AIベンダーのセキュリティを見極める設計｜専任がなくても問える審査の型【2026年版】

自社のAIセキュリティは「預けた先」の強さで決まる

AIベンダーのセキュリティをどう見極めるか——これは、AIを業務に取り入れるすべての会社が、遅かれ早かれ向き合う問いです。多くの会社は、自社の内側の対策に目を向けます。パスワードを強くする、端末を管理する、社内ルールを整える。これらはもちろん大切です。けれども、AIを使うということは、入力したデータを外部のサービス提供会社に預けるということでもあります。自社の守りがどれだけ堅くても、データを預けた先が緩ければ、そこが弱点になります。セキュリティは、いわば一本の鎖のようなもので、一番弱い輪の強さが、そのまま全体の強さになるのです。

ところが、中小企業の多くにはセキュリティの専任担当がいません。「専門知識がないから、ベンダーが安全かどうかなんて判断できない」と感じる方も多いはずです。本記事が提案したいのは、その不安を解く一つの考え方です。「何を・どう問い・契約の何を確かめるか」という審査の“型”を持てば、専門家でなくても、預ける相手の安全性をかなりの精度で見極められるという発想です。一つひとつの技術を深く知らなくても、決まった観点で順番に問うていけば、見落としは大きく減ります。

本記事では、横浜・川崎の中小企業や士業の方を念頭に、外部のAIサービスや委託先を見極める「審査の型」の作り方を、順を追って整理します。なぜ「便利だから」で選ぶと危ういのかから始め、契約・利用前に問うべき七つの観点、回答を契約や規約で確かめるプロセスの設計、そして質問を定型化して属人化を防ぐ仕組みまでを通して見ていきます。なお、ここで述べるのは特定の製品を比べる話ではなく、買い手として相手を見極める力をどう設計するかという、普遍的な考え方です。最適な線引きは業種や扱うデータによって変わる点を、あらかじめお断りしておきます。

目次

「便利だから」で選ぶと、なぜ危ういのか

新しいAIサービスは、たいてい「便利だから」という理由で社内に入ってきます。文章を要約してくれる、議事録を整えてくれる、問い合わせに答えてくれる。試してみて手応えがあれば、そのまま日々の業務に組み込まれていきます。この入り口そのものは自然な流れです。問題は、便利さに目を奪われると、そのサービスが自社のデータをどう扱っているかが見えないまま、預けてしまうことにあります。外部のAIサービスにデータを預けるのは、たとえるなら家の合鍵を渡す行為に近いものです。合鍵を渡す相手が、その鍵をどこに保管し、誰に貸し、いつ返してくれるのか。それを確かめずに鍵だけ渡してしまえば、後で困るのは渡した側です。

見えないまま預けてしまう三つのこと

「便利だから」で選んだとき、特に見えにくいのが次の三つです。一つ目は、データの所在です。入力したデータが、どの国の、どのサーバーに保存され、どこで処理されているのか。便利な画面の裏側で、データが海外を行き来していることもありますが、利用画面からはほとんど見えません。二つ目は、再委託の連鎖です。サービス提供会社が、その処理の一部をさらに別の会社に任せていることは珍しくありません。委託先のさらに先がどうなっているかは、宅配便の荷物がどの倉庫を経由するのかに相当します。荷物を出した本人には、途中の経路はなかなか見えないのです。三つ目は、学習への利用です。自社が入力した内容が、そのAIをさらに賢くするための材料として使われているのか。設定で止められるのか。これも、使っているだけでは気づきにくい部分です。

「使える」と「預けてよい」は別の問い

ここで区別したいのは、「そのサービスが使えるか」と「そのサービスにデータを預けてよいか」は、別の問いだということです。機能が優れていて、操作も快適で、現場の評判もいい。それでも、扱うデータの中身しだいでは、預けてよい相手とは限りません。たとえば、社内の議事録を要約させるのと、顧客の個人情報を含む書類を処理させるのとでは、求められる相手の堅さがまるで違います。便利さは「使えるか」の答えにはなりますが、「預けてよいか」の答えにはならないのです。この二つを切り分けずに、便利さだけで導入を決めてしまうと、後から「実はデータの扱いがこうなっていた」と気づくことになります。

しかも、ここで問われているのは自社だけの問題ではありません。顧客から預かったデータを、自社の判断で外部のAIサービスに入力するということは、顧客の信頼まで一緒に外へ預けていることになります。個人データを外部に委託する場合、預けた側には委託先を適切に監督する責任が求められます。つまり、相手任せにせず、預ける側が能動的に確かめる姿勢そのものが、法令の考え方にも沿っているのです。便利さに引かれて確認を省くことは、効率化のつもりが、後で大きな手戻りや信頼の毀損を招く危うさをはらんでいます。

こうした「とりあえず便利だから使い始めた」が積み重なった先で起きやすいのが、会社が把握していないツールが現場に広がる状態です。導入の入り口でつまずく典型的なパターンは、中小企業のAI導入でよくある失敗と回避策でも整理していますが、その多くの根っこには「預ける相手を確かめる前に走り出した」という共通点があります。逆に言えば、入り口に一つの審査の関門を置くだけで、避けられる事故は大きく減ります。なお、自社の内側で整える日常の対策については、企業のためのAIセキュリティ対策チェックリストに詳しくまとめています。本記事は、その内側の対策と対をなす、外側の相手を見極める力に焦点を当てます。

審査の型 ― 契約・利用前に問う七つの観点

ここからが本題です。AIベンダーや委託先を見極めるとき、行き当たりばったりに不安な点を尋ねていては、抜けが出ます。そこで、毎回同じ順番で当てる七つの観点を用意します。これが審査の「型」の中身です。専門知識がなくても、この七つを順に問うていけば、見落としは大きく減ります。一つずつ見ていきましょう。

① データの所在と処理 ／ ② 学習への利用

第一の観点は、データの所在と処理です。入力したデータが、どの国・地域で保存され、処理されるのか。国内に保管されるのか、海外のサーバーを使うのか。これは、どの国の法律のもとにデータが置かれるかという問題に直結します。問い方はシンプルで、「当社が入力するデータは、どこの国で保存・処理されますか」「保存場所を国内に限定する選択肢はありますか」と尋ね、答えを書面で確かめます。第二の観点は、学習への利用です。自社が入力した内容が、AIモデルの学習や品質改善に使われるのか。使われない設定（オプトアウト）が選べるのか。一般に、法人向けの契約では入力データを学習に使わないとされることが多い一方、無料版や個人向けの設定では扱いが異なる場合があります。「入力データは学習に使われますか」「学習に使わない設定はありますか、それは契約に明記されますか」を確かめるのが要点です。

③ サブプロセッサ・再委託 ／ ④ アクセスと権限

第三の観点は、サブプロセッサ（再委託先）です。ベンダーが、処理の一部をさらに別の事業者に任せていることは珍しくありません。クラウドの基盤を他社に借りている、といった形です。誰に再委託しているのか、その一覧は公開されているか、再委託先が変わるときに通知があるか。委託先のさらに先まで見通せて、初めて鎖の全体が見えます。第四の観点は、アクセスと権限です。ベンダー側で、自社のデータに誰がアクセスできるのか。社員が中身を見られるのか、見られるとしたらどんな手続きが要るのか。そして、誰がいつアクセスしたかの記録（ログ）が残るのか。アクセスの記録は、いわば建物の入退室記録のようなもので、何かあったときに「誰が触れたか」をたどる手がかりになります。「貴社のどの立場の人が当社データにアクセスできますか」「アクセス記録は残り、求めれば開示されますか」と問います。

⑤ 第三者認証 ― 「あるか」でなく「何を保証するか」

第五の観点は、第三者認証です。SOC2やISO27001といった認証の名前を、サービスの紹介ページで見かけることがあります。ここで大切なのは、認証が「あるかないか」ではなく、その認証が「何を・どの範囲で保証しているか」を読む目です。第三者認証は、いわば飲食店の厨房に貼られた衛生基準の合格証のようなものです。合格証が貼ってあるという事実だけで安心するのではなく、その証がどの厨房の、どの工程について、いつ点検した結果なのかを見て、初めて意味を持ちます。認証によって、保証する中身（情報管理の体制を定めているのか、その運用が有効に働いていたかまで点検したのか）は異なります。また、認証の対象範囲が、自社が実際に使う機能やデータの保管場所まで含んでいるかも確かめどころです。「その認証の対象範囲に、当社が使う機能は含まれますか」と一歩踏み込んで問うと、相手の理解度も見えてきます。

⑥ 終了時のデータ ／ ⑦ インシデント通知

第六の観点は、終了時の扱いです。契約を解約したとき、預けたデータは返ってくるのか、消してもらえるのか、別のサービスへ持ち出せる形でエクスポートできるのか。契約終了時にデータが返ってくるかは、賃貸住宅を退去するときに部屋を空にして鍵を返すのに相当します。借りているあいだだけでなく、出ていくときのことまで決めておかないと、データがそのまま相手の手元に残ったり、逆に持ち出せずに囲い込まれたり（ロックイン）します。「解約時にデータは返却・削除されますか」「他社へ移せる形で書き出せますか」を確かめます。第七の観点は、インシデント通知です。万一、情報漏えいなどの事故が起きたとき、ベンダーは何時間以内に、どんな内容を知らせてくれるのか。通知の速さは、いわば火災報知器が煙を感じてから鳴るまでの時間のようなものです。鳴るのが遅ければ、気づいたときには被害が広がっています。「事故発生時、何時間以内に、どの範囲を通知する契約ですか」と、時間と内容をセットで確かめておくことが欠かせません。

この七つは、互いに関わり合っています。たとえば再委託先（③）が増えれば、データの所在（①）もアクセスできる人（④）も広がります。だからこそ、バラバラにではなく、一つの型としてまとめて問うことに意味があります。なお、これらの観点を社内のルールや利用規程の条項として落とし込む進め方は、企業のためのAI業務利用ガバナンスガイドで体系的に整理しています。審査で確かめた内容を、自社の規程に反映させると、組織として一貫した判断ができるようになります。

比較表を眺めるのでなく、自社で問い契約で確かめる

七つの観点が分かると、次に陥りやすいのが「どこかにある比較表を見れば済む」という発想です。たしかに、主要なサービスの機能を一覧で見比べる資料は役に立ちます。けれども、出来合いの比較表を眺めるだけでは、審査としては不十分です。理由は二つあります。一つは、比較表は受け身だからです。表に載っている項目しか確かめられず、自社が本当に気にすべき点が抜け落ちていても気づけません。もう一つは、表の情報は更新されると古くなるからです。サービスの仕様や規約は変わりますが、一度作られた比較表は、その時点で固定されています。

受け身の比較から、能動の審査へ

そこで発想を切り替えます。比較表を「眺める」のではなく、自社で「問い」、回答を契約・利用規約・データ処理条項で「確かめる」という能動のプロセスに変えるのです。同じ情報でも、誰かがまとめた表を受け取るのと、自社が七つの観点で問い、相手の回答を文書で裏取りするのとでは、得られる確かさがまるで違います。前者は他人の物差しで測った結果ですが、後者は自社の物差しで、自社のデータについて確かめた結果です。下の図は、その違いを対比したものです。

口頭の説明と、文書の効力は別物

能動の審査で、もう一つ外せないのが「文書で確かめる」という所作です。営業担当の説明が丁寧で、安心できる印象を受けても、それは口頭の説明にすぎません。最後に効力を持つのは、契約書・利用規約・データ処理に関する条項という文書です。言い換えれば、「説明はこうだった」と「契約にはこう書いてある」が食い違ったとき、優先されるのは契約のほうです。だからこそ、七つの観点で得た回答は、必ず文書のどこに書かれているかまで確かめます。「学習に使いません」という説明があったなら、それが利用規約の何条に書かれているかを見る。「解約時に削除します」と聞いたなら、データ処理条項にその記載があるかを確かめる。説明と文書を突き合わせる、この一手間が、審査を確かなものにします。

製品ごとの機能や特徴を横並びで知りたい場合は、出来合いの一覧も入り口として使えます。たとえば主要なAIエージェントの違いは、主要AIエージェントの比較ガイドにまとめています。ただし、こうした一覧はあくまで地図であって、実際に契約する前には、自社のデータについて七つの観点で問い、文書で確かめる——その能動のプロセスを必ず通すことが大切です。地図を眺めるのと、現地を自分の足で歩いて確かめるのは、別の行為なのです。

質問リストを定型化し、属人化させない仕組み

審査の型ができても、それが特定の誰かの頭の中にしかないと、その人が忙しいときや、いなくなったときに途切れてしまいます。そこで、七つの観点を質問リストとして定型化し、誰がやっても同じ目線で審査できる状態にします。毎回同じ質問票で確かめるのは、ちょうど健康診断の問診票のように、担当者が変わっても同じ項目を、同じ基準で確かめられる働きをします。問診票があるからこそ、医師が違っても見落としが減るのと同じ理屈です。

定型化が属人化を防ぐ

定型化の利点は、大きく三つあります。第一に、抜け漏れが減ること。決まった七つを順に当てるので、その場の思いつきで一部を飛ばす、ということが起きにくくなります。第二に、判断がぶれないこと。サービスAには厳しく、サービスBには甘く、といった気分による差が出にくくなります。第三に、引き継ぎやすいこと。質問リストと、過去の審査結果が文書で残っていれば、担当が代わっても同じ水準を保てます。これは、特定の人の経験や勘に頼る「属人化」から、誰でも回せる「仕組み」への置き換えです。専任のセキュリティ担当がいない中小企業ほど、この置き換えの効果は大きくなります。

立派な書式より、まず一枚の質問票から

定型化と聞くと、分厚い審査マニュアルを思い浮かべるかもしれませんが、そんな必要はありません。まずは、七つの観点を質問の形にした一枚の質問票から始めれば十分です。各観点について「何を尋ねるか」「回答を確かめる文書はどれか」「結果はどうだったか」を書き込める、簡単な表で構いません。たとえば次のような骨格です。これをそのまま使うのではなく、自社の扱うデータに合わせて言葉を調整しながら育てていくのが現実的です。

出典：本記事で示した「審査の型」七つの観点を、質問票の骨格として本ブログが整理した。問いの言葉や確かめる文書名は、サービスや契約形態により変わる。

この質問票を、自社の文書管理の中に置き、新しいサービスを検討するたびに同じものを当てる。これだけで、審査は「その都度の判断」から「決まった手順」へと変わります。手順になれば、担当が代わっても、忙しい時期でも、同じ水準を保てます。注意力に頼る審査はいつか抜けますが、仕組みにした審査は、注意力が落ちた日でも回り続けます。

もう一つ、質問票には「育てる」視点を持たせておくと長く使えます。一度作って終わりにせず、審査のたびに気づいた抜けや、新しく気になった点を書き足していく。サービスの提供形態も、関連する規制の考え方も、時とともに変わっていくため、質問票もそれに合わせて手入れするのが現実的です。これは、一度引いて終わりの線ではなく、伸びたら整え、隙間ができたら補う生け垣のようなものだと考えると、付き合い方が分かりやすくなります。手入れを続けるほど、質問票は自社の事情に合った、実用的な物差しに育っていきます。

重要なデータから小さく審査を始める手順と伴走支援

最後に、ここまでの考え方を実際の手順に落とし込みます。大切なのは、すべてのサービスを一度に審査しようとしないことです。完璧を目指して身動きが取れなくなるより、重要度の高いデータを扱うサービスから、小さく始めるほうが、確実に前に進みます。守りの厚みは、預けるデータの重さに合わせて配分するのが現実的だからです。

預けるデータの重さで、審査の深さを変える

すべてのサービスを同じ厳しさで審査する必要はありません。公開情報しか扱わないサービスと、顧客の個人情報や経営の機密を扱うサービスとでは、求められる審査の深さが違って当然です。下の図のように、預けるデータの重要度で段階を分け、重いものから順に、深く審査していきます。限られた手間を、いちばん守るべきところに集中させる発想です。

審査を始める五つのステップ

具体的な進め方は、次の五つのステップです。前の段が次の段の足場になるよう、順番に積み上げます。

• ステップ1：使っているサービスを書き出す。すでに使っている、または使おうとしているAIサービスを一覧にします
• ステップ2：データの重要度で並べ替える。それぞれが扱うデータが、個人情報や機密を含むかで重要度をつけ、重い順に並べます
• ステップ3：最も重いもの一つを審査する。いちばん重要なデータを扱うサービスを選び、七つの観点を当てて問います
• ステップ4：回答を文書で確かめ、記録する。得た回答が契約・利用規約・データ処理条項のどこにあるかを確かめ、結果を残します
• ステップ5：質問票を定型化し、横へ広げる。問いを一枚の質問票にまとめ、次のサービスにも同じ目線で当てていきます

この流れの肝は、ステップ2で重要度の順に並べることです。多くの会社は、目の前のサービスから手をつけがちですが、順番を「データの重さ」で決めると、限られた時間を、いちばん大事なところから使えます。守るべき順に陣を固めていく。この順番が、無理のない審査を生みます。AI導入そのものをプロジェクトとして段取りよく進めたい場合は、AI導入プロジェクトの進め方ガイドもあわせてご覧ください。本記事のベンダー審査を、導入プロジェクト全体の中に位置づけて整理しています。

横浜・川崎の中小企業・士業が使える伴走支援

「審査の型は分かったが、契約書や規約の条項を自社だけで読み解くのは不安」という方も多いはずです。その場合、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と、無理なく形にできます。一人で抱え込まず、使える支援に頼ることも、立派な経営判断です。とりわけ、AIに業務データを入力する際の取り扱いは、個人情報を含む場合の留意点を、所管の公的情報で確認しておくと安心です。委託先の監督に関する考え方や、クラウドサービスを安全に使うための指針は、公的機関が情報を公開しています。

• 個人情報保護委員会：個人データを外部に預ける際の委託先の監督など、個人情報の取り扱いに関する公式情報
• 情報処理推進機構（IPA）：クラウドサービスの安全な利用や、情報セキュリティ対策に関する公的なガイド
• 横浜企業経営支援財団（IDEC横浜）・川崎市産業振興財団：専門家派遣・経営相談・IT活用支援
• 横浜商工会議所・川崎商工会議所／よろず支援拠点：デジタル化・経営の無料相談窓口
• AI導入伴走コンサル：審査の型づくりから、質問票の整備、契約条項の確認の段取りまで並走支援

外部の一次情報を入り口にすると、自社の審査に厚みが出ます。たとえば、個人データを外部に預けるときの委託先の監督については個人情報保護委員会の公式情報が、クラウドサービスを安全に使うための考え方については情報処理推進機構（IPA）の公開資料が参考になります。横浜・川崎エリアは、商工会議所・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、七つの観点の質問票づくりから、回答を契約で確かめる段取り、社内ルールへの反映までを、一緒に組み立てられます。判断の中心は、これからも経営者と現場の人の手にあります。審査の型は、その判断を支える物差しにすぎません。まずは「いちばん重いデータを、どこに預けているか」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。

参考・引用元

• 個人情報保護委員会（個人情報の取り扱い・委託先の監督に関する公式情報）
• 独立行政法人 情報処理推進機構（IPA）（情報セキュリティ・クラウド利用に関する公式情報）
• 中小企業庁（中小企業・小規模事業者向けの支援制度の公式情報）