生成AIで個人情報を扱わないための匿名化チェックリスト

生成AIへメール、アンケート、面談メモを入力するとき、氏名を「Aさん」に変えるだけでは十分ではありません。希少な役職、年齢、勤務地、商談日、症状などを組み合わせると、社内や地域内で個人を推測できることがあります。

本記事は、法律上の「匿名加工情報」を作る専門手続ではありません。島田市などの中小企業が、日常業務で生成AIへ入力する前に「本当にその情報が必要か」を判断する実務チェックです。

最初の対策は「匿名化して入れる」ではなく「入れない」

個人情報保護委員会の注意喚起は、個人情報を生成AIサービスに入力する場合、利用目的の範囲内かと、サービス提供者が機械学習に利用しないこと等を十分確認するよう示しています。確認できないなら、入力は中止します。

1. AIを使わない方法で目的を達成できないか
2. 実データでなく、構造だけを伝えるダミーデータで足りないか
3. 個人別でなく集計値や分類名で足りないか
4. 契約、保存、学習利用、管理者設定を確認済みの業務環境か

入力前に外す情報を4層で確認する

層	確認例	対応
直接識別	氏名、顔写真、住所、電話、メール、会員番号	削除し、ランダムな仮号へ置換
組合せ特定	支店、役職、年齢、日時、稀な症例・相談	幅のある分類へ丸め、希少な記述を削除
リンク可能	受注番号、予約時刻、商品コード、参照URL	別系統の台帳と結べる値を消す
機密・権利	契約条件、未公開価格、取引先資料、他者の著作物	個人情報でなくても入力可否を別途判定

「氏名を消した」と「特定できない」は同じではありません。個人情報保護委員会のガイドラインでは、仮名加工情報と匿名加工情報は異なる定義と義務を持ちます。日常会話の「匿名化」と法律上の「匿名加工情報」を同じものと説明しません。

ダミー化は「文意を残し、識別を消す」

要約、文体修正、分類表の作成が目的なら、実在情報を残す必要は少ないはずです。例えば「9月29日に島田市の店舗で田中様が商品Xを購入」ではなく、「先週、ご来店客が商品Aを購入」のように、作業に必要な文意だけを残します。

• 置換対応表をAIと同じ入力欄に貼らない
• 元データと作業用データを別の保管場所に分ける
• 少人数の集計は個人を推測しやすいため入力しない
• 必要な結果を得たら作業用ファイルと履歴の削除手順を実行する

入力直前の8項目

1. 利用目的を一文で説明できる
2. 実データが不要な代替方法を先に検討した
3. 直接識別子を消した
4. 属性の組合せで本人を推測できない
5. 他の台帳と結びつく番号・日時を消した
6. 契約・保存・学習利用・管理権限を確認した
7. 機密情報と他者の権利物を除いた
8. 判断に迷うときの差し戻し先が決まっている

生成AIに入力する社内データの分け方は入力可否の大分類、中小企業の生成AI社内ルールは組織で決める項目を扱います。本記事のチェックは、個々の文書を入力直前に止める関門として使います。

業務で安全にAIを試すための情報分類と承認導線は、LIFESEEDSのAI活用支援とお問い合わせからご相談ください。

置換後は別の人が再特定可能性を見る

置換作業をした本人は元データを知っているため、置換後の文書から誰のことか分からない状態を判定しにくくなります。可能な範囲で、元データを見ていない第二確認者が、少人数の部署、希少な属性、特定日付や場所の組合せから個人を推測できないかを見ます。

承認記録には、利用目的、元データの管理部署、削除・丸め・ダミー化した項目、確認者、使用するAI環境、作業用データの削除予定を残します。置換規則と元データをAI側へ一緒に送らないことも確認します。

出力に個人情報が現れたときの停止手順

出力が実在の人を指すように見える、または他の情報と組み合わせると識別できる場合は、公開・転記を止めます。出力を最小限の関係者だけで保全し、情報管理担当へ報告し、入力内容、利用環境、共有範囲、保存設定を確認します。同じテンプレートで再発するなら、元データを使わない工程へ変えます。

文書の種類ごとに判断基準を決める

問い合わせメール、面談記録、従業員アンケート、顧客台帳では、同じ削除規則を使えません。文書ごとに管理部署、利用目的、残す属性、最小集計単位、承認者、利用可能なAI環境を決めます。健康、労務、取引条件など特に慎重な情報は、文字を置き換えて済ませず、業務の必要性と法令・契約を確認し、原則として入力しない経路を用意します。

チェックリストは「全てに印が付いたから安全」と保証するものではありません。用途、契約、データの性質が変わったときに入力を止め、判断をやり直すための道具です。