10月23日、Kashyap Kompellaが「Who should claim AI leadership in the enterprise?」と題した記事を公開した。この記事では、企業内でAIのリーダーシップを誰が担うべきかという組織的・ガバナンス的課題について詳しく論じている。

エンジニアチームが年間AI予算を数ヶ月で使い切り、AIコーディングエージェントが触れるはずのないレコードを書き換える——こうした事態が実際に起きている。AIの課題は今や「技術的な実現可能性」より「ガバナンス」の問題に移りつつある。

AIはもともとの「持ち主」を超えた

2023年に生成AIが商業的に普及する以前、AIプログラムはCIO・CTO・最高データ責任者（CDO）・アナリティクスチームの管轄だった。だがその後、各部門が中央ITの審査を待たずに独自のAIツールを導入するようになり、責任の所在が曖昧になった。

記事では責任の分担を次のように整理している。

• ビジネスリーダー：自部門が導入したAIの結果に責任を持つ
• CIO・CTO：アーキテクチャ、統合、サービスの信頼性を担う
• 財務部門：投資対効果の評価を行う

具体例として保険会社のクレーム処理AIが挙げられている。CIOはシステムの動作を保証でき、CISO（最高情報セキュリティ責任者）はデータを保護できる。しかし「どのクレームを人間の確認なしに処理するか」「許容できるエラー率はどのくらいか」といった意思決定は、クレーム業務の責任者が行うべきであり、CIOの権限外だ。

企業全体のAI方針とリスク許容度の責任はCEOにある。 McKinseyの2025年調査では、CEOがAIガバナンスを監督している企業ほど財務的なインパクトが大きいと自己申告する傾向があると報告されている。

CAIO（最高AI責任者）は定着するか

こうした分散した責任の受け皿として「最高AI責任者（CAIO）」という役職が生まれた。IBMの2026年CEO調査によれば、CAIOを置く企業の割合は前年の26%から76%に急増した。またIBMは、CAIO設置企業でAI投資リターンが高い傾向があると報告しているが、この相関が因果を意味するわけではないと記事は明記している。

CAIOの設置の利点は、数百のプロジェクトや競合するベンダー契約が乱立する大企業において、共通標準の設定・優先順位付け・技術リソースの最適配分を実現できる点だ。

一方でリスクもある。採用促進だけを担い、弱いビジネスケースを問えないCAIOはオーバーヘッドを増やすだけになる。また、全部門の導入にCAIOの承認を必須にすると、今度は意思決定ボトルネックになる。「規模の小さい企業ではCIOと経営幹部のステアリンググループで十分かもしれない。大企業には明確な決定権を持つ専任CAIOが必要かもしれない」と記事は述べている。

責任分担の実践：誰が何を決めるか

記事にはRACI図（誰が責任者・実行者・相談先・情報共有先かを整理した表）が掲載されており、12の主要な意思決定について9つの幹部ポジションの役割を整理している。

この図では、AIポリシー策定・リスク評価・倫理的配慮・運用監視といった意思決定領域ごとに、CIO・CAIO・CISO・法務・HR・各ビジネス部門がそれぞれ「R（実行責任）」「A（説明責任）」「C（相談先）」「I（情報共有先）」のいずれに該当するかが一覧できる。特に注目すべきは、倫理的配慮や最終承認の多くでCEOが説明責任を持つ一方、実務上の実行責任は各部門に分散している点だ。「一つの役職がAIポリシー・運用リスク・倫理的配慮をすべて抱える」構造を否定している。

ガバナンスの実務としては、NISTのAIリスク管理フレームワークやEUのAI法への対応が求められる。具体的には、導入済みシステムの台帳管理、承認閾値の文書化、テスト、アクセス制限、インシデント対応手順、継続的なモニタリングが必要だ。

最大の新課題：AIエージェントのガバナンス

記事が特に力を入れているのが自律型AIエージェントの管理だ。エージェントはレコードを検索し、メッセージを送り、コードを書き、トランザクションを実行する——しかもステップごとの人間の承認なしに。

記事は金融機関における外部エージェントのアカウントアクセス制御を例として挙げ、認証情報の管理、トランザクションの制御、ソフトウェアが代理で行動する際の責任の所在が問題になると指摘している。

※編集部の考察：JPモルガンが2026年10月に外部エージェントへのアクセス制限措置を発表したとCNBCが報じており、記事が指摘する課題の具体例として参照できる。

記事は「文書化されたルールだけでは足りない。エージェントが何にアクセスできるか、何を変更できるかを技術的に制限しなければならない」と指摘する。また、名目上「人間が監視している」状態でも、その担当者に介入する時間・根拠・権限がなければ実質的な保護にならないとも述べている。

コスト面でも課題がある。エージェントは反復的なモデル呼び出し、ツール使用、リトライを繰り返すため、個々のAPIコストではなくタスク完了コストで評価すべきだと記事は主張する。財務部門はアプリケーション・事業部門単位での予算設定とアラート閾値を要求すべきとしている。

人と組織の変化も不可欠

記事は、効率の評価にはミス・クレーム・修正・信頼の喪失というコストを含める必要があると指摘する。

※編集部の考察：2025年5月、KlarnaがAI主導のカスタマーサービス効率化を見直し、人間のサポート担当者を再配置する方向に転換したとBloombergが報じた。記事が示す「効率化の過信」リスクの参考事例として挙げておく。

また「削減した時間が自動的にコスト削減になるわけではない」と記事は断言する。生産性向上・サービス改善・コスト削減・収益増加のいずれかが実際に起きて初めて価値が生まれる。McKinseyの「The state of AI in 2026」調査でも、AIを広く活用している企業のうち、実質的な収益増をAIに帰因できると回答した企業は限られた割合にとどまると報告されている。

詳細はWho should claim AI leadership in the enterprise?を参照していただきたい。