AIへ入力する情報を機密度別に分類する方法

なぜAIへの入力情報を分類する必要があるのか

生成AIを安全に業務利用するには、入力禁止という一律のルールではなく、情報の重要度に応じて扱いを変えることが重要です。情報分類がない状態では、社員ごとに判断基準が異なり、安全側に倒しすぎる人と、無意識に重要情報を入力する人が混在しやすくなります。

AIへの入力はテキストだけではない

AIへ入力する情報というと、チャット欄に入力する文章を想像しがちです。しかし、実際には添付するPDFやExcel、画像、音声、会議記録、ソースコード、API経由で送信するデータ、外部サービスとの連携データなども対象です。

そのため、社内ルールではプロンプトだけを対象にせず、生成AIへ送信される可能性がある情報全体を分類対象にする必要があります。

禁止だけではAI活用が進まない

情報漏えいを心配して、機密情報を入力しないという一文だけをルールにしても、現場では何が機密情報なのか判断できません。顧客名は入力できるのか、社内会議の議事録はどうか、価格表はどうかといった疑問が残ります。

逆に、公開情報や一般的な文章まで厳しく制限すると、生成AIを導入しても利用が広がりません。安全性と活用の両立には、情報を段階的に分類し、段階ごとの扱いを明確にする方法が適しています。

AIへ入力する情報を4段階で分類する方法

情報分類は細かくしすぎると社員が覚えられません。既存の情報管理規程がない企業では、まず公開、社内限定、機密、高機密の4段階から始めると、日常業務へ落とし込みやすくなります。

この4段階はあくまでモデルです。すでに機密、社外秘、極秘などの社内分類がある企業では、新しい分類を追加するより、既存分類とAI利用条件を対応付ける方が社員にとって分かりやすくなります。

情報だけでなく利用環境もセットで決める

同じ情報でも、個人アカウントで利用する未承認AIと、会社が契約・管理しているAIでは取り扱い条件が異なる場合があります。そのため、情報分類表には入力可・不可だけでなく、どの環境なら扱えるかまで記載します。

会社管理アカウントであっても、データが学習に利用されるか、保存期間、管理者権限、アクセス制御、ログ、外部連携、委託先などの条件はサービスや契約によって異なります。契約前後に最新の仕様と規約を確認することが必要です。

AIの出力にも元データの機密度を引き継ぐ

見落とされやすいのがAIから得た出力の扱いです。機密情報をもとに作成した要約や分析結果には、元の情報が含まれる可能性があります。

実務では、入力した情報の中で最も高い機密度を出力にも引き継ぐというルールにすると、二次利用や共有時の判断がしやすくなります。

入力可否を判断する7つの基準

分類表を用意しただけでは、実際の情報がどのレベルに該当するか迷うケースがあります。そこで社員がAIへ情報を送る前に確認できる共通の判断基準を用意しておくと、判断のばらつきを抑えやすくなります。

個人を特定できる情報が含まれているか

氏名だけでなく、メールアドレス、電話番号、社員番号、顔画像、履歴書、顧客対応履歴なども確認対象です。単独では個人を識別できなくても、他の情報と組み合わせることで特定できる場合があります。

個人情報をAIで扱う必要がある場合は、目的に必要な範囲まで情報を減らし、利用しているAIサービスの契約条件やデータ利用方法を確認したうえで、社内の個人情報管理責任者や必要に応じて専門家へ確認します。

秘密保持義務がある情報か

自社にとって重要かどうかだけではなく、顧客や取引先から預かっている情報にも注意が必要です。NDAや業務委託契約で第三者への開示が制限されている場合、AIサービスへの送信が契約上どのように扱われるかを確認する必要があります。

入力する必要が本当にあるか

安全性を高めるうえで有効なのが、データ最小化です。例えば営業メールの文章を整えるだけなら、実在する顧客名や契約金額をそのまま入力する必要がないケースがあります。

A社、担当者B、商品Cなどへ置き換えて目的を達成できるのであれば、必要以上の情報をAIへ送らない運用を優先します。

社内ルールへ落とし込む6つの手順

情報分類は情報システム部門だけで作るより、実際にAIを利用する部門の業務例をもとに設計する方が運用しやすくなります。最初から完璧な規程を作るのではなく、利用頻度の高い業務からルールを具体化していきます。

1. 既存の情報管理ルールを確認する社外秘、機密、個人情報など、現在社内で使っている分類や規程を洗い出します。
2. AI用の分類レベルと対応させる既存の情報区分ごとに、AIで扱える条件を整理します。既存分類がない場合は4段階程度から始めます。
3. 利用できるAI環境を整理する会社管理アカウント、個人アカウント、API、社内AIなど、現在利用している環境を一覧化します。
4. 情報区分ごとの利用条件を決める入力可能、マスキング後に可能、特定環境のみ可能、原則禁止など、社員が判断できる表現へ落とします。
5. 実際の業務例を追加する商談議事録、履歴書、見積書、ソースコードなど、社員が日常的に扱う情報を例として掲載します。
6. 試用しながら定期的に見直すAIサービスの仕様や契約条件、社内業務は変化するため、運用結果を確認しながら分類や利用条件を更新します。

ルールは1ページで判断できる状態を目指す

長い規程を作っても、社員がAIを使うたびに読み返すことは現実的ではありません。正式な規程とは別に、情報区分、代表例、利用可能なAI、禁止事項を1ページ程度にまとめた早見表を用意すると実務で利用しやすくなります。

迷った場合の相談先も決めておく

どれだけ分類を整えても、例外は発生します。そのため、判断できない場合は誰に確認するのかを明確にします。

AI推進担当者、情報システム担当者、管理部門など、社内の相談窓口を一本化しておけば、社員が自己判断で未承認ツールへ入力するリスクも抑えやすくなります。

部門別に見る情報分類のモデルケース

機密度は情報の名称だけでは判断できません。同じ会議資料でも、公開情報だけをまとめた資料と、顧客別の価格や未公開戦略が含まれる資料では扱いが異なります。以下は分類を考えるためのモデルケースです。

文章作成では固有情報を置き換える

例えば顧客への案内メールをAIに作らせたい場合、実際の顧客名、担当者名、金額を入力しなくても文章構成を作れることがあります。顧客A、担当者B、金額Xなどへ置き換えて下書きを作り、最後に人が実データを反映する方法です。

要約では資料全体を送る前に範囲を絞る

会議資料を要約したい場合も、100ページの資料を丸ごと送るのではなく、本当に要約が必要な部分だけを抽出します。個人情報や契約情報が不要であれば、事前に削除したうえでAIへ送ります。

必要な情報だけを使う設計は、情報管理だけでなく、AIへ与える文脈を整理するうえでも有効です。

情報分類で起こりやすい失敗と対策

ルールを作っていても、実際の運用方法が曖昧だと情報管理は安定しません。特に、AI導入初期には安全性をサービス任せにしたり、反対に禁止事項を増やしすぎたりするケースが見られます。

法人向けAIなら何でも入力できると考える

法人向けサービスには企業利用を想定した管理機能が用意されている場合がありますが、契約しただけですべての情報を無条件に入力できるわけではありません。

データ利用方法、保存、管理者設定、外部連携、契約内容、自社の秘密保持義務などを確認し、扱う情報ごとの条件を決めます。

名前を消せば匿名だと判断する

氏名を削除しても、所属、役職、案件、日時などを組み合わせることで本人や企業を推測できる場合があります。単純に名前だけを消すのではなく、目的に不要な識別情報をまとめて削除できるか確認します。

入力禁止情報だけを決める

禁止情報の一覧だけでは、社員は入力してよい情報にも不安を感じます。その結果、AIをほとんど利用しなくなるか、各自が自己判断する状態になりがちです。

禁止事項とあわせて、公開情報なら利用可能、社内情報は会社管理環境のみ、といった利用可能条件を示します。

パスワードやAPIキーをログごと送ってしまう

システムエラーをAIへ相談する際、ログや設定ファイルをそのまま貼り付けると、認証情報が含まれている可能性があります。技術担当者向けのルールでは、ログ、環境変数、設定ファイル、ソースコードを送る前の秘密情報チェックを明記しておくことが重要です。

分類を細かくしすぎる

10段階以上の分類や大量の例外条件を設けると、社員が判断できなくなります。まずは少ない段階で運用し、実際に迷ったケースを蓄積してから例外を追加する方が現場へ定着しやすくなります。

まとめ：まずは自社の情報を4段階に分けてみる

AIへの情報入力を安全に管理するには、AIを全面禁止するのでも、ツール側の安全性だけに任せるのでもなく、自社の情報とAI環境を対応付けることが重要です。

• 既存の情報管理ルールを確認し、公開・社内限定・機密・高機密などに整理する
• それぞれの情報区分について利用できるAI環境と条件を決める
• 個人情報、顧客情報、認証情報は特に慎重に扱う
• 営業、人事、開発など実際の業務例を早見表へ追加する
• AIサービスや社内業務の変化に合わせてルールを継続的に見直す

最初から全社の情報を完璧に分類する必要はありません。まずはAI利用が多い一つの部門や業務を選び、実際に入力する情報を洗い出すところから始めると、現場で使えるルールへつなげやすくなります。