AI監視は万能か？米国補助金問題が示す「ガバナンスの穴」

米国政府が、AI（人工知能）を使って補助金の不正受給を監視する計画を進めている。対象は約25兆円にも上る「不適切」な支給額だ。日本経済新聞が報じたこのニュースは、一見すると「テクノロジーで不正を防ぐ先進的な取り組み」に映る。しかしガバナンスの設計者の目で見ると、まったく違う風景が浮かび上がる。「技術で解決しようとする前に、そもそもの設計が破綻していた」という、より根本的な問題だ。

中小企業の経営者であれば、補助金や助成金の申請は身近な課題だろう。申請時の書類作成に追われ、承認後の使途報告が負担になる。25兆円という規模は想像を絶するが、規模の大小にかかわらず、ここに潜むガバナンスの本質的な課題は共通している。「結果（不正）を監視するAI」を導入する前に、なぜ「不正が起きやすい申請・承認プロセス」という原因を設計してしまったのか、という問いである。

「監視のAI化」が隠す根本的な設計ミス

米国の事例を詳しく見てみよう。報道によれば、AIは過去の不正パターンを学習し、不審な申請を検知する「見張り役」として機能する。確かに、大量の申請を人間がチェックするより効率的かもしれない。だが、ここに大きな落とし穴がある。AIによる事後監視を強めれば強めるほど、組織は「プロセスそのものの設計不備」から目を背けやすくなる。

ガバナンスの本質は「違反を検知すること」ではなく、「違反が起こりにくい仕組みを最初から設計すること」にある。補助金申請でいえば、申請フォームの設計、承認権限の分散、使途報告の簡素化と自動化など、不正が「物理的に起こりにくい」プロセスを築くことが先決だ。AI監視は、そうした一次的な予防策が不十分だった場合の、二次的・三次的な対策にすぎない。

中小企業に当てはまる「申請プロセス」の盲点

これは中小企業の日常にも直結する。たとえば、従業員の経費精算プロセスを考えてみてほしい。

• ケースA（設計不備＋監視強化）: 複雑でわかりにくい経費規程を作り、領収書の提出方法もバラバラ。そのうえで、後から経理担当が領収書を一枚一枚チェックし、不審な点を指摘する。いわば「人的AI」による監視だ。
• ケースB（プロセス設計の最適化）: 経費申請をデジタル化し、カテゴリーごとに承認フローを自動設定する。領収書はスマホで撮影して即アップロード。規程は申請画面にその場で表示される。不正が起こりにくい「物理的制約」が最初から組み込まれている。

ケースAは米国政府のAI監視と同じ発想だ。ケースBこそが、ガバナンスとしての「上位設計」である。問題は、多くの組織がコストや手間を理由に、ケースAの道を選びがちなことにある。

AIを「意思決定装置」ではなく「実行装置」として組み込む

では、AIをガバナンスにどう組み込むべきか。答えは、AIを「監視者」ではなく、「優れたプロセスを確実に実行する装置」として位置づけることだ。

先の経費精算の例でいえば、AIの役割は「不審な領収書を探す」ことではない。むしろ、次のような機能だ。

• 申請者が入力した内容から、適切な経費カテゴリーを自動提案する。
• 過去の承認パターンから、最適な承認者ルートを自動で割り振る。
• プロジェクト予算と照合し、超過しそうな際に事前に警告する。

AIをプロセスの「中」に組み込み、人間の判断ミスや手間を減らすことで、不正が入り込む隙間そのものを狭める。これが「1〜99のリスク設計」の考え方だ。リスクを0にはできなくても、発生確率を大きく下げ、発生したときの影響を限定する設計はできる。

実践ステップ：自社の「AI化可能プロセス」を洗い出す

中小企業が明日から始められるアクションを3つ挙げる。

1. 「判断の繰り返し」をリスト化する

まず、社内で頻繁に行われている定型判断を洗い出す。経費承認、有休申請、顧客クレームの初動対応、購買発注などだ。これらのプロセスで、担当者が毎回「何を基準に判断しているか」を言語化する。これが、AIに学習させる「ルール」の原型になる。

2. プロセスを「入力・処理・出力」に分解する

たとえば購買発注なら、「入力」は発注依頼書、「処理」は予算チェックと承認者割り振り、「出力」は発注書の作成と送付だ。このうち、人的ミスや遅延が最も多く発生している「処理」の部分に注目する。ここにシンプルな自動化（RPA）やAIによる支援を導入できないか検討する。

3. 専門家に「可否」ではなく「成立条件」を聞く

AIツールの導入を法務や税務の専門家に相談するとき、「これは法律的に大丈夫ですか？」と聞いてはならない。それでは「0か100か」の答えしか返ってこない。代わりに、「このプロセスを自動化して効率化したい。データの扱いや記録の面で、法律上・税務上、守るべきポイントはどこですか？」と「成立条件」を聞く。専門家はリスクを0にはできないが、許容できるリスク水準（1〜99）の中で成り立たせるための条件なら示せる。

「監視」から「設計」へ：ガバナンスの視座を上げる

米国政府のAI監視計画は、スケールこそ巨大だが、ガバナンスの発想が「後付けの監視」に傾いた典型例といえる。組織は大きくなるほど既存の煩雑なプロセスを変えにくくなり、その代わりに監視でカバーしようとする。その傾向とも符合している。

一方、中小企業には大きなアドバンテージがある。規模が小さいぶん、プロセスそのものをゼロから設計し直す「変更コスト」が相対的に低いのだ。大企業が巨費を投じてAI監視システムを導入しているあいだに、中小企業はAIを活用した「最初からスマートなプロセス」をいち早く構築できる。

重要なのは、AIという技術に振り回されないことだ。AIは、優れたガバナンス設計をより確実に、より効率的に実行するための「装置」の一つにすぎない。その前にやるべきなのは、自社の「やりたい事業」を実現するにはどのような意思決定と実行の流れが最適かを言葉にし、設計することである。

25兆円の不正をAIで監視するニュースは、私たちにこう問いかけている。「あなたの会社では、問題が起きてから監視を強化する前に、問題が起きにくい仕組みを、どれだけ本気で設計していますか？」と。この問いに向き合うことが、テクノロジー時代の実践的なガバナンスの第一歩になる。