要旨
2025年7月、世界中のユーザーが同じ光景を目撃しました。ChatGPTの会話リンクを介して共有された数千件の会話が、Googleの検索結果にそのままインデックスされていたのです。日記、仕事の計画、顧客データ——「友人と共有するだけ」のつもりだったリンクが、インターネット全体に公開されました[1]。
同年、Zscalerが発表した調査では、ChatGPT単体が2025年中に4億1,000万件以上のDLPポリシー違反を生成したことが明らかになっています[2]。これは「何か悪いことをしようとした人」が起こしたものではありません。普通の開発者が本番ログのデバッグをしながら、普通の営業担当者が提案書を書きながら、普通のHR担当者が契約書を整理しながら——日常業務の中で「要約しといて」と投げた結果です。
本記事では、社外秘データをChatGPT等の生成AIに投入した瞬間から、そのデータが「他人の検索結果」に露出するまでの技術的なメカニズムを追い、なぜこれが「ITの問題」ではなく「組織の構造的なリスク」なのかを論じます。
記事本文
1. 「シャドーAI」——シャドーITより質的に危険な理由
シャドーITはIT部門の承認なく使用される技術全般を指します。しかしシャドーAIは、その本質において従来のシャドーITと次元が異なります。
"Traditional shadow IT required someone in the department who actually knew how to code; shadow AI just needs someone with a browser trying to finish an expense report before lunch."
— InformationWeek, "Shadow AI: When everyone becomes a data leak waiting to happen" [3]
https://www.informationweek.com/machine-learning-ai/shadow-ai-when-everyone-becomes-a-data-leak-waiting-to-happen
従来のシャドーITでは、「自分がITのルールを迂回している」という自覚が少なくとも一部のユーザーにはありました。しかしシャドーAIでは、ランチ前に経費精算書を終わらせようとしているHR担当者が、機密情報を組織の外に送り出していることに全く気づいていません。
シャドーITとシャドーAIの比較
| 観点 | シャドーIT | シャドーAI |
|---|---|---|
| 発生の前提 | 技術的な知識が必要 | ブラウザとキーボードで誰でも |
| ユーザーの認識 | 「ルールを曲げている」意識あり | 「作業の効率化」の意識のみ |
| データの流出形態 | ファイル転送・外部接続 | 自然言語でのペースト・会話 |
| セキュリティツールの検知 | 既存のSWG/CASBで対応可能 | 暗号化HTTPS通信に混在、検知困難 |
| 組織への影響範囲 | 特定のシステム・ファイル | 入力した内容がすべて対象 |
2026年時点の規模を示す数字が状況の深刻さを物語っています。
- 企業のChatGPT/Geminiアカウントの73.8〜94.4%がコーポレートアカウントではない[4]
- AI向けデータのうち83.8%がクリティカルまたは高リスクと評価されるツールに送られている[4]
- AI向けに共有されるデータのうち34.8%が機密性のある情報（2年前は10.7%）[4]
- 従業員の38%が承認なしで機密データをAIプラットフォームと共有[5]
- AI使用者の52%がAIツールのセキュリティリスクに関するトレーニングを受けていない[6]
2. 「投げた瞬間」から始まる5段階の露出メカニズム
データがChatGPTに入力されてから「他人の検索結果」に現れるまでには、複数の技術的経路があります。これを5段階のメカニズムとして整理します。
社外秘データの露出タイムライン
[入力] 開発者が本番ログをコピーして ChatGPT に貼り付ける
│
▼
[Step 1] HTTPS通信経由でOpenAIのサーバーに到達
── 暗号化されているため組織のネットワーク監視をすり抜ける
│
▼
[Step 2] OpenAIのサーバーに「最低30日間」保持される
── 「チャット履歴をオフ」にしても30日間は残る
── 法的な理由がある場合はさらに長期保持
│
▼
[Step 3a] 学習データに利用される（無料・Plusプランのデフォルト）
── モデルの重み（パラメータ）に影響
── 「削除」してもモデルへの影響は取り消せない
│ │
▼ ▼
[Step 4a] モデルが他ユーザーの [Step 4b] 共有リンクのインデックス
類似クエリに対して 2025年7月：会話リンクが
学習したコンテキストを Googleにインデックスされ
反映した回答を生成 検索結果に露出
│
▼
[Step 5] データの行方が「証明できない」状態へ
── 「消えた」とも「残っている」とも確認できない
── 将来的なAIモデルの振る舞いへの影響が持続
Step 1: 「暗号化されているから安全」という誤解
ChatGPTへの通信はHTTPSで暗号化されています。しかしこれは「データが安全」という意味ではありません。暗号化はあくまで転送経路の盗聴を防ぐものであり、送り先（OpenAIのサーバー）でのデータ処理は暗号化の対象外です。
さらに重大な問題は、HTTPSへのポスト送信は既存のDLPツール・SWG・CASBがコンテンツを検査できないという点です。
"ChatGPT alone generated more than 410 million DLP policy violations in 2025, representing sensitive data that attempted to leave organizations through a single AI application. Without inline inspection and governance, those data flows are invisible to security teams."
— Zscaler, "Shadow AI: Data Risk 30-Day Containment Strategy" [2]
https://www.zscaler.com/blogs/product-insights/shadow-ai-data-risk-30-day-containment-strategy
Step 2: 「オフにした」のに30日間残る
多くのユーザーが「チャット履歴をオフにすればデータが保存されない」と思っています。しかしOpenAIのプライバシーポリシーは明確に異なることを述べています。
"Temporary Chats will be automatically deleted within 30 days (unless we have to retain them for safety or legal reasons)."
— OpenAI Privacy Policy [7]
https://openai.com/policies/row-privacy-policy/
さらに、2023年のNew York Times訴訟では連邦裁判所がOpenAIに対してChatGPTの会話ログを無期限に保持するよう命じました——会社の30日削除ポリシーを上回る形で[3]。
Step 3: 「モデルに学習させた影響」は取り消せない
OpenAIは学習データのオプトアウト設定を提供しています。しかし——
"Model training persistence is unclear — once data trains a model, its influence may be permanent."
— Privacy Watchdog, "OpenAI (ChatGPT) Privacy Policy Review 2026" [8]
https://terms.law/Privacy-Watchdog/ai-services/openai/
技術的に見ると、学習データは「モデルの重み（パラメータ）」に分散して取り込まれます。OpenAI自身も公式ページで「モデルはトレーニングデータのコピーを保存しない」と説明していますが、これは「学習した影響が残らない」という意味ではありません[9]。
ある開発者が的確にまとめています。
"When you feed data into a vector database (the memory structure AI uses), it doesn't just store the text — it stores the relationships between words. If you paste a snippet of proprietary code, the model learns the logic of how that code works. You can strip the names and identifiers later, but you can't strip the new problem-solving patterns the AI has already learned."
— Is ChatGPT private? A 2026 guide, NordVPN [1]
https://nordvpn.com/blog/is-chatgpt-private/
Step 4: Googleの検索結果への露出——2025年7月の実例
これは仮説ではありません。2025年7月に実際に発生した事例です。
"Reports revealed that search engines were indexing thousands of ChatGPT conversation links, exposing sensitive queries that users had unintentionally made public. Users who thought they were sharing a link privately with a friend inadvertently exposed their diaries and work plans to the entire internet."
— NordVPN, "Is ChatGPT private? A 2026 guide" [1]
https://nordvpn.com/blog/is-chatgpt-private/
ChatGPTには「会話を共有する」機能があります。ユーザーが「特定の人と共有するだけ」のつもりで発行した共有リンクが、Googleのクローラーにインデックスされ、検索結果に現れた——これが実際に起きたことです。
Step 5: Microsoft Copilotによる「削除済みリポジトリ」の復活
同様の事例として、2025年2月のMicrosoft Copilot問題があります。
"Security researchers at Lasso discovered in February 2025 that Microsoft Copilot was serving data from over 20,000 GitHub repositories that had been briefly public before being switched to private, then indexed and cached by Bing's search infrastructure."
— Adaptive Security, "Real-World Shadow AI Examples" [10]
https://www.adaptivesecurity.com/blog/shadow-ai-examples-real-world-enterprise-incidents-risks-and-governance-strategies
「削除したはずのGitHubリポジトリ」の内容が、一度パブリックになった後にBingにインデックスされ、Microsoft Copilotを通じて誰でも検索できる状態になっていました。
3. Samsungの事例——「3週間で3件」の漏洩が業界を変えた
シャドーAI問題を語る上で避けられない実例がSamsungの2023年のインシデントです。
"Samsung's semiconductor division banned ChatGPT in May 2023 after three employees leaked confidential data in under a month. One engineer pasted proprietary source code to debug an error. Another submitted internal meeting notes to generate a summary. A third uploaded chip manufacturing measurements to get yield calculations. Each person was trying to do their job faster. Each left a copy of Samsung's trade secrets on an OpenAI server."
— RansomLeak, "AI Data Leakage" [11]
https://ransomleak.com/blog/ai-data-leakage-employees/
この事件が示す重要な点は、「悪意のある社員」が一人も関与していないことです。3人全員が「仕事を早く終わらせようとしていた」だけでした。これを受けてApple・JPMorgan・Bank of America・Verizon・Amazon・Goldman Sachs・Deutsche Bankが相次いで独自の制限を導入しました。
Samsungインシデントの構造（再現性の高いパターン）
従業員A（半導体エンジニア）:
「このエラーコード、どういう意味かわからないな…」
→ 本番環境のソースコード + エラーログをコピー
→ ChatGPTに貼り付け「このバグを直して」
→ 独自の半導体設計ロジックがOpenAIサーバーに送信
従業員B（製品マネージャー）:
「この社内会議、議事録作りたいな」
→ 機密会議の録音テキストをコピー
→ ChatGPTに「要約して」
→ 未公開製品計画・競合戦略がOpenAIサーバーに送信
従業員C（製造エンジニア）:
「この歩留まりデータの計算、自動化できないかな」
→ 製造プロセスの測定値をコピー
→ ChatGPTに「計算式を作って」
→ 製造ノウハウがOpenAIサーバーに送信
4. データの種類別「露出リスク」マップ
Zscalerの調査で特定された最も頻繁に漏洩するデータ種別と、それぞれの法的・ビジネス的影響を整理します[2]。
| データ種別 | 典型的なシナリオ | 法的リスク | ビジネスリスク |
|---|---|---|---|
| ソースコード | デバッグ支援・コードレビュー | 営業秘密法違反 | 競合他社への技術漏洩 |
| 個人情報（PII） | 顧客リスト整理・メール草稿 | GDPR違反・個人情報保護法 | 規制当局による制裁 |
| 医療情報（PHI） | カルテ要約・診断補助 | HIPAA違反 | 最大$1.9M/件の罰則 |
| 財務データ | 決算数字の集計・分析 | インサイダー取引規制 | 株価への影響 |
| 法的文書・契約書 | 契約書の要約・翻訳 | 守秘義務違反 | 弁護士・依頼人特権の消滅 |
| 未公開製品情報 | 製品仕様書の整理 | 証券規制 | 競合への情報提供 |
| APIキー・認証情報 | コード内に埋め込まれたまま貼り付け | — | 即時的なシステム侵害リスク |
特にAPIキーと認証情報の問題は深刻です。
"A developer pastes production logs into ChatGPT to debug a live issue. A recruiter uploads a spreadsheet of candidate records to an AI summarization tool. A sales rep asks an AI assistant to draft a proposal using confidential pricing data. Each interaction feels like productivity. Each one sends company data to systems outside your control."
— Zscaler [2]
https://www.zscaler.com/blogs/product-insights/shadow-ai-data-risk-30-day-containment-strategy
「本番ログ」には多くの場合、データベース接続文字列・内部サーバー名・APIキー・顧客識別子が含まれています。これらが「デバッグ支援」という名目でChatGPTに送られると、単なるデータ漏洩を超えて、攻撃者にシステムへの直接侵入経路を提供することになります。
5. OpenAIのプライバシー設定——「設定した」つもりが機能していない3つの罠
「Enterprise版を使えば安全」「オプトアウトを設定したから大丈夫」という認識は多くの場合誤りです。
罠1：「Free/Plusプランのデフォルトはオン」
OpenAIのヘルプセンターは明確に述べています。
"If you are on a ChatGPT Plus, ChatGPT Pro or ChatGPT Free plan on a personal workspace, data sharing is enabled for you by default."
— OpenAI Help Center [12]
https://help.openai.com/en/articles/8983130-what-if-i-want-to-keep-my-history-on-but-disable-model-training
つまり、何も設定を変えていない無料・Plusユーザーの入力は、デフォルトで学習データとして利用可能です。
オプトアウトの方法（2026年時点）：
ChatGPT の設定でオプトアウトする手順：
1. ChatGPT にログイン
2. 右上のアイコン → 「Settings（設定）」
3. 「Data Controls（データ管理）」
4. 「Improve the model for everyone」のトグルを OFF
→ 以降の会話が学習に使用されなくなる（過去分には遡及しない）
または：
プライバシーポータル（https://privacy.openai.com）から
「Do not train on my content」を選択
罠2：「オプトアウトしても30日間は残る」
オプトアウトは「学習に使用しない」という意味であって、「即座に削除される」という意味ではありません。OpenAIのプライバシーポリシーによると、会話データは依然として30日間保持されます（安全・法的理由がある場合はそれ以上）[7]。
罠3：「Enterprise版でも抜け穴がある」
"ChatGPT Enterprise, Team, and API Platform accounts have contractual DPAs prohibiting training usage. However, providing feedback (thumbs up/down) may explicitly opt specific conversations into training."
— Secure Privacy, "GPT-5 Training Data Opt-Out" [13]
https://secureprivacy.ai/blog/gpt-5-training-data-opt-out
Enterprise版はデフォルトで学習に使用されませんが、フィードバック（👍👎）を押した会話は学習対象になる可能性があります。「良い回答だったから👍」という何気ない操作が、機密情報を含む会話を学習データに送ることになります。
また、Anthropic (Claude) も2025年末のポリシー変更で、Consumer版（Free・Pro・Max）は明示的にオプトアウトしない限り学習に使用される方針に変更しました[14]。
6. 規制上のリスク——GDPRとEU AI Actの二重圧力
データ主体がEU市民の場合、ChatGPTへの機密データ投入はGDPR Article 5（データ最小化原則）違反に該当する可能性があります。
"Feeding personal data into an unapproved AI tool can simultaneously violate GDPR Article 5's data minimization principle and trigger the AI Act's transparency and governance mandates."
— Adaptive Security, "Understanding Shadow AI Risks" [15]
https://www.adaptivesecurity.com/blog/shadow-ai-risks-2026
さらにEU AI Actが加わります。EU AI Actはハイリスクに分類されるAIシステムに対してデータガバナンス要件（Article 10）・ログ保持（Article 12）・透明性（Article 13）を義務付けており、未承認ツールへのデータ投入はこれらの義務の検証を不可能にします。
金銭的な影響の規模がIBMの調査から把握できます。
"Breaches involving shadow AI cost about $670K more than the average, reaching roughly $4.63M."
— IBM Cost of a Data Breach Report 2025 [16]
https://www.ibm.com/reports/data-breach
"About 20% of breached organizations had a shadow AI incident. 97% of organizations that suffered AI breaches lacked proper AI access controls."
— Unseen Security, "The State of Shadow AI 2026" [5]
https://www.unseensecurity.ai/shadow-ai-report
シャドーAI侵害の特徴として、検知・封じ込めまでに247日かかるという数字もあります[17]。平均的なデータ侵害が186日なのに対して61日も長い——それは「AIへのデータ送信がセキュリティログに残らない」という構造的な問題を反映しています。
7. 防御の4層モデル——「禁止」ではなく「制御」
Adaptive Securityの整理に基づき、シャドーAI対策は4層で構成されます。
"Banning AI tools outright is the fastest way to lose visibility into how employees actually use them, which is why prohibition is the weakest possible answer."
— Adaptive Security [17]
https://www.adaptivesecurity.com/blog/how-to-prevent-shadow-ai-detection-governance-and-risk-reduction-strategies-that-stop-unauthoriz
Layer 1：可視化（Shadow AI Discovery）
まず「何が使われているか」を把握します。
# DNSログ分析で主要AIサービスへのアクセスを検出
# 以下のドメインへのリクエストを追跡する
AI_DOMAINS=(
"api.openai.com"
"chatgpt.com"
"claude.ai"
"api.anthropic.com"
"gemini.google.com"
"copilot.microsoft.com"
"chat.mistral.ai"
"grammarly.com"
"jasper.ai"
"otter.ai"
"github.com/copilot"
)
# Zscaler / Netskope / CASB でのルール例：
# カテゴリ「Generative AI」へのアクセスをすべてログ記録
# 部署・ユーザー・転送データ量を記録
Layer 2：ポリシー（AI Acceptable Use Policy）
承認済みツールの定義と、データ分類に基づく利用制限を設けます。
# AI利用ポリシーの骨子（例）
承認済みAIツール:
- tool: ChatGPT Enterprise
data_classification_max: "社外秘（第3区分）まで"
prohibited: ["個人情報", "未公開財務情報", "ソースコード（本番）"]
- tool: GitHub Copilot Business
data_classification_max: "内部情報（第2区分）まで"
prohibited: ["本番環境の認証情報", "顧客データ"]
非承認AIツール（個人アカウント含む）:
禁止データ:
- あらゆる社外秘・機密情報
- 顧客・社員の個人情報
- 本番環境のコード・ログ
- 未公開製品情報・財務情報
- APIキー・パスワード・トークン
AI Agentの追加条項:
- ターミナルアクセスを持つエージェントは高リスク分類
- 本番システムへのエージェント接続は承認フロー必須
- エージェントのNHI（サービスアカウント）は6ヶ月ごとにレビュー
Layer 3：技術制御（Technical Enforcement）
# ブラウザ拡張 / プロキシ経由でのPIIスクラビング例
# （送信前に機密情報をマスクする）
import re
from typing import str
SENSITIVE_PATTERNS = {
# 日本固有
"my_number": r"\d{4}[\s-]?\d{4}[\s-]?\d{4}",
"jp_phone": r"0\d{1,4}[-\s]?\d{1,4}[-\s]?\d{4}",
"postal_code": r"\d{3}-\d{4}",
# 汎用
"email": r"[a-zA-Z0-9._%+\-]+@[a-zA-Z0-9.\-]+\.[a-zA-Z]{2,}",
"credit_card": r"\b(?:\d[ -]?){13,16}\b",
"api_key": r"(?:sk-|ghp_|xoxb-|AKIA)[A-Za-z0-9_\-]{10,}",
"ip_address": r"\b(?:\d{1,3}\.){3}\d{1,3}\b",
"db_connection": r"(?:postgres|mysql|mongodb|redis)://[^\s]+",
# ソースコード内の認証情報
"hardcoded_secret": r'(?:password|secret|token|key)\s*[=:]\s*["\'][^"\']{8,}["\']',
}
def scrub_prompt(prompt: str) -> str:
"""AIへの送信前にプロンプトから機密情報を除去する"""
scrubbed = prompt
for label, pattern in SENSITIVE_PATTERNS.items():
scrubbed = re.sub(
pattern,
f"[{label.upper()}_REDACTED]",
scrubbed,
flags=re.IGNORECASE
)
return scrubbed
# 使用例
original = """
以下のエラーを解析してください：
接続URL: postgres://admin:SuperSecret123@prod-db.corp.com:5432/customers
エラー: ユーザー taro.yamada@example.com (電話: 090-1234-5678) のレコードが見つかりません
APIキー: sk-proj-abc123xyz456...
"""
safe_prompt = scrub_prompt(original)
print(safe_prompt)
# 出力：
# 以下のエラーを解析してください：
# 接続URL: [DB_CONNECTION_REDACTED]
# エラー: ユーザー [EMAIL_REDACTED] (電話: [JP_PHONE_REDACTED]) のレコードが見つかりません
# APIキー: [API_KEY_REDACTED]
Layer 4：意識向上（Security Awareness）
"When an employee on a personal device pastes customer data into a chatbot, no DLP or CASB stack can inspect that encrypted browser session, and trained judgment becomes the only line of defense."
— Adaptive Security [17]
https://www.adaptivesecurity.com/blog/how-to-prevent-shadow-ai-detection-governance-and-risk-reduction-strategies-that-stop-unauthoriz
技術制御が届かない場所（個人デバイス・個人アカウント）では、訓練された判断力が唯一の防衛線です。以下の「AIへの入力を判断する5秒ルール」を周知します。
AIへの入力を判断する5秒ルール：
このデータを「全世界に公開するメール」に書いても平気か？
├── Yes → 入力してもよい
└── No → 社内承認済みのEnterprise AIツールを使うか、
入力を匿名化・一般化してから送信する
8. 「安全な匿名化」の実装——具体的なデータの扱い方
シャドーAI問題を「禁止」で解決しようとすると、従業員は個人デバイスや別のツールを使い始め、組織はさらに可視性を失います。より現実的なアプローチは「安全に使う方法を教える」ことです。
# 社員向けガイド：AIを安全に使うためのデータ匿名化テクニック
# ❌ 危険な入力（実際のデータをそのまま貼り付け）
dangerous_input = """
顧客名: 山田太郎
メール: taro@example-company.co.jp
購入履歴: [商品A, 商品B, 商品C]
クレームの内容: 「商品Aが届いていない。注文番号 ORD-2026-00123」
このクレームへの返信メールを書いて
"""
# ✅ 安全な入力（匿名化・一般化した上でAIを活用）
safe_input = """
EC通販の顧客クレーム対応メールのテンプレートを作成してください。
状況: 注文した商品が届いていないという問い合わせ
顧客属性: 一般個人顧客
トーン: 丁寧かつ迅速に解決策を提示
必要な要素: お詫び、原因調査のお知らせ、代替案（再送または返金）
"""
# ❌ 危険なコード共有（本番環境の実際のコード）
dangerous_code = """
def get_user_data(user_id):
conn = psycopg2.connect(
host="prod-db-1.corp-internal.com",
database="customers_production",
user="app_user",
password="Pr0d$ecret2026!"
)
# このクエリが遅い、最適化して
cursor = conn.cursor()
cursor.execute(f"SELECT * FROM users WHERE id = {user_id}")
return cursor.fetchall()
"""
# ✅ 安全なコード共有（認証情報を除去、一般化）
safe_code = """
# SQLクエリの最適化について相談したい
def get_user_data(user_id):
conn = get_db_connection() # 認証情報は環境変数で管理済み
cursor = conn.cursor()
cursor.execute("SELECT * FROM users WHERE id = %s", (user_id,))
return cursor.fetchall()
# 上記クエリが遅い。インデックス追加以外に最適化の方法はあるか？
"""
9. まとめ——データを「投げた瞬間」を問いの起点にする
本記事で追ったメカニズムを整理します。
「要約しといて」の一言が起こす連鎖：
1. HTTPS経由でOpenAIサーバーに到達
→ 組織のネットワーク監視をすり抜ける
2. 最低30日間サーバーに保持
→ 「チャット履歴オフ」でも変わらない
3. Free/Plusプランならデフォルトで学習データに
→ オプトアウトしても過去分は遡及しない
4. 共有リンクのバグ・キャッシュ・インデックスで外部露出
→ 2025年7月：Googleの検索結果に数千件が露出
5. モデルの重みへの影響は「削除」できない
→ 組織が「データが消えた」と証明する手段がない
シャドーAIが従来のシャドーITと本質的に異なるのは、「使っている人が悪意を持っていない」という点です。Samsungの3人のエンジニアも、「ChatGPTを使って要約した会話のリンクをGoogleで公開してしまった」ユーザーも、全員が「仕事を効率的にしようとしていただけ」でした。
問うべき問いは「誰がルールを破ったか」ではなく、「データを投げた瞬間に何が起きるかを、組織の全員が知っているか」です。
参考文献
[1] NordVPN. "Is ChatGPT private? A 2026 guide to your data privacy and security." June 2026.
https://nordvpn.com/blog/is-chatgpt-private/
[2] Zscaler. "Shadow AI: Data Risk 30-Day Containment Strategy (ThreatLabz 2026 AI Security Report)." April 30, 2026.
https://www.zscaler.com/blogs/product-insights/shadow-ai-data-risk-30-day-containment-strategy
[3] InformationWeek. "Shadow AI: When everyone becomes a data leak waiting to happen." March 3, 2026.
https://www.informationweek.com/machine-learning-ai/shadow-ai-when-everyone-becomes-a-data-leak-waiting-to-happen
[4] Verax AI. "Shadow AI Risks: The 2026 Security Guide (Cyberhaven Labs 2025 AI Adoption and Risk Report)." June 2026.
https://www.verax.ai/blog/shadow-ai-risks
[5] Unseen Security. "The State of Shadow AI 2026: Data and Statistics." March 28, 2026.
https://www.unseensecurity.ai/shadow-ai-report
[6] Adaptive Security. "How to Prevent Shadow AI (National Cybersecurity Alliance Oh Behave! Report 2025-2026)." July 2026.
https://www.adaptivesecurity.com/blog/how-to-prevent-shadow-ai-detection-governance-and-risk-reduction-strategies-that-stop-unauthoriz
[7] OpenAI. "Privacy Policy." 2026.
https://openai.com/policies/row-privacy-policy/
[8] Privacy Watchdog. "OpenAI (ChatGPT) Privacy Policy Review 2026 | Privacy Score 48/100." January 28, 2026.
https://terms.law/Privacy-Watchdog/ai-services/openai/
[9] OpenAI. "How ChatGPT and our foundation models are developed."
https://openai.com/policies/how-chatgpt-and-our-foundation-models-are-developed/
[10] Adaptive Security. "Real-World Shadow AI Examples & Governance Strategies." June 2026.
https://www.adaptivesecurity.com/blog/shadow-ai-examples-real-world-enterprise-incidents-risks-and-governance-strategies
[11] RansomLeak. "AI Data Leakage." April 18, 2026.
https://ransomleak.com/blog/ai-data-leakage-employees/
[12] OpenAI Help Center. "What if I want to keep my history on but disable model training?"
https://help.openai.com/en/articles/8983130-what-if-i-want-to-keep-my-history-on-but-disable-model-training
[13] Secure Privacy. "GPT-5 Training Data Opt-Out: How to Control Your Data and Prevent Model Training." February 27, 2026.
https://secureprivacy.ai/blog/gpt-5-training-data-opt-out
[14] Fello AI. "How to Stop AI from Training on Your Data: The 2026 Privacy Guide." May 15, 2026.
https://felloai.com/how-to-stop-ai-from-training-on-your-data/
[15] Adaptive Security. "Understanding Shadow AI Risks: Data Exposure & Compliance." June 2026.
https://www.adaptivesecurity.com/blog/shadow-ai-risks-2026
[16] IBM Security. "Cost of a Data Breach Report 2025."
https://www.ibm.com/reports/data-breach
[17] Adaptive Security. "How to Prevent Shadow AI." July 2026.
https://www.adaptivesecurity.com/blog/how-to-prevent-shadow-ai-detection-governance-and-risk-reduction-strategies-that-stop-unauthoriz
[18] UpGuard. "The Shadow AI Data Leak Problem No One's Talking About." June 2026.
https://www.upguard.com/blog/shadow-ai-data-leak
[19] Wald.ai. "ChatGPT Data Leaks and Security Incidents (2023-2026): A Comprehensive Overview." July 2026.
https://wald.ai/blog/chatgpt-data-leaks-and-security-incidents-20232024-a-comprehensive-overview
[20] OpenAI. "How your data is used to improve model performance." March 13, 2026.
https://openai.com/policies/how-your-data-is-used-to-improve-model-performance/