業務メールや社内ファイルをMicrosoft 365やGoogle Workspaceで扱うのは、多くの企業にとってもはや当たり前のことです。ところが生成AIの話になると、「社内の情報を入力して本当に大丈夫なのか」と、急に慎重になる企業が少なくありません。
CIOやITリーダーが集まる場でも、「メールやストレージは法人契約のクラウドで使っているのに、法人契約のAIだけをここまで警戒するのは不思議だ」という声が聞かれます。その一方で、「AIガバナンスの正解が見えず、様子見になっている」「セキュリティ対策をどこまでやれば十分なのか分からない」といった悩みも根強くあります。
結論から言うと、法人向けのAIサービスも、業務メールと同じく「契約と設定で情報を守る」クラウドサービスです。そのため、評価の出発点はメールと同じです。ただし、AIにはメールにはない論点が3つあります。入力する情報の扱い、AIの出力の正確さ、そしてアクセス権限と外部連携です。
本記事では、こうした不安が生まれる理由を、調査データや研究をもとに整理します。そのうえで、メールと同じ物差しでAIを評価する方法と、AIならではの追加の確認ポイントを紹介します。
- 日本企業がAIで最も心配しているのは「情報漏えい」
- 業務メールも社内ファイルも、すでに社外のクラウド上にある
- では、なぜAIだけが不安に感じられるのか
- 理由1:新しく、仕組みが見えにくいから
- 理由2:「入力すると学習に使われる」というイメージがあるから
- 理由3:メールよりも多くの情報を一度に渡しやすいから
- 理由4:誤りが目立ち、評価全体が厳しくなりやすいから
- 理由5:ルールや「どこまでやれば十分か」の基準が見えないから
- 不安の正体を整理する:「誤解」と「本当に管理すべきリスク」
- よくある誤解
- 本当に管理すべき4つのリスク
- 法人向けAIは、メールと同じ物差しで評価できる
- 主要3社が公表しているデータの取り扱い
- メールとAIの確認項目を比べる
- 「データ主権」はどこまで気にすべきか
- 「どこまでやれば十分か」への答え:リスクの大きさに対策を合わせる
- 情報の重要度に応じて、使ってよいAIを分ける(例)
- 安心して使い始めるための6つのステップ
- まとめ:AIは「メールと同じ物差し+3つの追加確認」で判断できる
- 参考資料
- 調査・統計
- 研究論文
- 政府・団体の指針
- ニュース・事業者の公表資料
日本企業がAIで最も心配しているのは「情報漏えい」
総務省が2026年7月に公表した令和8年版 情報通信白書によると、日本企業が生成AIの活用で懸念するリスクの1位は「社内情報の漏洩などのセキュリティリスク」(46.4%)でした。日本・米国・ドイツ・中国の4か国で比べても、日本の割合が最も高くなっています。
生成AIの活用で懸念するリスク | 日本 | 米国 | ドイツ | 中国 |
|---|---|---|---|---|
社内情報の漏洩などのセキュリティリスク | 46.4% | 36.9% | 31.7% | 42.7% |
出力結果の精度に問題がある | 35.3% | 44.3% | 41.7% | 52.1% |
個人情報などプライバシー侵害の可能性 | 24.5% | 38.2% | 44.0% | 43.4% |
わからない | 16.5% | 1.0% | 1.3% | 1.6% |
出典:総務省「令和8年版 情報通信白書」図表Ⅰ-2-1-8。複数回答
表からは、もう一つの特徴も読み取れます。日本は「わからない」が16.5%と、他の3か国(いずれも1%台)を大きく上回っているのです。生成AIのどこにどのようなリスクがあるのかを、まだ具体的に判断しきれていない企業が、他国より多い可能性がうかがえます。
対策の進め方にも違いがあります。日本企業で最も多い取り組みは「全社的な指針やガイドラインの整備」(41.1%)です。一方、他の3か国では、導入前の専門的な審査や導入後の定期的な評価・検証を行う企業の割合が、日本より高くなっています。日本では、ルールは整えても、個々のサービスを中身まで確かめる体制はまだこれから、という段階だといえそうです。
業務メールも社内ファイルも、すでに社外のクラウド上にある
総務省の「令和7年通信利用動向調査」によると、2025年時点で、従業員100人以上の企業の83.5%がクラウドサービスを利用しています。用途を見ると、クラウド利用企業の73.3%が「ファイル保管・データ共有」、61.4%が「社内情報共有・ポータル」、57.4%が「電子メール」に使っています。契約書のやり取りも、人事関連のメールも、会議資料も、その多くはすでに社外の事業者が運用するサーバー上にあるのです。

出典:総務省「通信利用動向調査」(平成24年版・令和3年版 情報通信白書、令和7年調査結果の概要から作成)· 2010〜2025年
ただ、クラウドも最初から信頼されていたわけではありません。2011年の調査では、クラウドを利用しない理由の2位が「情報漏えいなどセキュリティに不安がある」でした(平成24年版 情報通信白書)。現在のAIに対する不安と、よく似た構図です。
それから約15年がたち、クラウドは8割以上の企業が使う当たり前の存在になりました。2025年の調査では、クラウド利用企業の35.0%が、利用する理由として「サービスの信頼性が高いから(情報漏えいなど対策)」を挙げています。調査の対象や設問が2011年とは異なるため単純には比べられませんが、かつて導入をためらう理由に挙がっていたセキュリティを、今では利用理由に挙げる企業もあるのです。
普及の背景には、事業者側の対策が進んだことに加え、利用する企業側が安全性の「確かめ方」を身につけたことがあると考えられます。暗号化や認証の仕組みが整い、第三者認証や政府の評価制度によって、外部から安全性を確認できるようになりました。AIが同じ道をたどるとは限りません。それでも、「新しい技術は、確かめ方が分かるまでは不安に見える」という点は共通しています。
では、なぜAIだけが不安に感じられるのか
同じクラウドサービスなのに、AIだけが怖く見えるのはなぜでしょうか。その理由は、大きく5つに整理できます。単なる気持ちの問題に見えるものもありますが、いずれも研究や実際の出来事による裏付けがあります。
理由1:新しく、仕組みが見えにくいから
人がリスクをどう感じるかは、統計上の危険度だけでは決まりません。リスク認知の研究では、「新しい」「目に見えない」「よく知られていない」リスクほど大きく感じられることが、1970年代から繰り返し確認されています(Slovic, 1987、Fox-Glassman & Weber, 2016)。後者は1978年の研究を約40年後に再検証したもので、リスクの感じ方が今も主に「恐ろしさ」と「よく分からなさ」という2つの要因で説明できることを確かめています。
この研究は、多くの技術のリスクが40年前より受け入れられやすくなっていたことも報告しています。著者はその理由として、実際の危険が下がったことや、人々がその技術に慣れたことを挙げています。ただし、この因果関係を検証することは研究の範囲外だとしています。
AIは、まさに「新しく、仕組みが見えにくい」技術です。先ほどの白書で日本企業の「わからない」が突出していたことも、この見方と重なります。
理由2:「入力すると学習に使われる」というイメージがあるから
2023年、韓国のサムスン電子は、技術者が社内のソースコードをChatGPTに入力していたことが判明し、社員による生成AIの利用を禁止しました(Bloomberg)。当時の一般向けサービスでは、入力内容がAIの学習に使われる可能性のある設定が標準でした。
同じ年には、日本の個人情報保護委員会も注意喚起を出しています。個人情報を含む内容をAIに入力する場合は、利用目的の達成に必要な範囲内であることや、AI事業者がそのデータを機械学習に利用しないことを「十分に確認すること」を求める内容です(個人情報保護委員会、2023年6月)。つまり、不安には根拠がありました。ただし大切なのは、問題が「AIそのもの」ではなく、「どの情報を、どの契約・設定で使うか」にあったという点です。
理由3:メールよりも多くの情報を一度に渡しやすいから
メールでは、相手に必要なことだけを書くのが普通です。一方、AIには「この議事録を要約して」「この顧客リストを分析して」と、資料を丸ごと渡しがちです。その結果、1回の入力に、背景や経緯まで含んだ情報がまとめて入ることになります。
CIOの間でも、「文脈ごと情報を渡せてしまう点にはリスクがある」という指摘があります。これはメールとの本質的な違いで、後半の章で対策とあわせて取り上げます。
理由4:誤りが目立ち、評価全体が厳しくなりやすいから
米ペンシルベニア大学の研究では、同じ間違いを目にした場合でも、人は人間よりも機械(アルゴリズム)に対する信頼を早く失うことが示されています(Dietvorst et al., 2015)。しかもそれは、機械のほうが平均的には正確な場面でも同じでした。
AIがもっともらしい誤りを出すと、「この技術は信用できない」という印象が、情報管理の安全性に対する評価にまで広がりやすいと考えられます。しかし、回答の精度とセキュリティは、本来は分けて考えるべき問題です。
理由5:ルールや「どこまでやれば十分か」の基準が見えないから
クラウドについては、約15年かけて評価の物差しが育ってきました。一方、AIについては、法律や指針がここ数年で次々と出てきたばかりです。「ベストプラクティスが見えず様子見になっている」「どこまで対策すべきか分からない」という声が多いのは、技術そのものよりも、判断の物差しが追いついていないことの表れだといえるでしょう。
不安の正体を整理する:「誤解」と「本当に管理すべきリスク」
AIへの不安には、事実と異なる「誤解」と、本当に対策が必要な「リスク」が混在しています。この2つを切り分けると、取るべき対策がはっきりします。
よくある誤解
よくある思い込み | 実際のところ |
|---|---|
入力した内容は、すぐにAIの学習に使われる | 法人向けプランでは、主要3社とも「初期設定では学習に使わない」と明記しています(次章参照)。学習に使われる可能性があるのは、主に個人向けプランを初期設定のまま使う場合です。 |
クラウドのAIに入れた情報は、社外の誰かに見られる | メールと同じく、事業者のサーバーで処理・保存されます。誰が閲覧できるか、どのくらいの期間保存されるかは、契約と設定によって決まります。 |
AIには、まったく新しいセキュリティ対策が必要 | 基本は、現在のクラウド管理(認証・権限・ログ)と同じです。AIのために追加が必要な対策は一部に限られます(次章参照)。 |
社内サーバーで動かすAI(ローカルLLM)なら安全 | 入力内容を外部のAI事業者に送らずに済みます。ただし、外部検索やツール連携の構成によっては、データが社外に出ることもあります。更新・監視・権限管理を自社で担う必要があり、誤回答や社内での「見えすぎ」のリスクも残ります。 |
本当に管理すべき4つのリスク
1. シャドーAI(会社が認めていないAIの利用)
社員が個人アカウントのAIに業務情報を入力してしまう問題です。上場企業などに勤める人を対象にした2026年4月の調査(有効回答310件)では、会社が公式に認めていないAIを業務で使ったことがある人は、課長以上の管理職で46.5%、一般社員で38.1%にのぼりました(角川アスキー総合研究所「AI白書2026」、@IT)。
注目したいのは、全社的にガイドラインを整備している企業でも、利用経験のある人が46.9%に達していたことです。禁止やルールだけでは、シャドーAIは止められません。安全に使える公式のAI環境を用意しないこと自体が、情報漏えいの入り口になりかねないのです。
2. 権限設定の「見えすぎ」
Microsoft 365 CopilotやGoogle Workspaceの生成AI機能は、原則として、社員本人に閲覧権限がある社内データだけを横断的に検索して回答を作る設計です(Microsoft、Google)。しかし、ファイルの共有範囲が広すぎると、本来は見るべきでない資料まで、AI経由で簡単に見つかってしまいます。自社で構築したAIシステムで権限の制御が不十分な場合も、同じような問題が起こりえます。
メールの利用では表面化しにくかった「共有設定の甘さ」が、AIの導入をきっかけに一気に表面化するのです。これはメールにはない、AIならではの論点です。
3. 誤回答をそのまま使ってしまうこと
IPA(情報処理推進機構)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」が初めてランクインしました(IPA)。想定されるリスクの例として、AIへの理解不足による意図しない情報漏えいや、AIの生成結果を検証せずにそのまま使ってしまうことが挙げられています。
4. 外部の文書に仕込まれた指示(プロンプトインジェクション)
AIが読み込むWebページや文書、メールに悪意のある指示を仕込み、AIの動作を意図しない方向へ誘導する攻撃もあります。これが「プロンプトインジェクション」で、外部ツールを操作しない対話型のAIでも起こりえます。セキュリティの国際団体OWASPがまとめた大規模言語モデル(LLM)のリスク一覧(2025年版)では、1番目の「LLM01」として挙げられています(OWASP)。
被害の大きさは、AIにどこまで操作を任せているかによって大きく変わります。AIが外部ツールを操作できる場合は、情報漏えいや意図しない操作につながるおそれがあります。OWASPも対策として、AIの権限を必要最小限に絞ることや、リスクの高い操作の前に人が承認する仕組みを挙げています。
法人向けAIは、メールと同じ物差しで評価できる
「法人契約をしているなら、あとは信頼するしかない」という考え方は、半分は正しいといえます。法人向けAIも、業務メールと同じく「契約と設定で情報を守る」仕組みの上に成り立っているからです。ただし、信頼する前に確認すべき項目が、AIでは少しだけ増えます。
主要3社が公表しているデータの取り扱い
OpenAI:
法人向けのChatGPT(EnterpriseやBusinessなど)とAPIで扱うデータは、初期設定ではモデルの学習や改善に使わないとしています。通信時と保存時の暗号化、保存期間の設定、データ保存地域の選択(対象プランなどの条件あり)といった機能も提供しています(OpenAI)。
Microsoft:
Microsoft 365 Copilotへの入力や回答、参照した社内データは、基盤モデルの学習に使わないとしています。また、回答に使われる社内データは、利用者本人に閲覧権限があるものに限られます(Microsoft Learn)。Google:
Google Workspaceでの入力内容は顧客データとして扱い、許可なくモデルの学習に使ったり、人が内容を確認したりしないとしています(Google Workspace)。
いずれも各社が公表している内容で、対象となるプランや機能(Web検索、外部ツールとの連携、AIエージェントなど)によって条件が異なる場合があります。最終的には、自社の契約書やデータ処理に関する付属契約で確認してください。
メールとAIの確認項目を比べる
確認項目 | 業務メールで確認してきたこと | 法人向けAIで新たに確認すること |
|---|---|---|
データの使い道 | 事業者がデータをどう扱うか | 入力や回答を学習に使うか。人が内容を確認することはあるか |
保存期間 | 保存と削除のルール | 入力や回答の保存期間。不正利用の監視などのために一時保存されるか |
保存場所・処理場所 | データを保存する国や地域 | 保存場所に加え、AIが回答を作る「処理」の場所 |
認証・権限 | シングルサインオン、多要素認証 | AIが参照できるデータの範囲。共有設定は適切か。外部ツールとの接続を誰が許可するか |
第三者認証 | ISO 27001、SOC 2などの取得状況 | AIサービス自体が、その認証の範囲に含まれているか |
出力 | (メールにはない論点) | 誤回答を前提にした確認手順。利用記録(ログ)を残せるか |
表の項目の多くは、メールで確認してきたことの延長線上にあります。そのうえで、AIならではの論点は、冒頭で挙げた3つに整理できます。学習利用や保存・処理場所は「入力する情報の扱い」、確認手順やログは「AIの出力の正確さ」、参照範囲や外部ツールとの接続は「アクセス権限と外部連携」に関わる項目です。
「データ主権」はどこまで気にすべきか
データを国内に置くべきかという、いわゆる「ソブリン性(データ主権)」の議論もよく耳にします。ここで大切なのは、「保存場所」と「処理場所」を分けて考えることです。
たとえばMicrosoftは、Microsoft 365とCopilotのデータを日本国内に保存する選択肢をすでに提供しています。一方で、AIが回答を作る処理を日本国内で行う機能については、2025年11月に「2025年末までに提供」と発表した後、2026年4月に「2028年の見込み」へと見直しています(Microsoft)。発表内容は変わることがあるため、契約時点の条件で確認する必要があります。
とはいえ、すべての業務で国内処理が必須というわけではありません。社内文書の作成や議事録の要約のように、すでにクラウドのメールで扱っている情報であれば、保存・処理場所については、メールと同じ情報分類やセキュリティ基準を出発点に判断できます。
ただし、利用目的や保存期間、外部連携といったAI固有の項目(上の表)は、別途確認が必要です。国内処理を条件とするのは、法令や取引先との契約で求められる情報を扱う業務に絞るのが現実的でしょう。
「どこまでやれば十分か」への答え:リスクの大きさに対策を合わせる
「どこまで対策すべきか」という問いへの答えは、「リスクの大きさに合わせて対策の強さを決める」ことです。総務省と経済産業省が2026年3月31日に公表した「AI事業者ガイドライン(第1.2版)」も、この「リスクベースアプローチ」を前提としています。
PwC Japanの解説では、第1.2版の改定には、過剰な対策によってAI活用が萎縮することと、対策不足の両方を避ける狙いがあると考えられる、としています(PwC Japan)。
また、総務省と経済産業省の「AI事業者ガイドライン活用の手引き(案)」も、ガイドラインの記載をすべてそのまま自社に当てはめるのではなく、事業規模や状況に合わせて「過不足なく対応」することが重要だとしています(PwC Japanのコラムに掲載された抜粋による)。「常に完璧を求めると運用コストが膨らみ、かえって過剰になる」という現場の感覚は、こうした国の指針の考え方とも重なります。
情報の重要度に応じて、使ってよいAIを分ける(例)
情報の区分 | 具体例 | 使ってよいAI |
|---|---|---|
公開情報・一般的な内容 | 公開済みの資料、一般的な文章の作成 | 会社が認めた法人向けAI |
社内情報 | 議事録、社内マニュアル、メールの下書き | 会社が認めた法人向けAI(学習に使わない設定を確認済みのもの) |
機密情報・個人情報 | 顧客の個人データ、未公表の財務情報、契約交渉の資料 | 利用目的・契約条件・保存場所・処理場所・保存期間・権限制御などを確認し、社内規程と法令に照らして承認したAIのみ。承認までは対象外 |
日々の業務で扱う情報の多くは、表の2段目の「社内情報」にあたるのではないでしょうか。ここをメールと同じ判断で利用可能にするだけでも、AIを活用できる場面は大きく広がります。
安心して使い始めるための6つのステップ
情報を区分する:
上の表のように、扱う情報の重要度に応じて、使ってよいAIを決めます。まずは3段階程度から始め、必要に応じて細かくしていくのが現実的です。公式のAI環境を先に用意する:
禁止やルールだけでは、シャドーAIは減りません。法人向けプランを用意したうえで、個人アカウントでの業務利用をやめてもらいます。共有設定を見直してから、社内データと連携する:
AIは社員が閲覧できる範囲を検索します。人事・給与や経営会議の資料など、機密性の高いものから順に共有範囲を点検します。出力の確認ルールを決める:
社外に出す文書や重要な判断は、必ず人が確認します。第1.2版では、人がAIの判断を過信して確認を怠る「自動化バイアス」への懸念も新たに追記されました。AIエージェントは権限を絞り、少しずつ広げる:
第1.2版では、AIエージェントについて、連携先や権限を適切に絞ること、重要な判断には人が関与すること、操作履歴を定期的に確認することの重要性が示されています。ルールを定期的に見直す:
ガイドライン自体も、ほぼ毎年改定されています。社内ルールも、利用状況やサービスの変化に合わせて見直していきます。
まとめ:AIは「メールと同じ物差し+3つの追加確認」で判断できる
業務メールをクラウドで運用できているなら、法人向けAIを評価するための土台は、すでに社内にあります。どちらも、事業者との契約と社内の設定で情報を守る仕組みだからです。既存のクラウド管理を土台にしながら、AI固有のリスクを上乗せして評価する。それが、過度な警戒と安易な信頼の両方を避ける現実的な進め方です。
AIへの不安が強い背景には、新しく仕組みが見えにくい技術であることや、初期の一般向けサービスで「入力内容が学習に使われる」設定が標準だったことがあると考えられます。クラウドも約15年前には、情報漏えいへの不安から導入をためらう企業がありましたが、現在では8割以上の企業が利用しています。
そのうえで、AIならではの追加の確認ポイントは次の3つです。
入力する情報の扱い:
情報の重要度に応じて使ってよいAIを分け、学習利用や保存・処理場所を確認するAIの出力の正確さ:
回答を人が確かめる手順と、利用記録(ログ)の残し方を決めるアクセス権限と外部連携:
共有設定、外部ツールとの接続、AIエージェントの権限を点検する
最も避けたいのは、会社としては「不安だから使わない」まま、社員が個人アカウントのAIを使い続けている状態です。リスクの大きさに見合った対策を決め、安心して使える公式の環境を用意する。それが結果的に、会社の情報を守ることにもつながります。
参考資料
調査・統計
総務省「令和8年版 情報通信白書:懸念されるリスク及びリスク対策のための取組状況」(2026年7月)
総務省「令和7年通信利用動向調査の結果(概要)」(2026年5月29日)
総務省「令和3年版 情報通信白書:企業におけるクラウドサービスの利用動向」(2021年7月)
総務省「平成24年版 情報通信白書:クラウドサービスの利用動向」(2012年)
@IT「ルールを作る「管理職」ほどシャドーAI 「AI白書2026」調査が映す“ガイドライン”の限界」(2026年9月10日、角川アスキー総合研究所の調査)
IPA「情報セキュリティ10大脅威 2026」(2026年1月29日)
研究論文
Slovic, P. (1987). Perception of risk. Science, 236(4799), 280–285.
Fox-Glassman, K. T., & Weber, E. U. (2016). What makes risk acceptable? Revisiting the 1978 psychological dimensions of perceptions of technological risks. Journal of Mathematical Psychology, 75, 157–169.
Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114–126.
政府・団体の指針
総務省・経済産業省「AI事業者ガイドライン(第1.2版)」(2026年3月31日)
PwC Japan「「AI事業者ガイドライン(第1.2版)」改定のポイントと事業者への期待」(2026年6月3日)
総務省・経済産業省「AI事業者ガイドライン活用の手引き(案)」
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」(2023年6月2日)
OWASP「LLM01:2025 Prompt Injection」
ニュース・事業者の公表資料
Bloomberg「Samsung Bans Staff’s AI Use After Spotting ChatGPT Data Leak」(2023年5月2日)
Microsoft Learn「Enterprise data protection in Microsoft 365 Copilot 」
Microsoft Learn「Data, Privacy, and Security for Microsoft 365 Copilot 」
Microsoft 365 Blog「Microsoft offers in-country data processing to 15 countries」(2025年11月4日、2026年4月3日更新)
このブログを書いた人
change_historyKARAKURI Marketing team



