DataGrailのシャドーAI検出とは？｜Veraに任せる範囲

「管理画面を入れれば、社内で勝手に使われている生成AIが全部一覧になるのでは」「見つかった後の評価まで、AIのエージェントが片付けてくれるなら助かる」——個人情報の担当と情報システムの担当が、シャドーAIの対策を任されたときに口にしがちな期待です。気持ちはよく分かります。ただ、検出の道具が見られるのは、つないだ仕組みの範囲だけです。見つける仕組みには必ず死角があり、見つけたものをどう扱うかを決めるのは人の仕事です。この記事では、プライバシー業務の自動化基盤 DataGrail が提供するシャドーAIの検出と、AIエージェント Vera を例に、社内に入れてよいか、入れるなら何を人が決めるかを整理します。

DataGrail は、プライバシー業務を自動化する基盤で、シャドーAIの発見はその一部

DataGrail は、企業のプライバシー業務をまとめて扱う米国のクラウド基盤です。中心にあるのは、個人からの削除・開示・利用停止の請求を受け付けて、社内の各システムに対応を流す機能、ウェブサイトのクッキーと同意を管理する機能、そして社内のどのシステムにどんな個人データがあるかを一覧にする、データの地図と呼ばれる機能です。公式サイトでは、2,500を超える連携先を持つと説明しています（同じサイトの別の箇所では2,000超と書かれており、数え方の違いと見られます）。

シャドーAIの発見は、このデータの地図の延長にあります。社内で使われているシステムを自動で見つけて地図に加える仕組みがもともとあり、そこに「AIが使われているか」「どんな個人データに触れているか」の判定を足したのが、公式サイトの AIガバナンスの説明です。つまり DataGrail は、AIの監視専用の道具ではなく、個人データの管理の中でAIも見張る道具と捉えるのが正確です。

ここから導入の判断が一つ見えてきます。すでに削除請求の対応や同意の管理を別の仕組みで回している会社が、シャドーAIの発見のためだけに DataGrail を入れると、データの地図を作り直す二重の手間が出ます。逆に、プライバシー業務の基盤をまだ持っていない会社なら、請求対応・同意・台帳・AIの発見を一つにまとめる選択肢として比べる価値があります。削除請求の受け付けの手順そのものや、AI台帳に入れる項目の一般論は別の記事に譲り、ここではこの道具に固有の判断に絞ります。

2018年創業の会社と、2026年に公表された動き

DataGrail は2018年にサンフランシスコで創業した会社です。2022年10月には4,500万ドルの資金調達を発表し、調達の総額は8,420万ドルになったと公表しています。顧客として、大手の顧客管理システムの会社や、食品宅配、スポーツ用品の会社などの名前を挙げています。利用企業の多くは米国と欧州の規制に向き合う会社で、扱う法令も米国の州法と欧州の規則が中心です。

2026年に入ってからの動きは、AI関連が中心です。2025年12月1日の公式ブログでは、2026年の製品の方向として、リスクの台帳、AIエージェント Vera、同意の管理、自動化の拡大の4本を挙げ、Vera はこの時点で一部の顧客向けの試験版でした。2026年3月17日には Vera を正式に発表し、評価書の自動下書き、クッキーの分類、リスクの検出、Slack からの質問への回答などを打ち出しました。さらに2026年7月8日に公開した6月分の更新では、契約管理の仕組みで契約が結ばれた時点でのシステム検出や、Claude に MCP でつながった道具の検出が加わり、検出の処理が始まるまでの待ち時間も、新しい接続の設定から1時間以内に縮めたとしています。

更新の頻度を見る限り、製品は活発に開発されており、終了や新規受付の停止の告知も見当たりません。一方で、2026年10月時点で、日本法人や国内の販売代理店、日本語の窓口は公式の資料では確かめられませんでした。契約・請求・問い合わせが英語で進む前提で、自社の調達の手続きに乗るかを最初に確かめておく必要があります。日本の個人情報保護法への対応も、公式サイトでは明示が見当たらないため、提供元に直接問い合わせる項目になります。

誤解：「入れれば、勝手に使われているAIが全部見つかる」ではない

公式サイトの AIガバナンスのページは、ID管理の記録だけに頼る他社の方法では、情報システム部門が配った道具しか見つからないと書き、DataGrail は ID管理につながっていない道具も、調達を通っていない道具も見つけると説明しています。読むと、入れれば社内のAI利用がすべて見えるような印象を受けます。

しかし、どんな検出の仕組みも、何かの記録を読んで判定しています。その記録に残らない使い方は、仕組みの外にあります。たとえば、社員が私物のスマートフォンで個人の契約の生成AIを使う、自宅の端末でブラウザから直接使う、開発者が自分の鍵でモデルの API を呼ぶ、といった使い方は、会社の ID管理にも経費にも契約にも痕跡が残らないことがあります。検出の画面に出てこないことは、使われていないことの証明にはなりません。

この誤解が厄介なのは、検出の画面がきれいに整うほど、担当者が安心してしまう点です。経営層への報告で「AIの利用はすべて把握している」と書いてしまうと、画面の外で起きた漏えいが見つかったとき、説明がつきません。報告の文言は「つないだ範囲で見つかった利用は◯件」と、範囲を添えて書くのが安全です。

見つける仕組み：記録の仕組みをつなぎ、使われ方とデータで判定する

公式の技術文書では、システムの検出は ID管理の仕組みや、業務の記録を持つ仕組みを読み取って、データの地図を作り、管理外のクラウドサービスや外部の事業者を浮かび上がらせるものと説明されています。Google Workspace との接続の手順を見ると、DataGrail 側の管理者と Google Workspace の管理者の両方の権限が必要で、管理者のアカウントで認可を与える形です。

判定の考え方について、AIガバナンスのページのよくある質問では、どこかに登録されたかどうかではなく、そのシステムが何をし、どんなデータに触れているかでAIを使うシステムを見分けると書いています。検出したシステムには、提供元が持つリスクの情報（公式には2万2,000を超えるシステムの情報と説明）が結び付けられ、管理画面には「AIが検出されたシステム」の数が表示されます。6月分の更新で加わった二つは、この入り口を増やすものです。一つは契約管理の仕組みで契約が結ばれた時点、もう一つは Claude に MCP でつながった道具です。

ここから読み取れるのは、検出の精度は、どの仕組みをつなぐかと、提供元のリスク情報の厚さの二つで決まるということです。検出の具体的な判定の方法は特許の対象として詳しく公開されておらず、何を手掛かりにどこまで見ているかは、外からは確かめにくい部分です。試行の段階で、自社が把握している既知のAI利用がどれだけ画面に出るかを確かめるのが、精度を測る現実的な方法になります。

6月分の更新のうち、Claude につながった道具の検出は、エージェントの時代の死角に向けたものです。社員が Claude に MCP で業務の道具をつなぐと、人がブラウザで開いた記録とは別の経路で、AIが社内のデータに触れるようになります。提供元はこの機能で、どの道具が Claude につながり、どんな種類のデータに触れられるかを一覧に出すとしています。人が使うAIだけでなく、AIがつないだ道具まで棚卸しの対象になったと読めますが、対象は提供元が連携を用意した基盤に限られる点は同じです。

課題：見つけた一覧が、判断できる形にならないまま止まる

検出の道具を入れた会社でよく起きるのは、一覧ができたところで作業が止まることです。数百件のシステムが並び、そのうち数十件に「AIあり」の印が付く。そこから先、どれを止め、どれを正式に認め、どれを様子見にするかは、画面が決めてくれるわけではありません。見つけたシャドーAIの仕分けの考え方は別の記事で扱っているので、ここでは DataGrail を使うときに特有の詰まり方を見ます。

DataGrail の場合、一覧はプライバシーの台帳と一体になっています。リスクの台帳に優先度と点数が付き、対応の進み具合が記録されます。これは監査の証跡としては便利ですが、点数が付いていることで、点数の高い順に片付ければよいという錯覚が生まれます。点数は提供元の情報と検出の結果から計算されたもので、自社の業務でそのAIがどれだけ大事か、代わりの道具があるかは入っていません。

もう一つの詰まり方は、担当の空白です。データの地図とリスクの台帳はプライバシーの担当が見る画面ですが、シャドーAIを止めるかどうかは、情報システム、利用している部門の責任者、場合によっては法務も関わる判断です。画面を見る人と、決める人が違うままだと、一覧は更新され続けるのに、誰も判断しない状態が続きます。

原因1：見える範囲は、つないだ仕組みの範囲で決まる

一つめの原因は、検出の範囲がつないだ仕組みで決まることです。ID管理、メールやファイル共有の基盤、契約管理、経費の仕組みのうち、何をつなぐかは導入する会社が選びます。つなぐには、それぞれの仕組みの管理者の権限で認可を与える必要があり、社内の承認も要ります。結果として、最初は ID管理だけ、といった限られた範囲から始まりがちです。

つないでいない経路は、そのまま死角になります。前の節で挙げた私物の端末や個人の契約に加えて、社外の協力会社の端末、子会社や海外拠点で別に契約している基盤、検証用に作られた別の管理単位なども、つながっていなければ見えません。また、すでに配っている正規の道具の中に後から追加されたAI機能は、新しいシステムとしては検出されにくく、提供元の情報の更新を待つことになります。

• つないだ仕組みの一覧と、つないでいない経路の一覧を、検出の結果と一緒に保管する
• 子会社・海外拠点・協力会社の端末は、別の管理単位として扱われていないかを確かめる
• 配っている道具に後から加わったAI機能は、提供元の更新の告知を人が読んで拾う

原因2：対象の一覧は米国中心で、国内のサービスの厚みが読めない

二つめの原因は、提供元が持つリスク情報の偏りです。DataGrail の連携先や、リスク情報を持つシステムの多くは、米国と欧州で広く使われているクラウドサービスです。公式サイトで名前が挙がる連携先も、Salesforce、Okta、Shopify など海外の大手が中心です。日本の会社が多く使う国産のクラウドサービスや、小さな生成AIのサービスについて、どこまで情報を持っているかは公開資料では分かりません。

情報を持たないシステムが検出されたとき、それがAIを使っているか、どんな個人データに触れるかの判定は弱くなると考えるのが自然です。国内の業務で多いのは、営業支援、経費精算、名刺管理、議事録の文字起こしといった国産のサービスに、生成AIの機能が後から付いた形です。こうした「国産のサービスに付いたAI機能」が、どれだけ判定されるかは、日本の会社にとって最も確かめたい点です。

確かめ方は単純で、試行の前に、自社で使っている国産のサービスのうちAI機能があるものを10件ほど書き出しておき、検出の結果と突き合わせます。出てこなかったものは、提供元にリスク情報の追加を依頼できるか、何日で反映されるかを聞きます。ここで反応が鈍ければ、国内のサービスは別の手段で棚卸しする前提で導入の判断をします。

原因3：AIが使われているかの判定は、提供元の情報に依存する

三つめの原因は、判定の根拠が提供元の情報にある点です。あるシステムがAIを使っているか、入力したデータを学習に使うか、どの国で処理するかは、本来はそのシステムの提供元の利用規約やプライバシーポリシーに書かれていることです。DataGrail はそれを整理した情報を持ち、変化があればリスクの台帳に出すと説明していますが、元の規約が変わってから台帳に反映されるまでの時間は公開されていません。

生成AIの機能は、提供元が月単位で足したり、既定の設定を変えたりします。学習への利用が既定で有効になった、処理する国が増えた、といった変化が、台帳に反映される前に業務で使われ続けることは十分に起こります。判定の結果は、ある時点の提供元の情報を写したものにすぎないと理解しておくことが大切です。

このため、リスクの点数が高いシステムほど、人が元の規約を読んで確かめる工程を残しておきます。台帳に記録するのは点数だけでなく、根拠にした規約の版と確認した日付です。そうしておけば、後から規約が変わったとき、どの判断を見直せばよいかがすぐに分かります。

原因4：Vera が下書きした評価書を、そのまま承認してしまう

四つめの原因は、Vera の便利さそのものです。Vera は、個人情報の影響評価、データ保護の影響評価、AIのリスク評価、越境移転の影響評価といった評価書を、システムの情報や関連の文書、過去の評価をもとに自動で下書きします。提供元は、Vera を使った評価が90%速く終わると発表していますが、測り方は示されていません。

公式の説明では、Vera の回答はすべて人の確認の対象として印が付きます。ただ、印が付いていても、読む人が中身を確かめなければ意味はありません。下書きが整って見えるほど、確認は流し読みになりがちです。下書きが速くなった分だけ、承認の前の確認に時間を回すという設計にしないと、速くなったのは書類の量産だけ、ということになります。

• Vera の下書きを、根拠の文書を開かずにそのまま承認する
• 過去の評価を流用した下書きを、システムの使われ方が変わったのに見直さない
• 評価の点数が低いことを理由に、利用部門への聞き取りを省く
• 「90%速くなる」という提供元の数字を、社内の工数の見積もりにそのまま使う

Vera に任せる範囲と、人が決める範囲

Vera に何を任せるかは、作業の性質で分けると決めやすくなります。公式の説明では、Vera は利用者の既存の権限を引き継いで動き、承認なしに操作をすることはなく、行った作業はたどれると書かれています。つまり、Vera ができることは、操作している担当者ができることの範囲内です。

作業	Vera に任せてよいこと	人が決めること
シャドーAIの検出	新しいシステムの通知、AI利用の印付け、優先度の案	止めるか・認めるか・様子見かの判断
評価書	システムの情報と過去の評価からの下書き	根拠の確認、リスクの受け入れ、承認
クッキーと同意	新しいクッキーの調査と分類の案	分類の確定と、同意の画面への反映の許可
問い合わせ	法令や社内の方針についての調べもの、根拠の提示	社内の方針として採用するかの判断
報告	経営層向けの報告の下書き	報告の範囲と、死角の書き添え

表の右の列は、どれも「責任を負う判断」です。止める、認める、受け入れる、採用する、といった判断を Vera に任せないことを、導入の時点で文書にしておきます。また、Vera の答えには根拠にした文書や台帳の行を必ず示させ、担当者がそれを開いて確かめてから使う運用にします。根拠を示せない答えは、使わないと決めておきます。

クッキーの分類は、マーケ部門と関わりの深い作業です。広告や分析のタグを追加すると新しいクッキーが生まれ、Vera がそれを調べて分類の案を出します。提供元は、Vera がすでに100万を超えるクッキーを扱っていると発表しています。ただ、あるクッキーを「必須」に入れるか「広告」に入れるかで、同意を取らずに動かしてよいかが変わります。分類の確定は、タグを入れたマーケの担当と個人情報の担当が一緒に決めると決めておけば、案の速さを活かしつつ、同意の線を人が守れます。

対策1：つなぐ範囲を決め、見えない経路を別の手段で埋める

最初の対策は、検出の範囲を意図して決めることです。ID管理、メールやファイル共有の基盤、契約管理など、つなぐ候補を並べ、それぞれの管理者の承認を取って順につなぎます。つなぐたびに、DataGrail にどんな権限を渡したかを記録しておきます。

ここで大事なのは、検出の道具を、棚卸しの一つの手段として位置づけることです。申告や聞き取りといった人の手段と組み合わせて初めて、社内のAI利用の全体に近づきます。

対策2：Vera の権限と承認の流れ、外への出口を決める

Vera は担当者の権限を引き継ぐので、担当者の権限の設計がそのまま Vera の権限の設計になります。DataGrail の中で、誰が評価書を承認でき、誰がクッキーの分類を確定でき、誰が削除の請求を処理できるかを、役割ごとに見直しておきます。権限の広い管理者が Vera を使うと、Vera が提案できる操作も広くなります。

もう一つの論点は、Vera の外への出口です。公式の発表では、Vera は Slack から質問でき、さらにプライバシー用の MCP サーバーを通じて、Claude Desktop や Codex といった外部のAIからも DataGrail の情報を扱えるとされています。例として、分析の結果を Tableau に送る、新しい取引先を同期して評価を始める、といった使い方が挙がっています。便利な出口ほど、プライバシーの台帳の中身が別のAIの会話に流れる経路になる点に注意が要ります。

このため、Slack や外部のAIとの接続は、最初は使わないか、閲覧だけに絞ります。外部のAIから操作の実行まで許すのは、記録の取り方と承認の流れが固まってからにします。Slack で受けた答えを、そのまま利用部門への回答として転送しない、といった運用の線も決めておきます。

対策3：何が社外に出るかを確かめ、日本の法令に合わせる

DataGrail を使うことは、社内のシステムの一覧と、そこにある個人データの種類、請求に応じるための個人データそのものを、米国の事業者の仕組みに預けることを意味します。Vera について提供元は、顧客ごとに分けた環境で動き、顧客のデータを学習に使わず、6段階の指示文の保護を持つと説明しています。一方で、Vera がどの会社の言語モデルを使っているかは、公開資料では明かされていません。

日本の会社が確かめるべきは、個人情報保護法の外国にある第三者への提供や委託の扱いです。保存先の国、言語モデルの処理がどの国で行われるか、その先の再委託先はどこかを、書面で回答してもらいます。請求の対応のために個人データそのものを流す機能と、システムの一覧だけを扱う機能とでは、重さがまったく違うので、どこまで使うかで確かめる深さを変えます。

6月分の更新で、Vera は処理活動の記録をすべて参照できるようになり、法的な根拠、国、システム、データの持ち主で絞り込めるようになったと提供元は説明しています。これは越境の確認にも使えます。たとえば「外国で処理している活動はどれか」と Vera に聞けば、候補の一覧はすぐに出ます。ただし、その一覧は記録に書かれた内容の写しにすぎません。記録そのものが古ければ答えも古いので、候補を受け取った後に、各システムの担当に現状を確かめる工程を残します。

• 保存先の国、言語モデルの処理の場所、再委託先の一覧を書面で受け取る
• 顧客のデータを学習に使わないという説明が、契約書の条項になっているかを確かめる
• シャドーAIの検出だけを使う段階では、個人データそのものを流す接続をしない
• 本人に向けたプライバシーポリシーに、外国の事業者への委託を書く必要があるかを法務と確かめる

費用の増え方と、止め方・やめ方

DataGrail は料金を公開しておらず、見積もりで決まる形です。Vera の評価書の下書きは、発表の時点で全顧客に期間限定で無制限に提供するとしていましたが、その期間がいつまでかは書かれていません。期間限定の扱いが終わった後の費用を、契約の前に書面で確かめておく必要があります。費用は、つなぐ仕組みの数、扱う請求の量、使う機能の範囲で増えると考えるのが自然なので、試行の段階からその三つを記録しておきます。

止め方は、二つの段階で考えます。一つは Vera だけを止める場合で、Vera の利用を担当者に限る、外部のAIや Slack との接続を切る、といった手当てで済みます。もう一つは DataGrail 自体をやめる場合で、データの地図、リスクの台帳、評価書、請求の対応の記録を、自社の形式で書き出せるかが要になります。監査の証跡を他の事業者に預けたままにすると、やめた瞬間に説明の材料を失うからです。

やめるときに消すものも決めておきます。各仕組みとの接続の認可を取り消し、DataGrail に渡した管理者の権限を外し、預けたデータの削除の証明を受け取ります。契約の前に、書き出せる記録の形式と、削除の証明の出し方を確かめておけば、やめる判断も重くなりません。

よくある質問

ID管理の仕組みですでに利用状況を見ているが、それで足りないのか

ID管理で見えるのは、会社のアカウントで一括ログインしている道具です。DataGrail は、ID管理につながっていない道具も見つけると説明していますが、それも別の記録の仕組みをつなぐことで実現しています。足りるかどうかは、自社で把握している既知の利用のうち、ID管理だけで何割が見えているかを数えると判断できます。

Vera の下書きした評価書は、監査に使えるのか

提供元は、作業の記録をたどれ、評価書の変更の履歴を書き出せると説明しています。ただし、監査で問われるのは書類の存在ではなく、誰が根拠を確かめて承認したかです。承認者の確認の記録を残す運用があって初めて、監査の材料になります。

日本の個人情報保護法に対応しているのか

公式サイトでは20を超えるプライバシーの法令への対応をうたっていますが、日本の法令がそこに含まれるかは、公開資料では確かめられませんでした。請求の受け付けの画面や期限の管理が日本の法令の運用に合うかは、提供元に直接確かめ、合わない部分は社内の手順で補います。

まとめ

DataGrail は、プライバシー業務の基盤の中で、社内で使われているAIも見張る道具です。つないだ仕組みの範囲で新しいシステムとAIの利用を見つけ、Vera が評価書の下書きや調べものを引き受けます。2026年は Vera の公開や Claude につながった道具の検出など、AIまわりの更新が続いています。

ただ、検出の画面に出ないことは使われていない証明にはならず、国産のサービスの厚みも試行で確かめる必要があります。Vera には下書きと調べものを任せ、止める・認める・受け入れるといった判断は人が決める。Vera の答えには根拠を示させ、担当者が開いて確かめる。報告には死角を書き添える。この線を最初に文書にしておけば、検出の道具は、社内のAI利用の棚卸しを支える確かな手段の一つになります。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。