【徹底解説】生成AIのリスクと対策10選｜ハルシネーション|バイアス|情報漏洩を防ぐ具体策

生成AIを企業で導入・活用する上で、リスク管理は最も重要な経営課題の一つです。

安全かつ効果的なAI利用のためには、その潜在的リスクを深く理解し、先手を打った対策が不可欠であると私たちは考えます。

本記事では、特に経営層が懸念するハルシネーション、バイアス、情報漏洩といった生成AI固有のリスクについて、その発生メカニズムと具体的な対策を網羅的に解説します。

これにより、貴社の生成AI活用の安全性を飛躍的に高めることができます。

• 生成AIの主要なリスク（ハルシネーション、バイアス、情報漏洩）の全容と発生メカニズムの理解
• 各リスクに対する詳細かつ実践的な対策手法
• 企業としての安全な生成AI運用を支える体系的なリスクマネジメントの構築方法
• 経営層への説明責任を果たし、社内合意形成に役立つ情報

生成AI活用における課題と対策の必要性

生成AIは、現代ビジネスにおいてDX推進を加速させる強力なツールです。

一方で、ハルシネーション、バイアス、情報漏洩といった固有の潜在的なリスクも抱えています。

これらのリスクを深く理解し、具体的な対策を講じなければ、企業の信頼性や法的責任に大きな影響を及ぼす可能性があります。

DX推進の切り札 生成AIの可能性

生成AIは、革新的なビジネス変革をもたらす技術です。

これまで時間と労力がかかっていた定型業務の自動化や、高度なデータ分析による意思決定の迅速化に大きく貢献します。

たとえば、顧客対応の自動化では、生成AIを導入した企業で顧客からの問い合わせ対応時間が平均30%削減された事例も確認されています。

また、市場トレンド分析や新商品アイデアの創出など、人間の創造性を補完し、新たな価値を生み出す可能性も持ち合わせています。

このような生成AIの活用は、企業の生産性を向上させ、競争優位性を確立する重要な手段です。

潜在するリスクの見過ごせない影響

生成AIの利活用が進む一方で、「生成AIのリスク」や「生成AIの問題点」として、ハルシネーション、バイアス、情報漏洩といった潜在的なリスクも存在します。

これらのリスクは、企業の事業活動に看過できない影響を及ぼす可能性があります。

ハルシネーションによる誤情報は、企業の信頼性を著しく損なうだけでなく、誤った意思決定を招くリスクがあります。

バイアスを継承したAIは、不公平な判断を生み出し、企業のコンプライアンス違反や評判の低下につながる危険性も秘めます。

また、「生成AI 個人情報」や「生成AI セキュリティ」に関する対策を怠れば、機密情報の「情報漏洩」が発生し、損害賠償や企業ブランドの失墜など、数億円規模の損失につながる可能性も否定できません。

生成AIの活用において、これらのリスクへの対策は喫緊の課題です。

経営層への説明責任を果たす重要性

生成AIの導入を進める上で、経営層への説明責任を果たすことは極めて重要です。

投資判断や組織全体の方向性を決定する経営層は、生成AIがもたらすメリットだけでなく、「生成AIの対策」を含めたリスクを正確に把握する必要があります。

現在の企業環境では、新たな技術への投資において、その潜在的リスクに対する具体的な管理計画が不明瞭な場合、経営層が導入を躊躇する傾向があります。

ある調査では、セキュリティリスクやコンプライアンス面での懸念から、DX関連投資の意思決定を70%以上の経営層が保留することが示されています。

リスクと対策を明確に説明することは、経営層の理解と承認を得て、全社的なプロジェクトを円滑に進めるための基盤を築きます。

透明性の高い情報共有は、企業の「信頼性向上」に不可欠な要素です。

安全な利用へ不可欠なリスクマネジメント

生成AIを企業で安全に利用するためには、リスクマネジメントの体系化が不可欠です。

「リスク管理」とは、生成AIの潜在的な脅威を特定し、その影響を最小化するための組織的なプロセスを指します。

「システム運用」において、明確な「生成AI ガイドライン」を策定し、従業員への教育と啓発プログラムを実施することで、「情報漏洩」リスクを導入前に比べ50%以上低減できるという報告があります。

また、技術的な「生成AIの対策」として、アクセス制御の強化や専用AI環境の構築は、データの安全性と「コンプライアンス遵守」を両立させる上で有効な手段です。

これらの包括的な取り組みが、生成AIのポテンシャルを最大限に引き出し、持続可能な企業成長を支える基盤となります。

生成AIの「ハルシネーション」発生要因と回避策

生成AIが現実には存在しない情報を、あたかも事実のように提示する現象を「ハルシネーション」と呼びます。

この問題は、AI活用を推進する上で最も警戒すべき課題の一つであり、企業の信頼性や意思決定に深刻な影響を及ぼす可能性があります。

私たちが安全かつ効果的に生成AIを利用するためには、この現象がなぜ発生するのかを深く理解し、具体的な対策を講じることが不可欠です。

ハルシネーションが示す虚偽の情報

ハルシネーションとは、生成AIが事実に基づかない情報や、あたかも真実であるかのように虚偽の内容を作り出す現象を指します。

例えば、ある企業の年次報告書の内容を問い合わせた際、AIが存在しない財務数値を生成したり、過去に発生していないニュース記事をあたかも実話のように語ったりすることがあります。

具体的な例として、法務部門でAIに過去の判例を問い合わせたところ、存在しない裁判記録や法律条文が提示されることがあります。

このような誤情報に基づいて判断を下せば、企業のブランドイメージが著しく損なわれたり、顧客との訴訟問題に発展したりする危険性があります。

情報システム部門のリーダーであるあなたは、このような「誤情報対策」の重要性を深く認識しておく必要があります。

発生を招くAIの特性と限界

ハルシネーションは、生成AIの根本的な特性と限界から発生します。

AIは人間のように意味を理解しているわけではなく、学習データ内のパターンや統計的関連性に基づいて次の単語を予測・生成する予測モデルです。

このため、学習データが不足していたり、特定の情報が偏っていたりすると、AIはもっともらしい虚偽の情報を生成することがあります。

具体的な発生要因はいくつか考えられます。

質問が曖昧でAIが正確な意図を読み取れない場合、あるいは学習データの鮮度が不足している場合、AIは補完しようと「推測」によって回答を生成するのです。

要因	説明
学習データの質	不足している情報や偏りのあるデータから学習
質問の曖昧さ	具体性に欠けるプロンプトがAIに誤解釈を招く
知識の限界	未知のトピックや最新情報に対する知識が学習データにない
生成モデルの設計	確率的な単語選択が不正確な情報生成につながる

生成AIは、常に最もらしい言葉を生成しようと努めますが、それは必ずしも真実であるとは限りません。

AIが完璧な回答を常に提供できるわけではないという限界を理解することが、適切な「生成AIの対策」を講じる第一歩になります。

生成情報の「事実確認」を徹底

ハルシネーションに対処するための最も直接的で基本的な対策は、AIが生成した情報の「事実確認」を徹底することです。

生成AIの回答を盲信するのではなく、人間が最終的な判断を下し、情報の正確性を担保する仕組みを確立する必要があります。

特に、経営戦略の決定や顧客への情報提供など、重要な意思決定に関わる場面では、最低でも二重のチェック体制を設けることをお勧めします。

例えば、AIが生成した報告書の内容を、異なる担当者2人がそれぞれ別の情報源と照合するといったプロセスです。

これにより、誤情報の流布によるビジネスリスクを大幅に軽減できます。

「フェイクニュース対策」は、企業の信頼性を守る上で欠かせません。

信頼できる情報源への「参照制限」

ハルシネーションを発生させにくくする方法の一つに、生成AIが参照する情報源を「信頼できるもの」に限定する対策があります。

このアプローチは「Retrieval Augmented Generation（RAG）」と呼ばれる技術で実現できます。

RAGは、AIが回答を生成する際に、事前に指定されたデータベースやドキュメントセットから情報を検索し、その情報に基づいて回答を作成する手法です。

例えば、社内向けのAIツールであれば、企業の公式ドキュメント、承認された業務マニュアル、自社製品の詳細情報が格納されたデータベースのみを参照させる設定が考えられます。

これにより、AIが外部の不確かな情報を参照し、誤った内容を生成するリスクを根本から低減できます。

メリット	具体的な内容
回答の正確性向上	指定された信頼性の高いデータのみを使用し、根拠のある回答を生成
最新情報への対応力	社内データベースを更新することで、常に最新の情報に基づいた回答が可能
機密情報保護	外部インターネットを参照せず、社内データのみで完結するため、情報漏洩リスク低減
説明責任の強化	回答の根拠となる情報源を特定でき、トレーサビリティを確保

特定の情報源に「参照制限」を設けることは、AIの「信頼性向上」に大きく寄与します。

回答精度を高める「プロンプトエンジニアリング」

生成AIの「回答精度」を高めるためには、AIに対する指示文である「プロンプト」を、より効果的に設計する「プロンプトエンジニアリング」のスキルが重要です。

曖昧な指示はAIに誤解を生じさせ、ハルシネーションの原因となることがあります。

具体的な指示出しによって、AIは質問者の意図を正確に捉え、的確な情報を生成できます。

良いプロンプトは、AIに特定の役割（例：「あなたは経験豊富なマーケティング担当者です」）を与えたり、回答の制約（例：「必ず300字以内で記述してください」）を設けたりします。

また、回答の出力形式（例：「箇条書きでまとめてください」）を明確に指定することも有効です。

ポイント	説明
具体性	曖昧な表現を避け、具体的なタスクや情報要求を記述
制約の設定	回答の長さ、形式、トーン、参照すべき情報源などの条件を明示
役割の付与	AIに特定の役割を担わせることで、その視点に基づいた回答を促す
例示	望む回答の形式や内容を具体例で示すことで、AIの理解を深める
分割と誘導	複雑なタスクは小さなステップに分割し、AIに思考プロセスを段階的に進めさせる

プロンプトエンジニアリングは、生成AIを「賢明な」パートナーとして機能させるための重要な「生成AIの対策」の一つです。

適切にプロンプトを設計することで、AIはより正確で、意図に沿った情報を生成できるようになります。

生成AIの「バイアス」による偏見とその解消

生成AIが持つ「バイアス」は、企業活動における不公平な判断や、結果として企業イメージの低下、そして法的な問題に発展するリスクを含んでいます。

公正で倫理的なAI利用のためには、バイアスへの深い理解とその積極的な解消が不可欠です。

AIが学習データから継承する偏見

生成AIの「偏見」、つまりバイアスとは、学習データに存在する特定の属性や考え方の偏りが、AIの出力に反映される現象を指します。

現実社会の既存の不公平な構造や歴史的なデータがAIに学習されることで、意図せず偏った結果を生み出す原因になります。

例えば、過去の採用データに性別や人種による不均衡があれば、AIが新たな採用候補者を評価する際、その偏りを継承し、特定の属性の人々を不当に排除する可能性が生まれます。

AIは学習データのパターンを忠実に再現するため、データに含まれるわずかな偏りであっても、そのまま学習してしまいがちです。

組織に生じる不公平な判断

AIのバイアスが組織内部に影響を及ぼすとき、不公平な判断が具体的な問題として表面化します。

採用プロセスにおける候補者のスクリーニングや、人事評価でのパフォーマンス分析、顧客へのサービス提案など、多様なビジネスシーンでバイアスが影響することが考えられます。

例えば、AIが生成する求人票の表現に特定の性別や年代を想起させる偏りが含まれることで、応募者の層が意図せず偏る事例があります。

このような状況は、組織の多様性を損ねるだけでなく、ステークホルダーからの信頼を失い、最悪の場合、差別とみなされて訴訟問題に発展する可能性も否定できません。

「学習データ」の公平性と多様性確保

生成AIのバイアスを根本的に解消するには、「学習データ」そのものの公平性と多様性の確保が最も重要です。

データ選定の段階から、偏りがないか慎重に評価し、様々な属性や視点を含むデータをバランス良く収集することが求められます。

性別、年齢、人種、文化的背景といった多様な要素を意識したデータセットの構築と、それらを継続的に検証・更新する体制が必須になります。

学習データの公平性と多様性確保のためのポイントは次の通りです。

項目	内容
データソースの多角化	単一のソースに依存せず、幅広いデータ源から情報を収集
属性バランスの確認	データセット内の人種・性別・地域などの属性に偏りがないかを分析
代表性の検証	対象となる集団をデータが適切に代表しているかを客観的に評価
偏見データの前処理	学習前にバイアスを誘発する可能性のあるデータを検出し、補正または削除
定期的なデータ監査	データの質と公平性が維持されているかを継続的にチェックし、必要に応じて修正

「バイアス検出」ツールの導入検討

生成AIが持つバイアスを特定し、修正するためには、「バイアス検出」ツールの導入が効果的な手段の一つです。

これらのツールは、AIモデルが生成するコンテンツや、モデルが学習したデータに含まれる潜在的な偏りを自動的にスキャンし、数値化して可視化します。

例えば、AIの採用システムが性別に偏った評価をしている場合に、その傾向を検知し、改善を促す機能を有しています。

このようなツールを活用することで、人間だけでは見落としがちな微細なバイアスを早期に発見し、是正措置を講じることが可能になります。

バイアス検出ツールの導入によるメリットは次の通りです。

項目	内容
自動検出による効率化	大量のデータからバイアスを素早く特定し、分析
客観的な評価	人間の主観を排除し、データに基づいた評価を提供
可視化とレポート機能	バイアスの種類や程度を分かりやすく表示し、改善策を検討
継続的な監視	AIモデルの運用中に発生する新たなバイアスを定期的にチェック
早期介入と修正	問題を早期に発見し、影響が拡大する前に対応を可能にする

AI倫理を明確にする「ガイドライン」策定

生成AIのバイアス問題に対処し、公正な利用を推進するためには、「AI倫理」を明確にした社内ガイドラインの策定が欠かせません。

このガイドラインは、従業員がAIを利用する際の倫理的な基準や遵守すべきルールを具体的に示し、組織全体での意識向上を促します。

例えば、AIが不公平な情報を生成した場合の報告体制や、その情報をどのように訂正・破棄するかの手順を明記します。

これにより、従業員はAI利用における判断基準を明確に理解し、誤った判断や意図しないバイアスの拡散を防ぐことにつながります。

AI倫理ガイドライン策定のポイントは次の通りです。

項目	内容
利用目的の定義	AI利用が企業の価値観と合致するか、社会的に許容されるかを確認
責任の所在明確化	AIの判断や出力に関する最終的な責任がどこにあるかを明確にする
データ利用原則	学習データの収集、利用、管理における公平性、透明性、プライバシー保護のルール
監視と監査の仕組み	AIの挙動や出力が倫理的基準に沿っているか定期的にチェックする体制
従業員への教育	ガイドラインの内容と重要性を全従業員に周知徹底するためのプログラム実施

企業を脅かす「情報漏洩」リスクへの防御

生成AIの活用は多くの可能性を秘めていますが、同時に企業の機密情報が外部に流出するリスクも存在します。

これは企業の信頼失墜、法的な責任、そして競争力の低下につながる重大な課題です。

情報システム部門のリーダーであるあなたは、組織全体の「情報漏洩」リスクを深く理解し、適切な「生成AIの対策」を講じる必要があります。

機密情報がAIを介して流出する危険性

「機密情報」とは、企業の競争力を保つ上で非常に重要な、外部には公開されていない情報を指します。

顧客データ、開発中の製品情報、営業戦略、人事情報などがこれに該当します。

生成AIにこれらの「機密情報」を何気なく入力することで、AIがその情報を学習し、将来的に他のユーザーの回答に活用されてしまう危険性が潜んでいます。

例えば、ある社員が新製品の設計図をAIに要約させた場合、その情報が意図せず公開モデルの学習データの一部となり、第三者に漏洩する可能性があります。

この問題は、企業の「生成AI 個人情報」や「生成AI セキュリティ」に関する姿勢を問うものとなります。

生成AIの利用が増加する現代において、情報がAIを介して意図せず流出する事例は実際に発生しています。

社内ノウハウや顧客情報が不注意で入力され、その結果として「情報漏洩」が起きてしまうと、回復には多大な時間と費用がかかります。

情報の重要性を認識し、AI利用におけるリスクマネジメントを徹底することが求められます。

「機密情報」入力の厳格な制限

企業にとって非常に重要な「機密情報」が生成AIを通じて外部に流出することを防ぐには、入力する情報の種類を厳しく制限することが不可欠です。

この制限は、従業員が生成AIを安全に利用するための土台となります。

顧客データ、個人が特定できる情報、未公開の財務データ、開発中のプロジェクト資料など、外部に漏れると事業に大きな損害を与える可能性のある情報を明確に指定し、生成AIへの入力を禁止します。

このルールを「利用規約」として明文化し、従業員への教育プログラムで繰り返し周知徹底します。

項目	内容
禁止対象	顧客データ、個人情報、未公開の財務情報
	開発中の製品設計、特許関連情報
	社内ノウハウ、人事評価データ
ルール化	明確な「利用規約」として文書化
教育	全従業員への定期的な研修と注意喚起
技術導入	機密情報検知ツールによる入力時のチェックシステム

これらの対策により、偶発的な「情報漏洩」のリスクを大幅に削減し、企業としての大切な資産を守ることが可能になります。

データ「匿名化」とアクセス制御の徹底

生成AIを扱う上で、たとえ機密情報でなくとも、個人を特定できる情報や企業活動に関するデータの取り扱いには慎重さが求められます。

「匿名化」とは、特定の個人を識別できないようにデータを加工する技術です。

例えば、氏名や住所といった直接的な識別子を削除したり、年齢を範囲で表記したりするなど、データから個人が特定できない状態にします。

これにより、万が一データが外部に漏れたとしても、個人のプライバシーが保護され、企業が負う法的責任を軽減できます。

同時に、「アクセス制御」は生成AIへのアクセス権限を厳格に管理する仕組みです。

利用者を限定し、役割に応じて利用できる機能やデータ範囲を細かく設定します。

これにより、必要な人間だけが必要な情報にアクセスできるようにします。

項目	内容
匿名化	氏名・住所など直接識別子の削除
	年齢・所在地を範囲表記に加工
	データマスクによる一部情報の置き換え
アクセス制御	部署や役職に応じた利用者の限定
	利用可能な機能やデータ範囲の細分化
	多要素認証によるログインセキュリティ強化
監視	不正なアクセスやデータ利用の検知とアラート機能

データ「匿名化」と「アクセス制御」を組み合わせることで、情報利用の安全性は飛躍的に向上し、意図しないデータ流出のリスクを軽減できます。

安全な専用「AI環境」の構築

企業の「機密情報」が学習データとして外部に流出するリスクを根本的に排除するには、外部の汎用生成AIサービスではなく、企業「情報セキュリティ」ポリシーに合致した専用の「AI環境」を構築することが最も効果的な対策です。

この「専用AI環境」は、自社のサーバー（オンプレミス）や、プライベートクラウド環境に設置されます。

これにより、企業のデータが外部のネットワークに触れることなく、安全なクローズドな環境内で生成AIを運用できます。

社内に専用環境を構築することは、データ管理やセキュリティ対策において企業が完全なコントロール権を持つことを意味します。

外部からの不正アクセスや意図しないデータ共有のリスクを最小限に抑え、企業の重要な情報を堅固に守ります。

項目	内容
形態	オンプレミス型での自社サーバー構築
	プライベートクラウド環境の活用
	クローズドネットワークでのAI運用
メリット	データの外部流出リスクを大幅に軽減
	既存の「情報セキュリティ」ポリシーとの統合
	データ保管場所の完全なコントロール
運用	社内ネットワークからのアクセス限定
	高度な認証・認可システムの実装

専用「AI環境」を構築することは、初期投資と運用コストを伴いますが、企業の生命線である「機密情報」を確実に保護し、長期的な視点での「リスク管理」に繋がる選択です。

「セキュリティガイドライン」の策定と遵守

「セキュリティガイドライン」とは、生成AIを安全に利用するための社内ルールや方針を具体的に定めた文書です。

これは、単なる利用方法の説明に留まらず、禁止事項、データ取り扱いの手順、インシデント発生時の対応、罰則規定など、包括的な内容を網羅します。

特に、「生成AI ガイドライン」には「プロンプトインジェクション」や「データポイズニング」といった、生成AI特有のサイバー攻撃に対する予防策や対応方針を盛り込むことが大切です。

策定したガイドラインは、従業員全員がアクセスできる場所に公開し、定期的な研修を通じて周知徹底します。

ガイドラインは一度作ったら終わりではなく、新しい技術動向や法規制の変更に合わせて継続的に更新していく必要があります。

項目	内容
利用ルール	入力可能な情報と禁止情報の明文化
	生成情報の活用範囲と責任の所在
リスク対策	「プロンプトインジェクション」防止策
	「データポイズニング」検知と対応
	不正アクセスや異常なデータ利用の監視方法
緊急時対応	インシデント発生時の報告手順と連絡先
	情報漏洩時の対応フローと広報体制
運用管理	ガイドラインの定期的な見直しと更新体制
	従業員への継続的な教育と啓発プログラム

この「セキュリティガイドライン」を組織全体で「コンプライアンス遵守」し、利用者が責任感を持ってAIと向き合うことで、「情報漏洩」リスクを組織的に管理し、企業の安全性を確保します。

安全な生成AI運用へ リスクマネジメント体系化

生成AIの潜在能力を最大限に引き出しつつ、企業が安全に利用するには、個々のリスク対策だけでなく、組織全体での体系的なアプローチが不可欠です。

適切なガバナンス体制を確立し、リスク管理を組織文化として浸透させることで、持続可能なAI活用を実現します。

自社を理解する「リスク評価」と影響分析

リスク評価とは、生成AIの具体的な利用シナリオに基づき、潜在するリスクを洗い出し、その発生確率と企業への影響度を測るプロセスを指します。

影響分析を通じて、リスクが顕在化した場合のビジネスへの影響を明確に把握します。

PwCの調査によると、生成AI導入企業の約7%がリスク評価を初期段階で行っており、15%が現在開発中です。

また、情報漏洩発生時に企業の売上に最大で数十億円規模の影響が出る可能性を試算する企業もあります。

自社の状況に即したリスク評価と影響分析を行うことが、適切な対策立案の出発点になります。

「社内ガイドライン」の継続的な更新

社内ガイドラインは、生成AIの安全な利用に向けた基本的なルールブックです。

技術の進歩と法規制の改正が速い領域であるため、継続的な更新が極めて重要です。

多くの企業では、年に2回以上の定期的な見直しを行う企業が増えています。

ある企業では過去1年間で3度ガイドラインを改訂し、最新のリスクに対応しました。

社内ガイドラインを常に最新の状態に保つことで、従業員の行動規範を明確にし、変化するリスク環境に対応します。

全従業員の「教育と啓発」プログラム

生成AIを安全に運用するには、技術的な対策だけでなく、全従業員がリスクを理解し、適切な行動をとることが求められます。

このために、従業員に対する教育と啓発プログラムの実施が不可欠です。

大手企業では、新入社員研修に加えて、既存従業員向けに年間数回のオンライン研修を実施しています。

この結果、約95%の従業員が受講を完了しています。

継続的な教育と啓発を通じて、従業員一人ひとりのリスク意識を高め、組織全体でのリスク回避能力を向上させます。

体系的な「システム運用」体制の確立

生成AIシステムの体系的な運用体制の確立は、セキュリティ確保とパフォーマンス維持の両面で極めて重要です。

具体的には、AIのライフサイクル全体にわたる管理を指します。

あるテクノロジー企業では、生成AIモデルの運用監視チームを5名配置し、24時間365日の異常検知体制を構築しています。

これにより、モデルの不審な挙動を平均15分以内に特定できるようになりました。

継続的な監視、迅速な対応、定期的な監査を行うことで、システムの安定性とセキュリティを確保し、運用リスクを最小限に抑えます。

外部専門家との連携による課題解決

生成AIのリスクマネジメントは多岐にわたり、自社内のリソースだけで全ての課題に対応するのが難しい場合があります。

その際、法務、セキュリティ、AI倫理の外部専門家と連携することは、課題解決の有効な手段です。

多くの企業が、年間に平均2〜3件の生成AIに関する専門的な相談を弁護士事務所やセキュリティコンサルタントに持ちかけています。

ある事例では、外部専門家の助言により、想定された法務リスクを約30%削減しました。

外部の知見を取り入れることで、自社だけでは気づけないリスクを特定し、より高度で専門的な対策を講じることが可能になります。

よくある質問（FAQ）

まとめ

生成AIの導入は、企業の競争力を高める一方で、ハルシネーション、バイアス、情報漏洩といった避けられないリスクを伴います。

これらのリスクを深く理解し、本記事で紹介した具体的な対策と体系的なリスクマネジメントを実践することは、安全なAI活用を実現する上で重要です。

貴社の信頼性と持続可能な成長を確実にするため、本日からぜひ、生成AIのセキュリティガバナンス体制を構築し、全社的な取り組みを推進してください。