取締役会メンバーや経営幹部の間では、AIの導入を成功させるうえでデータが極めて重要であるという認識が高まっている。それに伴い、AIモデルを支えるデータセンターは事業運営の中核を担うようになり、複雑に絡み合う課題が増え続けている。こうした状況を受け、取締役会や経営陣はリスクを低減しデータセンターの有効性を高めるため、より包括的なガバナンス体制の構築を進めている。
AIにおけるデータの役割
取締役会メンバーや経営幹部によると、AIモデルが効果的に機能するために必要なデータと、それを管理するデータセンターは、しばしばコモディティ（汎用品）として誤解されているという。データの可用性、所有権、規制・ガバナンスルール、サイバーセキュリティ・データセキュリティは依然として課題であり、データへのアクセス、取り込み、クレンジング、分析に必要なエネルギーの確保も同様である。PEX Report 2025/26によると、組織の52%がデータの品質と可用性をAI導入の主な障壁として挙げている。さらに、これらの課題は2026年にはより頻繁かつ深刻になると予想されている。
AIにおけるエネルギーの役割
取締役会メンバーや経営幹部は、電力と水がAIの開発・活用における制約要因になりつつあることを認識している。ゴールドマン・サックス・リサーチは、2030年までにAIデータセンターの総電力消費量が2023年比で175%増加すると予測している。AIが大量のエネルギーを消費するのは、大規模AIモデルの学習と構築に膨大な計算能力が必要であり、データをますます高性能でエネルギー集約型のチップ上で何千回もモデルに通す必要があるためだ。そしてデータセンターは常時稼働している。エネルギー需要が供給能力を上回るペースで増加し、代替ソリューションの開発・導入には数年を要するため、ゴールドマン・サックスなどによると、データセンターは「限界に達する」リスクがある。JLLは、送電網への接続待ちが複数年に及ぶことから、データセンターの立地選定において（場所やコストではなく）利用可能な電力が主要因になる可能性があると報告している。Willis Research Networkは、企業がAIのエネルギー問題を解決するために取り得るアプローチについて論じている。
AIガバナンスの主要要素
本欄では以前、Dylan Sandlin、Helmuth Ludwig博士、Benjamin van Giffen博士が報告した、全米企業取締役協会（NACD）による最新のAIガバナンスモデルを取り上げた。同モデルは、戦略的監督、資本配分、AIリスク、テクノロジー能力の4要素で構成される。データセンター容量に対する世界的需要が拡大するにつれ、組織は相互に結びついた課題の幅広い増加に直面している。WTWのGeorge Haitschによる2026年のレポートは、リスクを低減しデータセンターの有効性を高めるための主要アクションを扱っており、それらはNACDのAIガバナンス4要素と整合している。
戦略的監督
今日の取締役会や経営幹部は、AIを組織の競争力やビジネスモデルに影響を与える重要な戦略的イネーブラー（推進力）として認識している。AIを支えるデータセンターを戦略的に監督するために、以下の行動が有効である。
- 新興リスクと戦略的リスクを特定し対処する：資産や人材にまたがる脆弱性、技術革新、保険引受可能性、補償除外を含む、相互連関リスクおよび地政学リスクに対処する。連鎖的な世界的影響を引き起こし得るシステミックな脆弱性を緩和する。
- サプライチェーンリスクに対処する：設備・機械の物理的損失や損傷、ハードウェア不足、信用リスク、ベンダーロックイン、第三者または請負業者の失敗とそれに関連する脆弱性などの可能性を特定する。強化されたサプライチェーンリスク管理を通じて、これらの危険から守る。
- 不動産および電力設備への物理的損傷から守る：データセンターは集中型の高密度環境であるため（分散型の通信インフラとは異なる）、盗難、自然災害、電力サージ（過電圧）、停電、設備故障に起因するリスクを評価する。事業継続性を確保するために資産を保護する。
資本配分
取締役会や経営陣の多くは現在、AI技術の導入における主要な課題として資本配分を認識しており、データセンターはその重要な構成要素となっている。
- 投資を理解し優先順位を付ける：R&D、M&A、マーケティング、採用・人員配置、その他のAI関連コストといった他の優先事項への負担を抑えるよう、データセンター投資を計画する。JLLの2026年レポートは、AI、クラウドコンピューティング、従来型ネットワークで利用される世界のデータセンター部門が、今後5年間で年平均成長率（CAGR）14%で拡大すると見積もる。これは不動産で$1.2兆に相当し、さらにGPU（画像処理装置）やネットワークインフラなどのIT機器を設置するための入居企業側支出として$1兆〜$2兆が上乗せされる。最近のゴールドマン・サックスのレポートによれば、2026年のAIインフラへの設備投資は$5270億と推計され、上方修正が続く傾向にある。米連邦準備制度理事会（FRB）を含む複数の情報源は、費用を賄うために銀行およびプライベートクレジット（民間与信）による大きな信用市場活動があることを示している。
- 運用と評判に影響する財務リスクを定量化する：収益損失、運転資本への影響、スケジュール遅延、プライベートエクイティ、M&Aリスク、保険の補償ギャップを含む、運用停止や冗長化に伴う財務エクスポージャーを測定する。運用、評判、投資家の信認に影響するリスクを緩和する。
AIリスク
今日、より多くの経営チームが、データセンターへの影響およびデータセンターからの影響も含め、複数の次元でAIリスクを評価し、より効果的なリスク低減策と統制につなげるとともに、所見を定期的に取締役会と共有している。
- サイバーおよびデータ関連リスクに取り組む：マルウェアやランサムウェア攻撃、データ侵害、プライバシー責任、システム障害、内部脅威など、データセンターに対する脅威に対処する。これにはランサムウェアやマルウェアといった高度なサイバー攻撃も含まれる。
- コンプライアンスおよび法務リスクから守る：データ保護やサイバーセキュリティ規制違反、ライセンス問題、監査不合格の可能性、専門職賠償（エラー＆オミッション）リスクなどを含む、データセンター運用に関する規制要件を理解する。コンプライアンスと法務リスクを先回りして管理し、ライセンス上の課題、国境を越える・多国間のエクスポージャー、監査不合格、規制リスクを克服する。
テクノロジー能力
テクノロジー・ガバナンスは、データセンターとその運用上の影響について、組織が基礎的理解を持つかどうかに左右される。
- 運用リスクと人的リスクを管理する：常時稼働という状態に固有のリスク、建設段階から運用開始への移行リスク、相互依存（shared-fate）リスク、継続性および計画の失敗を含む、幅広い運用リスクを管理する。人的ミス、スキル不足、労働力上の課題、冗長性の欠如、不十分なコミュニケーションとチェンジマネジメントなど、大きな移行に伴う人に関する課題に対処する。
- 気候・環境および第三者賠償リスクを評価する：自然災害、気候関連の物理的リスクと移行リスク、干ばつや熱ストレスといった慢性的リスクを含むエクスポージャーを理解し、定量化し、緩和する。これには建設前のハザード、環境および建設に関する賠償責任、第三者リスク、立地に基づく原子力関連のエクスポージャーが含まれ得る。
効果的なAIガバナンスには、データセンターのリスクとレジリエンス（強靭性）の重要要素が組み込まれており、堅牢な事業継続とシナリオプランニングを支えつつ、拠点が運用コスト、エネルギー制約、ダウンタイムのエクスポージャーに耐えられることを確実にする。
