アプリを作るハードルは下がった、ユーザーデータに触れるハードルは下がっていない

EC業界（※日本の電子商取引業界）のプラットフォーム責任者から最近、同じ質問を立て続けに受ける。「事業部門はわずか1週間でAIを使って社内ツールを3つも作ってくるのに、IT部門の開発予定はまだ来四半期まで埋まっている。このギャップは一体どこにあるのか」

私たちの答えは、ひとつの判断に集約される。開発のハードルは下がった。だが、ユーザーデータに触れるハードルは下がっていない。

この一言の背後には、同時に進行している2つの変化がある。

Bolt.new は StackBlitz が開発し、2024年10月に1本のツイートで静かにローンチされた。そこからわずか5ヶ月でARR 4,000万ドルを達成。Sacra や Growth Unhinged は、これを「ChatGPT に次いで史上2番目に速く成長したプロダクト」として追跡している。2026年度の締めにあたり、StackBlitz の CEO である Eric Simons 氏は LinkedIn で次のように明かした：Bolt.new はフォーチュン500企業の4分の3が採用しており、エンタープライズ向け ARR は前年比10倍に成長した（Eric Simons 氏の公式投稿、2026年度決算時点）。Lovable はスウェーデン・ストックホルムのチーム（創業者：Anton Osika）で、2025年11月に2億ドルの A ラウンドを調達し、評価額は18億ドル。2025年12月末の B ラウンドでは評価額66億ドルに達し、半年で約4倍に跳ね上がった（Forbes / CNBC / Bloomberg / TechCrunch が相互に裏付け）。2026年6月、Lovable の ARR は 5億ドル を突破（Forbes 報道、TechCrunch 2026-06-09 も同時掲載）。Forbes は同日、4人の関係者の話として、同社が約 120億ドル の評価額（ほぼ倍増）で新たな資金調達を進めていると報じた。こうしたツールは、「アプリを作る」という作業を、数人で数ヶ月かかっていたものから、1人で半日あれば完了するものへと変えてしまった。

しかし、開発のハードルが下がった一方で、本当にコストがかかり、本当に足かせとなっているゲートは、いまだに一ミリも動いていません。データ越境移転（個人情報のクロスボーダー移転）、ISMS適合性評価（日本の情報セキュリティマネジメントシステム認証制度）、AI ガバナンス（経済産業省 AI ガバナンスガイドライン）、変更承認（J-SOX/ITIL）、照合監査——これらはコードそのものとはほぼ無関係なのに、それぞれ数週間を消費します。アプリ生成ツールが最初の門を蹴り開け、ビジネス側が自前でアプリを作れるようになりました。しかし、第二の門——本番データに触れる資格があるのは誰か、中核トランザクションを変更できるのは誰か——は、まったく動いていません。

ここに、多くの経営層がまだ気づいていないリスクの露呈があります。アプリを作れる人と、そのアプリが合法的にデータに触れる資格を持つ人は、必ずしも一致しないのです。

私たちが実際に伴走した現場（EC、匿名化済み）：某ホームファニッシング系 EC のインフルエンサー運営チームは、Lovable を使って2ヶ月で社内ツールを7本自前で作っていた。楽天市場向けのインフルエンサーマッチング、コミッション試算、売れ筋追跡、返品原因分析——技術中台には誰も連絡していない。年度中のシャドーIT（※IT部門が把握していない業務部門主導のIT活用）棚卸しでようやく判明したのは、うち4本が携帯番号と配送先住所を含む注文ワイドテーブルを読み込んでおり、2本はデータをエクスポートして Yahoo! JAPAN メールや OneDrive 個人アカウントに保存していたという事実だ。2025年下半期以降、EC の中台チームが資産棚卸しで普遍的に直面する光景である——決して孤立したケースではない。

私たちが実際に伴走した現場（通信キャリア、匿名化済み）：某地方通信キャリア（NTT ドコモ系列か、au/KDDI 系列か、ソフトバンク系列かは非公表）が地市分公司で実施した内訓振り返りにおいて、マーケティングセンターのプロジェクトマネージャーは、Bolt で「顧客属性クイック検索ツール」をすでに構築していたことを認めた。携帯番号を入力すれば、直近90日間のプラン変更履歴、苦情履歴、レコメンド施策テーブルが引き出せる——技術部門は全く把握していなかった。これは『個人情報の保護に関する法律』（APPI、2022年改正版、2024年4月1日全面施行）が定める個人情報照会権限のレッドラインに真っ向から抵触する。

まずは一枚の図で、この露呈領域がどのようなものかを見てほしい。

以下で詳しく解説する。これらのツールは誰のどのような課題を解決しているのか、エンジニアの役割はどう変わるのか、EC で今まさに爆発的に増えているシャドーアプリの実態、強規制業界が実際に直面している関門、そして業務側にコンプライアンス上の正当な経路をどう用意するか——である。

1. まずこの5つのツールをそれぞれの文脈に位置づける

多くの人がこれらのツールをまとめて「AIプログラミング」と呼んでいるが、実際にはこれらは異なる2つの層を対象としている。この区別を明確にしないことには、その後の議論が成り立たない。

一方は「コードが書ける人」だ。 彼らが求めているのは、より高速なコードエディタである。コードベースの文脈を理解し、ファイルをまたいで修正し、テストを自動実行し、エラーを説明してくれるもの。この代表格が Cursor、ByteDance の Trae、Alibaba の Tongyi Lingma（トンギー・リン码、Tongyi Lingma）、GitHub Copilot だ。これらは、そもそもエンジニアリングを理解していることが前提で、ツールが反復作業を肩引きしてくれる。このカテゴリについてはシリーズ第4回で詳しく扱ったので、ここでは深掘りしない。

もう一方は「コードが書けない人」だ。 今回の主役はこちら、アプリ生成器である。日本語で一言「こんなアプリが欲しい」と入力すれば、フロントエンド、バックエンド、データベース、デプロイまで一気通貫で、そのまま動くアプリを生成してくれる。プログラミングの知識は前提とされていない。

今回はこのアプリ生成器から4つを取り上げる。さらに、AI IDE の中から Trae を単独で取り上げる。なぜなら、Trae は規制の厳しい業界にとって極めて重要なポイントを突いているからだ。

Bolt.new（StackBlitz 提供）。 2024年10月、1本のツイートから静かにローンチされたこの製品は、Sacra と Growth Unhinged の追跡によると、史上2番目に速い成長を記録したプロダクト（1位はChatGPT）です。ローンチから1週間でARR（年間経常収益）100万ドル、4週間で400万ドル、約2ヶ月で2000万ドル、5ヶ月で4000万ドルに到達。登録ユーザー数は約500万人（StackBlitz CEO の公表値）に上ります。基盤技術は「WebContainers」で、ブラウザ上で完全な Node.js 環境を実行できるため、AI が直接ファイルを操作したり、パッケージをインストールしたり、サーバーを起動したりすることが可能です。ローカル環境のセットアップは一切不要です。2026年度決算時点で、Bolt.new はフォーチュン500企業の4分の3が採用し、エンタープライズ向けARRは前年比10倍に成長しました（Eric Simons 氏の LinkedIn 公式投稿、2026年度決算時点）。StackBlitz は2025年1月にシリーズBで1億550万ドルを調達し、評価額は約7億ドルと報じられています（Business Insider など）。典型的なユースケースは、すぐにプレビューして確認できる小さなアプリやランディングページの作成です。

Lovable（本社：スウェーデン・ストックホルム。創業者：Anton Osika。オープンソースプロジェクト「GPT Engineer」の流れを汲む）。その立ち位置は「一文から、デプロイ可能な完全なアプリケーションを生成する」というもので、Bolt よりもフルスタックの業務アプリケーション寄りとされる。2025年11月にシリーズAで$200M を調達し評価額$1.8B、2025年12月末にはシリーズBで$330M を調達し評価額$6.6B に。わずか半年で評価額は約4倍に膨らんだ。2026年6月には ARR（年間経常収益）が $500M を突破（Forbes 2026年6月5日報、TechCrunch も同時掲載）。同日、Forbes は4人の関係者の話として、同社が約 $12B の評価額で新たな資金調達を進めていると報じた（ほぼ倍増、Forbes / Rashi Shrivastava）。Lovable のエンタープライズ顧客には、Workday、Asana、NVIDIA が名を連ねている（ARR.club 2026年まとめ）。

Vercel v0。2023年10月にリリースされ、2026年2月3日付で正式に v0.dev から v0.app へと名称変更。UI コンポーネントのスキャフォールドから、フルスタックアプリケーションジェネレーター（サンドボックスランタイム＋GitHub 連携＋Snowflake/AWS データベース連携）へと進化を遂げた。2026年3月時点の Vercel 公式発表によると、ユーザー数は600万人以上の開発者、月間アクティブチームは約8万（競合アナリストの推計では ARR は約4,200万ドル、Taskade 2026年3月まとめ）。

Replit Agent 4。2026年3月13日にリリースされた、Replit 史上最も重要なアップデート。このアップデートでは、3つのことが同時に変わった。① Design Mode が Infinite Design Canvas に進化し、デザインしながらコードを修正できるように。② コラボレーションが fork-and-merge 方式から「同一プロジェクトでのマルチスレッドタスク」方式に変更——複数の sub-agent が並行して作業を進め、最終的にコンフリクト解決用 sub-agent が自動でマージする。公式データによると、Agent 4 はマージコンフリクトの90%を自動解決（AlphaSignal 2026年報道、Replit 公式2026年3月の changelog でも確認）。③ 計画と実行がもはや直列ではなく、計画しながら実行することが可能に。同時期に Replit はシリーズDラウンドの資金調達を完了し、評価額は約90億ドルに達した（Atal Upadhyay 2026年報道、TechCrunch/Bloomberg など複数メディアが裏付け）。Replit はオンラインプログラミング環境としてスタートした経緯から、自然とコラボレーションとホスティング機能を備えており、Agent 4 は「複数人で一つのプロダクトを作り上げる」プロセスを、ほぼ個人単位のスピードにまで圧縮した。

これら4つの共通点は、「アプリを作る」コストを、チーム単位・月単位から、個人単位・時間単位へと引き下げたことにある。

Trae については、単独で取り上げます。なぜなら、通信・金融・EC 業界の企業ユーザーにとって、これは具体的なサプライヤーリスクだからです。 Trae は形態としては IDE（エディタ）ですが、実質的には ByteDance（字节跳动）のサーバーに固定された開発環境です。企業ユーザーはこれを「普通の IDE」として扱うべきではなく、「日本国外へのデータ送信を伴うツール」としてアクセス審査（准入评估）の対象にする必要があります。ByteDance が2025年1月にリリースし、Cursor を意識した戦略で、Claude や GPT-4o といったハイエンドモデルを無料で提供する方針を取っています。リリースから12ヶ月で登録ユーザー数は600万、月間アクティブユーザー数は160万、累計生成コード行数は約1000億行に達しました（OpenAI Tools Hub 2026年5月調査まとめ）。しかし2025年7月、セキュリティ研究者の segmentationf4u1t 氏が公開した telemetry_research プロジェクトにより、設定でテレメトリをオフにしても、Trae はバックグラウンドで ByteDance の mon-va.byteoversea.com などのサーバーにデータを送信し続けることが実証されました。送信されるデータには、ハードウェア情報、OS バージョン、永続的なデバイス・マシン識別子、プロジェクトのアクティビティデータが含まれます。単一のテレメトリバッチは最大53,606バイトに達し、通常使用約7分間で500回以上の呼び出し、約26MB のデータが送信されます（GitHub segmentationf4u1t/trae_telemetry_research の一次データ、The Register/Cybernews 2025年7月28日報道）。

ByteDance のその後の対応は記録に値する。Cybernews の2026-08-01付アップデートによれば、ByteDance は公式声明で、IDE 設定内のテレメトリトグルが制御するのは VS Code フレームワーク部分のテレメトリのみであり、他の Trae ツールによるデータ収集はこのスイッチの影響を受けないことを認めた——つまり、オフにしたつもりでも、実際にはオフになっていなかったということだ。研究者が Trae チームに直接問い合わせたところ、独立した Privacy Mode が2026年8月前後にリリース予定であることが確認された。同時に、Trae は2026年2月に導入した「token-based paywall」で「forever free」の約束を破り、本番環境に組み込んでいた多くの開発者に再評価を促している（OpenAI Tools Hub 2026-05 調査まとめ）。

個人開発者にとっては、無料の Claude は確かに魅力的だ。しかし、意思決定者であるあなたにとって、これは典型的なデータ越境コンプライアンス問題である——エンジニアが会社のコード、場合によっては設定やインターフェース情報を、ByteDance のサーバーにデータを送信するツールに投入しているのだ。電気通信や金融など、APPI（個人情報の保護に関する法律）と『サイバーセキュリティ基本法』の適用を受ける業界では、この行為だけでコンプライアンス違反イベントが発動しかねない。第4節で詳述する。

2. 開発の書き換え：「コードを書く」から「審査、編集、統括」へ

アプリ生成ツールを「もうエンジニアはいらない」と誤解する人が多いが、それは方向違いだ。

正確にはこうだ：変わるのはエンジニアの仕事の重心であって、職種そのものがなくなるわけではない。 AI もビジネス担当もコードやアプリを生み出せる時代、エンジニアの価値は「自分で書く」ことから、次の三つに移る：生成されたものが正しいか審査する、それらを信頼できるシステムに編成する、セキュリティと品質の守り手になる。

この三つは「コードを書く」より希少で、価値も高い。React コンポーネントを書ける人はそこら中にいる。だが、AI 生成的のプロモーションアプリが注文データに触れてよいか、その認証が偽装でないか、ログが海外のサービスに漏れていないかを判断できる人は、はるかに少ない。

ここで明確な判断基準を示しておく。あまりに多くの企業がこの問題で極端に走るからだ。何でも生成ツールに任せるか、逆に全部禁止するか。どちらの極端も損をする。

この図が伝えたいことは一つだけだ：横軸はアプリのロジックの複雑さ、縦軸はそれが金銭や個人情報に触れるかどうか。 右下のマス（高複雑かつ高感度）は、アプリ生成ツールがどれだけ賢くても出番がない。プロモーション用ランディングページを Lovable に任せるのは問題ない。だが、お前の決済ゲートウェイを任せたら——事故は時間の問題だ。

この赤い線を頭に刻んでから、EC（電子商取引）の現場で起きていることを見てほしい。

3. ECサイトの本当の痛点——シャドーアプリが注文データに触れるとき

少し視野を広げて、まず Gartner が2025年下半期に発表した数字を見てみよう。2026年末までに、企業アプリの40%にタスク特化型 AI エージェントが組み込まれる。2025年時点では5%未満だったものが、である（Gartner 公式予測、Process Excellence Network 2025-08-27 で同時掲載）。そして、さらに目を引く数字がもう一組ある。Gartner のレポートによると、2024年第1四半期から2025年第2四半期にかけて、マルチエージェントシステムに関する企業からの問い合わせが1445%増加した——これは Gartner の AI アドバイザリー事業において、最も成長率が高いトピックであり、他に並ぶものがない（RAPIDCLAW／Hendricks.ai／Arion Research の複数ソースを集約）。

この2つの数字を EC の言葉に翻訳してみよう。企業アプリの40%で AI エージェントが稼働する——もう1つの数字が、企業向けマルチエージェントシステムの相談件数が+1445%（Gartner の AI アドバイザリー事業における相談件数の伸び率であり、導入実績ベースではないが、方向性を示すシグナルとしては明確だ）。AI エージェントはもはや「コードを書くのを手伝う」段階から、「複数のエージェントが協調して業務フロー全体を回す」段階へと移行している。AI エージェントが企業アプリの中でデータに触れ、プロセスを実行し、ログを書き始めたとき、アプリ生成ツールの性質は「ツール」から「システム」へと格上げされたのである。

調査会社 UpGuard の2025年レポート（『State of Shadow AI』、Cybersecurity Dive が報道）には、Gartner の40%よりも目を引きる2つの数字がある。従業員の80%以上が承認されていない AI ツールを業務で使用しており、セキュリティチーム内部でも90%近くがそうしているという。さらに、約半数の従業員が、機密の会社データをこれらの未承認ツールに直接貼り付けたことを認めている。Mimecast は51%、Teramind は49%と報告しており、ほぼ同じ水準だ。Gartner の別の調査では、69%の組織が従業員による禁止 AI ツールの使用を疑っている、あるいは確認している一方、AI 利用に関するポリシーを策定している組織はわずか37%にとどまる（The Hacker News 経由）。

この数字を EC の文脈に置き換えてみよう。あなたの運営担当者、マーケティング担当者、キャンペーン企画担当者は、Bolt、Lovable、v0 といったツールを使って、自前でアプリケーションを次々と作り出している。楽天市場・Yahoo! ショッピング・Amazon Japan 向けのプロモーションルール設定ツール、メルカリ連携の在庫照会ミニアプリ、PayPay 連携のカスタマーサポートのチケット管理ツールなどだ。これらは速く、使いやすく、実際の問題を解決している。そして、ほとんどすべてが IT 管理やデータガバナンスを迂回している。

私たちが実際に立ち会った現場（EC、匿名化済み）：2025年下半期以降、私たちが関わった中堅・大手 EC 企業4社（中台50〜200人規模）でシャドーITの棚卸しを行ったところ、どこも「空」ではありませんでした。最も典型的だったのは、あるホーム用品 EC 企業です。LINE ヤフー系列のコマース出品も併用する事業者で、达人運営（インフルエンサー運営）チームは、2ヶ月の間に自前で Lovable 製の内部ツールを7本構築し、うち4本は受注データのワイドテーブル（電話番号・配送先住所付き）にアクセス可能で、2本はデータをエクスポートして個人用クラウドストレージ（OneDrive 個人アカウント等）に保存していました。棚卸し当日、セキュリティ責任者はこう言いました。「あの時、棚卸しを続行すべきか正直迷いました——出てきた事実を上に報告しても、受け止められる体制がなかったからです。」

この形態は、「データのシャドーIT」と呼ぶこともできます。過去10年以上、私たちが頭を悩ませてきたシャドーITは、事業部門が自ら購入した SaaS（営業が Salesforce を買い、マーケが Mailchimp を買う）でした。現在のシャドーITは、事業部門が自ら作るアプリケーションです。未承認のツールを使っている——さらに悪いことに、機微データに触れる新しいシステムを生成し、それが IT の資産台帳に載っていないのです。

違いは規模にあります。SaaS を1つ購入するのは外部システムへの接続です。ジェネレーターでアプリを作るのは、社内にゼロから新しいシステムが次々と生まれることであり、それぞれがデータインターフェースを持ち、それぞれが外部ネットワークからアクセスされ得る状態です。1年も経てば、ある EC 企業ではこうしたアプリが100以上増えているかもしれません。そのどれもが IT の資産台帳には載っていないのです。

これは止められない。UpGuard のあの80%という数字がすでに物語っている——「禁止」では止められないのだ。人は最も使い勝手の良いツールで仕事を終わらせようとする。それは人間の性であり、KPI でもある。だから「どうやって事業側にジェネレータを使わせないか」ではなく、「どうやって安全に使わせるか」を問うべきだ。第4節ではコンプライアンスの関門を、第5節では導線の作り方を扱う。

4. コンプライアンスの関門はいくつあるのか：テストと勘違いしてはいけない

この節こそ、この記事で最も明確にすべき部分であり、最も誤解されやすい部分でもある。

インターネット企業の出身者は、「品質ゲート」と聞けば即座に CI/CD の自動化テストを思い浮かべる。ユニットテスト、統合テスト、回帰テストを回し、グリーンなら通す。EC の大規模セールを支える技術チームには、この流れはお手のものだ。

しかし、通信、金融、規制対象の製造業や EC において、「検証」はテストの枠に収まらない。本当のボトルネックは、コード自体とはほぼ無関係でありながら、それぞれ数週を要する複数の関門にある。 これを「テスト」と表現するのはインターネット業界の偏見であり、意思決定者が納期を過小評価する原因になる。

一つずつ見ていこう。

データ越境評価。[^1] アプリが海外の AI サービス（多くの生成系ツールのバックエンドは OpenAI や Anthropic）を利用している、あるいはエンジニアが Trae のようなデータを国外に送信する IDE を使っている場合、そのデータに個人情報や重要データが含まれていれば、APPI（個人情報の保護に関する法律、2022年改正版、2024年4月1日全面施行）第28条（外国にある第三者への提供の制限）と PPC（個人情報保護委員会）ガイドライン（『個人情報の保護に関する法律に係る外国にある第三者への提供の同意取得方法等に関するガイドライン』）に基づく越境要件に該当します。正式な「外国にある第三者への提供」同意取得・標準契約届出・もしくは PPC 認証を一通り完了するには、早くて1〜2ヶ月、遅ければ半年以上かかります。Trae で「テレメトリを無効にしてもデータ送信が続く」という問題が発見されたということは、送信していないつもりでも実際には送信されている可能性があるということです。このようなツールは、厳しい規制下にある業界では開発環境に持ち込むべきではありません。

ISMS 適合性評価（日本の情報セキュリティ認証制度）。[^2] 『サイバーセキュリティ基本法』と経済産業省告示に基づき、JIS Q 27001（ISO 27001 準拠）の ISMS 適合性評価制度が事実上のデファクト・スタンダード。一般公開されるアプリケーションは認証範囲に含まれ、初回取得と継続更新、付随する統制ギャップ是正に通常3〜6ヶ月かかります。これは任意認証だが、ISMS 取得は事実上の参入条件であり、AI 生成アプリケーションだからといって、開発が速いからといって、認証範囲の拡張や適用宣言書の改訂が免除される。

AI ガバナンス（アルゴリズム関連のソフトロー）。[^3] アプリが一般公開され、生成系 AI（商品詳細の自動生成、カスタマーサービスの自動応答、AI 生成コンテンツを含むパーソナライズドレコメンデーションなど）を使用している場合、経済産業省『AI ガバナンスガイドライン v2.0』（2024年公開）と内閣府 AI 戦略会議の議論動向に基づき、自主的なリスク評価と AI ガバナンス態勢の整備が必要です。日本には中国のような強制的な「算法备案」は存在しないが、APPI 第26条（プロファイリングを含む自動意思決定の取扱い）、PPC『AI・アルゴリズムに関する見解』（2024年）への対応、およびEU AI Act（域外適用される場合）を考慮した対応が事実上の義務となりつつある。評価をせずにリリースすることは、コンプライアンス上の重大な事故となります。

変更承認（CAB）とロールバック計画。[^4] 金融・通信の基幹系システムでは、一度のリリースにも変更諮問委員会（Change Advisory Board）の承認が必要だ。影響範囲の評価、ロールバック手順、メンテナンスウィンドウの確認。ここで消費されるのはカレンダー上の時間であって、マシンタイムではない。このウィンドウに間に合わなければ、来週まで待つことになる。金融業界では、J-SOX（金融商品取引法第24条の4の4の2、内部統制報告制度）に基づく IT 全般統制・業務処理統制も同タイミングで整える必要があり、両者は実務上一体のレビューサイクルで回る。

照合と監査。[^5] EC の大型セール、金融の清算・決済では、リリース後に資金や上流システムとの照合が必要であり、全取引を追跡できる監査ログが求められる。AI が生成したアプリケーションは、この部分が脆弱になりがちだ。動作はするが、照合が設計されておらず、差異が発生しても追跡できない。銀行法（昭和56年法律第59号）・資金決済に関する法律・APPI 第26条の「個人データ取扱の記録」義務と組み合わせて、要件定義段階で照合フックを組み込む必要がある。

これらを並べてみると、直感に反する結論が見えてくる。アプリ生成ツールは「アイデア」から「動くプロトタイプ」までのスピードを一桁速くするが、「動くプロトタイプ」から「準拠した本番リリース」までの時間は一切短縮しない。これまでの承認プロセスに要した時間は、今も変わらず必要だ。

これが第1節の図で動いていなかった赤い線の正体である。開発のハードルは下がり、節約できたのはエンジニアがコードを書く時間だけ。コンプライアンスのハードルはそのままで、必要な評価・審査・承認の日数は一日も減っていない。経営層が最も陥りがちな誤解は、前者の加速が自動的に後者の加速につながるという思い込みだ。そんなことはない。

5. 業務部門向けのコンプライアンス経路を用意し、野放しにしない

抑え込めないのであれば、経路を与える。これがシャドーITを統治する上で、実際に機能する数少ない方法の一つだ。

この経路の具体的な構築方法は、以下の4ステップに分けられる。

ステップ1：企業自らがセキュリティ評価を経たジェネレーターを用意する。

現場の社員が社外で手当たり次第に Lovable のようなツールを使うのを黙認するくらいなら、企業が ISMS（JIS Q 27001）に準拠し、データを国外に送信しないバージョンを購入または自社開発し、社内専用の入り口を用意する。ビジネス側が使いやすければ、わざわざ社外のツールに流れることはない。これは「禁止」ではなく「誘導」による対策だ。

Microsoft の FY26（2026年会計年度）の事例は、このアプローチの参考になる。EY は Copilot を15万人の従業員に展開し、15%の生産性向上を達成した。Atos は54カ国・56,000人の従業員に Copilot を導入し、統一 ID、セキュリティ、コンプライアンス、エージェントガバナンスを統制する管理基盤の下で、19,000の AI エージェントを運用している（出典：Microsoft FY26 回顧ブログ 2026-07-28、Atos 公式ニュース 2026-06-09。いずれもベンダーと顧客の共同発表）。両社に共通するのは、AI ツールをエンタープライズグレードのセキュリティおよびコンプライアンス管理プレーンに統合している点だ。これは、いわゆる「承認済みチャネル」の生きた実例と言える。

日本国内では、経済産業省『AI ガバナンスガイドライン v2.0』（2024年）と JIPDEC の ISMS 適合性評価制度、デジタル庁の『公共部門における AI ガバナンスガイドライン』が参考になる。ローカル化された道筋はすでに整備されつつあり、不足しているのはそれを企業の必須プロセスとして組み込むことだ。

ステップ2：強制登録。 誰がどのアプリを構築し、どのデータを読み取り、どのユーザーを対象にしているのかを、登録表に記入させる。登録は軽量に、5分で済むフォームにする。2ヶ月もかかるプロセスにしてしまえば、誰も登録せず、また影に潜むことになる。登録の目的は、すべてのアプリを承認することではなく、可視化されたリストを持つことにある。

ステップ3：データ分類に基づく振り分け。 第2節のマトリクスを用いる。匿名化データやテストデータのみにアクセスする場合は自動的に通過。一方、実際の注文データや個人情報へのアクセスを申請する場合は、自動的に APPI 第28条に基づく越境事前審査と ISMS（JIS Q 27001）認証範囲の拡張レビューがトリガーされる。プロセスをデータの機密性に連動させ、すべてのアプリに一律の基準を適用するのではなく、リスクに応じた段階的な対応を可能にする。

ステップ4：自動セキュリティスキャン。 AI が生成したアプリケーションは、人間が書いたコードに比べて脆弱性の発生率が著しく高い。CodeRabbit の2026年レポートでは、この数値が更新されている：AI 支援で生成されたコードで発生する問題（論理バグや正確性バグを含む）は、従来の手書きコードの1.7倍（CodeRabbit 独自の算定基準に基づく。商業的立場を含む。DORA 2026年2月ウェビナー、Kunal Ganglani の2026年横断評価と整合）。Veracode の2025年 GenAI コードセキュリティレポートはさらに直接的で、評価対象サンプルの約45%の AI 生成コードに OWASP Top 10 レベルの脆弱性が含まれていた（Java 生成コードの失敗率は70%超。Veracode 独自の算定基準。商業的立場を含む）。学術界でも、GitHub の公開リポジトリを対象とした大規模実証分析（arXiv:2510.26103）が同じ方向性を示している。したがって、このスキャン工程は AI 生成アプリケーションにとって必須であり、任意ではない。SAST、依存関係スキャン、シークレットスキャンをジェネレーターのリリースパイプラインに組み込み、すべてグリーンになって初めてリリースを許可する。CodeRabbit は2026年6月時点で、GitHub/GitLab 上で最も導入されている AI コードレビューツールとして公に実証されており、15,000社以上の有料顧客、600万リポジトリのレビュー実績を持つ。NVIDIA の CEO である Jensen Huang 氏も「NVIDIA 全社で CodeRabbit を使用している」と公に推薦している。これをエンタープライズ級 AI コード品質ゲートのベースライン参照として位置づけるのは合理的だ。

この4つのステップを実行しても、ビジネス側のスピードはほとんど落ちなかった。しかし、すべてのアプリケーションが監査可能なリストに載り、機微データに触れるものは正式な評価プロセスに回されて止められた。これはガバナンスであって、減速ではない。

ここで、誤って広まった数字を1つ明確に訂正しておきたい。原稿には「シャドー AI 採用率45%」という記述があったが、これは元の情報を取り違えている。45%というのは、Veracode のレポートにおける AI 生成コードの欠陥率であり、ツールの採用率ではない。シャドー AI の採用率については、UpGuard の80%以上というデータを参照すべきだ。この2つの数字はまったく別の事柄を指しているので、混同しないように。

6. アプリ生成器を使うべきでないケース

これは銀の弾丸ではない。典型的な誤用は4パターンあり、そのすべてを私たちが支援してきた顧客先で実際に目にしてきた。

中核となる取引処理やリスク管理に使うケース。 これが最も危険だ。「生成器がこれだけ強力なら、決済ゲートウェイも試してみよう」と考える人がいる。先ほどのマトリクスの右下はレッドゾーンであり、複雑なロジックに加えて金銭が絡む領域を生成器に任せることは、中核システムを責任を取らないインターンに預けるようなものだ。資金事故が発生したとき、照合も監査もロールバック計画も存在しない。三菱 UFJ 銀行・三井住友銀行・みずほ銀行・りそな銀行といった都銀・PayPay・LINE Pay・楽天 Pay といった決済事業者の基幹システムでこの種の失敗が起きれば、監督官庁の金融庁・財務省が即座に動くだろう。

デフォルトで AI 生成コードは安全、という前提は誤りです。 CodeRabbit の1.7倍、Veracode の45%という数字がすでに答えています。AI が生成したアプリケーションの「一見動いている」と「安全に動いている」の間には、まるまる一つのセキュリティエンジニアリングの領域が存在します。AI 生成アプリを人手で開発したアプリと区別して、安全基準を下げることは、より速いスピードでより多くの脆弱性を生み出すことに他なりません。

海外の生成サービスを利用して個人情報を処理するのに、国外持ち出しの評価をしていない。 これは特に EC で顕著です。マーケティングのキャンペーン用に C 向けのページを作り、バックエンドで OpenAI を呼び出して文言を生成、ユーザーが入力した電話番号がそのまま海外サービスに渡ってしまう。これでは APPI 第28条の規制を真っ向から無視することになります。問題が起きれば、これは技術的なバグではなく、データ漏洩事故です。楽天モバイル・au(KDDI)・ソフトバンク・NTT ドコモの顧客データが海外に送信されれば、PPC による高額の勧告・命令（APPI 第145条〜第148条）に直結する。

Trae のようなデータが国外に送信される可能性のある IDE を、会社の全エンジニアにデフォルトでインストールさせる。無料の高機能モデルという誘惑は強く、エンジニアは自ら進んでインストールします。中核となるコード、設定、API が（バイトダンスやその他の海外事業者の）サーバーに渡ってしまってからでは、取り返しがつきません。このようなツールを開発環境に導入するには、セキュリティ部門や法務部門を交えた導入審査が必須であり、技術チームだけで判断してはなりません。

7. 四業界の視点：導入してよいアプリ、絶対にダメなアプリ

この章では、私たちが実際に企業と一緒に問題を経験してきた4つの業界（EC、金融、通信、製造）に焦点を当てます。行政、医療などの高度規制業界の事例は別稿で詳しく扱うため、ここでは割愛します。

カメラを4つの業界に切り替えて、それぞれのセクションで実際に私たちが目撃したリアルなシナリオを添えよう。

EC（電子商取引）。 最も炎上リスクが高いのは「楽天市場・Yahoo! ショッピング・Amazon Japan・メルカリ向けのプロモーションルール設定ツール」「インフルエンサー商品選定ダッシュボード」「在庫照会ミニアプリ」だ。これらは一見ただのツールに見えて、実際には電話番号や住所が入った注文テーブル（ワイドテーブル）を読み込んでいる。この手のアプリケーションは必ず第3節のサンクションチャネル（承認済み経路）に登録し、実データに触れると自動的に ISMS（JIS Q 27001）認証範囲の拡張レビューと APPI 越境移転評価がトリガーされる仕組みにしなければならない。私たちは実際に、某 EC 企業の運営チームが2ヶ月で7つの社内ツールを立ち上げ、そのうち4つが注文テーブルを読み込んでいたのを目の当たりにした。これは決して一部の事例ではない。

金融。 レッドラインは「取引システム／決済／清算・決済／リスク管理／不正検知／監督報告」だ。ジェネレーター（AI コード生成）が適しているのは、営業担当者向けワークステーション、マーケティングキャンペーン設定ツール、照合レポートのフロントエンドあたりまで。絶対にリスクエンジンや不正検知ルールには使ってはならない。CodeRabbit の調査による論理バグ発生率1.7倍（CodeRabbit 独自の定義に基づく。商業的立場を含む）という数字は、金融シナリオでは資金リスクの増幅に直結する。事例の企業は匿名化済み：某地方銀行が2025年末に AI プログラミングを監督報告の補助生成に使い始めたところ、金融庁向け報告スクリプトに3箇所のフィールド定義の不整合が発生し、当局から事情聴取を受けた。根本原因の一つは、AI が生成した「一見正しそうなコード」を誰もレビューしなかったことにある。

通信／キャリア。 私たちが支援してきた某社の通信事業者では、支社のマーケティング部門が自ら Bolt を使って「顧客プロフィール簡易検索」ツールを構築し、電話番号を入力するだけで過去90日間のプラン履歴・苦情履歴・レコメンド履歴を参照できるようにしていました——これは明らかに APPI 第28条が定める照会権限のラインを越えています。NTT ドコモ・au(KDDI)・ソフトバンク・楽天モバイルのキャリアの現場では、ジェネレーターは「営業担当者ワークスペース」＋「カスタマーサポート知識庫前端」＋「マーケティングキャンペーン設定」に使うのは問題ありませんが、課金・請求・明細照会には絶対に触れてはいけません——これらはキャリアの生命線であり、一度ミスを犯せばニュースになります。

製造。 MES/ERP 統合、品質検査、報告が中核システムであり、ジェネレーターが担えるのは周辺領域、すなわち現場のダッシュボード、工順照会、設備 OEE のデモ程度に留まる。絶対に触れてはならないのは、生産スケジューリングのコアアルゴリズム、品質判定ロジック、上位 ERP との照合インターフェースである。事例は匿名化済み：某自動車部品サプライヤー（公開情報で確認できる同種のリコール事例も複数存在する。本事例は公開リコール公告と筆者が関与したプロジェクトを総合したもので、意思決定のロジックを説明するためのものであり、特定の企業を指すものではない）が、IT 部門に Bolt を使って「品質検査 AI モデルのフロントエンドダッシュボード」を構築させた。意図は単に抜き取り検査画像と判定結果を表示することだけだったが、フロントエンドのレンダリング時に AI モデル推論の生の信頼度閾値がクライアント側にハードコードされてしまった。業務担当者が誤って0.85を0.6に変更したところ、3日間で本来「不合格」と判定されるべき200件以上の部品が「合格」と表示され、下流の生産ラインに流出。最終的に3バッチのリコールで収束した。中規模製造企業が最も陥りやすい過ちは、「品質検査 AI モデルのフロントエンド」までもジェネレーターに任せてしまうことだ。品質検査ルールの下流には製品リコールが控えており、一度誤ればリコール公告となる。

8. 意思決定者への示唆

示唆1：ツール調達の前に、まずアプリケーションのレイヤー図を描け。 第2節のマトリクスを引っ張り出して、自社の既存・計画中のアプリケーションを「複雑度」と「データ感度」でプロットしてみよう。すると即座に見えてくる——どの領域がグリーンゾーンで生成系ツールに任せて高速化してよいのか、どの領域がレッドゾーンで絶対に触れてはいけないのか。この一枚の図があるだけで、「生成系ツールで基幹システムをリライトしよう」という衝動的な提案の大半を事前に遮断でき、同時に高速化すべき部分を堂々と高速化できる。

示唆2：APPI 越境移転と ISMS（JIS Q 27001）は「導入後の対策」ではなく「参入条件」として扱え。 コードやデータに触れる AI ツールを調達する際は、まずこの2つの関門を通過させる。Trae のようなツールの問題は「使えるかどうか」ではなく、「自社の規制環境で使えるかどうか」にある。この判断は前倒しで行うべきで、誤ると後で是正対応・勧告・最悪の場合サービス停止に追い込まれる。具体的なアクションとしては、AI ツール調達をセキュリティ部門・法務部門との合同審査プロセスに組み込み、「開発環境に持ち込み可」のリストと「案件ごとの承認が必要」なリストを明確に策定することだ。

示唆3：ビジネス側にコンプライアンス適合の経路を用意しなければ、シャドーアプリは増え続ける。 第3節の80%という数字は、封じ込めが不可能であることを示している。問題が発覚してから棚卸しするのではなく、今すぐ第5節の経路を構築すべきだ。すなわち、承認済みジェネレーター、軽量な登録プロセス、データ種別に応じた振り分け、自動スキャンである。ビジネス側のスピードを殺さずに、しかしすべてのツールを台帳に載せる。これこそが、シャドーITを誰も管理していない死角から、監査可能な資産へと変える方法だ。

示唆4：指標を変えよ——でなければ予算は全てツールに流れ、ボトルネックは解消されない。 これは経営トップへのメッセージだ。現在、多くの取締役会が「AI ライセンスを何本購入したか」「開発スピードが何%向上したか」で AI 変革の成果を測っている。この測り方には構造的な欠陥がある。予算が全てツール購入に流れ、本当にデリバリーを詰まらせている関門——APPI 越境移転評価担当、ISMS コンプライアンス担当、セキュリティエンジニアリング、照合・監査——には人も金も回らない。結果、ツールは山のように積まれ、デリバリーは相変わらず遅い。「分かっちゃいるけど動けない」病を治すには、この指標そのものを上から変えるしかない。「コンプライアンス経由でカバーされたアプリの数」「シャドーアプリが N 件から M 件に減少」「コアアプリのプロトタイプからコンプライアンス承認までのリードタイム」を KPI に加えるのだ。指標が変われば、予算は初めて本当に詰まっている場所へ流れる。

逆方向セルフチェック（答えを美化しないこと）：自社で今、事業部門が自分たちで AI を使って作ったアプリがいくつ動いているか、数字で言えるか？その中で、注文情報・電話番号・住所に触れているものはいくつある？エンジニアにデフォルトで入れている AI 搭載 IDE、データがどこに送られているか調べたことはあるか？AI の成果を測るために使っている数字は、「ツールを買うこと」を評価しているのか、それとも「デリバリーが速くなること」を評価しているのか？4つのうち1つでも心当たりがあれば、この記事で扱うリスクは、すでにあなたの会社で起きている。

次のステップへ

これは「AI 時代のソフトウェア工学変革」シリーズ18篇中の第5篇。App 生成器と AI IDE が「アプリを作る」敷居を大幅に引き下げた一方で、データに関わる敷居が下がらない理由をここまで見てきました。

次篇（第6篇）は、業界コンセンサスとなりつつある逆方向──仕様駆動開発（Spec-Driven Development）に焦点を当てます。GitHub Spec Kit、Claude Code、AWS Kiro、OpenAI の AGENTS.md が、なぜ揃って「まず文書で要件を固めてから AI に手を動かさせる」パターンに向かうのか。前節で触れた AI 生成コードの脆弱性率が人手より高いという問題に対する、仕様駆動による有効な解の一つ──曖昧な口頭要件をチェック可能な仕様へと変え、AI を効果的に制約・検証する道筋を解きほぐします。

シリーズ説明：本シリーズは AI プログラミングツール、組織アーキテクチャ、ソフトウェア工学パラダイムの最新動向を継続的に追跡する。

この判断を御社に実装するには？

App 生成器を企業内に導入した後、真に解決すべきは通常いくつかの具体的な問題です：どのアプリとデータを業務側にセルフ生成させるか、どれを IT 部門が管理しなければならないか、既存の検証フローをどこまで補強すべきか、そしてパイロット段階で何の指標で検収するか。

現在、3つのエンゲージメントモデルを提供しています：

企業内研修：御社の実プロジェクトに紐づけながら、App ジェネレーターの選定、利用境界、コンプライアンス経路、ガバナンス体制の設計を一気通貫で進めます。
個別コンサルティング：「業務部門に公認 App ジェネレーターを開放すべきか」といった明確な意思決定や、シャドーアプリ棚卸し後の是正優先順位付けにフォーカスします。
経営層向けセミナー・業界講演：AI コーディングツール、シャドーアプリガバナンス、企業の AI トランスフォーメーションと組織ガバナンスをテーマに取り上げます。

本稿で示すフレームワークは汎用性を重視していますが、実際の適用にあたっては、各社のデータ境界、規制要件、エンジニアリング成熟度、既存のデリバリープロセスに応じて再設計が必要です。ご相談は coach@iaiuse.com までお問い合わせください。

関連記事：『見習いメソッド v1.0』（ゆっくり学ぶ AI 187）では、企業の AI トランスフォーメーションを進める7ステップのフレームワークを体系的に解説しています。

本シリーズについて

「AI 時代のソフトウェアエンジニアリング変革」は、通信、金融、製造、EC 業界の CIO、CDO、CTO、デジタル変革責任者を対象とした全18編の研究シリーズです。AI コーディングツール、App ジェネレーター、シャドーアプリガバナンスが、ソフトウェアデリバリープロセス、組織構造、ガバナンス体制、管理指標にどのような影響を与えるかを重点的に考察します。

この連載について

本連載では、学術論文・ベンダー資料・業界レポートを継続的に調査しており、研究資料は累計200件以上にのぼります。主要な判断にはエビデンスレベルを付記し、検証済みの事実・ベンダーの主張・業界の見解・筆者の推論を可能な限り区別しています。

私は約8年にわたり大手企業向けのコンサルティングおよびビジネス分析に従事し、IBM 在籍時には通信・金融・保険・製造業のプロジェクトに携わりました。その後も、キャリア（通信事業者）向けプロダクト、インターネットサービス、AI アプリケーション開発の現場で、要件分析・プロダクトデザイン・クロスチーム推進に携わってきました。

本連載の工具選別、App 生成器の利用範囲、コンプライアンス対応の設計、組織ガバナンスに関する考察は、これらの実務経験に基づき、公開されている研究や業界事例と突き合わせて検証しています。具体的なプロジェクト内容についてはすべて匿名化しています。一部の業界シナリオは典型的な問題からの推論であり、その根拠は文末の参考文献に示しています。

このアカウントは、実際には少人数のチームで運営しています。筆者と、長く協業している1〜2名の同僚が、AI プログラミングツール研究、組織ガバナンス事例の整理、コーチング対話などを分担しています。文中の「企業と一緒に乗り越えた」事例の多くは、このチームで共同対応したものです。顧客名や個人名はもちろん、今後のコラボレーションの可能性を考慮して匿名としています。

参考文献

（すべて検証済み。各項目にエビデンスレベルとスタンスを明記）

StackBlitz CEO エリック・サイモンズ（LinkedIn、2026会計年度締め）. Bolt.new はフォーチュン500企業の4分の3が採用し、エンタープライズ向け ARR は前年比10倍に成長。一次情報による企業側の公式見解。https://www.linkedin.com/posts/eric-simons-a464a664_a-growth-update-as-we-close-out-our-fiscal-activity-7425263313049026560-5tdV
Sacra / Growth Unhinged (2025). Bolt.new の ARR 成長トラッキング（約5ヶ月で ARR 4,000万ドル到達、ユーザー数約500万人、ChatGPT に次ぐ史上2番目の成長速度）。一次リサーチ／トラッキング。https://sacra.com/c/bolt-new/ 、https://www.growthunhinged.com/p/boltnew-growth-journey
Taskade (2026-03) / Business Insider. StackBlitz は2025年1月にシリーズBで$105.5Mを調達、評価額は約$700Mに到達。Bolt V2 は Bolt Cloud 上でローンチ。業界報道を総合。
Forbes / Rashi Shrivastava (2026-06-05). Lovable は$12Bの評価額で新たな資金調達を交渉中。ARR は$500Mを突破（2026-06-09 TechCrunch も同調）。一次情報に基づく業界報道。https://www.forbes.com/sites/rashishrivastava/2026/06/05/ai-coding-startup-lovable-in-talks-to-raise-funding-at-a-12-billion-valuation
CNBC / Bloomberg (2025-12) / TechCrunch (2025-11). Lovable はシリーズBで$330Mを調達、評価額は$6.6B。シリーズAでは$200Mを調達し、評価額は$1.8Bだった。業界報道。
ARR.club (2026年7月). Lovable の ARR 成長カーブ：$17M（2025年2月）→ $100M（2025年7月）→ $200M（2025年11月）→ $400M（2026年2月）→ $500M（2026年6月）。エンタープライズ顧客には Workday、Asana、NVIDIA が含まれる。業界トラッキング。
Vercel（2026年2月3日公式ブログ「Introducing the new v0」）. v0 は v0.dev から v0.app へ名称変更し、UI コンポーネントからフルスタックアプリ生成ツール（サンドボックスランタイム＋GitHub＋Snowflake/AWS 統合）へ進化。一次情報としてのベンダー公式見解。https://vercel.com/blog/introducing-the-new-v0
Taskade（2026年3月）/ Vercel. v0 は2026年3月時点でユーザー数600万以上、月間アクティブチーム約8万、推定 ARR 約$42M。業界の複合推定値。
Replit (2026-03-13 公式更新ログおよび公式ブログ “What’s changed from Agent 3 to Agent 4”) Agent 4 は 2026-03-11 にリリース；Infinite Design Canvas を導入；fork-and-merge 協働モードを同一プロジェクトのマルチスレッドタスクへと昇格させ、衝突の自動マージ（90% を自動解決）をサポート。ベンダー一次情報。https://docs.replit.com/updates/2026/03/13/changelog
AlphaSignal (2026) が報じた、Replit Agent 4 がマージ衝突の 90% を自動解決する詳細。業界メディア。https://alphasignal.ai/news/replit-s-agent-4-resolves-90-of-team-merge-conflicts-automatically
Atal Upadhyay (2026-03-19). Replit は同じ週に、$400M の D ラウンドを発表し、評価額は$90億に達した（半年で3倍に増加）。業界報道を総合。https://atalupadhyay.wordpress.com/2026/03/19/replit-agent-4-replit-just-changed-everything
Cybernews（2026-08-01 更新）/ The Register（2025-07-28）/ segmentationf4u1t（GitHub 上の第一手研究）. Trae はテレメトリをオフにしても、ハードウェア情報・デバイス ID・プロジェクト活動データをバイトダンスのサーバーへ送信し続けます。1 回のバッチで最大 53,606 バイトに達することもあり、7 分間で 500 回以上の呼び出しが発生したケースでは、総量が約 26 MB に上りました。バイトダンスは公式に、このトグルが制御するのは VS Code フレームワークの一部に過ぎないと認めています。Privacy Mode は 2026 年 8 月前後のリリースが予定されており、Trae は 2026 年 2 月に「forever free」を廃止し、トークンベースのペイウォールへ移行しました。第一級のセキュリティ研究、業界報道、そしてベンダー自身の声明に基づく内容です。https://cybernews.com/security/bytedance-ai-coding-tool-trae-data-collection 、https://www.theregister.com/software/2025/07/28/bytedance-ai-ide-trae-telemetry-continues-even-after-opt-out/ 、https://github.com/segmentationf4u1t/trae_telemetry_research
OpenAI Tools Hub / Jim Liu (2026-05-18). Trae は12ヶ月で登録者数600万人、月間アクティブユーザー160万人、累計生成コード1,000億行を達成。2月のトークン有料化により「forever free」路線は終焉。総合調査（アナリスト視点）。
Gartner（Process Excellence Network, 2025-08-27 / DevOpsDigest / UC Today 経由で転載）.
2026年末までに、企業向けアプリの40%がタスク特化型 AI エージェントを組み込む見込み（2025年時点では5%未満）。さらに2035年までに、エージェント型 AI が企業ソフトウェア市場の約30%（4,500億ドル）を占めると予測。公式予測ドキュメント。https://www.processexcellencenetwork.com/ai/news/gartner-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026
Gartner（RapidClaw / Hendricks.ai / Arion Research 経由の引用、2025-2026年）：2024年 Q1 から 2025年 Q2 にかけて、企業によるマルチエージェント（multi-agent）システムへのコンサルティング需要は 1445% 増加した——Gartner の AI コンサルティング事業で最も急成長したトピック。一次研究／引用。
Microsoft（FY26振り返りブログ、2026-07-28）：EY は 15 万名の従業員に Copilot を展開し、15% の生産性向上を達成、世界 40 万名への拡大を進めている；Atos は 54 か国 5.6 万名の従業員に Copilot を展開し、統一管理パネル下で 1.9 万の AI エージェントを運用。ベンダー一次情報および顧客テスティモニアル（ベンダー＋インテグレーター視点）。https://blogs.microsoft.com/blog/2026/07/28/looking-back-on-microsofts-fy26-from-ai-experimentation-to-frontier-transformation
Atos Group（2026年6月9日公式発表） Atos は Microsoft との戦略的提携を拡大し、Copilot E7（Frontier Suite）を従業員56,000名に展開。Entra／Defender／Intune／Purview／Agent 365 の各コントロールプレーンを統合し、19,000のエージェントを運用する。企業自身による公式コメント。https://www.atosgroup.com/en/press/atos-group-and-microsoft-expand-strategic-collaboration-scale-secure-agentic-ai-across-atos
UpGuard / Cybersecurity Dive (2025). 従業員の80%以上、セキュリティ責任者の約90%が未承認の AI ツールを使用。約半数の従業員が機密データをこれらのツールに貼り付けた経験がある（Mimecast、Teramind の同種レポートも類似した数値を報告しており、相互に裏付けられている）。一次調査＋業界報道。https://www.cybersecuritydive.com/news/shadow-ai-employee-trust-upguard/805280/
Gartner（The Hacker News経由、2026年5月）. 69%の組織が従業員による禁止 AI ツールの使用を疑っている、または確認している。AI 利用に関するガイドラインを策定しているのはわずか37%。業界報道による転載。
CodeRabbit（2026年2月 DORA 共同開催ウェビナー + Kunal Ganglani 2026年6月横断評価） AI 支援で生成されたコードの問題数（論理バグ・正しさに関するバグを含む）は、従来の手書きコードの約1.7倍。CodeRabbit は GitHub/GitLab 上で最も導入されている AI コードレビューツールであり、15,000社以上の有料顧客、600万リポジトリのレビュー実績を持つ。NVIDIA CEO の Jensen Huang 氏も公に推薦。一次研究 / ベンダーデータ / 業界横断評価に基づく。https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report
Veracode (2025年生成式 AI コードセキュリティレポート): 評価対象サンプルのおよそ 45% の AI 生成コードに OWASP Top 10 レベルの脆弱性が含まれていた（Java 生成コードの失敗率は 70% 超。Veracode 独自の算定基準。商業的立場を含む）。一次研究。https://www.veracode.com/blog/genai-code-security-report/ (注: 原稿曾将此「45%」を誤って「シャドー AI 採用率」としていたが、方向が誤っていたため修正済み — 45% とは AI 生成コードの欠陥率を指し、ツールの採用率ではない。シャドー AI 採用率は UpGuard の 80% 以上のデータを参照。)
arXiv:2510.26103: AI 生成コードのセキュリティ脆弱性 — 公共 GitHub リポジトリの大規模分析（AI 生成コードのセキュリティ脆弱性に関する一次実証研究）

データの取り扱いについて：本稿の定量データはすべて出典を明記している。一部、ベンダーが一次データを非開示としているものや、独立した検証が未了の数字（例：Lovable の$12B 新規調達ラウンドは交渉中、Atos の19,000エージェントの正確な集計時点）については、扱いをグレードダウンしている。顧客事例は匿名化済み（EC運営組、通信事業者の地市分公司マーケティングセンター等）。出所は筆者が納品支援の過程で立ち会って観察した事実に基づくものであり、特定の企業を指すものではない。規制要件（APPI 越境移転、ISMS（JIS Q 27001）、AI ガバナンスガイドライン）は現行法令に基づくものであり、適用範囲は業務やデータ種別によって異なる。実装にあたっては、法務・コンプライアンス部門の見解を確認のこと。

[^1]: APPI（個人情報の保護に関する法律）第28条（外国にある第三者への提供の制限）、PPC（個人情報保護委員会）『個人情報の保護に関する法律に係る外国にある第三者への提供の同意取得方法等に関するガイドライン』。2022年改正により「原則本地処理」から「条件付き本地処理」へ転換し、2024年4月1日全面施行。違反時は APPI 第145条〜第148条に基づく勧告・命令の対象。
[^2]: ISMS 適合性評価制度（JIS Q 27001 = ISO 27001 準拠）は IPA（情報処理推進機構）と JIPDEC が主管する任意認証制度。事実上のデファクト・スタンダードで、年1回の継続更新審査が必要。サイバーセキュリティ基本法（2014年制定、2018年改正）に基づく重要インフラ行動計画とも整合する。
[^3]: 日本には中国のような強制的な「算法备案」は存在しないが、①経済産業省『AI ガバナンスガイドライン v2.0』（2024年公開）、②PPC『AI・アルゴリズムに関する見解』（2024年）、③APPI 第26条（プロファイリングを含む自動意思決定の取扱い）への対応が事実上の義務となりつつある。EU AI Act（Reg. 2024/1689、域外適用あり、2026年8月2日全面適用）が日本企業のグローバル展開にも影響。
[^4]: 変更管理の一般的なフレームワークは ITIL 4 の Change Enablement を参照。金融業界の最新の基準としては J-SOX（金融商品取引法第24条の4の4の2、内部統制報告制度）と金融庁『主要行等向けの総合的な監督指針』、『中小・地域金融機関向けの総合的な監督指針』が適用される。
[^5]: 取引記録の保存：銀行法（昭和56年法律第59号）第17条の2（帳簿書類の備付け）および資金決済に関する法律第63条（取引記録の保存）に基づき、金融機関の主要帳簿は最低10年保存が求められる。監査ログ：J-SOX 内部統制報告制度の下で、IT 全般統制におけるログ保存期間は最低5年を推奨。EC 取引記録は『特定商取引に関する法律施行規則』で3年保存が定められている。