AI TRiSMとは？4要素と中小企業がログと権限で実装する方法

AI TRiSM（エーアイトリズム）とは、Gartnerが提唱したAIの信頼・リスク・セキュリティ管理の枠組みで、AIが信頼でき、安全で、ルールに沿って動いているかを継続的に確かめ、実際に効かせるための考え方です。社員10〜200名でAIを使う側の会社であれば、専用の製品を探す前に、会社として使うAIを決めて、利用ログの点検と権限の設定から始めれば十分でしょう。4つの構成要素はAIを作る側の言葉で書かれているため、使う側の設定に置き換えると、明日からの作業が見えてきます。国のAI事業者ガイドライン第1.2版が利用者に求める項目とも、そのまま対応させることが出来ます。

AI TRiSMとは｜意味・読み方・Gartnerの定義

AI TRiSMは、AI Trust, Risk and Security Managementの頭文字を取った言葉で、日本語ではAIの信頼・リスク・セキュリティ管理と訳されています。調査会社のGartnerが提唱した枠組みで、AIを業務に組み込むときに、信頼できるか、危なくないか、守られているかをまとめて管理する考え方を指します。

読み方はエーアイトリズム、Gartnerが2022年に提唱

読み方は「エーアイトリズム」となります。用語集によっては「AIトリズム」と書かれることもありますが、指しているものは同じです。Gartner Japanの解説ページは、よくある質問の中で、AI TRiSMをGartnerが2022年に提唱したとの記載があります。

Gartnerの新しい定義｜継続的なモニタリング・検証・実効化

Gartnerは、2026年6月の英語記事と7月の日本語記事で、AI TRiSMを次のように定義しています。日本語記事の定義は、「継続的なモニタリング・検証・実効化を通じて、AIシステムが信頼でき、安全で、コンプライアンスに準拠していることを保証する、フレームワークおよび一連の技術的能力」です。以前は、解釈可能性・データ保護・モデル運用・敵対的攻撃への耐性といった技術の組み合わせで説明されることが多くありました。

• 以前によく見られた説明：解釈可能性・データ保護・モデル運用・敵対的攻撃への耐性といった、技術の組み合わせが軸
• 現在の定義：継続的なモニタリング・検証・実効化によって、AIが信頼でき、安全で、準拠していることを保証する仕組みと能力が軸

新しい定義では、個々の技術よりも、稼働中のAIを見続け、決めたルールを実際に守らせることに重心が移っています。使う側の会社にとっては、ルールを作って終わりにせず、使われ方を見続けることがAI TRiSMの中心になります。

※Gartnerの定義は、Gartner Japan「AIガバナンスとは？国内ガイドラインや実装ステップとAI TRiSMによる実効化を解説」（2026年7月2日公開・8月28日更新）と、英語版の記事（Avivah Litan、2026年6月10日）によります。以前の用語集ページは現在、定義文が表示されません。確認日は2026年9月27日です。

AI TRiSMの4つの構成要素

AI TRiSMは、説明可能性・ModelOps・アプリケーション・セキュリティ（AIアプリケーション・セキュリティ）・プライバシーの4つの構成要素で説明されます。Gartner Japanはこれを4本柱と呼び、何を担保すべきかを示す枠組みと位置付けています。

説明可能性（Explainability／モデルの監視）

AIがなぜその出力に至ったのかを見える形にし、モデルの挙動を継続的に監視する能力のことです。Gartner Japanは、ブラックボックス化を防ぎ、説明責任を果たす基盤になると説明しています。

ModelOps（モデルの運用管理）

AIモデルの開発から本番運用、更新、廃止までの流れ全体を管理する仕組みを指します。モデルの品質と性能を保ち続けることが目的とされています。

AIアプリケーションのセキュリティ

プロンプトインジェクション、敵対的攻撃、データ汚染といったAI固有の脅威から、システムを守る対策になります。使う側が防御の仕組みを作り込む必要はなく、外部のファイルを読ませるときの注意と、提供事業者の対策を確かめることが担当範囲に入ります。

プライバシー（データ保護）

学習データや入出力に含まれる個人情報・機密情報を守り、法令に沿って扱うための要素です。4要素を使う側の作業に置き換えた一覧は、後半の対応表で確かめることが出来ます。

AI TRiSMを支える3つの技術カテゴリ

Gartner Japanは、稼働中のAIにコントロールを効かせる実装領域を、リスク評価・異常検知・統制的制御の3つに整理しています。リスク評価はAI SPMと呼ばれ、AIの棚卸しと、設定・権限・データの使われ方の継続的な監視を指します。異常検知はAIランタイム・ディフェンスと呼ばれ、動いている最中のAIの振る舞いから、プロンプトインジェクションなどを捉える考え方です。統制的制御はガーディアン・エージェントと呼ばれ、別のAIが見張って、決めた範囲を外れたら処理を止める仕組みとなります。

同ページは、いずれも新しい技術領域で、成熟した製品カテゴリとしては確立していないとしており、使う側の中小企業では、このうちリスク評価に当たる、棚卸しと設定・権限・利用状況の点検から手を付けるのが現実的でしょう。

Gartnerが示すAI TRiSM市場の4層構造

Gartnerは、AI TRiSMの市場を4つの層の技術的な機能で捉える見方を示しています。2025年2月18日付の英語版マーケット・ガイドと、同年10月7日付の日本語版の要約によると、この市場はAIガバナンスのポリシーを実施する4つの層で構成されるというのがGartnerの説明です。上位の2層はAIで新しく生まれた層で、独立した市場として固まりつつあるとGartnerはみています。有料本文の目次にある備考名から、層にあたるとみられる名前は次の3つとなります。

• AIガバナンス機能（AI Governance Technology Capabilities）
• AIランタイム・インスペクション／エンフォースメントのレイヤ（AI Runtime Inspection and Enforcement Layer）
• 情報ガバナンスの主要な機能（Key Information Governance Functions）

このうち、Gartnerが層（Layer）と明記しているのは、ランタイム・インスペクション／エンフォースメントだけです。残る1層の名称は、無料で読める要約には書かれていません。Gartnerの原文で確かめられない以上、社内資料では3つの層までにとどめておくのが安全でしょう。使う側の中小企業に関わりが深いのは、方針を決める層と、稼働中の使われ方を見る層になります。

※Gartner「Market Guide for AI Trust, Risk and Security Management」（2025年2月18日）と、日本語版「AI TRiSMのマーケット・ガイド」（2025年10月7日）の公開要約によります。本文は有料のため、要約と目次（備考名）の範囲で記載しています。確認日は2026年9月27日です。

AIガバナンスとAI TRiSMの違い

AIガバナンスが何を守るかを決める方針と体制であるのに対し、AI TRiSMはその方針を稼働中のAIに対して継続的に効かせる仕組みを指します。Gartner Japanは、AIガバナンスを上位概念、AI TRiSMをそれを運用に落とす技術基盤と整理しています。同ページの比較を短くまとめると、違いは次の3点となります。

• 主眼：AIガバナンスは何を守るかを定義し、AI TRiSMは定めたルールを継続的に効かせる
• 手段：AIガバナンスはポリシー・体制・教育・監査、AI TRiSMはモニタリング・検証・実行時の実効化
• タイミング：AIガバナンスは主に事前と定期、AI TRiSMは稼働中とリアルタイム

社内規程やガイドラインを作った会社は、AIガバナンスの入口には立っています。ただ、規程が守られているかを確かめる手段がなければ、決めたことが紙の上に残るだけとなってしまいます。規程を作ったら、それが守られているかを見る仕組みまで用意して、はじめてAI TRiSMの考え方に届きます。体制づくりや点検の頻度はAIガバナンスの回し方で、規程の書き方は生成AIの社内ガイドラインの作り方で詳しく扱っています。

AI TRiSMが注目される背景

注目が集まっているのは、AIの業務利用が一気に広がった一方で、ルール作りだけでは稼働中のAIを管理しきれないことが見えてきたためです。Gartner Japanは、多くの組織がAIガバナンスをシステム導入後に対処するものとして扱っており、監督の抜け漏れが生じやすいと指摘しています。同ページの説明では、AIのリスクは、学習データや入力データの漏えいなどのデータリスクと、不正確な出力や偏った判断などのアウトプットリスクに大きく分かれます。どちらも使っている最中に起きるため、事前に決めた規程だけでは止めきれないという考え方です。

AIエージェントの広がり

人の指示を待たずに操作まで行うAIエージェントの広がりも、背景の一つとなります。Gartner Japanの解説ページによると、Gartnerは2028年までにエージェントを通じた侵害の25%が、マシン・アイデンティティ（AIやプログラムに与えるアカウントと権限）の不備などに起因すると予測しています。2028年までの間、企業にとって最も深刻な情報漏洩の原因はAIエージェント経由のものになる、という見方も同じページで示されているところです。

国内の法律とガイドラインとの関係

国内では、AI推進法（人工知能関連技術の研究開発及び活用の推進に関する法律）が2025年6月に公布され、同年9月に全面施行されました。総務省・経済産業省のAI事業者ガイドラインは2026年3月31日に第1.2版が公表され、AIを開発する者・提供する者・利用する者のそれぞれに向けた指針を示しています。利用する会社向けの項目は、第5部「AI利用者に関する事項」にまとめられているところです。Gartner Japanも、AI事業者ガイドラインの考え方とAI TRiSMの4要素を対応させ、両者は補い合う形で使えると説明しています。

※AI事業者ガイドライン（第1.2版）は2026年3月31日公表で、掲載ページの最終更新日は2026年4月1日です。第1.0版は2024年4月19日の公表です。AI推進法の公布・施行の時期は同ガイドライン本編p.2の記載によります。確認日は2026年9月27日です。

AI特有のリスクと攻撃

AIのリスクは、使う人の入力から生まれるもの、AIの出力から生まれるもの、外からの攻撃で生まれるものの3つの方向から考えると整理しやすいでしょう。

AI特有のリスク｜情報漏えい・プライバシー侵害・ハルシネーション・偏り

• 情報漏えい：顧客情報や社外秘の資料を、会社が管理していないAIサービスに入力してしまう
• プライバシー侵害：個人を特定できる情報を入力したり、AIの出力を使って特定の個人を評価したりする
• ハルシネーション：事実と異なる内容を、もっともらしい文章で出力する
• 偏り（バイアス）：学習データや入力の偏りが、不公平な判断や表現として出てくる

AI事業者ガイドライン第1.2版は、バイアスを完全には排除できないという前提で、各主体に配慮を求める立場です。ハルシネーションについては、同ガイドラインの脚注で、RAG（社内文書などを検索して回答に使う仕組み）の活用により抑制が期待されていると紹介されています。どの対策も完全ではないため、出力を人が確かめる工程を残すことが前提となります。

AI固有の攻撃｜プロンプトインジェクション・データポイズニング・敵対的攻撃

• プロンプトインジェクション：AIに読ませる文章やWebページに命令を紛れ込ませ、AIに本来と違う動きをさせる攻撃
• データポイズニング（データ汚染）：学習や参照に使うデータに細工をして、AIの判断を狂わせる攻撃
• 敵対的攻撃：人には分からない小さな変化を入力に加え、AIに誤った判断をさせる攻撃

Gartner Japanは、この3つをAIアプリケーション・セキュリティが守る対象として挙げています。AI事業者ガイドライン第1.2版も、推論用のデータに微細な情報を混ぜることで意図しない判断が行われる可能性を踏まえ、AIの脆弱性を完全には排除できないと認識するよう求めているところです。使う側で特に身近なのはプロンプトインジェクションで、外部から受け取ったファイルや、AIに要約させたWebページに命令が仕込まれている場合が考えられます。具体的な手口と防ぎ方はプロンプトインジェクション対策をご覧ください。

リスクの分類｜セキュリティ侵害・プライバシー侵害・社会的混乱

AI TRiSMの解説では、管理すべきリスクをセキュリティ侵害・プライバシー侵害・社会的混乱の3つに分けて説明することがあります。セキュリティ侵害は攻撃や不正利用で情報やシステムが損なわれること、プライバシー侵害は個人情報の不適切な扱い、社会的混乱は誤った情報や偏った出力が取引先や社会に広がることを指します。この3つは、AI事業者ガイドラインの共通の指針にある5）セキュリティ確保、4）プライバシー保護、1）人間中心 ③偽情報等への対策と、おおむね重なります。

AIファイアウォールと実行時の防御

AIファイアウォールは、AIへの入力とAIからの出力を途中で検査し、危ない指示や情報の持ち出しを止める仕組みを指す言葉として使われています。Gartnerが挙げる3つの技術カテゴリに当てはめると、稼働中のAIの振る舞いを監視するAIランタイム・ディフェンスに近い位置付けです。社内で既製のAIサービスを使うだけの会社なら、自前で導入するより、提供事業者がどのような防御をしているかを確かめるほうが先でしょう。

使う側の中小企業に置き換える｜4要素の対応表

4つの構成要素は、AIを作る側の言葉で書かれています。社員10〜200名の会社が自前でモデルを監視することはまずないため、同じ目的を、使う側の設定と運用に置き換えて考えましょう。次の表は、4要素ごとに、使う側でやることと、AI事業者ガイドライン第1.2版の該当箇所、確かめ方を並べたものです。

※ページ番号はAI事業者ガイドライン第1.2版 本編（2026年3月31日公表）の印刷ページです。使う側の作業と確かめ方は、社員10〜200名の会社向けに置き換えたものです。確認日は2026年9月27日です。

表の5行目は4要素のどれにも入っていませんが、使う側にとってはすべての土台になります。出典を確かめたか、入力してはいけない情報を入れていないか、どのモデルが使われているかは、利用ログがなければ後から確かめようがありません。

AIに入力してはいけない情報

入力のルールは、プライバシーの要素を使う側で実装する中心となります。Gartner Japanは、情報を公開・内部・機密・極秘に分け、個人情報は原則禁止、秘密保持契約（NDA）で預かった情報も同等に慎重に扱うという判断基準を示しています。AI事業者ガイドライン第1.2版の第5部も、U-4で個人情報を、U-5で機密情報等を、AIに不適切に入力しないよう注意を払うことを利用者に求めているところです。実際に社内で決める際は、禁止する情報を並べるだけでなく、顧客名をA社に置き換えるといった言い換え方も一緒に示すと守られやすくなります。情報の種類ごとの線引きはAIに入力してはいけない情報にまとめています。

会社として使ってよいAIを決めないと、ログも権限も存在しない

AI TRiSMの最初の一歩は、監視の道具を入れることではなく、会社として使ってよいAIを決め、そこに利用を集めることです。社員が私物のアカウントや無料版をばらばらに使っている状態では、会社から見える利用ログがそもそもありません。退職した社員のアカウントを止めることも、使わせたくないモデルを外すことも、会社の側からは出来ないままとなってしまいます。

会社が把握していないAIの利用は、シャドーAI（野良AI）と呼ばれます。Gartner Japanも、リスク評価の技術を説明する中で、シャドーAIへの懸念から可視化や検出の必要性が議論されていると触れています。ただ、可視化の道具を入れても、見えた先に使ってよい環境がなければ、社員は禁止されるか、隠れて使い続けるかのどちらかになりがちです。使ってよいAIを会社として用意し、利用をそこに集めて初めて、ログも権限も管理できる状態が生まれます。

順番としては、まず公認のAIを1つ決め、次に私物アカウントからの移行を案内し、最後にログと権限の運用を始める流れになります。移行を案内するときは、禁止の通知だけで終わらせず、同じ使い方が出来る環境と、移す期限をあわせて示してみてください。社内で使われているAIの見つけ方は野良AI（シャドーAI）の見つけ方で、全体像は野良AI（シャドーAI）とはで紹介しています。

アクセス制御と権限の決め方｜役割の型

権限は、誰が何を使え、誰が何を変えられるかを役割ごとに決めることで、少人数でも管理できる形になります。AI事業者ガイドライン第1.2版は、7）アカウンタビリティの③責任者の明示で、各主体においてアカウンタビリティを果たす責任者を設定するよう求めています。Gartner Japanの権限の話はAIエージェントを前提にしており、社員数十名の会社向けではありません。中小企業では、次の4つの役割から始めれば十分でしょう。

• 全体管理者（1〜2名）：使えるモデルのON/OFF、アカウントの発行と停止、利用ログの点検を担当する。経営者か、総務・情シスの担当者が務める
• 部署責任者：部署内の利用ルールを決め、部下の利用申請や共有BOTの公開範囲を承認する
• 一般利用者：会社が認めたモデルと共有BOTを使い、入力のルールを守る
• お試し利用者：入社したばかりの社員や、試験導入の部署。使えるモデルや機能を絞り、期間を決めて様子を見る

この役割の型は社内の運用ルールとして決めるもので、システムの権限設定がなくても、承認の流れとして社内で決めておけます。

役割を決めたら、3つの点を書き出す

役割を決めたら、誰がどのAIモデルを使えるか、共有BOTを誰まで公開するか、入社・異動・退職のときに誰が何をするか、の3点を1枚に書き出してみてください。特に退職時のアカウント停止は、担当者が決まっていないと漏れやすい手続きとなります。人事の手続きの一覧にAIのアカウント停止を1行足すだけでも、漏れはかなり減らせるでしょう。

利用ログで何を見るか｜月1回30分の点検表

利用ログは記録するだけでは足りず、決まった日に決まった項目を見て、はじめてAI TRiSMの監視として働きます。AI事業者ガイドライン第1.2版は、6）透明性の①検証可能性の確保で、利用時の入出力等のログを記録・保存し、記録方法、頻度、保存期間等について検討するよう求めています。本編p.19〜20にあるこの記載が、使う側がログを点検する根拠になります。月に1回、30分を目安に、次の項目を確かめてみてください。

• 利用者別・部署別の利用件数急に増えた人や部署があれば、どんな業務で使っているかを聞いてみます。
• 使われていないアカウント1か月以上使われていないアカウントは、必要かどうかを本人と上長に確かめます。
• 退職者・異動者のアカウント残り人事の異動・退職の一覧と突き合わせ、残っていれば止めます。
• 個人情報や顧客名に見える入力の有無全件は読まず、氏名・電話番号・顧客名などのキーワードで拾って確かめます。
• 業務時間外のまとまった利用深夜や休日に大量の利用があれば、業務上の理由があるかを確かめます。
• モデル別の利用割合止めたはずのモデルが使われていないか、特定のモデルに偏っていないかを見ます。
• 共有BOTの利用状況誰が作ったBOTを誰まで公開しているか、作成者が退職したBOTの引き継ぎ先を見ます。
• 点検の記録日付・担当者・気付いたこと・対応を1行ずつ残します。ガイドラインの7）アカウンタビリティ⑥文書化（p.22）にも当たります。

ログの中身を点検するときは、社員の業務を細かく監視する目的ではないことを、あらかじめ社内に伝えておきましょう。目的はルール違反の摘発ではなく、事故の芽を早く見つけて使い方を直すことにあります。

継続的な監視は月1回の点検から

Gartnerが定義で強調する継続的なモニタリングは、大企業ではリアルタイムの監視製品を指すことが多い言葉です。社員10〜200名の会社では、月1回の点検を欠かさず続けること自体が、継続的な監視の現実的な形となります。ガイドラインも7）アカウンタビリティの⑤で、必要に応じ、AIの出力の誤り等について指摘を受け付ける機会を設け、定期的かつ客観的なモニタリングを実施することを挙げています。

専門部署がない会社の推進体制｜最小構成

専門チームを作れない会社でも、兼務の担当者1名と経営者の承認があれば、AI TRiSMの運用は回せます。上位の解説記事の中には、専門家を集めたチームの設置を最初の手順に置くものがあります。社員10〜200名の会社でそれを待っていると、体制が整う前に私物アカウントでの利用が広がってしまいます。現実的なのは、次の最小構成から始める形でしょう。

• 担当者1名（兼務）：総務か情シスの担当者が、月1回の利用ログ点検と、アカウントの発行・停止を行う
• 経営者：使ってよいAIの決定、社内ルールの承認、点検で見つかった問題の判断を行う。ガイドラインの責任者の明示に当たる役割
• 部署責任者：部署内の使い方の相談窓口になり、共有BOTの公開を承認する
• 年1回の見直し：社内ルールと禁止情報の一覧を見直し、全社員向けの研修を行う

経営者を責任者に置くのは、AIの利用範囲を広げるか絞るかが経営判断になるためです。AI事業者ガイドライン第1.2版は、8）教育・リテラシーで、AIに関わる者が正しい理解と利用のための知識を持てるよう、必要な教育を行うことを各主体に期待しています。研修の組み立て方は生成AI研修の進め方を参考にしてみてください。

1年の動きにすると、月1回の点検（30分）、四半期に1回の経営者への報告、年1回のルール見直しと研修の3つになります。兼務でも続けられる量です。

導入の進め方｜棚卸しから継続監視までの5段階

導入は、使われているAIの棚卸しから始め、継続監視の形に落ち着かせるまでを5段階で進めると無理がありません。Gartner Japanも、AI TRiSMの導入はAIの発見・棚卸しと、リスクに応じたポリシーの定義から始めるとしています。使う側の中小企業に合わせると、手順は次のようになります。

1. 棚卸し：使われているAIサービス、部署、入力している情報の種類を、アンケートや聞き取りで洗い出す
2. リスクの洗い出しとルール：入力してはいけない情報、社外に出す前の確認、使ってよい用途を決め、経営者が承認する
3. 公認のAIを決めて集める：会社として使うAIを決め、私物アカウントからの移行期限を示す
4. 権限とデータ管理の設定：役割ごとの権限、使えるモデル、学習に使われない設定、データの保管場所を確かめて設定する
5. 継続監視：月1回の利用ログ点検、四半期の報告、年1回の見直しを予定に入れる

大切なのは5の継続監視で、ここが止まると作って終わりのルールに戻ってしまいます。点検項目の全体像は生成AIのセキュリティ対策チェックリストでも確かめることが出来ます。

AIサービスの提供事業者に確認する観点

AIサービスを選ぶ段階でAI TRiSMの目を持つと、導入後に管理できない環境を選んでしまう失敗を防げます。AI事業者ガイドライン第1.2版の第5部は、U-7）iiで、提供者から渡された文書を適切に保管・活用し、サービス規約を守ることを利用者に求めています。次の観点を問い合わせ、回答を文書で残しておきましょう。

• 入力データを学習に使わない契約か規約の該当条項を確かめ、設定方式なら会社側で全員に一律にかけられるかも見ます。
• データの保管地域会話履歴やログがどの国のサーバーに保管されるか。
• ログの保存期間と書き出しの可否何か月分残るか、CSVなどで書き出して点検や調査に使えるか。
• 管理者と一般利用者を分けられるかあわせて、利用できるモデルを人や部署で絞れるかを確かめます。
• 使うモデルを管理者が選べるか新しいモデルが自動で有効になるのか、管理者がON/OFFできるのか。
• 障害・仕様変更の告知方法モデルの変更や障害を、どこで、どのくらい前に知らせてくれるか。
• セキュリティ対策の説明資料プロンプトインジェクションなどへの対策を、提供者としてどう講じているか。

最後の項目は、国の資料も手がかりになります。総務省の「AIのセキュリティ確保のための技術的対策に係るガイドライン」が、AI開発者とAI提供者向けに2026年3月に策定されたと、AI事業者ガイドライン第1.2版の脚注で紹介されています。提供事業者にこの資料への対応状況を尋ねると、説明を受ける糸口にすることが出来ます。

AI事業者ガイドライン第5部（AI利用者）との対応

AI事業者ガイドライン第1.2版の第5部「AI利用者に関する事項」は、本編p.40〜41に、AIを使う会社が取り組む事項をまとめています。Gartner Japanの対応表は共通の指針と4要素を結んだものですが、使う側の会社にとっては第5部のほうが直接の手がかりになります。主な項目を、4要素とログ・権限の運用に結びつけると次のとおりです。

※ページ番号と記載は、AI事業者ガイドライン（第1.2版）本編（総務省・経済産業省、2026年3月31日）によります。記載は要約です。確認日は2026年9月27日です。

表のとおり、第5部の項目の多くは、ルールを決めることと、それが守られているかを確かめることの組み合わせで出来ています。後者を利用ログと権限で担う部分が、使う側にとってのAI TRiSMだと言い換えられます。

事例・ユースケースの見方｜公的な指針とGartnerの位置付け

AI TRiSMの解説記事には導入事例が載ることがありますが、企業名や出典が示されていないものも少なくありません。社内の判断材料にするなら、事例よりも、出典のはっきりした国の指針とGartnerの位置付けを拠り所にするほうが確かでしょう。Gartnerは、AI TRiSMを支える3つの技術カテゴリをいずれも発展途上と位置付けており、完成を待たずに試しながら運用に馴染ませる姿勢を勧めています。

場面ごとの当てはめ方

事例の代わりに、中小企業でよくある使い方にAI TRiSMの4要素を当てはめてみましょう。

• 議事録や社内文書の要約：プライバシー（個人情報や社外秘の扱い）と説明可能性（抜けや誤りを人が確かめる）
• 顧客へのメール文案：プライバシー（顧客名の入力ルール）と説明可能性（送信前の確認）
• 取引先の資料やWebページの要約：AIアプリケーションのセキュリティ（プロンプトインジェクションへの注意）
• 部署で共有するBOT：ModelOps（作成者・公開範囲・使うモデルの管理）と利用ログの点検
• 人事評価の参考にする使い方：ガイドライン第5部のU-7）iが、本人への通知や説明を求めている領域で、特に慎重な運用が要る

どの場面でも、やることは入力のルール、人の確認、ログの点検の組み合わせに収まります。自社の使い方を3〜5つ書き出し、それぞれにこの当てはめをしてみると、点検表に足す項目も見えてきます。

よくある質問

まとめ

AI TRiSMは、Gartnerが提唱したAIの信頼・リスク・セキュリティ管理の枠組みで、現在は継続的なモニタリング・検証・実効化を中心に定義されています。4つの構成要素は、使う側の会社では、人の確認、使うモデルの管理、外部ファイルへの注意、入力のルールに置き換えることが出来ます。方針を決めるAIガバナンスに対し、それを実際に効かせるのがAI TRiSMで、使う側では利用ログの点検と権限の設定がその役を担います。

始める順番は、会社として使ってよいAIを決めて利用を集め、役割ごとの権限を決め、月1回の利用ログ点検を続けることです。まずは自社で使われているAIの棚卸しから始めてみてください。法人のAI活用に関するほかの記事はAI活用コラム一覧にまとめています。