全件承認を増やさずに、AIガバナンスを強める——PwC調査から考える設計

AIの自律化を進めるには、人の承認を待つ工程を減らす必要があります。

ここだけを見ると、ガバナンスを強めるほど現場が遅くなり、自律化しにくくなるように見えます。

しかし、案件ごとの全件承認と、AIガバナンスは同じものではありません。

任せてよい範囲を事前に定め、標準的な統制を実装し、稼働中の異常を監視し、高リスク案件だけを人へ上げる方法もあります。

PwCが2026年4月に公表した「2026 AI Performance Study」では、AI由来の成果が高い企業群で、人の介在なしの意思決定に関する回答割合が高い一方、Responsible AIの枠組みや部門横断のガバナンス組織に関する回答割合も高くなっていました。

この調査だけで因果関係は証明できません。

それでも、自律化とガバナンスが必ずしも二者択一ではないことを考える材料にはなります。

全件承認とガバナンスは同じではない

議論を始める前に、混ざりやすい二つを分けておきます。

案件ごとに人がすべて承認することは、統制の一つの方式にすぎません。

一方、AIガバナンスと呼ばれるものには、次のような要素も含まれます。

• どの用途を自律実行してよいか事前に決める
• 禁止用途や高リスク用途を分類する
• 標準的な実装テンプレートを用意する
• アクセス権限や上限をシステム側で強制する
• 稼働中の品質や逸脱を監視する
• 高リスク案件や例外だけを横断組織に上げる
• 問題が起きたときの停止・復旧・責任分担を定める

このうち全件承認だけを増やすと、確かに現場は遅くなります。

しかし残りの要素は、むしろ「ここまでは任せてよい」と決めるための土台です。

つまり、ガバナンスと自律化は必ず反対方向に動くとは言えません。

動き方は、統制をどこに置くかによって変わります。

PwC調査の対象と測定方法

先に、この調査が何を測ったものかを確認しておきます。

ここを押さえずに数字だけを引くと、読み違いが起きやすいためです。

PwCの説明によれば、調査は1,217人の上級役員（すべてディレクター級以上）を対象としたもので、回答企業は主に上場企業（回答全体の91%）、年商10億米ドル以上（同76%）です。

対象は25業種で、調査実施時期は2025年10月から11月とされています。

つまり、これは主として大企業の状況を示す調査です。

また、PwCは回答者がAIに起因するとした売上増加と効率向上・コスト削減の割合を、業種ごとの中央値に対して調整し、「AI由来パフォーマンス」という指標を作成しています。

したがってこれは、監査済みの財務情報だけから算出された数値ではなく、経営幹部による調査回答を基礎とした分析です。

そのうえで調査は、AIの管理と投資に関する60の実務領域について回答を得ています。

PwCはこれらを九つの要因にまとめ、AIの活用度と、それを支える基盤を合わせた「AI fitness index」を構成しています。

なお、PwCの資料では二つの括りが使われています。

AI由来の財務成果が最も強い企業群を「AI leaders」と呼び、別に「AI fitness index の上位20%」という括りもあります。

後者について、その他の企業のAI由来パフォーマンスの7.2倍に達したと説明されています。

以下、PwCが「AI leaders」と呼ぶ、AI由来の財務成果が強い企業群を「成果上位企業」と表記します。

成果上位企業群では、自律化とガバナンスの双方が多く見られた

まず、自律化に関する数字です。

PwCは「自社のAIポートフォリオ全体が、次の成果をどの程度改善したか」を尋ね、「大きな程度」「非常に大きな程度」と答えた割合を示しています。

「人の介在なしに行われる意思決定が増えた」という項目では、成果上位企業が56%、その他の企業が20%でした。

成果上位企業の回答割合は、その他の企業の2.8倍です。

また、自社で最も高度なAI活用に当てはまるものを選択肢から一つ選ぶ設問では、「ガードレールの範囲内で複数のタスクを実行する」を選んだ割合が、成果上位企業で31%、その他の企業で17%でした。

「自律的・自己最適化型」と答えた割合は、それぞれ15%と8%です。

ただし、成果上位企業でも、自社で最も高度なAI活用を「自律的・自己最適化型」とした割合は15%にとどまります。

この調査は、全面的な自律化がすでに標準になっていることを示すものではありません。

次に、ガバナンスに関する数字です。

こちらは「次の記述に自社はどの程度当てはまるか」への回答です。

文書化されたResponsible AIの枠組みが、用途の選定から設計・展開・稼働中の監視までを含めて自社のAI戦略を導いている——これに当てはまるとした割合は、成果上位企業64%、その他39%でした。

部門横断のAIガバナンス組織が方針を定め、高リスク用途を展開前に定期的に審査し、稼働中のシステムを監督している——こちらは成果上位企業63%、その他43%です。

64%対39%、63%対43%という数字は、回答者がそれぞれの仕組みについて「自社に大きな程度、または非常に大きな程度で当てはまる」と答えた割合です。

第三者が実際の運用状況や有効性を監査した結果ではありません。

この調査から言えること、言えないこと

ここからは、PwCの調査を踏まえたMIFの見解です。

公開資料から確認できるのは、成果上位企業群では、人の介在なしの意思決定が増えたとする回答が多い一方、Responsible AIの枠組みや部門横断のガバナンス組織に関する回答割合も高かった、という点です。

ただし、これらは項目ごとの集団比較であり、個々の企業内で両者がどのように組み合わされているかまで示すクロス集計ではありません。

したがって、「ガバナンスを強化したから自律化が進んだ」と因果関係を読むことはできません。

もともと投資余力や人材が豊富な企業が、統治整備にも自律化にも同時に投資できているだけ、という逆の説明も残ります。

それでも、少なくとも成果上位企業群において、自律化とガバナンスが単純な二者択一として現れていないことは読み取れます。

もう一点、調査対象は主に大企業です。

以下で規模を問わず応用できると述べる部分は、調査結果そのものではなく、実務上の見解として述べているものです。

PwCが示す「現場を止めないガバナンス」

この調査で参考になるのは、数字よりもむしろ、成果上位企業のガバナンス運用として説明されている構成です。

PwCの説明では、ガバナンス組織がResponsible AIの方針を定め、現場は標準的な構築テンプレート・短時間のチェックポイント・定期的な監視といった仕組みを通じて日々の業務にそれを適用します。

そして横断組織による審査は、最もリスクの高い案件に集中させるとされています。

ここで注目したいのは、統制の総量を減らしているのではないという点です。

方針の策定、テンプレート化、チェックポイント、稼働中の監視は、いずれも統制です。

変えているのは置き場所です。

案件ごとの審査に集めていた統制を、事前の方針・実装時の標準・稼働中の監視へ分散させ、横断組織の審査は高リスク案件に絞る。

その結果、通常の用途は速く進みます。

意思決定をAIへ委ねる際に問われるのは、どの範囲の権限を、どの条件で渡すかです。

その条件を事前に決めて実装まで落とせているなら、一件ごとに人が判断する必要は薄くなります。

逆に条件が決まっていなければ、承認欄に人を置くしかなくなります。

統制の置き場所を分ける

実務に落とすための点検項目を一つ示します。

これは正しい設計を示すものではなく、あくまで一例です。

項目の粒度や線引きは、業種や規模、規制の有無に応じて各社が自社の基準を定めるものです。

統制を置く時点	決めること	現場を止めないための設計例
方針策定	禁止用途、高リスク用途、自律実行を許可する条件、責任者	承認済みの低リスク用途は案件ごとの委員会審査を不要にする
構築時	アクセス権限、上限、ログ、評価項目、停止方法	標準テンプレートや共通部品として再利用する
本番投入前	新規性、影響範囲、評価結果、残存リスク	通常案件は簡潔なチェック、高リスク案件だけ詳細審査へ送る
稼働中	品質低下、異常、上限超過、想定外の利用	閾値を超えた場合だけ停止・通知・人への切り替えを行う
稼働後	誤り、例外、苦情、意思決定品質、インシデント	記録をもとに方針・閾値・テンプレートを更新する

自律化を進める際に確認すべきなのは、人による承認工程の数だけではありません。

統制を事前設計、システム上の強制、稼働中の監視、例外時の介入へ分散できているかが重要です。

すべてを同じ承認経路へ通している場合は、ガバナンスが不足しているのではなく、統制の置き場所が一つに偏っている可能性があります。

まとめ

PwCの調査では、AI由来の成果が高い企業群で、人の介在なしの意思決定が増えたとする回答割合が高い一方、文書化されたResponsible AIの枠組みや、部門横断のAIガバナンス組織に関する回答割合も高くなっていました。

ただし、これはガバナンスを強化すれば自律化が進むという因果関係を証明するものではありません。

調査は主として大企業の経営幹部による回答を基礎としており、公開資料からは、個々の企業内で自律化とガバナンスがどのように組み合わされているかまで確認できません。

それでも、成果上位企業群において、自律化とガバナンスが単純な二者択一として現れていないことは読み取れます。

重要なのは、ガバナンスを案件ごとの全件承認と同一視しないことです。

任せてよい範囲を事前に定め、標準的な統制を実装し、稼働中の挙動を監視し、高リスク案件や例外だけを人へ上げる方法もあります。

自律化を進める際に減らすべきなのは、必ずしもガバナンスではありません。

見直すべきなのは、すべての案件を同じ承認経路へ通す設計です。

自社のAI活用を点検する際は、「どこまで人の介在を減らすか」だけでなく、事前設計、実行時制御、継続監視、例外時の介入がどこに置かれているかを確認する必要があります。