AIに渡すデータを最小化する設計｜「持たない情報は漏れない」守りの作り方【2026年版】

「入れていいデータの線引き」より前に効く守りがある

AIを業務に使うときのセキュリティの話は、たいてい「どんな情報を入力していいか、いけないか」というルール作りに集まります。社内で禁止リストを配り、個人情報や機密は入れないように呼びかける——もちろん、これは欠かせない取り組みです。けれども、ルールを整える前に、もっと根っこで効く守りがあります。それが、そもそもAIに渡すデータそのものを「減らす・持たない・薄める」という、データ最小化（データミニマイゼーション）の設計です。

考え方の芯は、とてもシンプルです。「持っていない情報、渡していない情報は、そもそも漏れようがない」。たとえるなら、家に高価な宝石を置いていなければ、空き巣に入られても宝石だけは盗まれない、というようなものです。守りを「漏らさないように頑張る」だけで考えると、どうしても人の注意力との我慢比べになります。けれども、渡すデータの量と濃さを最初から下げておけば、たとえどこかで事故が起きても、さらされる範囲そのものが小さくて済みます。漏洩面——情報が外にさらされ得る面積——を、運用の心がけではなく、業務の設計段階で構造的に狭める。これが本記事で一貫して提案したい視点です。

この発想には、もう一つの利点があります。守るべき情報そのものが少なければ、後から確認すべきことも、説明すべきことも減るという点です。AIに渡す情報が要点だけに絞られていれば、「あの機密は入っていないか」と心配する対象が最初から存在しません。守りは、足し算で強くするより、引き算で身軽にするほうが、続けやすいものです。重い鎧を何枚も着込んで動けなくなるより、そもそも狙われる隙を減らしておくほうが、日々の業務には無理がありません。

本記事は、横浜・川崎の中小企業や士業の方を念頭に、この「渡さない設計」の作り方を順を追って整理します。あらかじめお断りしておくと、ここでは入力可否の禁止リストや、チェックリスト、社内規程のひな形といった「ルールの中身」は作りません。それらは別のテーマであり、本記事はその一段手前——入力するデータそのものを構造的に減らし、加工する設計思想だけで貫きます。一言でいえば、データ最小化とは「攻めの守り」です。守る範囲を小さく絞るからこそ、残りの広い業務を安心してAIに任せられるようになります。なお、ここで紹介する考え方は実務をふまえた設計の指針であり、最適なやり方は業種や会社の事情によって変わる点は、あらかじめお含みおきください。

目次

なぜ「入力ルール」だけでは漏れるのか

多くの会社は、AIの情報漏洩を防ぐために、まず「入力していい情報／いけない情報」のルールを決めます。これは正しい第一歩です。けれども、ルールだけに守りを預けると、必ずどこかで漏れます。理由は、ルールという守り方が「現場の一人ひとりが、その都度正しく判断して守ってくれる」ことを前提にしているからです。人は、忙しいときほど確認を飛ばし、急ぎの案件ほど「今回くらいは」と例外を作ります。判断を毎回現場に委ねる仕組みは、いわば、廊下に「走らないでね」と貼り紙をするようなものです。貼り紙は気づいた人にしか効きませんし、急いでいる人は走ってしまう。本当に走らせたくないなら、走れない構造——たとえば段差や手すり——を作るほうが確実です。

もう一つ見落としやすいのが、ルールは覚えてもらい、思い出してもらわないと働かないという点です。研修をしても、配ったリストは時間とともに記憶から薄れ、入社したばかりの人にはそもそも届いていないこともあります。ルールは、いわば貼り出したお知らせのようなもので、読んだ人・覚えている人にしか効果が及びません。一方、渡せるデータ自体を業務の設計で減らしておけば、ルールを覚えていない人が操作しても、危ない情報がそこに無いという守りは、誰に対しても等しく働きます。この「誰がやっても同じように守られる」という性質が、設計で守ることの大きな強みです。

「人が間違える」を前提に置く

セキュリティの設計でいちばん危ういのは、「人はミスをしない」という暗黙の前提に乗ってしまうことです。どれほど丁寧に研修をしても、何百回の入力のうち一回、うっかり機密を貼り付ける場面は起こり得ます。そして、漏洩は「百回のうち成功した九十九回」ではなく、「失敗した一回」で起きます。だからこそ、守りの設計は「人は必ずどこかで間違える」を前提に置くべきです。間違えた瞬間でも被害が小さくなるように、あらかじめ手当てしておく。これは、コップを倒さないように気をつけるのではなく、こぼれても困らないように、そもそも机に少ししか水を置かない、という発想に近いものです。

ここで効いてくるのが、データ最小化です。ルールが「人の行動」を制御しようとするのに対し、データ最小化は「データそのもの」を制御します。渡せるデータの量と濃さを業務の設計で減らしておけば、現場が多少間違えても、そもそも危ない情報がそこに無いので、漏れようがありません。ルールとデータ最小化は対立しません。むしろ、人の行動を律するルールと、データそのものを薄くする設計を二重に重ねるのが、いちばん厚い守りになります。社員が見えないところで勝手にAIを使ってしまう「隠れた利用」のリスクについては、シャドーAIの情報漏洩リスクと防止策でも整理していますが、その根本対策としても、渡せるデータ自体を絞っておく発想が効きます。

大切なのは、ルールを軽んじることではありません。ルールは引き続き必要です。ただ、ルールという一枚の壁だけに頼ると、その壁が破れた瞬間にすべてが抜けてしまう。データ最小化は、その壁の内側に「そもそも盗む値打ちのある物を置かない」という、もう一段の守りを足す発想です。次の章では、データをどう薄くするのか——具体的な四つのレバーを見ていきます。

データを薄くする四つのレバー

「データを薄くする」と言っても、やみくもに削ればいいわけではありません。情報を薄める手段は、大きく四つのレバーに整理できます。入力の最小化・加工・保持の最小化・範囲の最小化の四つです。どれか一つを引けば終わりではなく、四本のレバーを少しずつ引いて重ねるほど、守りが厚くなります。一枚の厚い板で守るのではなく、薄い板を四枚重ねるイメージです。一枚が割れても、後ろの三枚が残ります。

① 入力の最小化 ― 必要な分だけ渡す

一つ目は入力の最小化です。AIに何かを頼むとき、つい手元の資料を丸ごと貼り付けがちですが、判断に必要なのは、たいていその一部です。長い契約書の全文を渡さなくても、論点になっている条項だけで足りる。顧客名簿をまるごと渡さなくても、集計に必要な数字だけで足りる。たとえるなら、料理のレシピを教わるのに財布の中身まで見せる必要はない、というようなものです。必要なのは「材料」の情報であって、関係のない個人情報まで一緒に差し出す理由はありません。全文ではなく要点を、全件ではなく必要な行だけを渡す。これだけで、AIに触れる情報の量は大きく減ります。

② 加工 ― 固有の情報を外してから渡す

二つ目は加工です。どうしても渡す必要のある情報でも、誰のことか・どこのことかを特定できる固有の部分は、渡す前に隠せます。氏名を「顧客A」に置き換える(仮名化)、口座番号や住所を伏字にする(マスキング)、実在の取引先名をダミーの社名に差し替える——こうした下ごしらえで、固有情報を外します。ちょうど、写真をSNSに上げるときに、写り込んだ他人の顔にモザイクをかけるように、伝えたい構図はそのまま残しつつ、特定につながる部分だけをぼかすイメージです。AIに考えてもらいたいのは「論理」や「文章の流れ」であって、生の個人情報そのものではないことがほとんどです。中身の意味を保ったまま、固有の情報だけを抜く——これが加工の役割です。

③ 保持の最小化 ― 長く持たない

三つ目は保持の最小化です。渡した情報が、その場のやり取りだけで消えるのか、履歴やログとして残り続けるのかは、漏洩面の大きさを左右します。やり取りの履歴を残さない設定にする、入力内容を学習に使わせない設定を選ぶ、どうしても残す場合も保持期間を短くする——こうして「持っている時間」を縮めます。いわば、食べ終わった皿をいつまでも机に出しっぱなしにせず、すぐ下げるようなものです。出しっぱなしの時間が長いほど、こぼす機会も、誰かに見られる機会も増えます。情報も同じで、手元に置く時間が短いほど、事故に遭う窓は小さくなります。残さない設定は、一度決めてしまえば毎回の手間がかからないため、忙しい中小企業ほど効果が大きいレバーです。

④ 範囲の最小化 ― 触れられる人を絞る

四つ目は範囲の最小化、いわゆる最小権限の考え方です。「誰が・どのデータで・どのAIを使えるか」を、必要な人・必要な範囲だけに限定します。全社員に同じ鍵を配るのではなく、必要な部屋の鍵だけを、必要な人に渡す。経理のデータに触れるのは経理の担当だけ、といった具合に、入口を分けておくほど、万一の漏洩が一部にとどまります。この権限の設計は、全社的なAI利用の枠組みづくりと地続きの話で、企業のAI業務利用ガバナンス完全ガイドで扱う管理の仕組みと組み合わせると、より実装しやすくなります。

下の表は、四つのレバーを「何を減らすのか」「身近にたとえると何か」で並べたものです。一気に全部を引く必要はありません。自社の業務を思い浮かべながら、引きやすいレバーから順に試してください。

出典：AIに渡すデータを「量・濃さ・時間・範囲」の観点から薄める設計を、本ブログが四つのレバーとして整理した。引き方の優先順位は業務により変わる。

なお、四つのレバーのうち、加工だけに頼りすぎないことには注意が必要です。氏名や番号を伏せても、文脈の断片をつなぎ合わせると誰のことか推測できてしまう場合があります。だからこそ、四本のレバーは重ねて使うのが前提です。次は、そもそも業務のどこで情報が「濃く」なり、薄める手を打つべきかを見ていきます。

業務のどこで情報が「濃く」なるか

データを薄めるといっても、闇雲に全工程で削ろうとすると、かえって業務が回らなくなります。効くのは、情報が「濃く」なる地点を見つけて、そこに手を打つことです。だしを煮詰めると塩分が濃くなるように、業務の流れの中には、情報がぎゅっと凝縮される場所があります。そこを見つけて、AIに触れる手前で薄めるのが、無駄のない設計です。

情報が濃くなる「淀み」を探す

まるで川の流れのように考えてみてください。まっすぐ速く流れる場所では土砂はたまりませんが、流れがゆるむ「淀み」には土砂が積もります。業務も同じで、情報が集まり、留まり、混ざり合う淀みのような工程があります。たとえば、複数の顧客データを一つの表にまとめる集計の場面。問い合わせ対応の履歴がどんどん蓄積される場面。見積もりや契約の情報が一カ所に集約される場面。こうした情報が合流して濃くなる地点こそ、漏れたときの被害が大きく、優先して薄める価値があります。逆に、すでに公開されている情報だけを扱う工程は、濃さが低く、神経質になりすぎる必要はありません。

もう一つ、淀みは「人が情報をまたぐ」場面にも生まれやすいものです。担当者から担当者へ案件を引き継ぐとき、複数の部署の情報を一つの報告にまとめるとき、外部のやり取りを社内向けに転記するとき——情報が手を渡るたびに、元の文脈がコピーされ、思わぬ機密が一緒に運ばれます。この「受け渡しの結び目」も、淀みと同じく濃くなりやすい地点です。流れを描くときは、情報が止まる場所だけでなく、手を渡る場所にも目を向けると、薄める価値のある地点を取りこぼしません。

濃くなる地点を見つけるコツは、業務の流れを一本の線として描き、「ここで、どんな情報が、どれだけ集まっているか」を工程ごとに書き込むことです。頭の中だけで考えると、どこが危ないか曖昧なままですが、流れにして見える化すると、淀みが浮かび上がります。そして、その淀みがAIに触れる直前であれば、触れる手前に「薄める一手」——要点だけ抜き出す、固有情報を伏せる——を差し込みます。AIに渡すデータに個人情報が含まれる場合の基本的な考え方は、個人情報保護法とAI開発の最新ポイントでも触れています。法律の細部に入る前に、まず「そもそも濃い情報を持ち込まない」設計で、対象を減らしておくのが賢明です。

この「濃くなる地点を見つけて薄める」発想は、すべての工程を平等に守ろうとする力業とは違います。守りの手間を、いちばん効く一点に集中させるところに値打ちがあります。限られた時間と人手で守りを作る中小企業にとって、どこに労力を注げば最も漏洩面が縮むかを見極めることは、そのまま費用対効果の良い守りにつながります。次の章では、薄めた情報をどう「入口」で受け止めるか——仕組みで機密を入れにくくする設計を見ていきます。

出力検証ではなく「入口の設計」で守る

AIの安全対策というと、「出てきた答えが正しいか確認する」という出力チェックを思い浮かべる方が多いかもしれません。もちろん出力の確認は大切です。けれども、漏洩を防ぐという目的に絞れば、効くのは出口より入口です。出力のチェックは、すでにAIへ情報を渡してしまった後の確認であり、間違いを見つける役には立っても、渡してしまったという事実そのものは取り消せません。こぼれた水を出口ですくい上げるより、上流で流れ込む量を細くするほうが、あふれを根本から防げます。

入力欄やテンプレートで「入れにくく」する

入口の設計とは、平たく言えば「そもそも機密を入れにくい入口を作る」ことです。たとえば、AIに渡すための入力欄やテンプレートを、最初から「必要な項目だけ」に絞って用意しておく。氏名や口座番号を書く欄をそもそも設けず、代わりに「顧客A」「案件番号」を入れる欄にしておく。自由記述で何でも貼れる広い箱を置くのではなく、入れるべきものだけが収まる、形の決まった枠を渡す。たとえるなら、自動販売機に売っていない商品は、いくらボタンを押しても出てこない、というようなものです。そもそも入れられない構造にしておけば、入れてはいけないものを我慢して入れない、という努力が要らなくなります。広い空欄は親切なようでいて、機密が紛れ込む入口にもなります。枠を狭く設計することは、不便にするためではなく、迷わず安全に使えるようにするための気配りでもあります。

この発想の肝は、守りを「人の自制心」から「箱の形」へ移すところにあります。「機密を入れないように気をつけよう」という呼びかけは、注意力が続く間しか効きません。一方、入力欄の形そのものが機密を受け付けないなら、注意力が落ちた日でも守りは保たれます。ちょうど、コンセントの形が決まっていれば、合わないプラグが物理的に挿さらないように、形で防ぐ守りは、心がけで防ぐ守りより壊れにくいのです。これは「入力をいちいち検査して弾く」のとも違います。検査は通り抜けを許しますが、入口の形を変えるのは、危ないものが流れ込む経路そのものを細くする設計です。チェックリストで一つずつ点検する守り方との違いは、AIセキュリティ対策チェックリストと読み比べると、レイヤーの違いがはっきりします。点検は「ある状態を確かめる」ため、設計は「危ない状態が生まれないようにする」ためのものです。

入口の設計は、難しい技術を必要としません。入力欄の項目を見直す、テンプレートを用意する、貼り付ける範囲をあらかじめ決めておく——こうした地味な工夫の積み重ねが、機密を入れにくい入口を作ります。そして、入口で薄まった情報なら、たとえ出口のチェックを一回くらい飛ばしても、致命傷にはなりにくい。入口の設計は、後ろの守りすべてを楽にしてくれる、土台のような一手です。

中小企業が小さく始める順序

ここまでの考え方を、いざ自社でやろうとすると、「全部やるのは大変そう」と感じるかもしれません。けれども、データ最小化は一度に全部やる必要はまったくありません。むしろ、最初から完璧な仕組みを目指すと、かえって動き出せなくなります。大切なのは、一つの業務で「渡すデータが軽くなった」という手応えを得て、そこから横へ広げることです。いわば、家じゅうの片づけを一日で終わらせようとすると挫折しますが、引き出し一つから始めれば続く、というようなものです。小さく始めることは、妥協ではなく、続けるための戦略です。

小さく始める五つの段

おすすめの進め方は、次の五つの段です。前の段が次の段の足場になるよう、順番に積み上げます。

• 第一段：AIに触れる場面を一つ選ぶ。日々の業務の中で、AIに情報を渡している場面を一つだけ取り上げます。いちばん頻度が高く、効果を実感しやすいものが向いています
• 第二段：渡している情報を並べる。その場面で実際にAIへ渡している情報を書き出し、「これは判断に本当に必要か」を一つずつ問い直します
• 第三段：要点だけに絞る（入力の最小化）。惰性で全文を貼っていた部分を、必要な要点だけに削ります。多くの場合、半分以下で足ります
• 第四段：固有情報を伏せる（加工）。残った情報に氏名や番号があれば、伏字やダミーに置き換えてから渡す手順にします
• 第五段：残し方と担当を決める（保持・範囲の最小化）。履歴を残さない設定を確認し、その作業を誰がやるかを決めて、一巡を仕組みにします

この五段の肝は、第一段で「一つだけ」に絞ることです。あれもこれもと欲張らず、一つの業務で型を作る。その一巡が回り始めたら、次の業務へ同じ型を当てます。型ができていれば、二つ目以降はぐっと楽になります。たとえるなら、最初の一着を仕立てるのは手間でも、型紙さえできれば二着目からは早い、という洋裁のようなものです。最初の型づくりに少し時間をかける価値は、十分にあります。

この進め方の良いところは、小さくても着実に漏洩面が縮んでいくことです。完璧を目指して動けないまま機密を渡し続けるより、一つの業務で渡すデータが半分になるほうが、守りとしては確実に前進です。そして、一巡を回すうちに、現場の人も「この情報は本当に渡す必要があるか」を自然に考えるようになります。これは、ルールで縛るのとは違う形で、組織に「薄くして渡す」感覚が根づいていくということでもあります。

伴走支援と公的な相談窓口

「考え方は分かったが、自社だけで設計するのは不安」という方も多いはずです。データ最小化の設計は、特別な装置や大きな投資を必ずしも必要としませんが、最初の型づくりだけは、外からの視点があると進めやすくなります。一人で抱え込まず、公的な相談窓口や外部の伴走パートナーを組み合わせるのも、立派な進め方です。

使える支援の入り口

守りの設計を考えるとき、まず確認しておきたいのが、公的機関が出している基本的な考え方です。個人情報を扱う場面での留意点は所管の公的情報で確認でき、情報セキュリティ全般の進め方も公的なガイドが入り口になります。こうした一次情報を土台にすると、自社の設計に芯が通ります。

• 個人情報の取り扱いの基本：AIに個人情報を含むデータを渡す場面では、所管の公的情報で利用目的や必要最小限の考え方を確認しておくと安心です（個人情報保護委員会）
• 情報セキュリティ対策の進め方：中小企業向けの基本的な対策の考え方は、公的機関のガイドが参考になります（情報処理推進機構（IPA））
• デジタル化全般の相談：行政のデジタル関連の情報も、進め方を考える入り口になります（デジタル庁）
• 横浜・川崎の支援機関：商工会議所・産業振興財団・よろず支援拠点など、身近な相談窓口が活用できます
• AI導入伴走コンサル：業務の見える化から、渡すデータを薄める設計、入口の整備までを並走支援します

横浜・川崎エリアは、商工会議所や産業振興財団、よろず支援拠点といった支援機関が厚く、相談先に困りにくい環境です。外部の伴走パートナーと組めば、業務のどこで情報が濃くなるかの見える化、四つのレバーの当て方、機密を入れにくい入口の設計までを、一緒に組み立てられます。外部が型と知識を提供し、会社が引き取りながら自走へ移る形が、無理のない進め方です。守りの主役は、これからも経営者と現場の人の手にあります。AIはその周りを支えるだけで、毎日の仕事には大きな余裕が生まれます。まずは「この業務で、本当に渡す必要のある情報は何か」を一つ書き出すところから、無理のない歩幅で始めてみてください。持たないデータは漏れません。その単純で強い原則が、いちばん確かな守りの土台になります。

参考・引用元

• 個人情報保護委員会（個人情報の取り扱いに関する公式情報）
• 独立行政法人 情報処理推進機構（IPA）（情報セキュリティ対策の公式情報）
• デジタル庁（行政のデジタル関連の公式情報）