セキュリティ
機密情報を扱う業務で生成AIを安全に使う方法 — 3層の仕分けとローカル処理
執筆: AX伴走パートナー MICHINORI
要約
機密情報を扱う業務で生成AIを安全に使う鍵は、業務データを機密度で3層に仕分け、層ごとにAIの実行場所を決めることです。外部に出せないデータは社内で完結するローカルAIで処理し、一般的な文章生成はクラウドAIで効率化する。全面禁止と全面許可の二択にしないことが実務解です。
「AIに入れて大丈夫か」を個別判断しない
従業員がその都度「これは入れていいのか」を判断する運用は必ず破綻します。判断基準を先に決め、データの側にラベルを付けるのが正しい順序です。
3層の仕分け
| 層 | データの例 | AIの実行場所 |
|---|---|---|
| 1. フルローカル | 顧客名簿・原価・給与・人事評価 | 社内PC/サーバー（外部送信なし） |
| 2. 閉域・限定接続 | 匿名化済みの社内文書・業務データ | アクセスを限定したクラウド |
| 3. クラウド可 | 公開情報・一般的な下書き | 通常のクラウドAI |
実案件での適用例
- リサイクル企業の実績データ処理: 顧客の取引データはローカル環境で処理し、外部AIへ実データを送らない構成で構築
- 医療関連の多言語問診: 本人確認書類・決済情報はそもそも取得せず、翻訳に不要な識別情報は外部AIに送らない設計
- メール下書きAI: 顧客データは管理下のストレージに限定し、AIには送信機能を持たせない
技術より先に決めること
- データの保存場所の一覧化（どこに何があるか）
- AI学習への利用可否の確認（利用しない設定・契約の選択）
- ログ・監査証跡の残し方
- 人間の承認を挟む操作の定義
「全部ローカルにすれば安全」も誤解です。性能・コスト・保守性が犠牲になり、結局使われなくなります。仕分けが本体、ローカルは手段です。
根拠・参照
- 実案件（ローカル処理構成・多言語問診・メール下書きAI）