11月16日、Nolan LovettとMohan Yangが「Beyond Curiosity: Habit and Organizational Learning Capability as Predictors of Shadow AI」と題した論文を公開した。Computers in Human Behavior(2026年、Article 109243)に掲載されたこの論文では、職場における未承認AIツールの利用(シャドーAI)を予測する心理的・組織的要因を実証分析している。
シャドーAI問題が企業に突きつけるリスク
生成AIが急速に職場に浸透する一方、企業のガバナンス整備はまったく追いついていない。その結果として広がっているのがシャドーAI——会社が承認していないAIツールをこっそり使い、その事実を隠す行動だ。
シャドーAIは単なる「ルール違反」にとどまらない。機密情報や顧客データを無審査のサービスに入力することによる情報漏洩リスク、GDPRや業界規制への抵触といったコンプライアンス上の問題、さらにはインシデント発生時に企業が把握すらできないという管理不全が重なる。IBMやMicrosoftを含む複数の大企業がすでに生成AI利用ポリシーの整備を急いでいるのも、こうしたリスクへの対応が喫緊の課題となっているからだ。
直感的には「好奇心が強い人ほどシャドーAIを使いがちだろう」と思われるかもしれない。しかし本論文は、その常識を覆す結果を示している。
研究の設計
Nolan LovettとMohan Yangは、過去12ヶ月間に職場で生成AIを使用したと回答した就労者510名を対象にアンケート調査を実施した。測定した要因は、職場での好奇心(Joyous Exploration)、習慣、技術受容信念、そして組織の学習能力の知覚の4つだ。
分析手法として用いられたのは以下の3つだ。
- 階層的回帰分析:各変数がシャドーAI利用をどの程度説明するかを段階的に検証する手法
- ブートストラップ相対ウェイト分析:予測変数が互いに相関している場合でも、各変数の相対的な寄与度を安定して推定できる手法。通常の回帰係数だけでは多重共線性の影響で寄与の大小が判断しにくいため、この補完的な分析が有効とされる
- フルサブセット優勢分析(dominance analysis):全512通りの予測変数の組み合わせにわたって各変数の説明力を比較し、どの変数が「支配的」かを判定する手法。特定のモデル設定に依存せず、頑健な結論を引き出せる
習慣が圧倒的に支配的な予測因子
分析の核心的な発見は明確だ。
習慣(Habit)が説明分散の28.3%を占め、最大の予測因子だった。さらに重要なのは、全512通りの予測変数の組み合わせにおいて、習慣は「楽しい探索(Joyous Exploration)」という好奇心指標を完全に凌駕したという点だ。
一方、好奇心(Joyous Exploration)が説明分散に占める割合は**わずか3.4%**にとどまり、使用行動・パフォーマンス期待・社会的影響といった変数がモデルに加わると統計的に非有意になった。
つまり、シャドーAIの利用は「新しいものへの興味から試してみた」というより、すでに日常的な習慣として定着したツールをそのまま職場でも使い続けているという構造が実態に近い。プライベートでChatGPTやCopilotを日常的に使っている従業員が、職場でもほぼ無意識にそれを呼び出す——そうした行動パターンがデータに現れているとみられる。
組織の学習能力も効く——ただし方向は複雑
研究では、組織の学習能力(Organizational Learning Capability)の知覚が説明分散の**24.1%**を占めることも明らかになった。
ただし、その内訳は単純ではない。
- 実験的文化(Experimentation)と知識移転(Knowledge Transfer)が活発だと知覚されている組織では、シャドーAIの利用が低い
- 好奇心と学習能力の交互作用項は非有意
「実験を奨励する組織ほどシャドーAIが多そう」という予測に反して、公式な学習・知識共有の仕組みが整っている組織では、従業員が非公式なツールに頼る必要性が下がる——そういう解釈が成立する結果だ。
また、未承認利用(Unauthorized Use)と隠蔽(Concealment)を別モデルで分析しても、習慣の優位性パターンは再現された。隠蔽については、専門的サポートの知覚(Perceived Professional Support)が低い隠蔽と関連していたが、未承認利用との係数差は統計的に有意ではなかった。
組織への示唆
この研究が指し示すのは、シャドーAI対策として「AIへの好奇心や探索欲を抑える」というアプローチの限界だ。問題の本質は習慣化と組織環境にある。
研究者たちが強調するのは以下の点だ:
- シャドーAIは衝動的な試用ではなく、すでに根付いた行動パターンとして現れている
- 実験や知識共有を促す組織文化が整っていると、従業員は非公式ツールへの依存を減らす
- 専門的サポートの知覚を高めることが、隠蔽行動の抑制につながる可能性がある
なお、本研究は横断的設計(cross-sectional design)であるため、因果関係や時間的順序は確立されていない点は留意が必要だ。シャドーAIの実態把握に関心がある読者は、[NIST AI Risk Management Framework](https://www.nist.gov/system/files/documents/2023/01/26/AI RMF 1.0.pdf)やEUのAI Act概要も参照されたい。また、組織における技術受容モデル(TAM)の基礎を押さえておくと、本論文の理論的背景をより深く理解できる。
詳細はBeyond Curiosity: Habit and Organizational Learning Capability as Predictors of Shadow AIを参照していただきたい。




