LASSIC Media らしくメディア

監修・編集責任者：牛尾 昭昌（株式会社LASSIC 執行役員）

AIチャットの導入を外部の会社に任せるとき、セキュリティで先に決めるのは、社員が入力してよい情報の区分と、外注先のデータの扱いです。決める時期は外注先と契約する前で、社内の区分を決めたうえで、データの保管・学習への再利用・再委託を質問票で外注先に答えてもらい、その答えを契約に書きます。

推進役から導入を外注したいと相談されたとき、製品のセキュリティ対策だけで判断すると、入力のしかたという漏えいの入口が残ります。本記事では、規程が無いまま使い始めた部署で起きることから入り、外注先を確かめる4つの基準、外注先に聞く質問、契約で見る項目までを、デジタル庁・IPA・個人情報保護委員会・総務省の公開資料をもとに整理します。

規程が無いまま、使い始めている部署がある

AIチャットは申し込めばその日から使えるため、便利さから先に広まり、使い方の決まりが後回しになりがちです。入力した情報がどこに保管され、学習に使われるのかを誰も説明できない状態が続くと、漏えいが起きたときに原因を追えません。

規程が無いまま使われる状態は珍しくありません。IPAの中核人材育成プログラムの卒業プロジェクトがまとめたガイドラインは、JIPDECとITRの調査を引いて、生成AIの利用規程やガイドラインを定めている企業の割合を示しています。会社で構築・契約した生成AIを使う企業では68.6%、社員が各自で契約・登録した生成AIを使う企業では9.0%でした。^*3

同じガイドラインは、規程が無いと使い方を社員が自分で判断するしかなく、個人情報を入力して漏えいしてしまうといった事態が起きやすくなるとしています。外注で導入する前に、今どの部署が、どの形で使っているかを洗い出しておくと、後の判断が速くなります。

使い方の形を整理する手がかりになるのが、デジタル庁の「テキスト生成AI利活用におけるリスクへの対策ガイドブック（α版）」です。テキスト生成AIの提供形態を3つに分け、形態ごとにリスクを整理しています。社内の使い方に当てはめると、次の図のようになります。

どの形を選んでも、社員がどの情報を入力してよいかまでは、外注先や製品が決めてくれません。そこを社内で決めることが、次の章で扱う漏えいの入口をふさぐ第一歩になります。

漏えいの入口は製品より「入力のしかた」

外注先がどれほどセキュリティ対策の整った製品を選んでも、社員が顧客名や未公開の数字をそのまま入力すれば、情報は社外のサービスに渡ります。デジタル庁のガイドブックも、入力の機密性が守られないケースは機械学習に限らず多岐にわたり、利用時に意識するのは契約面とシステムのセキュリティ対策が主だとしています。^*1

IPAの「情報セキュリティ10大脅威 2026」の組織向けでは、「AIの利用をめぐるサイバーリスク」が初めて選ばれ、3位に入りました。2位は「サプライチェーンや委託先を狙った攻撃」です。^*2 AIチャットの導入を外注する場面は、この2つの脅威が重なる場面でもあります。

入力を制限したほうがよい情報として、IPAの卒業プロジェクトのガイドラインは、著作権で保護された情報、個人情報、組織の機密情報の3つを挙げています。^*3 自社の状態を、次の3つの問いで数えてみてください。

• 入力してはいけない情報を文で示しているか。示しているなら、何人の社員がその文を読んでいるか
• 利用の記録を誰が見られるか。誰が何を入力したかを、何日前までさかのぼれるか
• 異動・退職した人のアカウントを止める手順があるか。直近で止めたアカウントは何件か

3つのうち答えに詰まる問いがあれば、外注先を選ぶ前に、そこを社内で決める必要があります。後半では、外注先に確かめる質問、使い方の形ごとのリスク、費用対効果の見方、承認のための判断材料、契約と社内規程で確かめる点を順に整理します。

外注先を確かめる4つの基準

外注先を比べるときは、製品名や価格より先に、次の4つの基準で答えをそろえてもらうと判断しやすくなります。どれも、契約の前に書面で答えてもらえる項目です。

4つのうち1つでも答えが曖昧なら、その項目を契約の条件として書けるかを外注先と詰めます。答えが書面で出てこない外注先は、導入後に問題が起きたときも説明が書面で出てこない可能性があります。

議事の要約に使いたいと申請されたとき

推進役から、営業部の会議の議事を要約するためにAIチャットを使いたいという申請が出た場面で、判断の流れを追ってみます。総務省の令和8年版情報通信白書でも、日本の企業で生成AIの活用を回答した割合が最も高い業務類型は「議事録・メール作成補助」で、約7割でした。^*5

条件を付けて認めると、要約にかかる時間を減らす効果は残しつつ、漏えいの入口だけを狭められます。顧客名を伏せた記録に直す手間が新たにかかる場合は、その手間も後半の費用対効果の見積もりに入れておきます。

外注先に確かめる質問

外注先には、保管の場所と期間、学習への再利用、再委託、事故の連絡の4点を書面で答えてもらいます。口頭の説明だけでは、契約や社内の規程に書き写せないためです。

個人情報保護委員会は、本人の同意を得ずに個人データを含む入力を行い、その個人データが応答結果の出力以外の目的で取り扱われる場合、個人情報保護法の規定に違反することとなる可能性があるとしています。そのため、サービスを提供する事業者が個人データを機械学習に利用しないこと等を十分に確認するよう求めています。^*4

IPAの卒業プロジェクトのガイドラインも、入力したデータが学習されないよう、学習から外す設定（オプトアウト）ができるサービスを選ぶ必要があるとしています。オプトアウトが明記されていないサービスを使うと、入力した内容が学習に使われ、情報漏えいにつながるおそれがあるためです。^*3

外注先が自社の製品ではなく、別の会社のAIチャットのサービスを組み合わせて導入する場合は、その提供元の利用規約やプライバシーポリシーも、答えの根拠として出してもらいます。個人情報保護委員会も、一般の利用者に向けた留意点の中で、提供する事業者の利用規約やプライバシーポリシー等を十分に確認するよう勧めています。

使い方の形ごとのリスク

社内向けの対話に使うのか、社内の文書を参照させるのかでリスクが変わるため、公的なガイドブックの区分で整理します。デジタル庁のガイドブックは、テキスト生成AIの使い方を4つのユースケース（使い方の場面）に分けています。

社内の文書を参照させる使い方は、RAG（検索した文書を答えの材料にする仕組み）と呼ばれます。IPAの卒業プロジェクトのガイドラインは、機密情報を含むデータを格納した場合、全てのユーザが機密情報を参照できるという課題を挙げています。^*3 部署ごとに見せてよい文書が違う会社では、参照させる文書の範囲を外注先と決めてから作業に入ります。

外注先が社内の画面にAPIで組み込む形について、デジタル庁のガイドブックは、学習用のデータや推論用のデータ（質問として渡すデータ）がどこにどのように保存されるかの整理が重要だとしています。^*1 社員がブラウザで使う形と、画面に組み込む形では、確かめる相手と書類が変わります。

• ブラウザで使う形：サービスの提供元の規約・契約と、社員の入力の区分を確かめる
• 画面に組み込む形：外注先の設計で、データがどこに保存されるかと、記録の取り方を確かめる
• 社内の文書を参照させる形：参照させる文書の範囲と、見てよい人の範囲を確かめる

費用対効果の見方

外注費に規程づくりと教育の手間を足し、使う部署の数と業務で効果を見積もります。外注費だけで比べると、導入後に社内で生じる手間が見積もりから抜け落ちます。

デジタル庁のガイドブックは、Web APIの形では入出力のトークン数（文字の量の単位）や文字数に比例する料金が多く、コストの試算が独特になるとしています。^*1 使う部署を広げると利用料も増えるため、部署の数ごとに試算を分けておきます。

IPAの卒業プロジェクトのヒアリングでは、導入した組織に共通する懸念として、既存の規程との兼ね合いと、導入したシステムの利用率の低さが挙がりました。利用率が低い原因の例には、使い方を十分に理解していないといった教育不足が挙げられています。^*3

効果を見積もる業務は、使う人が多く、前後を比べやすいものから選びます。総務省の令和8年版情報通信白書では、導入効果を実感すると回答した割合も「議事録・メール作成補助」が約7割で、他の類型に比べて顕著に高い結果でした。^*5 外注の範囲は、次の2つの形で比べます。

• 導入から運用まで外注する：外注費は増えるが、社内で運用を担う人がいなくても始められる。使う部署が多い場合や、社内に利用規程が無い場合に向く
• 設定だけ外注し、運用は社内で行う：外注費は抑えられるが、規程づくりと教育の手間は社内に残る。入力する情報に個人情報や営業秘密が少なく、使う部署が限られる場合に向く

どちらの形でも、使う業務と部署を決めたうえで、作業時間の変化を導入の前後の同じ期間で比べると、効果を数字で示せます。

承認のための判断材料

入力の区分・質問票の回答・利用の記録の3点がそろえば、止めるか条件を付けるかを判断できます。逆に、どれかが欠けたまま承認すると、問題が起きたときに何を直せばよいかが分かりません。

IPAの卒業プロジェクトがヒアリングした組織では、情報漏えいが全ての組織で最上位のリスクとして認識されていました。対策として、ガイドラインの作成に加え、いつ、誰が、どのような内容を入力し、どのような出力をしたのかを全て保管するログ管理が取られていました。^*3

規程が無いまま使っている部署が既にある場合は、すぐに止める前に、入力した情報の種類を確かめます。そのうえで区分を示し、続けるか止めるかを決めます。

• 止める：個人情報や機密情報が既に入力され、外注先や提供元の保管と再利用の答えが無い
• 条件を付けて認める：入力してよい情報に絞れば業務が回り、保管と再利用の答えが書面で出ている
• そのまま認める：入力する情報が公開済みの情報に限られ、利用の記録も取れている

契約と社内規程で確かめる点

秘密保持・データの消去・再委託・事故の連絡を契約に入れ、社内の利用規程と食い違いが無いかを確かめます。質問票で得た答えを、ここで契約の文言に移します。

デジタル庁のガイドブックは、政府機関が生成AIのサービスで要機密情報を扱う条件の1つとして、必要なセキュリティ要件が守られる契約を挙げ、一般的に約款型では厳しいとしています。^*1 申し込み画面の約款だけで済ませず、個別の契約や覚書で条件を書けるかを外注先に尋ねる手がかりになります。

IPAの卒業プロジェクトのガイドラインは、生成AIの社内システムの導入は、他のクラウドを活用した社内システムの導入と大差ないとしています。サービスを選ぶときにSLA（サービスの品質の取り決め）やデータの保管場所などを追加で考える必要があったという声も紹介されています。^*3 クラウドサービスの利用規程が既にある会社は、その規程と生成AIの規程を突き合わせます。

社内の利用規程づくりそのものの進め方は、生成AI利用規程の策定を支援で進める方法で扱っています。

まとめ：契約の前に入力の区分を決める

AIチャットの導入を外注するときのセキュリティは、外注先が選ぶ製品より先に、社員が入力してよい情報の区分と、外注先のデータの扱いで決まります。保管の場所と期間、学習への再利用、再委託、事故の連絡を質問票で書面にしてもらい、秘密保持・データの消去・再委託・事故の連絡を契約に入れます。今日からは、入力の区分の案と外注先への質問票を作り、推進役と打ち合わせる日を決めるところから始めてください。

よくある質問

出典

1. *1　参考：デジタル庁「テキスト生成AI利活用におけるリスクへの対策ガイドブック（α版）」（2024年6月10日版・PDF）（https://www.digital.go.jp/resources/generalitve-ai-guidebook）。出典：1.2（4つのユースケース）、2.4（提供形態の3類型と表3）、7.1〜7.3（提供形態ごとの機密性のリスク）を参照（確認日2026年10月30日）（2026年10月確認）
2. *2　参考：独立行政法人情報処理推進機構（IPA）「情報セキュリティ10大脅威 2026」（https://www.ipa.go.jp/security/10threats/10threats2026.html）。出典：組織向け脅威の順位（2位・3位）を参照（確認日2026年10月30日）（2026年10月確認）
3. *3　参考：IPA 産業サイバーセキュリティセンター 中核人材育成プログラム 7期生「テキスト生成AIの導入・運用ガイドライン」（PDF）（https://www.ipa.go.jp/jinzai/ics/core_human_resource/final_project/2024/generative-ai-guideline.html）。出典：4.1.1（利活用ガイドラインの策定状況。JIPDEC／ITR「企業IT利活用動向調査2024」の引用）、4.1.2（入力制限に関する項目）、3.3.2（RAG利用時の課題）、5.3.4（ログ管理・オプトアウト可能なサービスの選定）、6.1.2・6.2（組織ヒアリング）を参照。同書はプログラム卒業プロジェクトメンバーの見解に基づく（確認日2026年10月30日）（2026年10月確認）
4. *4　参考：個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」（令和5年6月2日・PDF）（https://www.ppc.go.jp/news/careful_information/230602_AI_utilize_alert/）。出典：（1）個人情報取扱事業者における注意点 ②、（3）一般の利用者における留意点 ③を参照（確認日2026年10月30日）（2026年10月確認）
5. *5　参考：総務省「令和8年版 情報通信白書」生成AIの業務利用状況（https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121130.html）。出典：図表Ⅰ-2-1-7（業務類型ごとの生成AI活用状況と効果の実感（日本））の本文を参照（確認日2026年10月30日）（2026年10月確認）

Tweet