AIガバナンスの始め方：小規模企業のための1ページ実務ガイド

AIガバナンスは、AI利用の台帳、データ利用ルール、人によるレビュー、ベンダーの確認、インシデント対応経路という5つの管理策から始めます。専任のコンプライアンス部門がない企業にまず必要なのは、それぞれの責任者と、実際に運用していることを示す証跡です。これがあれば、実証できない対策を約束せずに、顧客の質問票に答えられます。

取り組みの整理には、米国国立標準技術研究所のAIリスク管理フレームワーク、NIST AI RMFを使います。第三者認証を取得する事業上の理由があるなら、AIマネジメントシステムの国際規格であるISO/IEC 42001を検討します。一方、自社の役割と用途に適用される法的義務は、EU AI法で別途確認します。それぞれが解決する課題は異なります。

以下のフレームワークの説明とEUの適用日程は、2026年10月20日にNIST、ISO、欧州委員会の公式ページで確認した内容です。本稿は実務上の指針であり、法的助言ではありません。個別の法的義務については、適切な資格を持つ専門家に相談してください。

AIガバナンスとは何か

AIガバナンスとは、誰が、どの業務で、どのデータを使ってAIを利用できるかを定め、AIの回答や行動に誰が責任を負うのかを明らかにすることです。方針でルールを定め、承認、技術的な制限、記録を通じて、現場で機能する仕組みにします。

共同で手入れする庭を思い浮かべてください。植えてよい植物の一覧があっても、誰が門を開けてよいのか、水やりの設備を変更できるのか、傷んだ花壇を直すのかは分かりません。必要なのは、明確な境界、担当者、そして問題を見つけて修復する仕組みです。高性能な園芸道具を買っても、これらは決まりません。

業務でこの違いが表れるのは、サポート用アシスタントが返信の下書きに加えて、返金まで実行するようになる場面です。モデルは同じでも、権限は変わっています。新たな権限が顧客に影響を及ぼす前に、その変更を捉えるのがガバナンスの役割です。

データガバナンスが扱うのは、情報へのアクセス、品質、許可された用途、保存期間です。AIガバナンスでは、そこにシステムの振る舞いが加わります。何を推論・提案・実行してよいか、それをどう確認するか、結果への対応を誰が担うかを定めます。

AIガバナンスのフレームワークを1ページにまとめる

従業員20〜500人の企業なら、用途ごとの影響の大きさに応じて運用を設計します。各管理策に、責任者、ルール、記録をそろえてください。以下は小規模企業向けに作成した実務テンプレートです。認証用のチェックリストではなく、個々のシステムの評価に代わるものでもありません。

対象範囲： 従業員によるAI利用と、営業・サポート・開発で使うAI機能を対象にします。既存ソフトウェアに組み込まれた機能も含みます。
統括責任者： COOまたは創業者が担います。各部門の責任者が自部門のワークフローを管理し、IT・セキュリティ責任者がアクセスと技術的な管理策を担当します。
承認が必要になる変更： 新しい目的、機密性の高いデータソース、社外の利用者・受信者、実行権限を追加する場合は、利用前にレビューします。

レビュー頻度： 四半期ごとに加え、目的、権限、ベンダー側の動作、データが変わるたびに台帳を確認します。これは開始時点の目安です。影響の大きさに応じて頻度を上げてください。
例外の管理： 承認者、理由、制限、期限を記録します。記録のない例外は、把握できていないリスクです。
取締役会・顧客への報告： 対象範囲、管理できていること、未解決事項、次の判断を担う責任者を示します。

このページは簡潔に保ち、台帳と証跡をひも付けます。顧客や従業員の情報を含む記録には、アクセス制限を設けてください。このページは、実際に動いている運用への索引です。

営業・サポート・開発で実践するAIガバナンス

最初に取り組むのは、データ漏えいや顧客への影響につながる可能性が最も高いワークフローです。契約中のサービスを数えるだけでは、重要な権限を見落とします。

ツール名ではなく、用途を台帳に登録する

同じ製品でも、目的や権限が違えば別の項目として登録します。営業文面の作成支援と、顧客レコードに情報を補完するワークフローは、同じベンダーを利用していても分けて扱うべきです。

各項目には、業務目的、責任者、サービスとアカウント、データの種類、接続先システム、読み取り・書き込み権限、影響を受ける人、レビュー方法、承認状況、最終レビュー日を記録します。自社で構築したシステムなら、稼働中のモデルまたはサービス構成と、変更記録へのリンクも加えます。

部門責任者には、ブラウザー拡張機能、会議アシスタント、コーディングアシスタント、自動化、既存ソフトウェア内で有効にしたAI機能も挙げてもらいます。回答を、確認できる請求情報やアクセス記録と照合してください。把握できた範囲は正確に説明します。従業員への調査とアカウントの確認は、利用実態を探る手段であって、未承認の利用をすべて発見した証明にはなりません。

たとえば従業員30人の会社を想定すると、創業者が台帳を管理し、営業・サポート・開発の責任者が自部門の記載内容を確認する形が考えられます。常設の委員会をつくらずに、判断を仰ぐ先を明確にできます。

AIガバナンスポリシーでは、使えるデータの範囲を明記する

ルールは、従業員が実行できる具体性で書きます。どのアカウントで、どのデータを、どの作業に使えるのかを示してください。「責任を持ってAIを使う」だけでは、営業担当者は顧客との契約書をチャット画面に入力してよいか判断できません。

初期ルールは慎重に設定します。公開情報は承認済みツールで利用できる一方、顧客レコード、機密のソースコード、社内の営業・取引情報は、サービスと用途の個別承認を必要とします。認証情報やシークレットをプロンプトに含めてはいけません。機微な個人情報は、非公式な例外扱いではなく、明示的な評価を経て扱います。

承認の前提となる保存設定、アクセス権限、契約上のデータ利用条件、対象の連携機能も記録します。ベンダーがモデルの学習利用について説明していても、それだけではプロンプトの保存先やアクセスできる人までは分かりません。それぞれ別に確認が必要です。

従業員向けルールには、公開中のAI利用ポリシーのテンプレートを活用できます。このガバナンスの運用にひも付け、例外にも責任者とレビュー日を設けてください。

影響が生じる前に、人のレビューを入れる

レビュー担当者には、元の情報、明確な基準、十分な時間、出力を却下する権限が必要です。それらがないまま承認ボタンを押しても、十分な防止策にはなりません。

営業では、価格、セキュリティ、契約条件に関する約束を見込み顧客に伝える前に、人が確認します。サポートでは、アシスタントが承認済みの資料を基に下書きを作り、返金、アカウント変更、機微な情報の開示は、指名された従業員が確認します。開発では、生成された変更にも、ほかの変更と同じコードレビュー、テスト、リリース管理を適用します。

ワークフローごとに、公開や適用を止めるべき不合格条件を定めます。他の顧客の情報を漏らすサポート回答は、文章がいかに自然でも不合格です。単体テストに通っても、認可の仕組みを回避するコード変更は受け入れられません。

ツールを使って操作を実行できるソフトウェアであるAIエージェントには、出力のレビューに加えて、権限の制限が必要です。アクセスできるアカウント、レコード、実行できる操作を限定します。書き込み権限を付与する前に、その制限が機能するかテストし、権限を取り消す手段も確保してください。

ベンダーと、実際に使う構成を確認する

購入するサービスを、プラン、アカウントの種類、連携機能まで含めて評価します。一般的なセキュリティ紹介ページは参考資料にはなりますが、自社の構成を説明するものではありません。

次の確認事項を簡潔に記録します。

• データの扱い： どの入力、出力、メタデータが保存されるか。学習に使われるか。削除のための管理機能はあるか。
• 契約とデータ処理： 契約で何が許可されているか。他にどの事業者がデータを処理するか。インシデント時にどのような対応が約束されているか。
• IDと権限： アクセスを管理し、退職者の利用を解除し、接続先システムを制限できるか。
• 運用上の証跡： このワークフローについて、どのようなログ、変更通知、サポート窓口を利用できるか。
• 利用終了と障害対応： 機能を無効にし、認証情報を失効させ、サービスがなくても必須業務を継続できるか。

回答のない項目は、未解決として扱います。顧客データや取り消せない操作に関わる不明点があるなら、利用範囲を狭めるか、具体的なリスクを文書化し、担当者が受け入れるまで利用を止めておきます。

既存のインシデント対応手順につなぐ

安全でない回答、データ漏えい、無権限の操作、不正利用の疑いを、従業員が迷わず報告できる経路を用意します。最初に対応する人が、連携を無効にできる人と、再開の可否を判断する人を把握している必要があります。

対象のワークフロー、時刻、関係するデータ、問題の出力や操作、権限、取得できるログを記録します。証跡へのアクセスは制限してください。問題を封じ込め、誰に影響が及んだかを確認し、契約や適用される規則に基づく通知義務への対応責任者を決めます。

そのうえで、機能しなかった管理策を修正します。サポート用アシスタントがアクセス制限された文書を漏らした場合、回答を削除しても文書へのアクセス権限は直りません。権限の変更を確認し、問題が起きた条件で再テストして、再開の判断を記録します。

従業員150人の企業を想定するなら、既存のセキュリティインシデント対応責任者が、サポート責任者と連携して進められます。セキュリティ専任者がいない場合は、アクセスを取り消せる人と、上位の対応へ切り替える判断を担う経営責任者を指定してください。

AIガバナンスの基準を整理する：NIST・ISO・EU AI法

リスク判断の整理にはNIST、マネジメントシステムの構築にはISO、適用される法的義務の確認にはEU AI法を使います。この3つを同じものとして扱うと、質問票への回答が誤解を招きます。

実態を確認できるワークフローにNISTを当てはめる

NISTの各機能は、一度チェックすれば終わる4項目ではなく、継続するプロセスです。公式のAI RMF Coreは、状況に応じた調整を明示的に認め、ガバナンスをほかの機能全体にまたがるものとして説明しています。

サポート用アシスタントに当てはめると、たとえば次のように整理できます。

• Govern（統治）： サポート責任者が利用を管理し、COOが許容するリスクの範囲を承認し、IT担当がアクセスを制御します。
• Map（状況の把握）： アシスタントが読む顧客情報、回答を受け取る相手、誤回答がもたらし得る損害を文書化します。
• Measure（測定）： 代表的なケースと難しいケースを確認します。アクセス制限された情報を取得しようとするケースも含め、結果と未解決の制約を記録します。
• Manage（管理）： アクセスを制限し、必要な箇所でレビューを求め、問題を監視します。定めた限界を超えた場合は、ワークフローを無効にします。

これは適用例です。実際に行ったことがこの内容なら、「NIST AI RMFを用いてリスク管理を整理している」と説明します。その説明を裏付ける証跡も保管してください。

AIガバナンスの認証は、対象範囲と事業上の必要性で判断する

ISO/IEC 42001が対象とするのは、組織のAIマネジメントシステムです。公開されている説明では、プロセスを確立し、運用し、評価し、改善するPlan-Do-Check-Actの考え方を採っています。1ページの方針は、その取り組みのごく一部にすぎません。ISOによる規格概要。

認証は、それとは別に行う外部評価です。ISOは規格を策定しますが、組織の認証を自ら行うことはありません。認証は外部の認証機関が実施します。ISOによる認証の説明。

顧客が認証を求める場合、取引先の調達判断で評価される場合、あるいは自社のAI運用に正式なマネジメントシステムが必要な場合に検討します。認証がどの法人、拠点、活動を対象とするかも確認してください。従業員の講座修了証は、自社のワークフローが評価済みのマネジメントシステムの下で運用されている証明にはなりません。

EU AI法の適用日程：始まっている義務と今後の期限を分ける

高リスクAIの日程は変わりましたが、法全体が延期されたわけではありません。欧州委員会によると、AI Omnibusは2026年7月27日に発効し、主要な高リスクAIの適用日を延長するとともに、それまでの企業向けAIリテラシー要件を簡素化しました。欧州委員会の発表。

公式の実施日程には、次の節目が記載されています。

• 2025年2月2日： 当初の禁止事項とAIリテラシーに関する規定の適用開始。
• 2025年8月2日： 汎用AIモデルの義務とガバナンス規定の適用開始。
• 2026年8月2日： 第50条の透明性ルールを含む、原則的な適用開始。
• 2026年12月2日： 2026年8月2日より前に市場に投入されていた、特定の合成コンテンツ生成システムの提供者に対する第50条第2項の経過措置。透明性要件全般の延期ではありません。
• 2027年12月2日： 附属書IIIに該当する高リスクシステム。
• 2028年8月2日： 附属書Iの対象となる規制製品に組み込まれた高リスクAI。

ここでは主な節目を抜粋しています。対応する規定と経過措置は、欧州委員会の実施日程で確認できます。

創業者がまず確認すべきなのは、自社の役割と利用目的です。欧州委員会は、EU市場にAIを投入する、EU域内で稼働させる、または利用する場合、EU域内外の公的・民間の主体が適用対象になると説明しています。また、雇用や信用力評価に関する一部の用途を、高リスクの例として挙げています。従業員数だけでは、適用対象か、高リスクかのどちらも判断できません。欧州委員会の適用範囲・分類に関するFAQ。

顧客向けチャットボットを運用しているなら、適用される開示要件を今確認してください。採用関連の自動化を検討している開発者は、一般的な下書き支援と同様に扱う前に、利用目的を評価します。その評価日と根拠となる情報源を台帳に残してください。

関連するツール選びは、当サイトのEU AI法対応ツールガイドで扱っています。本稿で整理した日程と要件については、上記の公式情報を参照してください。

顧客のセキュリティ質問票には何を添えるべきか

顧客の質問と、自社が提供するサービスに合った証跡を送ります。これだけあれば必ず審査を通過できるという、共通の最小セットはありません。社内の下書き用途を評価する顧客と、本番データにアクセスできる自律システムを購入する顧客では、懸念が異なります。

一般的な業務でのAI利用を初めて審査してもらうなら、次の6点の証跡をそろえます。

1. 承認済みの方針と責任者： 最新の方針、承認日、対象範囲、統括する経営責任者。
2. 関連する台帳の抜粋： 顧客向けサービスに関係するAIの用途。ベンダー、データの種類、権限、責任者を含めます。
3. ベンダーに関する証跡： 対象用途の評価と、その根拠となる契約条件や設定。契約で共有を認められたものを提供します。
4. レビュー・テストのサンプル： 実際の出力や変更を、定めた基準で確認したことを示す記録。機密部分を伏せ、不合格時の対応も含めます。
5. 従業員への説明記録： 誰に該当ルールを伝え、報告・承認経路をどのように周知したか。
6. インシデント対応経路と訓練： 連絡先、停止権限、対応済みインシデントの記録、または訓練であることを明示した記録。

資料を充実して見せるためだけに、機密性の高いプロンプトや顧客データを送ってはいけません。対象範囲を明示した概要を提供し、適切な裏付け資料にはアクセスを制限したうえで確認してもらえるようにします。

質問票への有用な回答は、対象範囲と制限を明示します。以下の管理策を実装している場合に限り、次のような説明を裏付けられます。

AIを使ったサポート返信の下書き作成は、当社のAI利用台帳に登録しています。ワークフローの責任者はサポート責任者です。承認された従業員が送信前に回答をレビューし、連携機能には返金権限を与えていません。インシデントは既存のセキュリティ対応手順で処理します。関連する方針、ベンダー評価、機密部分を伏せたレビュー記録を提供できます。

計画段階の管理策は「計画中」とし、責任者と目標日を示します。サポートしか評価していないなら、営業や開発も対象であるかのように説明してはいけません。「すべてのAIが準拠している」といった広い主張は、裏付けられる具体的な範囲と証跡に置き換えてください。

取締役会には、文書の量よりも判断の内容を報告します。どの用途を承認したか、どれが外部システムを操作できるか、重大な問題は何か、未解決の例外は何か、経営陣の承認が必要な事項は何かを伝えます。件数は自社の台帳を基にし、網羅できていない台帳は、その旨を明記します。

今すぐ取り組むべきこと、後回しにできること

AIが顧客情報を扱う、約束をする、稼働中のシステムを変更できる場合は、今すぐ対応します。権限を広げる前に、現在の権限と責任の所在を整理してください。

創業者： 統括する経営責任者を指名し、非公式なチャットだけで利用を承認する運用をやめます。小規模企業では同じ人が複数の役割を担っても構いませんが、判断はそれぞれ記録する必要があります。

業務運用の責任者： 営業とサポートでは、下書き作成と、実際の影響を伴う操作を分けます。従業員400人の企業を想定するなら、上級の業務責任者は、転送されたメッセージを何度もたどらなくても、各ワークフローの責任者を特定できる状態にすべきです。

開発者： ツールの接続を追加する、データアクセスを変える、構成を大きく変更してデプロイするときは、再評価します。テキスト生成の承認があるからといって、本番環境への書き込みまで承認されたことにはなりません。

導入を決める担当者： 機密性の高い情報へのアクセスを認める前に、ベンダーの証跡を求めます。実際の利用全体で、手作業の記録や承認が確実に回らなくなったら、ガバナンスソフトウェアを検討します。その選定については、AIエージェントのガバナンスプラットフォーム比較で扱っています。

正式な認証も専用のガバナンスプラットフォームも、要求されておらず、現在の管理策で対応できるなら、後回しにできます。害を及ぼさない社内向けの下書きに、アカウントを変更するエージェントと同じ承認手順は必要ありません。目的、データ、権限、リスクが変わらなければ、予定したレビューを行うことを前提に、既存の管理策を継続できます。

AIガバナンス研修は、担当業務に合わせて設計する

研修では、その人が実際に行う判断を扱います。一般的な啓発資料を見せるだけでは、サポート担当者は危険な連携をどう停止するか分かりません。

営業担当者には、裏付けのない製品の約束を含む下書きを渡します。サポート担当者には、異なる顧客の情報が混ざった回答を渡します。開発者には、一見もっともらしくてもアクセス確認を弱める変更を渡します。問題を見つけ、出力を却下し、正しい経路で報告してもらってください。

説明内容、参加者、フォローアップを記録します。ワークフローが変わったときや、インシデントで不足が分かったときは、該当部分を繰り返します。これは運用上の推奨事項であり、すべての企業が特定の講座を購入したり、決まった研修時間を満たしたりする必要があるという主張ではありません。

AIガバナンスで過大評価されがちなものは何か

最も高くつく間違いは、ガバナンスのために作った資料や仕組みを、実際に機能する管理策と取り違えることです。

方針を書いても、認証情報の権限は制限されません。 アシスタントに広い書き込み権限があれば、「承認を求める」と書いても、その権限はなくなりません。ルールと技術的な権限を一致させます。

人のレビューを入れれば安心、とは限りません。 基準、元資料、権限、問題発見時の対応が必要です。見逃しを追跡し、プロセスを修正します。

ベンダーの保証は、自社のワークフローの説明ではありません。 対象サービスと範囲を確認したうえで、自社のデータアクセス、連携、運用上の判断を評価します。

認証を取得しても、すべての出力が正しくなるわけではありません。 認証は、評価されたマネジメントシステムについての証拠として使います。顧客に影響し得る振る舞いは、引き続き確認が必要です。

ダッシュボードは、判断の責任を引き受けません。 リスクを受け入れるか、用途を狭めるか、停止するかは、誰かが決めなければなりません。その人が不明確なまま報告の仕組みを追加しても、穴は埋まりません。

よくある質問

AIがデータガバナンスに取って代わるのでしょうか？

AIはガバナンス業務を支援できますが、データの品質、アクセス、許可された用途、保存期間には、引き続き責任者が必要です。既存の管理策を維持し、AIがデータをどう使い、出力を基にどう行動するかのルールを加えます。

GovAIは何をしている組織ですか？

GovAIは、先端的なAIの研究と、ガバナンス人材を育成するプログラムを通じて、政府や産業界の意思決定者を支援するシンクタンクです。独立した組織の名称であり、企業のコンプライアンス規格の名前ではありません。GovAIのミッション。

AIガバナンスの主な課題は何ですか？

承認された用途と実際の用途を一致させ続けることです。以前の評価では下書きアシスタントとされていても、その後に新しいデータソースや実行権限が追加されることがあります。そうした変更を、再レビューのきっかけにします。

AIセキュリティガバナンスとは何ですか？

情報の取り扱い、アクセス、テスト、デプロイ、インシデント対応といった、AIのセキュリティに関する判断の責任と監督の仕組みです。既存のセキュリティ運用につなぎ、各AIワークフローを無効にできる担当者を明確にします。

AIガバナンスの具体例を教えてください。

サポート用アシスタントが承認済み文書から返信の下書きを作り、指定された従業員が送信前に確認する例があります。アシスタントには返金権限を与えません。企業はベンダー評価を記録し、不適切なデータアクセスがないか確認し、従業員が問題を報告できる経路を用意します。

AIガバナンスは、キャリアとして選ぶ価値がありますか？

技術の振る舞いを、方針、リスク判断、証跡と結び付ける仕事に関心があるなら、検討する価値があります。具体的な職種は、担当する責任と必要なスキルで評価してください。職種名だけでは、業務内容はほとんど分かりません。

AIガバナンス職の給与はどのくらいですか？

その名称だけで意味のある給与額を1つ示すことはできません。地域、職位、担当範囲をそろえて、現在の求人に掲載された給与帯を比べてください。業務リスクを扱う職種、技術的な保証・検証、政策研究は区別する必要があります。これらをまとめた数字では、違いが見えなくなります。

AI時代にも残る5つの仕事は何ですか？

特定の5職種が、変わらず残ると保証することはできません。ガバナンスのキャリアを目指すなら、問題の原因調査、証跡の確認、権限の理解、結果に責任を持つ人への判断の説明など、職種をまたいで使えるスキルに注目してください。

AIガバナンスの仕事は、何から始めればよいですか？

評価する許可がある、範囲を絞ったワークフローから始めます。台帳の項目を作り、起こり得る問題を洗い出し、管理策を提案して、レビューまたは訓練から証跡を作成します。訓練の場合は、その旨を明記してください。こうすることで、方針と実際の運用のつながりを示せます。

次の月曜日に着手すること

営業・サポート・開発の担当者に、現在使っているAIの用途を持ち寄ってもらい、短い作業会を開きます。統括する経営責任者を決め、台帳を埋め、顧客やデータへの影響が最も大きいワークフローを選んでください。

承認済みデータから、出力、レビュー、その後の操作まで、そのワークフローをたどります。誰が停止できるかを確認し、問題が起きた場面を想定して訓練します。不足を記録し、修正ごとに担当者を割り当ててください。その結果を、次の顧客への回答や取締役会への報告に生かします。

企業でAIを運用するための実践的な情報を受け取りたい方は、ニュースレターにご登録ください。