ChatGPT、Microsoft 365 Copilot、Gemini、Claude――。いまや多くの認証組織で、文書の下書き、議事録の要約、法令調査、データ分析、顧客対応などに生成AIが使われるようになりました。
そこで経営者・ISO事務局の方からよくいただくのが、「生成AIを使っていると、ISO審査で何か指摘されるのか?」「どこまで準備しておけばよいのか?」というご質問です。
本記事では、ISO 9001(QMS)・ISO 14001(EMS)の審査員として100社以上の審査・認証支援に携わってきた立場から、審査員が生成AIを使う業務プロセスのどこに着眼しているのかを、ヒアリングの実際や確認する記録まで含めて詳しく解説します。
- 審査員はAIそのものではなく「AIを組み込んだ業務プロセス」を審査する
- AI導入の前後で「何が変わったか」(プロセス・リスク・管理)が問われる
- 最大の着眼点は、AIの出力を人がどう検証・承認・記録しているか
- ヒアリングだけで終わらず、「言っていること」と「やっていること」を客観的証拠で照合する
- EMSでは、AIによる法令調査・環境側面評価の「原典確認」が重要な論点
- なぜ今、ISO審査で「生成AI」が論点になるのか
- 審査の大原則:AIを審査するのではなく「AIを使う業務プロセス」を審査する
- 審査員が押さえている生成AIの「特性と限界」
- AI導入で「何が変わったか」――リスクの変化を捉える
- 審査員の深掘りは「4つのステップ」で進む
- QMS(ISO 9001)審査での着眼点
- EMS(ISO 14001)審査での着眼点
- 審査員は実際に何を聞くのか――ヒアリングの4場面
- ヒアリングの回答から、審査員は何を読み取るのか
- ヒアリングで終わらせない――確認される客観的証拠
- 「そもそもAIである必要があるか」も審査の視点になる
- 審査計画の段階から意識されているポイント
- 審査前に準備しておきたいチェックリスト
- まとめ:AIを「使っている」から「管理して使っている」へ
- よくあるご質問
なぜ今、ISO審査で「生成AI」が論点になるのか
生成AIは「便利な文房具が一つ増えた」程度に捉えられがちです。しかし審査員の目から見ると、生成AIの導入は業務プロセスそのものが変わったことを意味します。
たとえば生成AIを使い始めると、次のような変化が起こります。
- 情報収集・調査のやり方が変わる(検索して読む → AIに要約させる)
- 文書の作成・レビューのやり方が変わる(ゼロから書く → AIの下書きを直す)
- データ分析や判断支援の方法が変わる
- 作業時間や担当者の役割分担が変わる
- 情報セキュリティや品質に関する新しいリスクが生まれる
- 従来なかった「AIの出力を確認する」という新たな管理が必要になる
従来は、情報収集から文書化まで、すべての工程に人が直接関わっていました。生成AIを組み込むと、収集・分析・下書きといった工程の多くをAIが担い、人の役割は「AIが出したものを確認し、判断する」ことへと移ります。
生成AIの導入は「ツールの追加」ではなく「プロセスの変更」。だからこそ、ISO 9001の6.3(変更の計画)や8.5.6(変更の管理)、ISO 14001の6.1・8.1の観点から、変更に伴うリスクと管理が検討されているかが問われます。
審査の大原則:AIを審査するのではなく「AIを使う業務プロセス」を審査する
まず押さえていただきたいのが、審査の基本姿勢です。ISO審査員は、AIモデルの精度やアルゴリズムの良し悪しを評価するわけではありません。AIシステムは技術的に複雑で専門性も高く、限られた審査時間の中でその妥当性を判定することは現実的でもありません。
国際的にも、ISO 9001の審査実務グループ(APG)が公表している文書で、AIを利用する組織の審査では審査員の知識・力量の向上は必要だが、従来の審査手法や審査の目的そのものを変える必要はないという考え方が示されています。
審査員が確認するのは、次の4点に集約されます。
- AIの利用が業務プロセスにどう組み込まれているか
- 社内ルールや顧客・法令などの関連要求事項に従っているか
- AI利用で変化したリスクに応じた管理が行われているか
- その管理が実際に機能している証拠があるか
審査員の問いは、「AIを含む業務プロセスが、適切に利用・管理されているか否か」の一点です。AIに詳しいかどうかではなく、マネジメントシステムとして管理できているかが問われます。
審査員が押さえている生成AIの「特性と限界」
審査員に求められるのはAI開発者レベルの知識ではなく、審査上の判断に影響する基本的な特性を理解していることです。生成AIは大量のデータから言語のパターンを学習し、入力(プロンプト)に応じてもっともらしい文章を組み立てる仕組みです。検索エンジンやデータベースとは性質がまったく異なります。
審査の場面で特に意識されるのは、次のような特性です。
| 特性 | どういうことか | 業務上の影響(審査の着眼) |
|---|---|---|
| もっともらしい誤り(ハルシネーション) | 存在しない情報や誤った情報を、自然で説得力のある文章で出力する | 出力が自然でも正しいとは限らない。人による確認の仕組みが必須 |
| 情報の正確性・最新性 | 学習時点の情報や、参照先の更新状況に左右される | 法令改正・規格改訂など最新情報の取り違え |
| 回答の揺らぎ | 同じ質問でも、聞き方や再実行で回答が変わることがある | 結果の再現性がない。判断基準の一貫性 |
| 入力による出力への影響 | 与えた情報・指示の質によって結果が大きく変わる | プロンプトや入力データの管理 |
| サービス・モデルの変更 | 提供側の更新やバージョン変更で挙動が変わる | 変更時に業務への影響を確認する仕組み |
| 入力情報の取扱い | 入力した情報が外部サービスに送信される | 機密情報・個人情報の入力ルール |
ここから導かれる審査上の結論は明快です。
生成AIは「正しい答え」を保証するシステムではない。したがって、AIの出力と、業務上の最終判断は分けて考える必要があります。最終判断の責任者が誰なのかが明確かどうかは、審査で必ずと言ってよいほど確認されます。
なお、最近はGemini NotebookやMicrosoft 365 Copilotのように、社内文書や指定した資料を参照して回答する「リサーチアシスタント型」のAIも普及しています。この場合は、参照させている元資料が最新版かどうかという、ISOでおなじみの文書管理の論点が改めて重要になります。
AI導入で「何が変わったか」――リスクの変化を捉える
審査員は「AIを使っていますか?」「はい」で終わらせません。AI導入の前後で、プロセス・リスク・管理がどう変わったかを確認していきます。
生成AIのリスクは、大きく3つに分けて考えると整理しやすくなります。従来から存在したリスク、AIによって拡大するリスク、そしてAI特有のリスクです。重要なのは、リスクには「機会」も含まれるという点です。AIの活用で確認漏れが減ったり、分析の精度が上がったりする「良い変化」も、リスク及び機会として把握されているかが見られます。
審査員がよく投げかける「変化点」の質問
- AI導入前、この業務はどのような流れでしたか?
- AI導入後、どの工程が変わりましたか?
- 新しく生まれたリスクは何ですか? 逆に、なくなった・減ったリスクは?
- 新たに追加した管理(確認・承認・ルール)は何ですか?
- AIが誤った場合、どの工程で気づける仕組みになっていますか?
- 最終的な判断の責任者は誰ですか?
見落とされがちな「シャドーAI」と「AIエージェント」
最近の審査で意識されるのが、会社が把握していないところで個人が生成AIを使っている「シャドーAI」です。公式に導入したツールだけでなく、実際に現場で何が使われているかを棚卸しできているかは、リスク管理の出発点になります。
また、AIが自らファイル操作やシステム操作まで行う「AIエージェント」の利用も広がっています。この場合は、どのAIが、どのデータにアクセスし、どの権限で、どこまで自律的に動けるのかを組織が把握しているかがポイントです。実際に、開発中のAIエージェントが意図せず外部のシステムにアクセスしてしまった事例も報道されており、権限設定や開発環境の管理は決して他人事ではありません。
審査員の深掘りは「4つのステップ」で進む
生成AIに関する審査は、表面的な確認から有効性の確認へと、段階的に深掘りしていくのが基本です。
| ステップ | 確認の狙い | 主な確認内容 |
|---|---|---|
| STEP1 利用実態の把握 | AIが業務のどこに入り込んでいるかを明らかにする | どの業務で/何の目的で/誰が/どのくらいの頻度で使っているか。AIを使わない場合と比べて何が変わったか |
| STEP2 リスクとルール | リスクを認識し、ルールに基づいて使っているか | 社内ルールのどの要求事項を適用しているか。入力してよい情報・いけない情報の判断。回答をそのまま業務に使っていないか |
| STEP3 プロセス管理 | 管理が仕組みとして機能しているか | 誰が確認・承認しているか。誤った回答の混入をどう防ぐか。記録は残しているか。AIサービス・モデル変更時の影響確認 |
| STEP4 QMS/EMSとの連動 | 品質・環境パフォーマンスへの影響 | 品質リスクは変化したか(向上/悪化/不明)。環境側面評価・法令判断にAIを使っているか。不適合や環境上の誤判断につながる可能性 |
QMS(ISO 9001)審査での着眼点
QMS審査で見られるのは、生成AIの利用そのものではなく、AIによって製品・サービス・プロセスの品質に影響するリスクが変化していないかです。
AIが組み込まれやすい業務と、審査員の着眼
| 業務領域 | AI活用の例 | 審査員の着眼 |
|---|---|---|
| 設計・開発 | 設計案の生成、パラメータ最適化、予測分析による試作改良 | AIの生成物を設計・開発のレビュー/検証/妥当性確認にどう組み込んでいるか |
| 購買・外部提供者評価 | 実績データからの供給者スコアリング | 評価基準と最終判断の責任者が明確か |
| 顧客対応 | チャットボット、自動応答、提案文の作成 | 誤回答時の顧客影響と是正の仕組み。顧客満足への影響の把握 |
| 設備保全 | 設備状態の監視、保全計画の最適化 | AIの予測を誰がどう判断して保全に反映しているか |
| 検査・品質管理 | 画像認識による外観検査、異常検知 | 判定精度の定期確認、見逃し・過検出時の対応 |
| 生産・工程管理 | 工程条件のリアルタイム調整、生産順序の最適化 | 工程変更の管理、トレーサビリティ |
| 在庫・サプライチェーン | 需要予測、在庫水準の最適化 | 予測のずれへの対応、計画への反映プロセス |
| 教育・力量 | 個別最適化された学習支援 | 力量評価の方法と記録 |
| コンプライアンス | 規制順守状況の監視、アラート | アラートの検証と対応責任者 |
ISO 9001の箇条ごとに見た着眼点
AIを利用するQMSを審査する際、各箇条でどのような点が確認されうるかを整理しました。すべてを一律に求められるわけではなく、AIの利用範囲とリスクの大きさに応じて確認の深さが変わります。
| 箇条 | 主な着眼点 |
|---|---|
| 4 組織の状況 | AI利用に伴う技術的な複雑さ、外部サービスへの依存、人材確保などを課題として捉えているか。顧客がAI利用について求める事項(説明可能性・人による監視・自動判断の制限など)や、データ保護・サイバーセキュリティ等の法的要求事項を把握しているか |
| 5 リーダーシップ | 責任あるAI利用(知的財産・機密性の尊重など)をトップが方向付けているか。AIの導入・運用・監視・出力の解釈に関する役割と責任が明確か。AIへの入力データの責任者が決まっているか |
| 6 計画 | AI固有のリスク(偏り、データ品質、意図しない結果など)と機会を評価し、対応を計画しているか。人による確認や安全策、AIの障害・性能低下時の対応を計画しているか |
| 7 支援 | AIを使う・管理する要員の力量。AIの目的・限界・想定用途の周知。参照データ、AIのバージョン、出力などの文書化とトレーサビリティ |
| 8 運用 | AI出力が意図した用途に適しているかの確認。外部AIサービスの評価。AIの変更管理。AI出力が適合性や法令順守に影響する場合の人によるレビュー。AI出力に基づく意思決定のトレーサビリティ |
| 9 パフォーマンス評価 | AIの精度・一貫性の継続的な監視。AIを使ったプロセスが顧客満足に与える影響。内部監査でAI関連プロセスを取り上げているか。マネジメントレビューへのインプット |
| 10 改善 | AIシステムと、それを支えるプロセスの両方を継続的に改善しているか |
設計・開発にAIを利用する場合は、実装・リリース前の検証・妥当性確認が極めて重要です。AIが生成したコードや設計案をそのまま採用していないか、開発環境でAIにどこまでの権限を与えているか(外部への不用意なアクセスを防げているか)は、今後さらに厳しく見られる論点です。
EMS(ISO 14001)審査での着眼点
EMS審査でも考え方は同じです。AIの利用そのものではなく、AIによって環境に関する判断や管理の「変化点」が生じていないかを確認します。
EMSで特に注意したいのは、生成AIが得意とする「調べもの」「まとめもの」が、環境側面の評価や法令調査といったEMSの根幹となる判断に直結しやすいことです。
| AIを活用する場面 | 審査員の着眼 | 確認される記録の例 |
|---|---|---|
| 環境側面・環境影響の評価 | AIの評価結果を、誰がどの基準で確認・承認したか | 環境側面評価表/著しい環境側面の評価記録/AIへの入力条件・プロンプト/確認・承認記録 |
| 環境法令・規制の調査 | AIが示した法令情報を原文で照合しているか | 法令一覧/改正情報の調査記録/AIが示した情報源/法令原文との照合記録/順守評価記録 |
| 環境目標・計画の策定 | AIの提案を、組織の状況に照らして責任者が判断しているか | 環境目標・計画書/検討資料/AIの提案内容/責任者のレビュー・承認記録 |
| 環境データの集計・分析 | 分析結果の妥当性確認、元データとの整合 | 電力・燃料・水・廃棄物データ/分析資料/AIの分析・予測結果/確認記録 |
| AI出力の正確性の確認 | 根拠・引用元の確認手順が決まっているか | AI利用手順・ガイドライン/原典照合記録/修正履歴 |
| 誤出力による誤判断の防止 | 誤った出力が環境上の誤判断につながらないか | AI利用のリスク評価/誤出力時の対応手順/インシデント・是正処置記録/教育記録 |
生成AIは、改正前の古い条文や、存在しない規制・届出義務をもっともらしく回答することがあります。AIで法令を調べること自体は問題ではありませんが、e-Gov法令検索や自治体の条例原文など一次情報での確認が仕組みとして組み込まれていなければ、順守義務の特定(6.1.3)や順守評価(9.1.2)の信頼性が揺らぎます。
審査員は実際に何を聞くのか――ヒアリングの4場面
ここからは、審査の現場で実際にどのような質問が投げかけられるかを、4つの場面に分けて紹介します。事前に社内で答えを用意しておくと、審査がスムーズに進みます。
場面1 利用実態:何に、どのようにAIを使っているか
- どの業務で生成AIを使っていますか?
- 利用の目的は何ですか? 誰が使っていますか?
- どのくらいの頻度で使っていますか?
- AIにはどのような情報を入力していますか?
- AIの出力は、業務のどこで使われていますか?
- AIを使わない場合と比べて、業務はどう変わりましたか?
場面2 リスクとルール:ルールを知っているかではなく、どう適用しているか
「社内ルールを知っていますか?」と聞かれて「はい」と答えるだけでは不十分です。審査員は、実際の業務でルールがどう適用されているかを確認します。
- 自社の生成AI利用ルールを把握していますか?
- 顧客から、生成AIの利用に関する要求やルールが示されていませんか?
- この業務で想定されるAI利用上のリスクは何ですか?
- 入力してよい情報と、禁止されている情報をどう判断していますか?
- AIの回答をそのまま使っていませんか?
- 判断に迷ったときの相談先は決まっていますか?
見落としがちなのが「顧客要求」です。取引先によっては、納品物の作成に生成AIを使うことの可否や、使用時の申告を契約・仕様書で定めている場合があります。これはISO 9001の8.2(製品及びサービスに関する要求事項)に直結します。
場面3 検証・承認・記録:AIの出力を人がどう扱ったか
最も重点的に確認されるのがこの場面です。AIの出力を「そのまま使う」のではなく、人が検証・承認・記録したうえで業務に反映し、マネジメントシステムのパフォーマンス向上につなげているかが問われます。
- AIの出力内容を、誰が、何と照らして確認していますか?
- 引用元・根拠は確認していますか?
- 承認者は誰ですか? 承認の基準はありますか?
- 確認・承認の記録は残っていますか? 後から追えますか?
- AIの誤りを見つけた場合、どう対応・共有していますか?
場面4 継続的な監視:使い続ける中で変化を捉えているか
AIは導入時に問題がなくても、使い続けるうちに状況が変わります。参照データの変化、業務条件の変化、そして提供側によるモデルの更新です。導入時の検証だけでなく、運用段階での継続的なレビュー・監視の仕組みがあるかが確認されます。
- AI出力の精度や妥当性を、定期的に見直していますか?
- AIサービスやモデルが変更された場合、業務への影響を確認していますか?
- 誤りや不具合の傾向を集計・分析していますか?
- 監視の結果を、ルールや手順・教育の見直しにつなげていますか?
ヒアリングの回答から、審査員は何を読み取るのか
審査員は、回答が「ある」か「ない」かだけを見ているわけではありません。管理が具体的か、実際に運用されているか、証拠で確認できるか――つまり運用の有効性を読み取ろうとしています。
よくある回答と、それに対する審査員の深掘りの例を挙げます。
| 組織のよくある回答 | 審査員の深掘り | 読み取ろうとしていること |
|---|---|---|
| 「AIのアウトプットは必ず確認しています」 | 何を、誰が、どのように確認していますか? | 役割分担と確認方法が具体的か |
| 「社内ルールに従って運用しています」 | そのルールを見せてください。この業務ではどの項目が該当しますか? | ルールが存在し、業務と結びついているか |
| 「AIはあくまで参考程度です」 | AIの出力も含めて、最終判断はどなたがしていますか? | 最終判断の責任者が明確か |
| 「問題があれば担当者が修正します」 | 何をもって「問題」と判断しますか? 担当者の力量は? | 判断基準と力量の裏付け |
抽象的な回答には、必ず深掘りの質問と客観的証拠の確認が続きます。「確認しています」と言うだけでなく、「この記録を見てください」と示せる状態が理想です。
ヒアリングで終わらせない――確認される客観的証拠
AI利用についても、通常の審査とまったく同じです。審査員は「言っていること」と「実際にやっていること」を区別し、客観的証拠で裏付けます。
確認の対象になりうる記録の例は次のとおりです。ただし、すべてを一律に求められるわけではなく、リスクや業務内容に応じて必要なものが確認されます。
| 記録の種類 | 具体例 |
|---|---|
| ルール・手順 | 業務手順書・標準書、生成AI利用規程・ガイドライン |
| リスク評価 | AI導入時のリスク及び機会の検討記録 |
| 確認・承認 | AI出力のレビュー記録、承認記録、修正履歴 |
| 力量・教育 | AI利用者への教育記録、力量評価 |
| データ・情報管理 | 入力データ・参照資料の管理記録、利用ツールの一覧(台帳) |
| 不適合・是正 | AIの誤出力に起因する不適合・是正処置の記録 |
| 変更管理 | プロセス変更の記録、AIサービス・モデル変更時の影響確認記録 |
「そもそもAIである必要があるか」も審査の視点になる
意外に思われるかもしれませんが、審査員は「なぜ従来の技術ではなく、AIを採用したのか」という点にも関心を持ちます。
処理手順や判断基準を事前にルールとして書き出せる業務であれば、Excel関数やVBA、RPA、SQLといった従来技術でも十分に自動化・効率化でき、しかも結果が毎回同じになるという大きな利点があります。一方で、文書を読んでリスクを要約する、自由記述の問い合わせを分類するといった「意味や文脈の理解」が必要な業務は、生成AIが力を発揮する領域です。
| 業務 | 対応できる従来技術 |
|---|---|
| 条件に合うデータの抽出 | Excel関数、フィルター、マクロ、SQL |
| 定型帳票・報告書の作成 | Excelマクロ、VBA、Access、帳票システム |
| 複数ファイルからの集約・転記 | マクロ、VBA、RPA、ETLツール |
| 特定の文字列・番号・日付の抽出 | 正規表現、文字列処理、ルールベース検索 |
| 金額・期限などの条件判定 | IF関数、条件分岐、SQL |
| 条件に応じた定型メール送信 | VBA、RPA、ワークフローシステム |
| 入力漏れ・形式違反・異常値チェック | 入力規則、チェックロジック、正規表現 |
どちらを選ぶべきかは、組織の技術力、費用、業界の動向、人材の状況によって異なり、正解は一つではありません。審査で大切なのは、選んだ理由と、それによって業務プロセスの何が変わり、どんなリスクがあるのかを組織自身が説明できることです。
審査計画の段階から意識されているポイント
AIを利用するプロセスがある場合、審査員は審査当日だけでなく、審査の準備段階から次のような点を意識しています。
| AIの性質 | 審査で意識される具体例 |
|---|---|
| 構成要素が時間とともに変化し、複雑に相互作用する | モデル更新による判定基準の変化/データの傾向変化による予測精度の低下 |
| 予測しにくさ、データへの依存、倫理・セキュリティ・プライバシーの課題 | 学習データの偏りによる不公平な判定/個人情報の入力・漏えい |
| 信頼性・公平性の維持には継続的な監視が必要 | AI出力の定期的な精度検証/判定結果の偏りのモニタリング |
| 同じ入力でも結果が揺らぐため、従来の品質管理だけでは不十分 | 同一入力に対する回答のばらつき/想定外の生成結果 |
| 必要な説明責任・透明性の程度は用途で異なる | 採用選考AIの判定根拠の説明/製造現場の異常検知ログの保存 |
| QMSへの影響の大きさはユースケースで決まる | 検査部門のAIによる合否判定(影響大)/議事録作成支援(影響小) |
審査の流れの中で何が行われるか
- 審査準備段階:認証範囲内のどのプロセスでAIが使われているかを特定し、その機能と責任の所在を把握する
- 審査中:AIを社内業務に使っているのか、製品・サービスの提供に直接影響する業務に使っているのかを区別し、影響の大きさに応じて確認を深める
- 審査中:AIの利用によってプロセスの何が変わり、どのようなリスクがあるのか、それが適合性やQMS/EMSの目標達成に悪影響を与えていないことを組織が示せるか、証拠を確認する
たとえば、売上予測にAIを使えば計画策定や資源配分に、顧客対応にチャットボットを使えば顧客満足に直接影響します。AIをどこに使うかによって、審査で確認される深さは大きく変わると考えてください。
審査前に準備しておきたいチェックリスト
ここまでの内容を踏まえ、生成AIを業務で使っている組織が審査前に確認しておきたい事項をチェックリストにまとめました。すべてが揃っていなくても構いません。自社のAI利用の実態とリスクに見合った管理になっているかを点検するためにお使いください。
体制・ルール
- 社内で使われている生成AIツールを棚卸しし、一覧(台帳)にしている(シャドーAIを含む)
- 生成AI利用規程・ガイドラインがあり、従業員に周知されている
- 入力してよい情報/禁止する情報(機密・個人情報・顧客情報)の基準が明確
- 顧客から生成AI利用に関する要求がないか確認している
- AIの利用・管理・出力の判断に関する役割と責任が決まっている
リスクと運用
- AI導入による業務プロセスの変化とリスク及び機会を検討した記録がある
- AI出力の確認方法(誰が・何と照合するか)と承認者が決まっている
- 法令・規格などの重要情報は、一次情報(原典)で照合する手順になっている
- 確認・承認の記録が残り、後から追跡できる
- AIサービス・モデルが変更されたときの影響確認の手順がある
力量・改善
- AI利用者への教育(特性・限界・ルール)を実施し、記録している
- AIの誤りや不具合を共有・是正する仕組みがある
- 内部監査でAIを利用するプロセスを取り上げている
- マネジメントレビューでAI利用の状況・効果・課題を報告している
まとめ:AIを「使っている」から「管理して使っている」へ
生成AIの活用は、業務の効率化や品質向上の大きな機会です。ISO審査は、その活用を妨げるためのものではありません。審査員が確認しているのは、AIの技術ではなく、AIを組み込んだ業務プロセスが、リスクに応じて適切に管理され、その管理が実際に機能しているかという、マネジメントシステムの本質そのものです。
- 審査対象はAIではなく、AIを使う業務プロセス
- AI導入によるプロセス・リスク・管理の「変化点」を把握しているか
- AIの出力と最終判断を分け、人が検証・承認・記録しているか
- ルール・記録・現場の実態が一致し、客観的証拠で有効性を示せるか
- モデル変更なども含め、継続的に監視・改善しているか
「うちのAI利用ルールは審査で通用するだろうか」「どこまで記録を残せばよいのか分からない」といったお悩みがあれば、お気軽にご相談ください。審査員として実際に見ている視点から、貴社の実態に合った、無理のない仕組みづくりをお手伝いします。
ISO審査員の視点でサポートします。
「いまのAI利用で審査は大丈夫?」「何を記録すればいい?」――現役のISO 9001/ISO 14001審査員が、貴社の業務と規模に合った無理のない仕組みをご提案します。
- 生成AI利用規程・ガイドラインの整備
- AI利用に伴うリスク及び機会の洗い出し
- 審査前の模擬ヒアリング・記録の点検
- EMSの法令調査・順守評価の見直し
