生成AIの情報漏洩対策2026。クラウドAPI・専用環境・ローカルLLMの使い分けと判断基準

「社員が顧客リストをChatGPTに貼っていた」。情シスや法務の方からこの相談を受けることが増えました。全面禁止にすれば漏洩は止まりますが、業務効率は落ち、社員は私用スマホから使い続けます。本記事では、生成AIで情報が漏れる経路を4つに分け、主要サービスの学習利用ポリシーを公式資料で確認したうえで、データの区分ごとに「クラウドの個人利用でよい」「法人契約が必要」「社外に出せないので専用環境かローカルLLM」を切り分ける判断基準を整理します。

この記事の要点

• 漏洩経路は「入力データの学習利用」「履歴の保持」「私用アカウント」「出力に混ざる第三者情報」の4つで、対策はそれぞれ違います
• 主要4社とも、法人契約・APIでは入力を学習に使わないと公式に明記しています。一方、個人向けプランは学習利用や長期保持が設定次第で有効になるため、私用アカウントでの業務利用が最大の穴です
• 対策はルール・技術・環境の3層で組みます。公開情報と社内情報の大半は法人契約のクラウドで足り、ローカルLLMが必要なのは「契約や法令で社外送信そのものが禁止されているデータ」に限られます
• 個人情報保護委員会は2023年6月に、個人データを含むプロンプトを入力する場合は「機械学習に利用しないこと等を十分に確認すること」と注意喚起しています。法人契約の確認はこの要請への対応でもあります

生成AIで情報が漏れる4つの経路

「生成AIは危ない」と一括りにすると対策が打てません。実際に情報が外へ出る経路は次の4つに分解できます。

経路	何が起きるか	主な対策の層
1. 入力データの学習利用	入力した文章がモデルの学習に使われ、将来の出力に断片が現れる可能性	契約（学習利用なしの法人契約）
2. プロンプト履歴の保持	事業者側に会話が保存され、不正アクセスや開示請求の対象になる	契約・設定（保持期間の短縮、Zero Data Retention）
3. 従業員の私用アカウント	会社の管理外で個人向けプランに機密を入力する	ルール・技術（アカウント統制、Web通信の制御）
4. 出力に含まれる第三者情報	生成文に他社の機密や個人情報が混ざり、そのまま社外文書に使われる	ルール（出力の確認手順）

経路1と2は事業者の規約で決まり、経路3と4は社内の運用で決まります。多くの企業で本当に起きているのは経路3であり、経路1の心配だけをして法人契約を結んでも、私用アカウントの利用を止めなければ穴は塞がりません。

IPAの「情報セキュリティ10大脅威 2026」では、組織向けの3位に「AIの利用をめぐるサイバーリスク」が初めて選出されました。ランサム攻撃、サプライチェーン攻撃に次ぐ位置づけであり、生成AIの利用統制はもはや一部の先進企業の課題ではありません。

主要サービスの学習利用・データ保持ポリシー（公式資料で確認）

「ChatGPTは学習に使われる」という言説は、個人向けプランと法人向けプランを混同していることが少なくありません。本記事執筆時点（2026年9月30日）で各社の公式資料から確認できた内容を、個人向けと法人向けに分けて整理します。

事業者・サービス	個人向けプラン	法人契約・API	確認した公式資料
OpenAI（ChatGPT・API）	Free・Plus・Proの個人ワークスペースは、設定によって会話がモデル改善・学習に使われる場合がある。「設定→データコントロール→すべての人のためにモデルを改善する」をオフにすると、以降の新しい会話は学習に使われない（履歴は残せる）。Temporary Chatは学習・履歴・メモリに使われないが、安全上の目的で一定期間保持される	ChatGPT Business・Enterprise・Eduは既定で学習に使わない。APIは2023年3月1日以降、明示的にオプトインしない限り学習に使わない。不正監視ログは既定で最大30日保持。承認を受けた顧客はZero Data Retentionで監視ログからも除外可能	OpenAI「How your data is used to improve model performance」「Data Controls FAQ」、OpenAI API「Your data」
Anthropic（Claude）	Free・Pro・Maxは、学習利用を許可するかを利用者が選択する。許可した場合のデータ保持は5年、許可しない場合は30日。選択期限は2025年10月8日	Claude for Work・API・Bedrock/Vertex経由は商用規約の対象で、「Anthropic may not train models on Customer Content from Services」と明記	Anthropic「Updates to Consumer Terms」、Commercial Terms
Google（Gemini）	Geminiアプリのアクティビティは既定で「サービスの提供・開発・改善（生成AIモデルの学習を含む）」に使われ、一部は人間のレビュー対象。既定の自動削除は18ヶ月、レビュー対象は最長3年保持。「アクティビティを保存」をオフにすると学習には使われないが72時間は保存される	Gemini for Google Cloud（Vertex AI等）は「プロンプトと応答をモデルの学習データとして使用しない」と明記	Geminiアプリ プライバシーハブ、Gemini for Google Cloud データガバナンス
Microsoft（Copilot）	組織アカウント以外の利用はエンタープライズデータ保護（EDP）の対象外	組織で利用するMicrosoft CopilotとCopilot Chatはデータ保護追加条項（DPA）の対象。「プロンプト、応答、Microsoft Graph経由でアクセスしたデータは基盤モデルの学習に使わない」と明記。ただしBingへのWeb検索クエリはDPAの対象外で別扱い	Microsoft Learn「Enterprise data protection」

この表から読み取れることは3つあります。

• 法人契約・APIは4社とも学習利用なしを公式に明記しています。「生成AI＝学習される」は個人向けプランの話です
• 個人向けプランは設定と時期で挙動が変わります。ChatGPTの個人プランは「すべての人のためにモデルを改善する」の設定次第、Geminiアプリは既定で学習利用あり、Claudeは利用者の選択制で許可すると5年保持になります。社員が私用アカウントで業務文書を入力すると、この条件が適用されます
• 学習利用なしと保持なしは別です。OpenAI APIは学習には使いませんが不正監視ログを最大30日保持します。保持自体をなくすにはZero Data Retentionの承認が必要です。「学習に使わない」だけで満足せず、保持期間と保存場所まで確認してください

なお、規約は年に何度も改定されます。本記事の内容は確認日時点のものであり、契約時と年次の見直し時に必ず公式資料を再確認してください。

対策は3層で組む

対策は次の3層に分けると、抜け漏れと過剰投資の両方を避けられます。

層	内容	塞がる経路
ルール	入力してよいデータ区分の定義、禁止事項、出力の確認手順、違反時の対応	3・4
技術	会社管理アカウントへの統一（SSO）、個人向けサービスへの通信制御、DLPによる機密ラベル付きデータの送信検知、監査ログ	3
環境	学習利用なし・保持期間を制御できる法人契約、社外送信できないデータ向けの専用環境またはローカルLLM	1・2

ルールだけでは私用アカウントを止められず、技術だけでは「何を入れてよいか」の判断が現場に丸投げになります。環境だけを整えても、社員が使い慣れた個人向けサービスに流れます。3層を同時に設計することが前提です。

ルール層の設計で参照すべき公的資料

社内ルールをゼロから書く必要はありません。次の3つを土台にすると、法務・監査への説明もしやすくなります。

• 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（2023年6月2日）。個人情報取扱事業者に対し、個人情報を含むプロンプトの入力は「特定された当該個人情報の利用目的を達成するために必要な範囲内であることを十分に確認すること」、本人の同意なく個人データを含むプロンプトを入力し応答結果の出力以外の目的で取り扱われる場合は「個人情報保護法の規定に違反することとなる可能性がある」として、事業者が「当該個人データを機械学習に利用しないこと等を十分に確認すること」を求めています
• 総務省・経済産業省「AI事業者ガイドライン（第1.1版）」（2025年3月28日）。AI利用者向けの項目として、「AIシステム・サービスに機密情報等を不適切に入力することがないよう注意を払う」ことをセキュリティ確保の観点で挙げています
• JDLA「生成AIの利用ガイドライン」第1.1版（2023年10月6日）。組織向けの利用ガイドラインのひな形で、各組織の活用目的に照らして追加・修正して使う前提で公開されています

データ区分別の使い分け表

「どのデータをどこに入れてよいか」を1枚にすると、現場が判断できます。次の表は、多くの企業で使える標準的な区分です。自社の情報資産分類に合わせて調整してください。

データ区分	例	使ってよい環境	根拠
公開情報	公開済みのプレスリリース、Webサイトの文章、一般的な調べもの	会社管理アカウントの個人向けプランでも可（私用アカウントは不可）	漏れても損害がない。ただし履歴の管理のため会社アカウントに限定
社内情報（一般）	議事録、社内マニュアル、未公開の企画書、取引先名を含まない業務文書	学習利用なしを明記した法人契約のサービス、または法人API	経路1・2を契約で塞げる
社内情報（取引先の情報を含む）	契約書ドラフト、見積書、取引先とのメール	法人契約に加え、取引先とのNDAで第三者提供・再委託の扱いを確認したもの	NDAが「クラウド事業者への送信」を禁じている場合がある
個人データ	顧客リスト、従業員情報、問い合わせ内容	法人契約で学習利用なし・保持期間を確認したもの。利用目的の範囲内に限る。要配慮個人情報は原則入力しない	個人情報保護委員会の注意喚起
社外送信が禁止されたデータ	規制業種の機微情報、設計図面や製法などの営業秘密、契約で外部保管を禁じられた受託データ	専用環境（閉域のクラウド専有環境）またはローカルLLM	契約・法令・業界ガイドラインの要請

ポイントは、上から4段目までは法人契約のクラウドで足りることです。ローカルLLMが必要なのは最後の1段だけです。

ローカルLLMが必要になる条件と不要な条件

情報漏洩対策の相談で「ローカルLLMにすれば安全」という結論に飛びつく企業がありますが、これは過剰投資になりがちです。私たちはローカルLLMの導入支援を行っている立場ですが、不要な企業に勧めることはしません。

ローカルLLMが必要になる条件

• 契約・法令・業界ガイドラインで、データの社外送信や外部保管そのものが禁止されている（金融機関のFISC対応、医療の3省2ガイドライン、防衛・官公庁の受託案件など）
• 学習利用なしの契約があっても「事業者の従業員がアクセスし得る」状態を許容できない
• 保持期間ゼロ（Zero Data Retention相当）を契約で確保できない、または海外リージョンへの送信を認められない
• 閉域網内で完結する必要があり、インターネット接続自体が制限されている

ローカルLLMが不要な条件

• 扱うデータの大半が社内情報の一般区分で、法人契約で学習利用なしと保持期間を確認できる
• 利用者数が少なく、GPUサーバーと運用担当者を抱えるより法人契約の月額のほうが安い
• 最新モデルの性能が業務に直結し、オープンウェイトモデルでは精度が足りない

判断に迷う場合は、規制の要請がある業務だけをローカルLLMに載せ、それ以外は法人契約のクラウドを使う併用構成が現実的です。金融機関の要件整理は『金融機関のローカルLLM導入。FISC基準・金融庁の考え方と国内事例』、実際にローカルを選んだ国内企業の動機は『LLM導入事例・活用事例2026』、費用の実額は『ローカルLLM導入費用の相場2026』、クラウドとの3年費用比較は『オンプレLLMは本当に安いのか』で扱っています。インターネットにつながない構成の作り方は『生成AIをオフラインで使う2026』、ローカルにしても残るリスクは『ローカルLLMは本当に安全か』、無断利用を公式ルートで吸収する設計は『シャドーAI対策2026』、Azure OpenAIの閉域接続で足りるかローカルLLMが要るかの切り分けは『Azure OpenAIの閉域接続とローカルLLM』を参照してください。

社内ルールのひな型項目

JDLAのひな形を土台に、実務で必要になる項目を10個に絞りました。各項目に「誰が決めるか」を添えると、策定が止まりません。条文例と入力してよい情報の線引き表まで含めたひな形は『社内生成AI利用規程のひな形2026』にまとめています。

#	項目	決める内容	主担当
1	利用してよいサービス	会社契約のサービス名と契約種別（法人プラン・API）を列挙	情シス
2	利用アカウント	会社発行アカウントに限定。私用アカウントでの業務利用を禁止	情シス
3	入力してよいデータ区分	前節の区分表を採用し、区分ごとに可否を明示	法務・情シス
4	個人情報の扱い	利用目的の範囲内に限る。要配慮個人情報は原則禁止	法務
5	取引先情報の扱い	NDAで外部送信を禁じられた情報は入力禁止。不明な場合は法務に確認	法務・営業
6	出力の確認手順	社外文書に使う前に、第三者の機密・個人情報・著作物が含まれていないかを確認	各部門
7	保持・ログ	会話履歴の保持期間、管理者による監査ログの取得範囲	情シス
8	教育	入社時と年1回の研修。禁止事項だけでなく「使ってよい範囲」を伝える	人事・情シス
9	違反時の対応	報告先、初動、懲戒の扱い	法務・人事
10	見直し	規約改定と新サービス追加に合わせ、半年ごとに更新	情シス

とくに項目2と3が要です。「私用アカウント禁止」と「入れてよいデータ区分」が明文化されていれば、ほとんどの事故は防げます。

漏洩が起きたときの対応

対策を組んでも、事故はゼロにはなりません。初動を先に決めておくと被害が広がりません。

1. 事実確認。誰が、どのサービスの、どのアカウント（会社・私用）に、どのデータを入力したかを特定します。会社アカウントであれば監査ログが使えます
2. 削除依頼。会社契約のサービスなら管理者権限で会話を削除します。個人向けプランの場合は本人に削除させ、事業者の保持期間を確認します
3. 影響評価。個人データが含まれていれば、個人情報保護法に基づく報告義務の該当を法務が判断します。取引先情報が含まれていればNDAの通知条項を確認します
4. 再発防止。ルールの不備か、技術統制の不備か、教育の不備かを切り分けて対策に反映します

導入前チェックリスト

生成AIの社内利用を正式に認める前に、次の10項目を確認してください。

• 会社契約のサービスについて、学習利用なしを公式資料で確認し、確認日を記録した
• 同じサービスの保持期間と**保存場所（リージョン）**を確認した
• 私用アカウントでの業務利用を禁止するルールがある
• 会社アカウントへの統一（SSO）と、個人向けサービスへの通信制御を検討した
• 入力してよいデータ区分の表があり、現場に配布した
• 個人データの入力が利用目的の範囲内に収まるかを法務が確認した
• 取引先とのNDAで外部送信が禁じられている情報を洗い出した
• 出力を社外文書に使う前の確認手順がある
• 社外送信が禁止されたデータを扱う業務を特定し、専用環境かローカルLLMの要否を判断した
• 規約改定に合わせた見直しの周期と担当を決めた

まとめ

• 生成AIの漏洩経路は「学習利用」「履歴の保持」「私用アカウント」「出力に混ざる第三者情報」の4つで、対策はそれぞれ違います。実際に事故が起きるのは私用アカウント経由が中心です
• OpenAI（API）、Anthropic、Google、Microsoftの4社とも、法人契約・APIでは入力を学習に使わないと公式に明記しています。個人向けプランは設定次第で学習利用や長期保持が有効になります
• 対策はルール・技術・環境の3層で組みます。データ区分表と私用アカウント禁止を明文化するだけで大半の事故は防げます
• ローカルLLMが必要なのは、契約や法令で社外送信そのものが禁止されたデータを扱う業務だけです。それ以外は法人契約のクラウドで足ります
• 個人情報保護委員会は、個人データを含むプロンプトを入力する場合に「機械学習に利用しないこと等を十分に確認すること」を求めています。法人契約の確認は法令対応でもあります

よくある質問

Q. ChatGPTに入力した内容は学習に使われますか？

プランと設定によります。本記事執筆時点（2026年9月30日）のOpenAI公式資料では、個人向けChatGPT（Free・Plus・Pro）は設定によって会話がモデル改善に使われる場合があります。「設定→データコントロール→すべての人のためにモデルを改善する」をオフにすると、以降の新しい会話は学習に使われません。Temporary Chatも学習には使われませんが、安全上の目的で一定期間保持されるため「一切保存されない」わけではありません。ChatGPT Business・Enterprise・EduとAPIは既定で学習に使われません。ただし「学習されない」と「社外に送信・保存されない」は別なので、機密情報を入力してよいかは学習利用の有無とは切り離して判断してください。

Q. 法人契約なら機密情報を入力しても安全ですか？

学習利用の観点では、主要4社とも法人契約で学習に使わないと明記しています。ただし「学習に使わない」と「保持しない」は別で、たとえばOpenAI APIは不正監視ログを最大30日保持します。また取引先とのNDAや業界ガイドラインが社外送信自体を禁じている場合は、法人契約でも入力できません。契約種別、保持期間、保存場所、NDAの4点を確認したうえで、データ区分ごとに可否を決めてください。

Q. 社員が私用アカウントで使うのを止めるにはどうすればよいですか？

ルールと技術の両方が必要です。ルールでは私用アカウントでの業務利用を明文で禁止し、代わりに会社契約のサービスを提供します。技術では、会社アカウントへのSSO統一と、個人向けサービスのドメインへの通信制御やDLPを組み合わせます。使える環境を用意せずに禁止だけすると、私用スマホからの利用に流れて統制が効かなくなります。

Q. 個人情報を生成AIに入力すると違法になりますか？

一律に違法ではありません。個人情報保護委員会は、個人情報を含むプロンプトの入力は特定された利用目的の達成に必要な範囲内であることを確認すること、本人の同意なく個人データを含むプロンプトを入力し応答結果の出力以外の目的で取り扱われる場合は個人情報保護法に違反する可能性があるため、事業者が機械学習に利用しないこと等を十分に確認することを求めています。学習利用なしの法人契約を使い、利用目的の範囲内で扱うことが前提です。要配慮個人情報は原則として入力しない運用が安全です。

Q. 情報漏洩対策のためにローカルLLMを導入すべきですか？

社外送信そのものが契約や法令で禁止されたデータを扱う業務に限って検討してください。社内情報の一般区分までは、学習利用なし・保持期間を確認した法人契約のクラウドで足ります。ローカルLLMはGPUサーバーと運用担当者が必要で、TodoONadaのローカルLLM PoCは30万円〜（1〜2ヶ月、ハードウェア別途）、Mac構成の社内専用AI PoCは50万円〜（2週間〜1ヶ月、Mac本体別途）が目安です。規制業務だけをローカルに載せ、残りはクラウドを使う併用が現実的な解になることが多いです。

Q. 生成AIの社内ルールは何を参考に作ればよいですか？

JDLAの「生成AIの利用ガイドライン」第1.1版がひな形として公開されており、各組織の目的に合わせて追加・修正して使う前提です。これに、個人情報保護委員会の注意喚起（個人データの扱い）と、総務省・経済産業省の「AI事業者ガイドライン（第1.1版）」のAI利用者向け項目（機密情報を不適切に入力しない）を反映し、本記事のデータ区分表と10項目を当てはめると実務で使える形になります。

主な参考資料: 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」、総務省・経済産業省「AI事業者ガイドライン（第1.1版）」、IPA「情報セキュリティ10大脅威 2026」、JDLA「生成AIの利用ガイドライン」第1.1版、OpenAI API「Your data」、Anthropic「Updates to Consumer Terms and Privacy Policy」、Anthropic Commercial Terms of Service、Google「Gemini アプリのプライバシー ハブ」、Google Cloud「Gemini for Google Cloud のデータ ガバナンス」、Microsoft Learn「Enterprise data protection in Microsoft Copilot」

TodoONadaでは、生成AIの利用範囲の切り分けから、社外に出せないデータを扱う業務のローカルLLM化までを支援しています。「全部ローカルにする」のではなく、データ区分ごとにクラウドの法人契約とローカルLLMを使い分ける構成を、費用と運用体制まで含めて提案します。まずは自社のデータで実現性を確かめたい場合は、DGX SparkやMacを貴社オフィスに2週間設置する社内設置の実現性検証（30万円〜・税別・機材貸出料込み）、またはローカルLLM PoC（30万円〜）からご相談ください。「うちの業務にローカルLLMは要るのか」という判断だけのご相談も歓迎します。

---

公表・調査で確認できる実際の漏洩事例は『生成AIの情報漏洩事例2026』、法人プランの料金と管理機能の比較は『法人向け生成AIプラン比較2026』にまとめています。

この記事に関連するサービス

TodoONada株式会社では、シャドーAIの実態把握を起点にした企業向けの全社AI導入支援を行っています。法人プランの選定と統制の整備から、部門別の活用と研修、効果測定まで正しい順番で進めます。

• 全社AI導入支援 — シャドーAIを含む現状診断から、ChatGPT・Claude・Copilot・Geminiの法人プラン選定、SSO・監査ログ・規程、部門別の活用と研修、定着まで。現状診断30万円〜（税別）
• ローカルLLM導入支援 — 契約や法令で社外送信が禁止されたデータを扱う部門向けの、閉域で完結する構成
• ローカルLLM 社内設置の実現性検証（機材貸出） — 機材を買う前に、貴社オフィスに2週間設置して「置けるか」を判定

ご相談はお問い合わせからお気軽にどうぞ。検討段階のご相談も歓迎です。