AI利用状況の可視化 — 利用量・部門・用途をどう測るか

「全社で生成AIはどれだけ使われていますか」と経営会議で問われて、数字で答えられる企業はまだ多くありません。AI投資は増える一方で、利用の実態は霧の中。AI利用状況の可視化について、何を・どう測るかを整理します。

なぜ測るのか — 監視ではなく計器

可視化の目的は社員の監視ではありません。次の3つの判断の土台です。

• 投資判断 — シート数は足りているか・余っているか。効果の出ている部門の使い方を横展開できるか
• 監査・報告 — 「把握しているか」は監査の定番の問いです。数字で答えられる状態が説明責任の土台になります（AIガバナンス報告の作り方）
• リスクの兆候 — 利用の急変（特定環境への集中、機密環境の急増など）は、良くも悪くも何かが起きているサインです

測るべき4つの指標

4つ目の「区分」はAI特有の指標です。機密を扱う環境の利用が伸びているなら、機密業務でのAI活用が進んでいる証拠であり、同時にその環境の統制が機能しているかを見るべきサインでもあります。

注意点として、可視化の解像度は上げすぎないことです。「誰が何回使ったか」は計器ですが、「誰が何を入力したか」を日常的に眺めるのは監視です。日常の可視化は集計レベルに留め、個別の内容（セッション記録）はインシデント調査・監査という目的を限定した手続きで見る。この線引きを文書化して示すことが、現場の信頼を保ちます（実行環境の監査ログ）。

測れない構造 — 分散利用の壁

可視化の最大の障害は、測定技術ではなく利用の場所です。

社員が各自のPCで、各自のアカウントでAIを使っている構成では、業務単位・機密区分まで一貫した数字を取るのは困難です。端末管理等で部分的に見える数字はあっても断片にとどまり、残る手段はアンケートです。自己申告は精度も鮮度も低く、非公式利用は申告されません。ネットワーク側から接続先を観測する方法（姉妹サイトのシャドーAIの可視化）は「どのサービスへ繋いだか」までは見えますが、誰が・何に・どれだけという業務上の解像度には届きません。

つまり可視化は、測る仕組みの問題である以前に、測れる場所に利用を集める問題です。公認のAI実行環境に利用が集約されていれば、4指標は環境の記録から機械的に取れます（公認AI実行環境という考え方・AI実行基盤の選び方）。

小さく始める

最初からダッシュボードを夢見る必要はありません。月次で「利用者数・部門別の傾向・機密環境の利用件数」の3つの数字が出るだけで、投資判断と監査対応の質は変わります。数字が定常的に出る状態を作ってから、解像度を上げていくのが現実的です。

まとめ

• 可視化は監視ではなく計器。投資判断・監査対応・リスク兆候の検知の土台
• 指標は量・分布・用途・区分の4つ。「区分」（機密環境か通常か）はAI特有で重要
• 解像度は上げすぎない。日常は集計、個別内容は目的を限定した手続きで
• 分散利用は構造的に測れない。測れる場所（公認環境）に利用を集めるのが先決

測れる場所を箱として用意したのがHoko（矛）で、利用状況のユーザー別・部屋クラス別の集計をAIエージェント実行アプライアンスの標準機能として備えます（取得範囲と目的の明示は、本文の線引きどおり運用側で設計します）。製品としての全体像は製品トップにあります。