組織で生成AIを使うとき、最大のリスクは性能でも著作権でもなく機密情報の流出です。やっかいなのは、流出が「悪意のハッキング」より善意の社員の何気ない入力から起きること。顧客リストや未公開の数字を、便利だからとチャット欄に貼ってしまう——これを防ぐのは高度な技術ではなく、分かりやすいルールと、それを守りやすくする運用です。本記事は、はじめて社内ルールを作る人に向けて、何を・なぜ決めるのかを具体例つきで整理します。
FIG.1 漏えいは「社員 → 外部AI」の一瞬で起きる。ルールはこの入口に置く
01なぜ「技術」より「ルール」なのか
機密が外部AIに渡ると、二つの実害が起こり得ます。ひとつは法的な保護を失うこと。日本の不正競争防止法で「営業秘密」として守られるには、秘密として管理されている状態（秘密管理性）が必要です。誰でも外部サービスに貼れる運用だと「管理されていた」とは言いにくくなり、いざ流出しても法的に争いにくくなります。もうひとつは第三者の目に触れるリスク。学習に使われる設定のままだと、入力した内容が将来別の利用者の回答に影響する可能性があります。
どちらも、ファイアウォールのような技術で完全には防げません。社員が「良かれと思って」貼る行為そのものを、あらかじめ決めた約束（ルール）で止めるのが本筋です。日本でも総務省・経済産業省の「AI事業者ガイドライン」が事業者に利用ルール整備を促しており、社内規程づくりは標準的な実務になっています。
02ルールに必ず入れる6項目
細かい条文より先に、この6つを押さえれば実用的な土台になります。完璧を狙わず、まずここから始めましょう。
情報区分を決める
「公開／社内限定／機密／個人情報」のように段階を定義。社員が一瞬で「これはどの区分か」を判断できる粒度にする。
区分ごとの可否を示す
例：公開＝自由、社内限定＝承認ツールのみ、機密・個人情報＝外部AIへの入力は原則禁止。「どこまでOKか」を区分と紐づける。
使ってよいツールを指定する
許可するAIサービスのホワイトリストを作る。それ以外（無料の個人アカウント等）の業務利用は禁止＝シャドーAI対策。
マスキング原則
固有名・取引先名・実数値・口座番号などは抽象化してから入力。「A社」「約N千万円」のように置き換える習慣を明文化。
学習利用を切る
入力を学習に使わせない設定・契約を満たしたツールだけを承認ツールに入れる（設定の有無はサービスごとに要確認）。
ログを残す
誰が・いつ・どのツールに何の用途で使ったか追える仕組み。事故時の調査と、ルールの実効性チェックに効く。
03承認ツールでも「契約と設定」を確認する
「企業向けプランなら安全」と思いがちですが、そこには段差があります。たとえば ChatGPT の Enterprise / Business / Edu / API では、既定で入力が学習に使われず、データ処理契約（DPA）で訓練利用を禁じる仕組みが用意されています。一方、無料・個人向けの一般プランは設定や提供形態によって扱いが異なります。プランや約款は頻繁に変わるため、「学習に使われないか」「どこの国で処理されるか」は導入時と更新時に必ず公式情報で確認してください。
| 承認しやすいツールの条件 | 承認に慎重になる条件 |
|---|---|
| 入力が既定で学習に使われない（または明示的にオフ可） | 入力が学習に使われる／設定が分かりにくい |
| 事業者とのデータ処理契約（DPA）が結べる | 個人向け規約のみで業務利用の保証がない |
| アクセス権・ログ・管理者制御がある | 誰が何を入れたか追えない |
「企業向け契約」は出発点であって到達点ではない。契約・設定・教育の3点セットがそろって初めて機密は守れる。
04OK／NG を具体例で見せる
抽象的なルールは守られません。社員が迷う場面をそのままの例で示すのが効きます。下の3つは、現場でよく起きる典型です。
議事録の要約
NG：取引先名・金額入りの原文を承認外ツールへ。OK：固有名を「A社」、数値を概算に置き換え、承認ツールで要約。
コードの相談
NG：社内システムの認証情報やキーを含むまま貼る。OK：秘密値をダミーに差し替え、ロジックだけを相談。
顧客対応文の作成
NG：顧客の個人情報を実名で入力。OK：「30代・関東在住の顧客」程度に抽象化し、文面の体裁を整えてもらう。
05禁止だけにしない——代替手段をセットで
ルールが「禁止」一色だと、現場は隠れて便利な無料AIを使い始めます。これがシャドーAI。管理外で機密が流れる、最悪のパターンです。防ぐ鍵は、禁止と同時に「では、こう使ってください」という安全な道を必ず示すこと。
FIG.2 「禁止」と「安全な代替」をセットにすると、利用が正規ルートに戻る
- 承認ツールを用意する：学習オフ・ログ取得・管理者制御のある法人向けAIを、申請すればすぐ使える状態にする。
- マスキングの型を配る：「固有名はA社、数値は概算」などのテンプレを示し、安全な入力を簡単にする。
- 相談窓口を作る：「この情報は入れていい?」を気軽に聞ける場所。判断を個人に丸投げしない。
06個人情報は別枠で慎重に
機密情報の中でも、顧客や従業員の個人情報はとくに注意が要ります。個人情報を外部AIに入力する行為は、利用目的の範囲や「第三者提供」「外国にある第三者への提供」といった論点に触れる可能性があるためです。日本では個人情報保護法の改正も継続的に議論されており（2026年にも改正案が閣議決定）、扱いの基準は動きます。実務では次を原則にすると安全側に倒せます。
- 原則は入れない：実名・連絡先・顧客IDなどはマスキングしてから扱う。
- 入れる必要がある場合は契約を確認：DPA など、提供事業者と必要な契約が結べているかを前提にする。
- 処理される場所を把握：データがどの国で処理されるかは、外国第三者提供の観点で確認する。
07ルールは「作って終わり」ではない
AIサービスの仕様・料金・学習方針は速いペースで変わります。一度作った規程も、放置すれば実態とずれて形骸化します。運用を回す最小サイクルを決めておきましょう。
配って終わりにしない
OK/NG例つきの短い教育を定期的に。区分判断とマスキングを「手が動く」まで反復する。
承認ツールを見直す
学習方針・契約・処理地域の変更を定期確認。条件を満たさなくなったツールはリストから外す。
ログから学ぶ
利用ログを点検し、危ない使い方やルールの分かりにくさを発見。規程と教育に反映する。
08まとめ
機密を守る要は、難しい技術ではなく「区分・承認ツール・代替手段」をセットで示すことです。禁止だけでは現場が隠れて使い、かえって危なくなります。何が機密かを区分で示し、安全に使える承認ツールと具体的な代替手段を用意し、定期的な教育とログで育てていく——この地道なループが、実効性のある機密保護になります。まずは情報区分とOK/NG例の1枚から始めましょう。
