、新たなアイデンティティ経路、データフロー、ベンダー依存が生じうる。社内モデルが一つ増えるごとに、インフラ、監視、アクセス、テストの要件が増える可能性がある。セキュリティ支出は、エンタープライズAIの運用コストの一部になりつつある。
これが一つ目の重要な変化だ。AIセキュリティは、企業が主要なモデルを導入した後に始まるものではない。従業員が日常業務をより速く終える方法を探し始めた時点で始まる。
AI導入が攻撃対象領域を拡大している
企業はAI支援型の攻撃者に対処するだけでなく、ミスや悪用が起きる新たな場所を生むAIシステムを自ら追加している。
攻撃対象領域には、攻撃者が到達する可能性のあるシステム、アイデンティティ、インターフェース、データ経路が含まれる。AI導入は、モデルエンドポイント、検索・取得システム、プラグイン、プロンプト入力、自律的なアクション、サードパーティー統合を通じて、この領域を拡大する。
これらの構成要素は、見慣れない組み合わせで、従来からあるソフトウェアリスクをもたらす。弱いアクセス制御は依然として弱いアクセス制御だが、AIエージェントは複数のツールにまたがってそのアクセス権を行使できる。露出した認証情報も依然として危険だが、接続済みのアシスタントはそれを機械的な速度で利用できる。
Kasperskyは、AIおよび大規模言語モデルのサービスに影響する記録済みの脆弱性が急増したと報告した。同社の脆弱性分析では、2026年第2四半期に935件の脆弱性が確認された。
同社の脆弱性管理データによると、この数値は2025年第4四半期に記録された水準の10倍だった。Kasperskyは第2四半期の脆弱性のうち119件を重大と分類しており、2025年後半の水準のほぼ5倍に当たる。
最も一般的なカテゴリには、弱いアクセス制御、認証または認可の不備、インジェクション脆弱性が含まれた。インジェクションとは、改ざんされた入力によって、システムによる命令の解釈や接続先アクションの実行方法が変わることを指す。
この増加には慎重な解釈が必要だ。記録された脆弱性の増加は、導入の拡大、研究者の注目度の上昇、開示の改善、あるいはソフトウェア品質の実際の低下を反映している可能性がある。公表された合計値は、それらの影響を切り分けていない。
それでも、これらのカテゴリは具体的なエンジニアリング上の課題を示している。企業はモデルそのものを検証するだけでなく、モデルを取り巻くソフトウェアも保護しなければならない。認証、権限境界、入力処理、ログ記録、依存関係管理は引き続き不可欠だ。
AIエージェントはテキストを生成するだけでなく、行動を起こせるため、リスクを高める。メール、クラウドストレージ、コードリポジトリ、カレンダーに接続されたアシスタントは、単独のチャットボットよりも大きな潜在的影響を持つ。
エージェントは帰属判断も複雑にする。正当な従業員がアクションを承認していても、操作されたコンテキストによってシステムが最終的に何を行うかが変わる可能性がある。セキュリティログには、ユーザーの要求、モデルの判断、ツール呼び出し、対象リソース、結果として生じた変更を残さなければならない。
OWASP Foundationのエージェント型セキュリティガイダンスは、このより広範なガバナンス問題を扱っている。同団体の2026年の取り組みは、開発、導入、アイデンティティ、監督をまたぐ統制によって、自律システムを保護することに焦点を当てている。
このアプローチが重要なのは、従来のエンドポイント保護ではワークフローの一部しか見えないからだ。従業員が承認済みのウェブサイトに制限対象の資料を貼り付けていても、ブラウザセッションは正当なものに見える可能性がある。有効なエージェントトークンであっても、安全でないアクションを認可してしまうことがある。
したがってセキュリティチームには、複数の証拠レイヤーが必要となる。AIサービスのインベントリ、データ移動の可視性、接続されたアイデンティティに対する統制、高い影響を及ぼすアクションのレビュー手順が求められる。
同じ原則はAI生成コードにも当てはまる。開発者は、セキュリティ特性を理解しないまま、提案された依存関係や設定を受け入れることがある。その結果は通常のソフトウェアサプライチェーンに入り、本番環境に到達する可能性がある。
Kasperskyはまた、2026年の最初の4カ月間に、中小企業を標的とした3万3,300件超の攻撃を同社システムが検知したと述べた。これらの攻撃では、悪意のある、または望ましくないPCソフトウェアが、人気のAIサービスを装っていた。
同社によると、この合計は2025年の比較可能な期間のほぼ5倍だった。この結果は、攻撃者が実際のモデルを侵害せずにAIへの需要を悪用できることを示している。従来型のソーシャルエンジニアリングが、AIのブランドを利用して広がる可能性がある。
実務上の教訓は、AI専用の検知機能を購入することより広い。企業はAIガバナンスを既存のセキュリティ分野と結び付ける必要がある。資産管理、アイデンティティ制御、セキュア開発、ベンダー評価、インシデント対応は、導入状況について同じ視点を共有しなければならない。
これは最高情報セキュリティ責任者に圧力をかけるが、テクノロジー部門と事業部門のリーダーにも及ぶ。AIサービスを購入する部門は、その購入がセキュリティ予算を通らなくても、セキュリティ上の判断を下している。
社内アシスタントを構築するチームも、データソースと権限を選ぶ際に別の判断を下している。そのアシスタントがメッセージ送信、記録変更、取引開始の能力を得ると、リスクはさらに変化する。
したがって攻撃対象領域は、ビジネス設計によって形作られる。セキュリティチームは、どのAI機能が価値をもたらし、どの接続が不要なのかを理解しなければ、攻撃対象領域を縮小できない。それには、導入後の承認会議ではなく、導入前の協力が必要だ。
Shadow AIが生産性をガバナンス負債に変える
承認済みツールが、従業員が独自に得られる速度、機能、利便性に追いつかないとき、シャドーAIは拡大する。
Kasperskyは、世界の回答者の31%が、従業員によるサードパーティーAIツールの無統制な利用を一般的なリスク要因とみなしていることを明らかにした。同社はChatGPTやDeepSeekなどのサービスを具体的に挙げている。
リスクは、従業員が意図的にルールを破ることだけに限られない。AI機能は現在、文書作成ツール、検索製品、会議アシスタント、コーディング環境、分析プラットフォーム、ブラウザ拡張機能に組み込まれている。従業員は、AI対応のすべての機能を個別のデータ処理者として認識していない可能性がある。
Kasperskyは、組織の59%が制限付きでサードパーティ製AIを許可していると報告した。その制限には、社名や社内文書のアップロード禁止が含まれていた。さらに23%は、ガイダンスとトレーニングを提供したうえで、無制限のアクセスを認めていた。
これらを合わせると、調査対象の組織の大半は全面禁止を試みていなかったことがわかる。有用なアクセスを維持しつつ、有害な行為を抑えようとしていたのである。
この妥協策を徹底するのは難しい。社内文書のアップロードを禁じるルールは明確に聞こえるが、従業員が断片的な情報を扱い始めると話は変わる。プロンプトにはファイル全体を含めなくても、機密情報が漏れる可能性がある。
営業担当者は、顧客からの反論をアシスタントに貼り付けるかもしれない。エンジニアは、社内エンドポイントを含むコードブロックを送信する可能性がある。採用担当者は、候補者メモや報酬に関する議論の要約をツールに依頼するかもしれない。
それぞれの行為は、機密文書をアップロードするより軽微に感じられるかもしれない。しかし、こうしたプロンプトが積み重なれば、組織内の関係性、製品計画、顧客情報、技術アーキテクチャが露出するおそれがある。
Shadow AIには、業務のために使われる個人アカウントも含まれる。エンタープライズ利用が承認されたサービスであっても、従業員がコンシューマー向けアカウントを選べばリスクは生じる。セキュリティチームは、管理者権限、保持設定、監査記録、集中型のアクセス削除機能を失う可能性がある。
これは、ポリシーだけに依存する対応の主な弱点を示している。文書化されたルールは期待される行動を示すが、ツールを自動的に発見したり、プロンプトを分類したり、未知の統合を無効化したりはできない。トレーニングは人々がリスクを認識する助けになるが、記憶は技術的な統制ではない。
全面禁止には別の弱点がある。従業員には依然として締め切りと成果への期待がある。外部アシスタントによって作業時間を短縮できるなら、一部の利用者は個人端末、別アカウント、あるいは目立たないサービスを求めるだろう。
その結果、企業は管理システムを通じて得られていた限定的な可視性すら失う。ブロックは気軽な利用を減らせる一方、残る活動を測定しにくくする可能性もある。
したがって、より適切な比較は、寛容なアクセスと厳格なセキュリティの対比ではない。可視化され統制されたアクセスと、不可視で場当たり的なアクセスの対比である。承認済みの経路が自発的な導入を促すほど有用であれば、セキュリティは向上する。
その経路には、企業向けサブスクリプション以上のものが必要だ。従業員には、許容されるデータ、対応可能な業務、エスカレーション経路に関する明確な指針が必要である。また、職種ごとに適した承認済みの代替手段も必要になる。
開発者には、コードを理解する支援とリポジトリの文脈が必要かもしれない。研究者には、追跡可能な情報源を備えた文書分析が必要かもしれない。プロジェクトマネージャーには、会議、タスク、意思決定をまたいだ要約が必要かもしれない。
知識集約型のワークフローでは、AIアクセスを許可する前に、チームは共有エンタープライズリポジトリと個人用システムの違いを理解すべきである。実践的なナレッジベースガイドは、所有権、対象範囲、検索に関する判断の整理に役立つ。
企業がこれらの境界を定める前に機能を導入すると、ガバナンス負債が蓄積する。技術的負債と同様に、システムが一見機能している間は表面化しない。コストが見えるのは、監査、インシデント、従業員の退職、ベンダー変更の際である。
AIは、導入が分散的に進むことが多いため、この蓄積を加速させうる。マーケティングチームは中央展開を待たずにアシスタントを有効化できる。開発者は数時間以内に、アプリケーションプログラミングインターフェースを通じてモデルを接続できる。
組み込みAIは、別の盲点を生む。企業は、ベンダーがアシスタントや自動化エージェントを追加する前に、そのソフトウェアプラットフォームを承認しているかもしれない。以前の評価では、新たなデータ経路やモデルプロバイダーを対象としていない可能性がある。
したがってベンダー審査は、重要な機能変更を捉えられるだけの継続性を持つ必要がある。契約では、データ利用、保持、再委託先、インシデント通知、管理上の統制を扱うべきである。技術チームは、設定された挙動がそれらの条件に一致していることを検証しなければならない。
インベントリは出発点だが、それだけでガバナンスになるわけではない。セキュリティチームは、実験と本番運用、低リスクの下書き作成と機密性の高い分析、読み取り専用アシスタントとシステムを変更できるエージェントを区別する必要がある。
この分類が統制を決める。公開的なブレインストーミングツールに顧客記録を渡すべきではない。社内検索アシスタントには、基となる情報源を反映する権限が必要だ。アクションを実行するエージェントには、より狭い権限と強固な承認ゲートが必要になる。
中核となるトレードオフは避けられない。ガードレールを追加するたびに摩擦は増し、統制を外すたびに露出は拡大する。優れた設計はこの緊張関係をなくせないが、結果が最も重大な場所に摩擦を配置することはできる。
企業は、機密情報と重大な影響を伴う行為に最も厳格なチェックを適用すべきである。低リスクの業務には、より簡素な統制を用いることができる。このリスクベースモデルは、すべてのプロンプトを同じ危険度として扱わずに、従業員へ信頼できる経路を提供する。
調査が示すのは圧力であり、証明ではない
Kasperskyの調査結果は、セキュリティリーダーが圧力を感じていることを示すが、支出増がより安全なAI導入につながったことを証明するものではない。
41%という数字は、AI導入を理由に投資を増やした組織の割合を示している。それらの組織がインシデントを減らしたか、Shadow AIを発見したか、データ露出を防いだかは測定していない。
この調査は、複数の業界と国にまたがる意思決定者と専門家もまとめて扱っている。この幅広さは傾向の関連性を高める一方で、組織規模、規制、成熟度、脅威への露出における大きな差を隠す可能性がある。
Kasperskyの公開資料は、完全な質問票、回答分布、サンプリング手順、誤差範囲を示していない。また、41%の数値を投資カテゴリー別にも分けていない。購入者は製品、人員、コンサルティング、トレーニング、インフラに資金を投じている可能性がある。
こうした制約が結果を無効にするわけではない。読者が導くべき結論の範囲を狭めるだけである。この調査が裏付けるのは報告された予算行動に関する記述であり、セキュリティの有効性に関する判定ではない。
ベンダーによるスポンサーシップも、慎重さを要する理由となる。Kasperskyは同じ公開資料内で自社のセキュリティポートフォリオを推奨している。同社の商業的立場が調査を虚偽にするわけではないが、より広範な市場主張には独立した検証が加われば強まる。
リスク指標も回答者の認識に依存している。19%はAIの脆弱性を主要な危険と呼び、31%はShadow AIを一般的な要因として挙げた。これらの回答は、独立して検証されたインシデント件数ではなく、認識と経験を表している。
Kasperskyの別の発表によれば、82%の組織がAIリスクへの懸念を表明した。前年にサイバーインシデントを経験した87%のうち、13%はAI関連の脆弱性に起因する脅威を具体的に報告した。
ここでも、帰属の判断は難しい。AIを冠したマルウェアが関与するインシデントは、モデルサービスが悪用されるケースとは異なる。従業員のプロンプトを通じたデータ漏えいは、悪意ある指示に従ってエージェントが行動するケースとは異なる。
すべての事例を「AIリスク」にまとめると、曖昧な支出につながりかねない。企業は、削減すべき露出を定義しないまま、重複する監視製品を購入する可能性がある。また、ガバナンスをセキュリティチームだけの責務として扱うかもしれない。
米国国立標準技術研究所は、より構造化された出発点を提供している。同研究所の生成AIプロファイルは、生成AIの開発、導入、利用にまたがるリスクに向けてAIリスク管理フレームワークを適用している。
このフレームワークは、ガバナンス、マッピング、測定、管理を軸に取り組みを整理する。この順序により、組織は統制を選ぶ前に文脈を定義するよう促される。また、リスク管理をライフサイクル全体のプロセスとして扱う。
企業にとって「govern」には、所有権、説明責任、ポリシーが含まれる。「map」は、システム、ユーザー、データ、影響を理解することを意味する。「measure」は、テスト、監視、証拠を扱う。「manage」は、その証拠を優先順位付けされた行動へと変える。
この構造は、支出主導の対応における弱点を明らかにする。企業は、AIがどこに存在するかをマッピングする前にツールを購入できる。どの行動が重要かを決める前にアラートを収集できる。リスクの高い慣行が変化したかを測定せずに、従業員を訓練することもできる。
効果的な支出は、観測可能な成果を生むべきである。組織は、どのAIサービスが稼働しているか、どのデータカテゴリーがそれらに届くか、どのIDが外部アクションを承認できるかを把握すべきだ。
また、従業員が承認済みツールを好んでいるかも把握すべきである。承認済みサービスの利用率が低い場合、機能不足、過度な摩擦、弱い周知、不信感を示している可能性がある。これは単なるソフトウェア指標ではなく、ガバナンスの測定である。
セキュリティチームは、新規ツールの審査にかかる時間を追跡すべきである。承認サイクルが長ければ、未承認の代替手段を促す可能性がある。組織が再利用可能なリスクカテゴリーと事前承認済み設定を使えば、迅速な審査は基準の引き下げを意味しない。
インシデント演習も別のテストとなる。企業は、漏えいしたAI認証情報、悪意あるプラグイン、機密性の高いプロンプト、またはエージェントによる不正な変更をシミュレーションできる。こうした対応は、予算総額では見えないギャップを明らかにする。
調達部門は、ベンダー依存関係と退出の選択肢を測定すべきである。組織は、ログをエクスポートできるか、データを削除できるか、統合を取り消せるか、ワークフローを移行できるかを把握する必要がある。製品が利用条件やセキュリティ態勢を変える際、こうした能力は重要になる。
これらのどれも安全を保証するものではない。AIシステムは急速に変化しており、組織は不完全な情報に直面し続ける。合理的な目標は、すべてのリスクを排除したという約束ではなく、証拠に基づく統制された学習である。
KasperskyのAIセキュリティ支出トレンドが意味を持つのは、投資が可視性を改善し、影響を抑える場合に限られる。そうでなければ、予算が増加しても、Shadow AIの拡大と説明責任の弱さは共存しうる。
支出シフトを試す3つのシグナル
次の試金石は、予算増が従業員をさらに見えにくいツールへ向かわせることなく、測定可能な統制を生むかどうかである。
第一のシグナルは発見である。今後数か月にわたり、企業は自社環境全体でAIサービス、個人アカウント、組み込み機能、エージェント統合を特定できるかどうかを報告すべきである。
未知の活動はポリシーで統制できないため、発見は重要である。有用なインベントリは、各サービスを所有者、事業目的、データ分類、ID方式、外部接続の一覧に結び付けるべきだ。
組織がより強力な可視性指標を公表すれば、支出という論拠は支持を得る。これは、セキュリティ投資が未知の活動を管理された活動へ変えていることを示すだろう。可視性が横ばいなら、支出が導入実態から切り離されたままであることを示唆する。
第二のシグナルは、承認済みツールの導入率である。企業は、承認済み利用を、ブロックされた試行、例外申請、代替システムに対する従業員の需要と比較すべきだ。
承認済み利用が高ければ、ガバナンスと生産性が両立できることを示す。また、日常業務で個人アカウントを使う動機も減らせる。回避策が根強く残るなら、既存プログラムがShadow AIに対処しているという主張は弱まる。
承認済みツールの質は、購入したライセンス数より重要である。必要な情報にアクセスできず、専門的な業務を支援できない承認済みアシスタントは、より優れた外部の選択肢に取って代わることはできない。
組織は、どのグループが承認済みの経路を避けるかを検討すべきである。エンジニア、研究者、営業チーム、アナリストにはそれぞれ異なる要件がある。単一の汎用アシスタントでは、すべてのワークフローを満たせない可能性がある。
第三のシグナルは、インシデントの証拠である。企業には、モデルの脆弱性、露出した認証情報、安全でない生成コード、機密性の高いプロンプト、悪意あるプラグイン、エージェントによる無許可の行動を含む、AI関連イベントの一貫した定義が必要だ。
明確な分類があれば、期間や組織をまたいだ比較が改善される。また、主なリスクが攻撃者、ソフトウェアの欠陥、従業員の行動、あるいは過剰な権限のいずれに起因するのかも明らかになる。
再発インシデントの減少は、現在の支出を正当化する根拠を強める。検知件数の増加には、より多くの文脈が必要となる。それはリスクの悪化を示している可能性もあれば、監視の改善によって、これまで隠れていた活動をようやく発見できるようになったことを示している可能性もある。
したがってセキュリティ責任者は、インシデント総数に加え、検知までの時間、封じ込めまでの時間、影響を受けたデータ、事業への影響を併せて評価すべきだ。また、どの統制が失敗し、その後どのような変更が行われたかも記録すべきである。
技術市場も、別の層の証拠を提供する。新たなエージェントセキュリティ標準、更新された脆弱性ガイダンス、より広範な監査支援は、ベンダーが相互運用可能な統制を提供できるかどうかを示すだろう。
AIワークフローは多くのシステムを横断するため、相互運用性は重要である。モデルプロバイダー、IDプラットフォーム、データソース、ブラウザ、エンドポイント、セキュリティサービスは、1件のトランザクションの異なる部分をそれぞれ観測している可能性がある。
組織には、こうしたレイヤーをまたいで接続できる記録が必要だ。その接続がなければ、調査は断片的なログを手作業で再構築する作業になる。自律的な行動は、その遅延のコストをさらに高める。
セキュリティ投資には、ワークフローと統制の両方を理解する人材も含めるべきだ。監視プラットフォームは、あるタスクが特定の部門にとって適切かどうかを判断できない。その判断には、事業責任者、法務チーム、セキュリティ専門家、ユーザーが必要となる。
従業員教育は依然として必要だが、企業は従業員を唯一の問題として扱うべきではない。公式のプロセスが業務上のニーズを満たさないために、スタッフが外部ツールを採用することは少なくない。
持続的な対応策は、安全な行動をより容易にすることだ。つまり、有用な承認済みツール、明確なデータ境界、迅速なレビュー経路、厳密に範囲を限定した権限、そして影響の大きい行動に対する可視化された説明責任を意味する。
Kasperskyの調査は、実際の予算配分の転換を捉えている。AIはもはや、実験、インフラ、生産性向上プログラムだけを通じて資金が割り当てられるものではない。セキュリティは導入コストの一部になった。
未解決の問いは、企業が統制を購入しているのか、それとも単に安心感を購入しているのかという点だ。予算の増加だけでは、それに答えられない。在庫の網羅性、承認済み利用、インシデントの結果なら答えられる。
エンタープライズの購入担当者にとって、直ちに取るべき行動は明確だ。各セキュリティ投資がどのような新しい証拠を生み出すのかを問うべきである。ある製品が可視性を改善できず、アクセスを制限できず、対応時間を短縮できないなら、AIリスクとの結び付きは依然として不確実だ。
開発者は、アシスタントに本当に必要な権限は何かを問うべきだ。ナレッジワーカーは、どのデータが送信しても安全か、そしてどのアカウントがそのやり取りを管理しているかを確認すべきである。リーダーは、方針と実際の従業員行動を比較すべきだ。
KasperskyによるAIセキュリティ支出は、有用な市場シグナルであり続けるだろう。しかし、シャドーAIのほうが、より難しい運用上の試金石である。次の四半期には、企業が導入を促した価値を損なうことなく、実際の業務をガバナンス下のシステムへ取り込めるかどうかに注目したい。
