はじめに
生成AIの活用が広がるほど、現場では「この情報をAIに入力してよいのか」という判断が日常的に発生します。メール文面、議事録、顧客情報、社内資料、契約書、設計図、問い合わせ履歴など、業務で扱う情報の多くは便利な入力材料である一方、入力先や利用設定を誤ると情報漏洩や権利侵害につながる可能性があります。
重要なのは、生成AIの利用を一律に禁止することではありません。現場担当者が迷わず判断できる「入力可否判断チェックリスト」を整備し、使える情報・使えない情報・加工すれば使える情報を切り分けることです。本稿では、現場向けチェックリストの設計と、組織としてのAIガバナンス構築の考え方を整理します。
なぜ生成AIへの入力可否判断が必要なのか
生成AIは、文章作成、要約、翻訳、FAQ作成、議事録整理、マニュアル化など、幅広い業務を支援できます。しかし、入力する情報の性質を確認しないまま利用すると、個人情報、秘密保持義務のある情報、自社の営業秘密、第三者の著作物や商標などを外部サービスへ渡してしまう可能性があります。
個人情報保護委員会は、生成AIサービスに個人情報を含むプロンプトを入力する場合、利用目的の範囲内か、また入力された個人データが応答以外の目的で扱われないかを確認する必要があると注意喚起しています。 また、総務省・経済産業省のAI事業者ガイドラインでは、AIの開発・提供・利用におけるガバナンスやリスク対応の考え方が整理されています。最新版として第1.2版も公表されています。
つまり、生成AI活用の第一歩は「使うか、使わないか」ではなく、「どの情報を、どの環境で、どの目的なら使えるか」を決めることです。
入力可否判断は3段階で設計する
現場向けチェックリストは、難しい法務用語を並べるだけでは使われません。実務で機能させるには、判断の流れを3段階に分けると効果的です。
フェーズ1：利用環境とツールを確認する
最初に確認すべきなのは、利用するAIツールが会社として認めたものかどうかです。個人アカウントや未承認の無料サービスを業務利用すると、入力データの管理状況、学習利用の有無、ログの扱い、管理者権限の所在が不明確になりやすくなります。
一方、法人向けプランやAPI利用では、入力データがモデル学習に使われない設定や管理者による制御が用意されている場合があります。たとえばOpenAIは、ChatGPT Business、ChatGPT Enterprise、APIなどのビジネス向けサービスについて、デフォルトでは入力・出力をモデル訓練に使用しないと説明しています。 ただし、これはサービスや契約、設定によって確認すべき事項であり、「有名なAIだから安全」と判断してはいけません。
チェック項目としては、「会社が承認したツールか」「法人契約か」「学習利用をオフにできるか」「管理者が利用状況を把握できるか」「外部連携やファイル保存の範囲を確認したか」を入れておくとよいでしょう。
フェーズ2：入力データの機密性を確認する
次に、入力しようとしているデータそのものを分類します。特に注意すべき情報は、個人情報、秘密保持義務のある情報、自社の機密情報、第三者の権利に関わる情報です。
個人情報には、氏名、住所、電話番号、メールアドレス、顧客ID、注文履歴、問い合わせ履歴、顔写真、音声データなどが含まれます。これらは、原則としてそのまま入力せず、匿名化やマスキングを行う必要があります。
秘密保持義務のある情報には、NDAのもとで受け取った取引先資料、未公開の提案書、価格条件、契約交渉中の内容などがあります。これらは自社だけで判断できない情報であり、相手方の明示的な許可がない限り、外部AIへの入力は避けるべきです。
自社の機密情報には、未公開の事業計画、原価情報、人事評価、製品設計図、独自ノウハウ、社内規程、システム構成、ID・パスワードなどが該当します。こうした情報は、競争力や安全性に直結するため、利用する場合は閉域環境、社内RAG、法人向けAI基盤など、より安全な環境を検討する必要があります。
第三者の権利に関わる情報も見落とせません。他社の文章、画像、ロゴ、キャラクター、ブランド名、著名人の写真などを入力して生成物を作ると、著作権、商標権、パブリシティ権の問題が生じる可能性があります。
現場向けチェックリストに入れるべき項目
入力可否判断チェックリストは、Yes／Noで進められる形にすると現場で使いやすくなります。たとえば、以下のような流れです。
まず、「会社が承認したAIツールか」を確認します。Noであれば利用不可です。次に、「入力データが学習利用されない設定か」を確認します。Noまたは不明であれば、機密情報や個人情報の入力は禁止します。
続いて、「個人情報が含まれているか」を確認します。含まれている場合は、削除、匿名化、マスキングを行い、個人を特定できない状態にしたうえで再確認します。「NDAや契約上の秘密情報が含まれているか」「自社の未公開情報が含まれているか」「第三者の著作物・ロゴ・画像が含まれているか」も同様に確認します。
最後に、「出力結果をそのまま外部公開するか」を確認します。生成AIの回答には誤情報や不適切表現が含まれる可能性があるため、顧客への送信、Web公開、営業資料への転用前には、人によるファクトチェックと責任者確認を必須にします。
入力不可でもAI活用を止めない代替策
チェックリストで「入力不可」と判断される情報が多いと、現場では「結局AIは使えない」と感じてしまいます。しかし、入力不可は活用禁止ではありません。安全に使うための代替策を用意することが重要です。
まず有効なのが、匿名化・マスキングです。氏名を「A社担当者」、住所を「岐阜県内」、金額を「概算金額」、顧客IDを削除するなど、業務に必要な文脈だけを残せば、AIで要約や分類を行える場合があります。
次に、社内専用環境の整備です。社内文書を検索・参照できるRAG環境や、法人向けAI基盤を用意すれば、外部の汎用サービスに機密情報を直接入力せずに活用できる可能性があります。特に、社内規程、FAQ、業務マニュアル、過去の問い合わせ履歴などを活用する場合は、情報管理とアクセス権限を前提にした設計が欠かせません。
また、プロンプトテンプレートの整備も効果的です。「個人情報は削除してから入力する」「固有名詞は仮名に置き換える」「契約書本文は貼り付けず、論点だけを抽象化する」など、現場がすぐ使える入力ルールを用意することで、シャドーITを防ぎやすくなります。
契約・利用規約の確認もチェックリストに組み込む
生成AIツールを業務に導入する際は、機能だけでなく利用規約や契約条件の確認が必要です。経済産業省は、AIの利用・開発に関する契約チェックリストを公表し、当事者間の利益とリスクの適切な分配を促すための論点を整理しています。
確認すべき主な論点は、入力データの扱い、出力物の権利帰属、商用利用の可否、学習利用の有無、損害賠償、補償、秘密保持、再委託、ログ保存、セキュリティ対策です。無料プランと有料プランで商用利用やデータ利用の条件が異なる場合もあるため、現場判断だけに任せず、導入前に法務・情報システム・業務部門で確認する必要があります。
運用定着には教育と報告フローが欠かせない
チェックリストを作っても、現場に浸透しなければ意味がありません。重要なのは、ルールを「禁止事項集」として配るのではなく、実際の業務ケースに沿って教育することです。
たとえば、「顧客メールを要約したい」「会議録を整理したい」「クレーム内容を分類したい」「社内規程をもとにFAQを作りたい」といった具体例を用意し、どの情報を削るべきか、どこまで抽象化すればよいか、どのツールなら使えるかを演習形式で確認します。
また、誤って個人情報や機密情報を入力してしまった場合の報告フローも必要です。直属の上司、情報システム部門、法務・コンプライアンス部門への連絡手順を明確にし、報告しやすい空気を作ることが被害拡大の防止につながります。
さらに、利用ログの確認、承認ツールの棚卸し、ルールの定期更新も欠かせません。生成AIは技術もサービス仕様も変化が速いため、一度作ったチェックリストを固定化せず、実務に合わせて更新していく必要があります。
まとめ
生成AIへのデータ入力可否判断チェックリストは、AI活用を制限するためのものではありません。現場が安心してAIを使い、業務効率化と情報保護を両立するための実務ツールです。
まずは、利用環境、入力データ、出力用途の3段階で判断する流れを作ることが重要です。個人情報、秘密保持情報、自社機密、第三者権利に関わる情報は慎重に扱い、必要に応じて匿名化、マスキング、社内専用環境、法人向けプランを活用します。
生成AIを本当に業務に定着させるには、「使ってはいけない情報」を決めるだけでは不十分です。「どう加工すれば使えるか」「どの環境なら使えるか」「誰が最終確認するか」まで設計することで、現場は迷わず動けます。AIガバナンスの実効性は、立派な方針文書ではなく、日々の判断を支えるチェックリストに表れます。
コメント