シャドーAIとは、IT部門の承認や監視を通さずに、従業員が業務でAIツールを利用する行為を指す。従来のシャドーITと同様に、こうした未承認の利用は深刻な危険性をもたらす。とりわけ、個人情報などの機密データが未検証の外部AIツールに送信された場合、データ漏えいや規制違反、セキュリティの抜け穴といった深刻な危険性をもたらす。

　管理の目が行き届かない私用端末の業務利用（BYOD）や、私用スマートフォンでのテザリングなどは、企業内におけるシャドーAIの拡大を加速させる。IT部門がネットワークの可視化や継続的な監視を実施しない限り、こうした危険性は気付かれないまま放置されがちだ。

　シャドーAIの脅威はすでに表面化している。IBMが2025年7月に発表したレポート「Cost of a Data Breach Report 2025」は、2024年3月から2025年2月までにデータ侵害を経験した600件の企業に所属する、セキュリティおよびビジネスリーダー3470人を対象とした調査結果をまとめたものだ。調査対象企業の20％がシャドーAIに起因するデータ侵害を経験しているにもかかわらず、AI利用のガバナンスルールを定めたりシャドーAIの活動を検出したりしている企業はわずか37％に過ぎなかった。

　この対策の遅れは重大な弱点を浮き彫りにしている。氏名や住所といった個人を特定できる情報（PII：Personally Identifiable Information）を含む機密データがいつでも漏えいする恐れがあり、企業の信用と評判の両方を危険にさらしているという事実だ。

ネットワークにシャドーAIが潜む5つの兆候

　企業にとって、シャドーAIは気付かない場所で脅威と隣り合わせになる「見えない戦場」になっている。ネットワーク全体がスムーズに稼働しているように見えても、IT部門が積極的に探し出さない限り、裏側で未承認のツールやプロセスが静かに動いているケースは珍しくない。

　ネットワーク内にシャドーAIが入り込んでいることを示す主な兆候は以下の通りだ。

兆候1．外部AIツールに向かう通信の変化

　ネットワークにシャドーAIが存在することを示す初期の一般的な兆候として、送信トラフィックの分布の変化が挙げられる。具体的な変化の例は次の通りだ。

• 外部AIツールの接続先に対する通信頻度が急増している
• 通常のWeb閲覧と比べ、データを書き込む「POST」リクエストが頻発している
• 標準的なSaaS（Software as a Service）利用時と比べ、送信されるペイロード（通信データの中身）が肥大化している

　ネットワークの構成によっては、システム同士がやりとりしやすい「JSON」などの形式のデータが定期的に送出されるケースもある。静的なWebページを読み込むのではなく、AIモデルに回答を生成させる推論処理やAPI（アプリケーションプログラミングインタフェース）に対して、反復的に通信する様子がトラフィックに現れるのだ。

　対策としては、プロキシサーバやファイアウォールのログを確認する。セキュリティプロトコル「SSL／TLS」による復号を実施している場合は、異常に長いテキストや入力フィールドを含む外部宛てのJSON形式のデータがないかどうかを調査する。

兆候2．未検証の接続先からのAPIトラフィック

　AIツールの大半はAPIを通じて利用されるため、その通信は通常のアプリケーションのトラフィックに紛れ込みやすい。未承認のAIツールの利用を示唆する兆候には以下のものがある。

• 一般従業員のPC、開発用の検証用システム、管理外のデバイスで実行されたAPI呼び出し
• 本来想定されるシステムやネットワークの外部で観測された認証トークン
• 社内の集約用サーバやゲートウェイを経由せず、直接外部に向かうAPI通信

　ネットワークの振る舞いを分析すれば、社内で許可されたアプリケーションと一致しないAPIの利用を発見できる可能性がある。事前の連携記録がない新しい外部接続先の出現も同様だ。こうした傾向は、特にシステム開発が盛んな企業において、部署ごとのAPI利用や未承認のAPI利用を示しているケースが目立つ。

　対策としては、送信トラフィックを監視し、企業が承認した公式アカウントと一致しないAPIキーやトークンが使われていないかどうかを確認する。

兆候3．一貫性のある非対話的なトラフィックの挙動

　裏で自律的に動くAIエージェントなど、自動化されたプロセスは、人間が手動で操作するようなばらつきのないトラフィックを生成する傾向がある。観測可能なパターンは以下の通りだ。

• 一定の予測可能な間隔で定期的に発生する通信リクエスト
• 通常の業務時間を超えて夜間や休日も続くネットワーク活動
• 長期間にわたって繰り返される、同じデータサイズや類似した構造を持つリクエスト

　とはいえ、これらの特徴はAIツールを用いた通信のみに見られるわけではない。通常のシステム監視やバックアップ、定期実行されるジョブも同様のトラフィックを生成し得る。両者の違いは、その挙動がきちんと文書化されており、社内で想定された業務の通信量と一致しているかどうかにある。

　対策としては、ネットワークの可視化を推し進め、通信の発生源を特定する。未承認のトラフィックを見つけた場合、IT担当者はその通信を遮断・制限し、以降も定期的なチェックのために監視を継続する必要がある。

兆候4．業務効率化ツールにおけるOAuth権限の急増

　現代の企業はデジタルシステムに深く依存しており、多様なツールが従業員の日々の働き方を形作っている。ツール同士の連携は共同作業を円滑にし、重複する作業を省いてくれる。しかし、利便性と引き換えにセキュリティが犠牲になるというトレードオフが生じている。

　従業員は、会議の議事録作成やカレンダー調整などの目的で、社用の「Google Workspace」や「Microsoft 365」アカウントに外部の便利ツールを接続しがちだ。この際、別サービスの情報を利用して連携を許可する「OAuth」（Open Authorization）という認証プロトコルが使われる。シャドーAIは、こうした社内システムと連携する外部サービスを通じて入り込むパターンが散見される。具体例は次の通りだ。

• 過去に通信記録がない、未知の外部ドメインへの接続
• 初回のログイン認証や認可の処理が終わった後も延々と続く通信
• 誰が管理しているのか不明な状態で実行される、社内データと外部サービス間のやりとり

　日数が経過するにつれて、管理外の外部ツールとの連携は増殖する。結果として、IT資産の台帳で追跡できない外部サービスへの依存が高まる恐れがある。こうした通信の傾向は、承認済みのサービス一覧や、把握している連携箇所と照らし合わせて評価しなければならない。

　対策としては、認証システムのログを監視し、メールの読み書きやカレンダーの操作など、過剰な権限を要求してくる未検証の外部サービスを見つけ出す。

兆候5．暗号化された送信データの増加

　AIツールとのやりとりの大半はHTTPSで暗号化されるため、通信の中身を直接のぞき見ることは難しい。そのため、監視の網をすり抜けて外部にデータが転送されている兆候を捉える必要がある。具体的な兆候の例は以下の通りだ。

• 通常よりもデータ量が膨大に膨れ上がった、暗号化された送信セッションが継続している状態
• 同じようなサイズのデータが反復的に転送されている状態
• 受信（インバウンド）に対して、送信（アウトバウンド）のデータ比率が不釣り合いに高い状態

　一般的なテキスト対話型のAIツールであれば、むしろ受信データの方が大きくなる。送信データが極端に突出している場合、社内の機密文書を大量にアップロードしたり、学習用データとして流用したりしている危険なサインと見なすべきだ。通信内容は暗号化されているため、分析には「いつ／どこへ／どれだけの量を送ったか」というメタデータが鍵となる。これはデータの機密性を断定するものではないが、外部サービスに機密ファイルが移動している可能性を強く示唆する。

　対策としては、メタデータを活用し、通常とは異なる通信をあぶり出す。未承認のトラフィックを発見した場合は、当該通信のネットワークアクセスを制限して遮断する。

　次回は、シャドーAIが原因で発生し得る主要な問題と、その解消策を紹介する。