AIエージェント運用の監査対応チェックリスト — 聞かれる前に揃える10項目

「AIの業務利用について、管理状況を説明してください」。内部監査、顧客のセキュリティ監査、認証の維持審査。生成AIの監査対応は、どこから来てもおかしくない問いになりました。AIエージェントの業務利用で聞かれやすい質問を、10項目のチェックリストに整理します。形式は問われた場面を想定した「問い」で、各項目に「答えられる状態の作り方」を添えます（一般的な確認観点の整理であり、個別の監査基準・法令への適合は自社の規程・契約に照らしてご確認ください）。

チェックリスト10項目

領域1: 方針

1. AI利用の方針文書はあるか。実態と一致しているか 方針がない・古い・実態と乖離している、のいずれも指摘対象です。特に文書と実態の乖離は「方針はあるが守られていない」として、単なる未整備より重く見られる場合があります。方針を実態に合わせて保つには、方針を実行環境の仕様に落とすのが近道です（生成AIの社内利用ルールを形骸化させない設計）。

2. 利用してよいAIサービス・エージェントは特定されているか 「公認リスト」が答えです。リストがあること、リスト外の利用をどう扱うかが決まっていること、の2点が見られます（公認AI実行環境という考え方）。

領域2: 把握

3. 誰が・どの業務で・どのAIを使っているか把握しているか 「全社で何人が使っているか」に即答できる組織は意外に少数です。利用が個人のPC・個人のアカウントに分散している構成では、この把握自体が困難です（社員PCで動かすリスク）。

4. 未許可のAI利用（シャドーAI）を検知・吸収する仕組みはあるか 禁止方針があること自体は問題になりません。問われるのはその先です。「未許可利用にどうやって気づくか」「気づいたらどう公認側へ導くか」。この2点の確認と運用が答えになります。

領域3: 機密

5. AIに入力してよい情報の区分は定義されているか データ分類とAI利用の対応表（この区分はクラウドAI可・この区分は不可等）が答えになります（AIに渡してよい情報をどう決めるか）。

6. その区分は、何によって守られているか（ルールか、構造か） 監査慣れした聞き手ほど、ここを突きます。「社員教育で守っています」と「機密を扱う環境にはクラウドへの経路がありません」では、答えの強度が違います（クラウドLLMとローカルLLMの使い分け）。

7. 学習利用・保持の規約確認は、利用サービスごとに行っているか 「法人プランだから大丈夫なはず」は確認とは言えません。サービスごと・プランごとの確認記録が要ります（「学習に使われない」は十分か）。

領域4: 記録

8. 「誰が・どの環境で・AIに何をさせたか」の記録は残っているか AIエージェントの監査証跡の中心です。利用・実行・セッションの3層で残っているか、改ざん耐性があるか、が見られます（実行環境の監査ログ）。

9. 記録の範囲・目的・閲覧権限・保存期間は文書化され、本人に明示されているか 記録「がある」だけでは足りず、記録の統制（誰が見られるか・いつ消すか）まで問われます。

領域5: 対応

10. AI起因のインシデント（機密の誤入力・エージェントの想定外動作）の対応手順はあるか 発生時の連絡先・初動・記録の確保が決まっているか。「AIだから特別」ではなく、既存のインシデント対応にAI起因のシナリオが組み込まれていれば十分です。

使い方 — 監査の前ではなく、設計のときに

このリストは監査直前の点検にも使えますが、本来の使いどきは導入の設計段階です。10項目のうち把握（3,4）・機密（5,6）・記録（8,9）は、利用が広がってから後付けするのが最も高くつく項目だからです（AIエージェント導入ロードマップ）。設計段階でこのリストを満たす構成を選んでおけば、監査での説明は「運用の弁明」ではなく「仕様の説明」に近づきます。

まとめ

• AI利用への監査の問いは方針・把握・機密・記録・対応の5領域・10項目に整理できる
• 問われているのはルールの有無ではなく実態を記録で示せるか。文書と実態の乖離が最大の弱点
• 「何によって守られているか」に「構造で」と答えられる項目を増やすほど、説明は強くなる
• リストは監査前の点検より、導入設計の段階で使うほうが安い

10項目のうち把握・機密・記録は、運用で守るのではなく実行環境の仕様として持たせることもできます。Hoko（矛）は利用の可視化、機密の部屋分け、3層の記録を箱の機能として備えたAIエージェント実行アプライアンスです（製品トップ）。