Management
慎重な組織と、速く試す個人
企業のAI導入は、概して慎重に進むことを前回触れました。（過去投稿）
AIによる意思決定支援は可能になっても、それは組織の中で誰の力を強め、どの意思決定構造を補強し、どんな力学に触れてしまうのかという問題がある。
複数人のCEOに話をききましたが、慎重なスタンスを取ることが多いように思います。
ところが同じ組織の中で、現場の個人はすでにAIを使っています。
議事録をまとめるために。メールの文章を整えるために。調査の初速を上げるために。資料のたたきを早く作るために。コードを確認してもらうために。
MIT NANDA（Project NANDA）のState of AI in Business 2025は、こうした現象を”Shadow AI Economy”と呼んでいます。レポートでは、企業として公式にLLM契約をしている割合が40%程度である一方、調査対象企業の90%以上で、従業員による個人的なAIツールの業務利用が報告されています。
公式導入よりも、現場の個人利用が先に進んでいる。そうした状況が浮かび上がります。
慎重なCEOと、個人の実践速度にはズレがある。
このズレをどう読むかが、これからのAI導入を考える上で、重要な出発点になると思います。
Shadow AIとは何か
“Shadow AI”という言葉は、少し大げさに聞こえるかもしれません。が、実態は多くの職場に静かに存在しています。
会社の公式ツールではなく、個人のChatGPTやClaudeアカウントを使って仕事をする。社内のシステムには入力せず、ブラウザ上のAIアシスタントで文章を整える。会社のガイドラインがまだ整備されていないグレーゾーンで、日常的にAIを使っている。
こうした使われ方は、場合によっては「ルール違反」と見ることもできます。ただ、もう少し立ち止まって考えると、Shadow AIは単なる逸脱ではなく、現場の摩擦が生んだ迂回路でもある、という側面があります。
公式の仕組みが整っていない。申請が煩雑で使いにくい。導入のタイミングを待っていたら、目の前の仕事に間に合わない。そうした状況の中で、個人は自分の判断で最適化を行っています。
それは必ずしも悪意からではなく、むしろ目の前の仕事をきちんとこなしたいという、ごく自然な動機から来ていることが多い。
慎重さにも意味がある、ただし——
開き直って「Shadow AIで結構」「現場が勝手にやればいい」という話にはならないと思います。
情報漏洩のリスクは実在します。機密情報をAIに入力したとき、それがどのように扱われているかを個人が完全に把握しているとは限らない。品質の問題もあります。AIが生成した内容を十分に検証せずに使えば、誤情報や不適切な表現が組織の外に出ていくことがある。属人化の問題もあります。特定の個人だけがAIを使いこなしている状態は、組織全体での生産性向上には繋がらない。
組織が慎重になることは、決して間違いではない。
ただし、その慎重さの外側で、現場はすでに試し、学び始めている。
ここに、整理が必要なズレがあります。「禁止すれば終わり」でも「放任すれば終わり」でもない、もう少し丁寧な対応が求められている。
現場は、具体的なジョブからAIを使っている
中央部門のAI導入議論は、どうしても抽象的になりがちです。「生成AIで業務変革を」「DXの加速を」「競争優位の確立を」——これらは間違いではないけれど、現場の個人が向き合っているのは、もっと具体的な、小さな問題です。
「この議事録を20分で整理したい」
「このメールを、もっと自然な表現にしたい」
「この調査、誰かと一緒に考えながら進めたい」
AIは、そうした具体的な摩擦に対して、すぐ役に立つ。
だから使われる。
現場の個人は、使ってみて、失敗して、改善して、少しずつ使いどころを学んでいます。AIを抽象的な変革ツールとしてではなく、目の前の仕事を支えるパートナーとして使っている。そこには、公式のAI導入計画よりも、ずっと具体的なジョブがある。
本当に重要なのは、現場で生まれたこの実践を、組織がどう学習できるかです。
AI活用コンテストの、本当の価値
近年、社内AI活用コンテストや事例発表会を開く企業が増えています。
前提として、私はコンテストや発表会は、Shadow AIを可視化する入口として大きな意義があると思っています。
普段は個人の工夫として隠れているAI利用が、コンテストという場によって「出してもよいもの」になる。現場の試行錯誤、個人の小さな改善、チーム単位の実験が、組織の前に現れてくる。これは重要なことです。
ただし、そこで終わると、イベントで終わってしまう。
「すごいですね」
「横展開しましょう」
「プロンプト集にしましょう」
称賛と横展開だけでは、組織学習としてはもったいない。
コンテストの価値は、優れたAI活用を見つけることだけではなく、むしろ現場がどこで公式の仕組みを迂回しているのかを、組織が学ぶことにあるのではないかと考えています。
コンテストの後に、何を設計するか
たとえば、発表された事例を前に、こんな問いを立ててみてはどうかと思うのです。
なぜその人はAIを使ったのか。何に困っていたのか。既存の業務プロセスのどこに無理無駄があったのか。
その実践は公式化すべきか、注意喚起すべきか、さらに検証すべきか。
これらは、表彰の場では問われにくい問いです。でも、組織学習という観点からは、こうした議論が核におかれるほうが健康的だと思います。
コンテストを、成功事例を集める場としてだけでなく、「組織がまだ支えきれていない現場の知恵」を発見する場として設計し直すことができれば、その後のアクションが変わってくると思います。
必要なのは、称賛して終わることでも、禁止して終わることでもない。
観察し、翻訳し、仕組みに戻すこと。
現場が使っているAIの事例から、「どんな摩擦がそこにあったか」を読む。個人の工夫を、組織として安全に再現できる環境へと変える。何を公式化し、何を注意喚起し、何をさらに検証すべきかを仕分けていく。
そのプロセスまで設計されているとき、Shadow AIは組織学習に変わると思います。
地形を設計し直すこと
公式の仕組みと現場の生活がズレると、人は迂回路を作ります。Shadow AIとは、その迂回路の一種です。
迂回路の存在を嘆いても、禁止の看板を立てるだけでは変わらない。本当に必要なのは、なぜその迂回路が生まれたのかを理解し、より安全で自然な地形として設計し直すことだと思います。
Shadow AIは、リスクであると同時に、組織が学ぶための素材です。
現場が勝手に越えた境界線を、組織がもう一度設計し直す。
その繰り返しの中で、組織全体のAIリテラシーは少しずつ育っていく。
そうした学習の仕組みづくりの機会が、Shadow AIという現象に潜んでいるように思います。
