
AIが押した「承認」を、人の判断にしない――アカウント・実行者・意思決定者を分ける7項目
監査ログには、技術リードが承認したと残っている。ところが、実際に承認操作を送ったのは、その人の資格情報を使うAIエージェントだった。
名前は合っている。判断主体は違う。
AIコーディングエージェントがPR作成だけでなく、レビュー支援やマージ前の確認まで担うようになると、このズレは無視できません。事故のあとで必要なのは「どのアカウントで操作されたか」だけではなく、誰が実行し、誰が判断し、何を見て、どの版を承認したかだからです。
この記事では、承認を7項目へ分解した「Approval Provenance Receipt(承認来歴レシート)」を提案します。GitHubに限らず、チケット承認、構成変更、リリース判定など、AIが人の代理で操作できる場面に使える考え方です。
先に結論:アカウント名は、判断者名ではない
認証ログが直接示すのは、原則として「どの資格情報で要求が送られたか」です。
そこから「その人が画面を見た」「その人が内容を理解した」「その人が承認を決めた」とまでは言えません。人が直接操作した場合は三つが一致しやすかったため、私たちは長く同じものとして扱ってきました。
AIエージェントが人のPersonal Access Tokenやログイン済みセッションを使うと、この前提が崩れます。
アカウント名:技術リード
操作実行者:AIエージェント
委任者:技術リード
意思決定者:未記録
承認対象:承認後に更新されたかもしれない
参照証拠:何を読んだか不明
この状態で監査ログに「技術リードが承認」とだけ残れば、ログ自体は正しくても、読み方を誤ります。
新しい研究が示したのは、架空の脅威ではなく記録の曖昧さ
2026年10月に公開された「Who Approved This?」は、あるフィンテック企業の12週間、786件のマージ済みPRを調べています。そのうち657件がコーディングエージェントに関連していました。
ゲート運用期の非botマージ263件では、71件が、技術リードのGitHubアカウントを介してエージェントが送信した承認だけに依存していたと報告されています。プラットフォーム上は、通常のリード承認として記録されました。
ここで大切なのは「AI承認は危険だ」と一般化することではありません。対象は1社の観察研究です。
重要なのは、アカウント上の承認者と、実際の決定権限を別々に記録しなければ区別できないという設計上の事実です。
研究ではほかにも、個別マージの前後で保護設定が外れる、失敗したチェックが成功として記録される、保護されていないブランチを経由してスタックが崩れる、といった事象が観測されました。承認者名だけを見ても、ゲート全体が機能していたかは分かりません。
承認を7項目へ分ける
承認1件につき、最低限、次の7項目を1つのレシートとして残します。
1. Account Subject:どの資格情報が使われたか
ユーザーID、GitHub App、bot、サービスアカウントなど、プラットフォームが認証した主体です。
これは必要ですが、ここで止めません。人のアカウントだったとしても、人が直接操作したとは限らないからです。
2. Executor:誰が操作を送ったか
人間、AIエージェント、自動化ジョブのどれが承認APIやUI操作を実行したかを記録します。
AIなら、agent ID、モデルやハーネスの版、session IDまで追えるようにします。モデル名だけでは、同じモデルの複数セッションを区別できません。
3. Delegated By:誰がその操作を委任したか
誰が、どの業務目的で、どの範囲と期限を与えたかです。
「組織がCopilotを契約している」では広すぎます。「このリポジトリの、この種類のPRについて、レビュー結果を送信できる」という単位まで絞ります。
4. Decision Maker:誰または何が判断したか
操作実行者と判断者を分けます。
人が内容を見て最終判断し、AIが送信した
AIが推奨し、人が確認して決めた
事前承認されたポリシー内でAIが自動判断した
判断者を特定できない
最後の状態を「人が承認」に丸めてはいけません。未記録は未記録として扱います。
5. Evidence Seen:何を見て判断したか
差分、テスト結果、静的解析、要件、コードオーナーのコメントなど、判断時に参照した証拠の一覧とハッシュを残します。
リンクだけでは、後から内容が変わる可能性があります。少なくとも証拠の版、取得時刻、結果を固定します。
6. Target Revision:どの版を承認したか
repository、branch、pull request、commit SHAを記録します。
GitHubのprotected branchには、差分が変わったら古い承認を失効させる設定や、最新のreviewable pushに別の承認者を求める設定があります。これは「承認した版」と「マージした版」のずれを防ぐ重要な仕組みです。
7. Gate Snapshot:その時点でゲートはどうなっていたか
必須チェック、保護ルール、例外、バイパス、チェック発信元、ポリシー版、判定時刻をまとめます。
GitHubは、required status checkについて期待するGitHub Appを指定できます。誰でも同名の成功ステータスを付けられる状態より、証拠の発信元を絞れます。
ただし、これらの設定だけで意思決定者は分かりません。プラットフォームの保護機能と承認来歴レシートは、役割が違います。
3つの承認モードを最初に決める
AIが関わる承認を全部禁止すると、実務では別経路へ逃げやすくなります。先に、許可するモードを分けます。
モードA:Human Direct
人が証拠を見て、人の資格情報で直接承認します。
高リスク変更の基本形です。ExecutorとDecision Makerが同じ人になります。
モードB:Agent Submit, Human Decide
AIが差分や証拠を整理し、人が最終判断し、AIが送信操作だけを代行します。
この場合、Account Subjectが人、ExecutorがAI、Decision Makerが人になり得ます。人の確認イベントと承認送信を同じsessionへ結び付けなければ、後からモードAと区別できません。
モードC:Policy-Delegated Auto Approval
事前承認された条件内で、AIが自動判断・自動送信します。
低リスクかつ機械判定可能な変更に限定します。Decision Makerは個人名ではなく、ポリシーIDと版です。「人が承認した」と表示せず、「Policy P-17により自動承認」と残します。
境界外、証拠不足、判定不能ならモードBまたはAへ戻します。
Approval Provenance Receiptの記入例
架空の依存ライブラリ更新PRを例にします。
Account Subject:github-app/dependency-agent
Executor:agent/dependency-reviewer、session S-20261023-014
Delegated By:platform-team-owner、委任 D-204、期限 2026-10-31
Decision Maker:policy/security-patch-low-risk v3
Evidence Seen:差分SHA、SBOM、脆弱性スキャン結果、テスト結果、変更影響表の各ハッシュ
Target Revision:repo A、PR 842、commit 9f31…、base main
Gate Snapshot:ruleset R-12 v7、required checks 6/6、expected source app一致、bypassなし、2026-10-23T06:40+09:00
この形なら、後から「誰の名義だったか」だけでなく、「自動承認を許したポリシー」「対象版」「使った証拠」「ゲート状態」までたどれます。
マージ前に弾く6つの検知条件
レシートを保存するだけでは不十分です。マージゲートで機械的に拒否できる条件へ変えます。
Decision Makerが空、またはunknown
Account Subjectが人なのにExecutorがAIで、委任記録がない
Target Revisionのcommit SHAと、実際にマージするSHAが違う
Evidence Seenに必須テストまたは要件証拠がない
承認時からマージ時までに保護ルールが無効化・変更・バイパスされた
status checkの発信元が期待するAppやワークロードIDと一致しない
重要なのは、ログを集めることではなく、欠けたログでは先へ進めないことです。
導入は「専用IDを作る」だけで終わらせない
最初から全システムを作り替える必要はありません。次の順序なら始められます。
1. 人の資格情報を使う経路を棚卸しする
PAT、OAuth、ブラウザセッション、CLI、GitHub App、Actionsのトークンを洗い出します。AIが人のログイン済み環境を使えるなら、それも経路です。
2. エージェントを専用のbotまたはAppで識別する
Account SubjectとExecutorを一致させやすくします。短命な資格情報を優先し、エージェントへ人の長期トークンを渡さない設計へ寄せます。
3. 承認モードを記録する
Human Direct、Agent Submit/Human Decide、Policy-Delegated Auto Approvalのどれかを必須にします。
4. 対象SHAと証拠ハッシュを固定する
承認後に差分が変われば、再承認が必要です。GitHubのstale approval dismissalやmost recent reviewable pushの設定も併用します。
5. ゲート変更権限を実行権限から外す
PRを作る主体が、保護ルールや必須チェックの結果も変えられると、証拠が自己申告になります。ゲート設定、監視、停止は別の管理面へ置きます。
6. レシート欠損を可視化してから拒否へ移す
最初の1〜2週間は警告で欠損率を測り、業務例外を整理します。その後、高リスクのリポジトリからfail-closedへ移します。
やってはいけない3つの近道
「監査ログに人名があるから、人が承認した」
最も危険な読み替えです。ログが偽造されていなくても、資格情報の利用者と意思決定者は違うことがあります。
「AI専用アカウントにしたから解決した」
誰が操作したかは改善しますが、誰が委任し、何を根拠に判断したかは残りません。ID分離は入口です。
「セッションログを全部保存したから追える」
量が多いだけでは、承認対象のSHAや最終判断を即答できません。セッションログは原資料、承認来歴レシートは意思決定の索引です。
承認はボタンではなく、証拠付きの意思決定である
AIエージェントが増えるほど、「誰が承認したか」はユーザー名だけでは答えられなくなります。
残すべきなのは、アカウント、実行者、委任者、意思決定者、閲覧証拠、対象リビジョン、ゲート状態の7項目です。
AIが承認に関わること自体を禁止するのではありません。人の判断、AIの操作、ポリシーによる自動決定を区別し、区別できない承認では先へ進めないようにする。
それが、AI時代の承認を「誰かの名前」から「検証可能な意思決定」へ変える設計です。
次に、権限全体を5層で見直したい方はAIエージェントの権限設計は、最小権限だけでは足りないへ。承認を再試行で使い回さない設計は「承認済み」でも、もう一度実行してよいとは限らない、AI生成PRのレビュー項目はAIが書いたPRを、コード差分だけでレビューしないで整理しています。
このアカウントでは、大企業・大規模業務システムで生成AIへ安全に仕事を任せるための権限、証跡、検収、変更影響を、実務で再利用できる設計へ落として発信します。