責任者による内部統制の失敗の開示はまれで、目を見張るものがある。
まさにその点が浮き彫りになったのが、Workivaの「2026年中間経営層ベンチマーク調査」だ。同調査は驚くべきことに、シニアリーダーの26%が、内部AI監査によって取締役会、あるいはさらに危険なことに外部の受け手に到達した「後」で誤りが発見されたと報告した、と明らかにした。
データの不備を認める内容に加え、さらに厄介な結果もあった。同じ調査で、経営層の84%が、人によるレビューなしに年次報告書に掲載されるAIの出力について「ある程度は信頼できる」と回答した。しかし、自社のデータ品質がAI利用に十分だと答えたのはわずか11%にとどまった。
こうした慢心は、AI時代に神経をとがらせる投資家や規制当局には通用しない。
Workivaによれば、機関投資家のほぼ全て（96%）がAIガバナンスに関する監督方針を投資判断の要素としており、そのうち62%が「非常に重要」と答えた。現時点でAIガバナンス開示に関する標準的な枠組みは存在しないため、投資家はForm 10-K（年次報告書）のリスク要因、脚注、決算説明会の書き起こしを精査することで企業姿勢を推し量るしかない。
データガバナンスに関する記述はほとんどない。Conference BoardとESGAUGEによる分析によれば、S&P 500構成企業の72%が昨年、少なくとも1つの重大なAIリスクを開示した一方、不正確な出力に言及したのはわずか2%だった。当然ながら、調査対象の投資家の89%が開示におけるAIの正確性を懸念しており、47%はAI生成による誤りの兆候を注視していると回答した。
これは、関与の薄い取締役会や経営陣が是正すべき、リスクをはらんだ報告体制の混乱だ。
危険、危険
Workivaの調査結果で最も顕著な分断は、階層による差だ。経営層はレビューを経ないAI出力に対し、意外にも39%が「非常に高い信頼」を寄せていた。一方、基礎データを扱う実務担当者の信頼度は29%にとどまった。
Workivaのバイスプレジデント兼インダストリー・プリンシパルであるスティーブ・ソーターは、実務者の慎重さを悲観論ではなく能力の表れとして捉えている。業務に最も近い人々がAIに慣れていくにつれ、そのリスクへの理解も深まるとし、「成熟度が高まっていることを示す要素の一つが、より的確な問いを立てる能力だ」と語る。
その結果、最終的な開示の意思決定者である取締役会が、最も情報を欠いた状態で信頼を寄せるという危うい立場に置かれることになる。監査委員会に対して推奨する即時の構造的変化を一つ挙げるとすればと問われ、ソーターは言葉を濁さなかった。
「AIに関する一般的な保証を受け入れるのをやめ、証拠を要求し始めることだ。つまり経営陣に対し、『AIは財務報告や開示のどこで使われているのか、その出力がレビュー・検証されたことを示す文書はどこにあるのか』と問うことだ。監査委員会がこの問いを発しなくとも、外部監査人は必ず問うだろう（もしまだであれば）。経営陣が、財務報告におけるAIについてどのように安心を得ているのかを説明できず、それを証拠で示せないのであれば、委員会は埋めるべきギャップを発見したことになる」
水滴に溺れる
AIのデータガバナンスは、四半期・年次財務報告書が適正に表示されていることや、開示統制と手続きを構築・評価したことに個人として署名・証明するCEOやCFOにとっての懸念を高める。この責務は、AI依存の「ブラックボックス」リスクを想定していなかった。
「ルールは変わっていないが、証拠はかつてないほど重要かつ複雑になっている」とソーターは主張する。AI支援ワークフローに関するレビューのチェックポイント、検証ステップ、文書化要件を備えた組織は、うまく設計され効果的な統制によって誤りを捉える傾向にある。
「経営陣がAI支援作業を適切にレビューしたと言うなら、そのレビューを文書で示せなければならない。つまり、データの出所、モデルがそれをどのように使用したか、そして情報が外部に公開される前に資格のある人物が結果を評価したことを追跡できる必要がある」と彼は説明した。
報告プロセスが適切に統治されていたとしても、汎用の大規模言語モデルは「洗練されていて不正確な出力を生み出し、品質の錯覚を与えることがある」とソーターは指摘する。
「最も危険な誤りは、明らかに間違っているものではない」とソーターは警告する。「見た目が正しく、権威ある響きで、誰も疑おうとしないものだ。AIの出力を、それを生み出したデータまでさかのぼる術がなければ、問題があることにすら気づかないかもしれない」。ましてやAIの出力が取締役会やその先に到達した時にはなおさらだ。
3つのステップ
ソーターは、AIに依存する取締役会が経営陣に期待でき、また期待すべき3つのアクションを示した。
1. 追跡し、そのうえで認証する。 財務報告と開示にAIが関与するあらゆる場所を特定し、それぞれの出力がソースデータまでさかのぼれるかを判断する。テストは、CFOが投資家、監査人、規制当局と向き合い、ある数字がどのように生み出されたかを正確に説明できるかどうかである。それに耐えられないプロセスは容認できない。
2. 安心材料を証拠に変える。 経営陣の口頭での安心感を、何が、誰によって、どの基準に照らしてレビューされたのかを示す文書に置き換える。レビューのチェックポイント、検証手順、保存要件こそが、下流で発見された単発の誤りと、設計上の失敗を強く示し、望ましくない開示や潜在的な修正再表示を引き起こすパターンとを分ける。
3. 投資家へのシグナルのギャップを埋める。 機関投資家は、標準的な開示枠組みがなくともAIガバナンスを重視するようになっている。どのようなリスク要因、画一的な脚注、精緻な決算説明会コメントを伝えるかを、意図的かつ断固として決定せよ。欠落や企業特有の言い回しは、ステークホルダーの信頼を蝕む。
これに続くリーダーシップの行動（あるいは不作為）が多くを物語る。悪くすれば、不正確な開示、緩いガバナンス、誤った意思決定によって、防ぎ得たはずのリスクエクスポージャーを招きかねない。
本当に人工的なのは何か。
