AIへの期待は至る所にある。しかし、AIの統制はそうではない。

今のAIをめぐる状況は、クラウド初期の熱狂、SaaSの乱立、そして暗号資産時代のハイプが一度に起きているように感じられます。

どこを見ても、膨れ上がるトークン請求額をネタにしたミームや、 GPU不足についての動画、 巨額のAI請求書 のスクリーンショット、そして文字どおり何でも「AI搭載」にしたと誇らしげに発表するスタートアップがあります。従業員は人知れずAIサブスクリプションを経費精算し、部門ごとに独自の実験を行い、IT部門が棚卸しする速度を上回る勢いで新しいAIツールが組織内に増えています。

その ユーモアにはもっともな面もあります 。なぜなら、支出は現実であり、実験も現実であり、混乱もまた現実だからです。

しかし、ハイプの下では、企業内でさらに大きな運用上の問題が静かに形成されつつあります。

AIの拡大速度が、ガバナンス、アーキテクチャ、調達、サイバーセキュリティ、財務の各チームが対応できる速度を上回っています。

これこそが、AIブームの表面下で見え始めている本当の物語です。

Shadow AIは新たなShadow ITになりつつある

数年前、組織が懸念していたのはShadow ITでした。従業員が、承認された調達やセキュリティのプロセスを通さずに、SaaSアプリ、クラウドワークロード、各種ツールを立ち上げる問題です。

今、私たちはShadow AIの時代に入りつつあります。

そしてこの問題はさらに大きいものです。AIシステムは、単にデータを保存したりワークフローを自動化したりするだけではありません。推論し、意思決定を行い、APIへ接続し、機密システムへアクセスし、エージェントや自動化を通じて委任された権限で動作するケースが増えています。

現在、多くの組織では、実際のところ誰も次のことを完全には把握していません。

  • 従業員がどのAIツールを使っているのか
  • どのブラウザー拡張機能がインストールされているのか
  • どのAPIが社内システムへ接続されているのか
  • どのデータが外部モデルへ流れているのか
  • どの自律型ワークフローが稼働しているのか
  • どこでトークン支出が積み上がっているのか

これはもはや単なるソフトウェアの乱立ではありません。

インテリジェンスの乱立です。

AIトークン経済はすでに膨張し始めている

Jensen HuangをはじめとするAI業界のリーダーが、今後10年間で社会がAIコンピューティングに途方もない金額を支出することになると考えているのは、おそらく正しいでしょう。

しかし、ハイパースケーラーの経済性と、一般企業の経済性には重要な違いがあります。

多くの企業は、最終的には運用効率を求めます。

現在、多くの組織が、想像できるほぼすべての用途に最先端の推論モデルを使っています。その中には、そもそもそこまでの知能を必要としないタスクも含まれます。

文書を要約したい？
利用可能な最大の推論モデルを使う。

軽量なワークフロー自動化が必要？
最先端モデルを使う。

社内チケットを分類したい？
高価なプレミアムトークンを投入する。

業界はいま、「AIを増やせば自動的に成果も良くなる」という考え方で動いています。

しかし、いずれ運用の現実が表面化します。

CFOはなぜトークン請求額が急増しているのかを問い始めます。調達部門は、実際に何社のAIベンダーへ支払いをしているのかを確認し始めます。CIOは、組織が賢く標準化を進めているのか、それともクラウドの速度でAIの乱立を積み上げているだけなのかを問い始めます。

そのとき企業は、AI成熟度の次の段階へ入り始めます。

合理化です。

すべてのワークフローに最先端モデルが必要なわけではない

GPT-5.5やClaude 4.7のような最先端モデルは、驚異的な技術的成果です。何十億ドル規模の学習投資、高度な推論能力、そしてこれまでに構築された中でも最先端の計算システムを体現しています。

しかし、すべての企業タスクにMBAレベルや博士号レベルの推論能力が必要なわけではありません。

企業の自動化のかなりの部分は、実際には反復的な運用作業、軽量な推論、検索、ルーティング、要約、分類、構造化されたワークフローに集約されます。

だからこそ、より小規模なオープンウェイトモデルやローカルモデルが非常に重要になります。

多くの組織は、企業AIワークロードの大部分が、次のような環境でも十分に実行できることに気づき始めています。

  • より小規模なプライベートモデル
  • 制約付きエージェント
  • 軽量なオープンウェイトAI
  • ローカル推論システム
  • 決定論的ワークフロー

しかも多くの場合、コストを大幅に下げ、レイテンシーを短縮し、プライバシーを向上させ、攻撃対象領域を縮小し、継続的なトークン支出をほぼ、または完全になくすことができます。

将来の企業AIアーキテクチャは、おそらく次のようなものにはなりません。
「すべてを支配する一つのモデル。」

むしろ、こうなります。
「適切なタスクに、適切な知能を。」

本当に最先端の推論が必要な場面もあります。

一方で、より小さく、安価で、制御しやすいモデルこそが、より賢明なビジネス判断になる場面もあります。

なぜ今、CISOとCIOの重要性がこれまで以上に高まっているのか

ここで、サイバーセキュリティとITリーダーシップの役割が大きく変わり始めます。

これまで多くの組織では、セキュリティチームをコンプライアンスの取り締まり役や、物事を止める存在と見てきました。しかしAIは状況を変えます。なぜなら、誰かが、セキュリティ、運用、調達、財務、ガバナンスへ同時に影響する問いに組織が答えられるよう支援しなければならないからです。

たとえば、次のような問いです。

  • 実際にどのAIが使われているのか？
  • どのエージェントが存在するのか？
  • どのモデルが接続されているのか？
  • それらのエージェントはどのシステムへアクセスできるのか？
  • どのデータが外部へ公開されているのか？
  • 本当に最先端モデルを必要とするワークロードはどれか？
  • どこで不要なコストが膨れ上がっているのか？

これはもはや単なるサイバーセキュリティ問題ではありません。

運用統制の問題です。

そして今後、企業がAIを持続可能かつ賢く拡大するうえで、CIO部門とCISO部門が支援できる唯一のチームになる場面が増えるかもしれません。

AIを止めたいからではありません。

企業AIを経済的に成立させ、運用上安全に保ち、時間の経過とともに統治可能にするうえで、彼らが重要な役割を担う可能性があるからです。

次世代のサイバーセキュリティリーダーシップは、「Noと言う部門」というより、企業AIの最適化パートナーに近い姿になるかもしれません。

誰もあまり語らない隠れたリスク：実行時のAI挙動

企業におけるAI導入で、最も議論されていない現実の一つが、ランタイム実行リスクです。

現在の議論の多くは、プロンプト、コパイロット、ベンチマーク、生産性向上に集中しています。

しかし、より重要な運用上の問いは、次第にこうなります。

「これらのエージェントは、実行中に実際に何をしているのか？」

現代のAIエージェントは、ファイルへアクセスし、SaaSプラットフォームへ接続し、APIを呼び出し、ワークフローを自動化し、機密データを取得し、自律的にアクションを実行できます。

従来のソフトウェアとは異なり、AIの挙動は動的かつ確率的にもなり得ます。これにより、まったく新しいランタイムの信頼問題が生まれます。

やがて 「AIだから仕方ない」 では笑えなくなるのは、次のようなことが起きたときです。

  • 機密データが漏えいする
  • 自動化が予測不能に振る舞う
  • エージェントが意図しない操作を実行する
  • または、ワークフロー同士が危険な形で連鎖し始める

だからこそ、ランタイムの可視性とランタイム制御は、企業AI導入に不可欠なアーキテクチャ要件になりつつあります。

スライド資料に置かれただけのガバナンスポリシーでは不十分です。

実際の運用上の強制力が必要です。

企業AI戦略の未来：Discover → Control → Enable

AIで 成熟を成功させる組織は、おそらく非常にシンプルな運用モデルに従うことになります。

まず、組織全体に実際にどのAIが存在するのかを発見します。見えないものは制御できません。つまり、モデル、エージェント、API、ブラウザー利用、ワークフロー、統合、トークン消費、自律的な活動を可視化する必要があります。

次に、それを制御します。イノベーションを潰すという意味ではなく、ランタイムの挙動、権限、モデル選択、データアクセス、コスト管理、実行境界に運用上の規律を導入するという意味です。この段階で組織は、どのワークロードが本当に最先端の推論を必要とし、どこではオープンウェイトやローカルモデルの方が運用面・財務面で合理的かを判断し始めます。

そして最後に、安全に大規模展開できるようにします。

ここは多くの人が見落とす重要な点です。

目的はAI導入を止めることではありません。

目的は、制御不能な支出、不要な攻撃対象領域、運用上の混乱を生み出すことなく、組織が自信を持ってAI導入を加速できるだけの可視性と制御を確立することです。

優れたセキュリティチームはAIを止めない。最適化する。

最も賢い組織は、AIを禁止しません。

その勝負はすでに決着しています。

代わりに、AIを合理化し、最適化し、棚卸しし、実際のビジネス価値と整合させます。

企業AIの次の時代で成果を上げる組織は、次のことを理解している組織でしょう。

  • どこで最先端の推論が本当に重要か
  • どこでは小規模モデルで十分か
  • 不要な複雑性をどう減らすか
  • ランタイムリスクをどう管理するか
  • そして運用のエントロピーに支配されることなく、AIを責任ある形で拡大する方法

これは反イノベーションではありません。

運用成熟度です。

企業AIのための新しい運用レイヤー

私が、可視性、ランタイム制御、インテリジェントなモデルオーケストレーション、安全な活用に焦点を当てた、新しい企業AI運用プラットフォームのカテゴリーの登場に個人的に期待している理由の一つがこれです。

今年初めのRSAC San Franciscoで、OmniTrustは、シンプルな運用思想に基づいて設計された新しい企業AIコントロールプレーンを静かに披露しました。

Discover → Control → Enable。

考え方はシンプルです。組織がShadow AIやモデルの乱立を発見できるようにし、ランタイムの可視性と運用制御を導入し、そのうえで、制御不能な支出、予測不能な挙動、不要な運用リスクを生み出すことなく、日常業務を行うナレッジワーカーがAIエージェントを安全に使えるようにするというものです。

特に興味深いのは、次をインテリジェントに組み合わせられる点です。

  • 高度な推論が必要な場所では最先端モデル
  • より低コストで制御された実行が適している場所ではオープンウェイトまたはローカルモデル
  • そして明確な境界と権限の中で動作する統治されたエージェント

多くの意味で、これは企業AIにおける「大人の監督」フェーズの始まりのように感じられます。

反AIでも、反イノベーションでもありません。

ただ、運用として持続可能なAIです。

今後12～24か月で、次の問いから大きな転換が起きるのではないかと思います。
「誰が最も多くのAIを持っているか？」

から、
「誰がAIを、安全に、賢く、経済的に、大規模運用できるか？」

AI導入は、多くの企業がそれを運用可能な形にできる速度を上回って加速しています。

その結果、Shadow AI、制御されていないエージェント、断片化したツール、急増するトークン支出、ランタイムリスク、不明確な権限、急速に拡大する攻撃対象領域が生まれます。

AI導入の次の段階で成果を上げる組織は、単に最も多くのAIを使う組織ではありません。

そうした組織は、次のことを実践します。

  • AIを理解する
  • 棚卸しする
  • 制御する
  • 最適化する
  • そして企業全体で安全に活用できるようにする

なぜなら、AIはすでに使われているからです。

しかし多くの組織では……まだ統制されていません。