生成AIの導入で後回しにできないこと。人材育成・セキュリティ・データの棚卸し

生成AIの導入で後回しにできないこと。人材育成・セキュリティ・データの棚卸し
生成AIの導入で後回しにできないこと。人材育成・セキュリティ・データの棚卸し

生成AIの教育・安全な運用・データ管理を同時に設計する

3領域
人・仕組み・データ棚卸し
2つ
閲覧権限と外部利用許可
1件
情報の持ち主にとっての重み

note原文公開:2026-11-16 / 転載・編集:2026-11-19
note原文を読む

この記事でわかること
  • 生成AIの教育・安全な運用・データ管理を同時に設計する
  • 閲覧できる権限と外部へ渡す許可を分けて考える
  • 作業量だけに頼らず成果と品質に合う評価を見直す

〖記事概要〗

生成AIを導入し、仕事が速くなった。その先で、情報を安全に扱う仕組みと、判断できる人は育っているでしょうか。便利な道具が増えるほど、個人の注意だけでは支えきれない場面も増えていきます。誰がどの情報に触れられるのか、どこまで外部へ渡してよいのか、迷ったときに誰へ相談するのか。こうした問いを、導入と同時に考える必要があります。さらに、AIで作業が減るのに打鍵数で人を評価するような仕組みでは、現場に矛盾が生まれます。私は、AI活用とセキュリティを経営の問題として捉え、人、仕組み、保有するデータを一緒に見直したいと考えています。個別の企業事案の原因を外から決めつけるのではなく、自社の企画や運用に持ち帰れる教訓として、今こそ投資したい三つの領域を整理します。

〖本文〗

こんにちは、IT・DX教育サービスの株式会社サートプロ、近森満です。

AIを入れた。それだけで導入成功と言えるでしょうか

生成AIを使えば、情報を整理できる。

生成AIを使えば、情報を整理できる。資料も作れる。コードも書ける。実際に触っていると、できることが増えていると感じます。だからこそ、導入したことだけで満足してはいけないと思うのです。

道具が使える状態と、会社として安全に使い続けられる状態には、間があります。利用できるサービスを決めたとしても、そこへ何を入力してよいかが分からない人がいれば、問題は残ります。ルールを書いて配ったとしても、日々の仕事の中で判断できなければ、運用にはつながりません。

情報に関わる問題を聞くと、「どうしてそんなことをしたのだろう」と感じることがあります。ただ、そこで特定の人の不注意だけに話を閉じてしまうと、自分たちが変えるべき仕組みを見落とすかもしれません。

外から見える情報だけで、ある会社の教育不足や人員不足を事故の原因だと断定することもできません。個別の事案の事実確認と、自社の備えを考えることは分けておきたいですね。ここでは後者に焦点を当てます。

誰が、どんな情報を、何の目的で扱うのか。そして、その判断を支える教育と仕組みがあるのか。自分たちの仕事に置き換えると、問いはかなり具体的になります。

自分を知ってもらう情報と、守るべき情報を混同しない

私は、自分の名前や仕事を知ってもらうために、日々発信しています。

私は、自分の名前や仕事を知ってもらうために、日々発信しています。会社名や公開している事業の情報は、ビジネスを進める上で人に伝えるものです。一方で、守らなければならない情報もあります。

会話の中では、こうした違いを「攻めの個人情報」と「身を守る個人情報」という感覚で捉えることがあります。ただ、これは私なりの説明であって、法律上の分類ではありません。公開している情報なら何に使ってもよい、という意味でもありません。

特に、自分の情報を自分の意思で発信することと、他人の情報を会社の仕事として扱うことは分けなければいけません。お客様や従業員、その家族に関する情報を預かっているなら、自分の都合だけで使い方を決めるわけにはいきません。

名前や電話番号だから軽い、件数が少ないから問題ない、とも言えません。どの情報が誰に、どのような影響を与えるかは、文脈によって違います。本人が公開していない住所や家族関係などは、知られることで生活に支障が出る可能性もあります。

大きな数字のニュースに触れていると、少ない件数を小さく感じてしまうことがあります。でも、情報の持ち主にとっては、自分の一件が問題です。件数の大小だけで深刻さを決めないことは、情報を扱う側の基本にしたいと思います。

そして、パスワードや決済に関わる秘密情報などを、通常の文章と同じ感覚でAIへ入力しないこと。仕事で使う情報についても、利用目的、社内の規定、相手との約束、使うサービスの条件を確認する必要があります。

「禁止していた」で終わらせず、できてしまう理由を考える

外部の生成AIサービスへの入力を禁止している。

外部の生成AIサービスへの入力を禁止している。それでも、情報を持ち出したり送ったりできる状態がある。仮にそんな状況なら、ルールを破った人の問題と、ルールを支える仕組みの問題を、両方見る必要があります。

まず、そもそもその人に、その情報を扱う必要があるのでしょうか。大量のデータを閲覧できることと、その全部を取り出して利用できることは、同じではありません。業務に必要な権限は何かを、役割に合わせて確認することが大切です。

私は会社の情報管理でも、誰でも触れる状態にしないことを意識してきました。創業当初から、情報を保管するためのサーバーなどを用意し、アクセスを制限する考え方を持っています。

ただし、サーバーやNASに置いたから、それだけで安全になるわけではありません。誰が触れるか、どう使うか、設定や更新が適切かといった運用が必要です。そして、扱う権限がある人の判断まで、保管場所だけで代わってもらうことはできません。

たとえば、私が経営者として情報にアクセスできるとしても、「これをAIで分析したら面白そうだ」と、何でも外へ送ってよいわけではありません。権限がある人ほど、何をしてよいかを理解している必要があります。

情報に触れられる権限と、外部へ渡してよい許可は、分けて考える。この区別が曖昧なままだと、便利さが判断を追い越してしまいます。

ルールを伝えること、必要な範囲にアクセスを絞ること、操作や利用状況を確認できるようにすること、迷ったときの相談先を用意すること。こうした対策を組み合わせて、自分たちの仕事に合う仕組みにしていきたいですね。

AI教育は、使い方を教えるだけでは足りない

生成AIの研修というと、指示文の書き方や、便利な活用例の紹介に目が向きやすくなります。

生成AIの研修というと、指示文の書き方や、便利な活用例の紹介に目が向きやすくなります。それも必要です。ただ、何を入力してよいか、出力をどう確認するか、どこで人の判断を挟むかも、同じくらい大事です。

人によって、経験も理解も違います。「これくらいは分かっているだろう」と思っているところに、差があるのです。知識があることと、忙しいときにも適切に判断できることの間にも、違いがあります。

教育には、その差を踏まえて、業務上必要な共通の判断基準を作る役割があります。全員を同じ能力にするということではありません。少なくとも、この情報はそのまま入れない、この場面は確認する、分からなければ止まって相談する。その基準を共有することです。

たとえば、社内で使えるAIであっても、すべてのデータを無条件に入力できるとは限りません。契約や設定、利用目的によって扱いは変わります。サービス名だけを覚える研修ではなく、自分が扱う資料で何を確認するかまで考えたいところです。

実務に寄せるなら、公開済みの商品案内、顧客の問い合わせ、従業員の情報を含む表など、性質の違う題材を使って判断を練習できます。機密を含まない例題を用意し、どこで迷ったかを話し合うだけでも、ルールの曖昧な部分が見えてきます。

AIの出力についても同じです。正しそうな文章であっても、事実と推測が混ざることがあります。分からないことを断定しない、元の情報に戻る、外へ出す前に確認する。安全に入力する力と、安全に使う力を、セットで育てる必要があります。

取引先や委託先が業務に関わるなら、社内だけで話が完結するとも限りません。情報を渡す範囲と使い方を、仕事のつながりに沿って確認することも、導入の一部です。

AIで作業を減らすのに、打鍵数で評価していませんか

AI活用を進めるとき、教育と一緒に見直したいのが、人の仕事をどう評価するかです。

AI活用を進めるとき、教育と一緒に見直したいのが、人の仕事をどう評価するかです。ここでは、特定の会社の制度を評価するのではなく、一般的な例として考えてみます。

もし会社が、AIを使ってコードを書くことを推奨しながら、キーボードを打った回数の多さを働きぶりの中心的な指標にしていたら、どうなるでしょうか。AIに任せて良い成果を出した人ほど、手で打つ回数は減るかもしれません。

そこで「打鍵数が少ないから仕事をしていない」と判断されたら、現場は困りますよね。何を目指して仕事を変えればよいのか、分からなくなってしまいます。

打鍵数や作業時間のような情報が、運用上の参考になる場面はあるでしょう。ただ、それだけで成果や品質まで分かるわけではありません。AIを使った開発なら、出来上がったものが要件を満たすか、問題がないか、維持できるかといった確認も必要です。

たくさんコードが生成されたことと、安全に使えるシステムができたことも別です。コードを書く以外に、設計、レビュー、試験、運用、保守の仕事があります。AIの能力を語るときほど、それを確かめる人の役割を小さく見ないことが大切です。

AIで効率化した結果、何を評価したいのか。速さなのか、品質なのか、お客様への価値なのか。経営側がそこを整理しなければ、現場は見えやすい数字を増やす方へ動いてしまうかもしれません。

働き方の方針と、安全を守る体制を分けて確認する

出社とリモートワークについても、会社ごとの考え方があります。

出社とリモートワークについても、会社ごとの考え方があります。直接会って話せる良さはありますし、短い相談をその場でできることもあります。一方で、移動せずに仕事を進められる良さもあります。

私自身は、通勤にかかる時間を、仕事や体調管理に使えることに価値を感じています。お客様と電話をするのであれば、必ず会社に行かなければできないわけでもありません。自分の仕事に合う時間の使い方を考えたいのです。

ただ、どの働き方を選ぶかという方針と、セキュリティを維持するための体制が足りているかという問いは、分けて見た方がよいと思います。出社していれば安全、在宅だから危険、と単純には言えません。

必要な保守を誰が行っているか。問題の報告が上がる経路はあるか。担当者が休んでも対応できるか。働く場所にかかわらず、確かめるべきことがあります。

また、人材の離職や採用状況を、外部から事故原因に結びつけることには慎重であるべきです。関係がある可能性を考えることと、実際に原因だったと認定することは違います。社内で検証するときも、印象ではなく、記録や担当者への確認を重ねる必要があります。

経営の方針が現場にどんな負担を生んでいるかを聞き、安全を守る仕事に時間と人を確保する。そこは、経営者が引き受けるべき課題だと考えています。

セキュリティを「誰かがやる仕事」にしない

会社には、誰かがやらなければならない仕事がたくさんあります。

会社には、誰かがやらなければならない仕事がたくさんあります。けれども、誰かがやるはずだと思っている間に、誰も担当していない仕事になることがあります。

セキュリティも、その一つにしてはいけません。仕組みは一度入れたら終わりではなく、使うサービスも、攻撃の方法も、業務の内容も変わっていきます。確認する人が必要であり、その人が学び続ける時間も必要です。

技術者がいるから大丈夫、と任せきりにするのも違います。何を守るか、どのリスクに対応するか、どこに予算を使うかには、経営判断が関わります。専門家だけでは決められないことを、会社として引き取る必要があります。

ここで私は、人への支出を、単に減らすべきコストとして扱いたくありません。事業を続け、お客様や従業員を守るための投資です。保守、確認、教育は、目立つ新機能を作る仕事ほど成果が見えやすいわけではありません。それでも、誰かが担わなければ、安全に仕事を続けられません。

AIを使えば、その人たちが不要になると考えるより、AIを使って何を助けられるかを考えたいですね。調査や整理を手伝ってもらい、人が必要な判断に時間を使えるようにする。その方が、導入の目的に合っています。

持っているデータを、一度棚卸ししてみる

もう一つ、忘れたくないのがデータの棚卸しです。

もう一つ、忘れたくないのがデータの棚卸しです。どこに、何が、どれだけあり、誰が使っているのか。そもそも、今も持っている必要があるのでしょうか。

キャンペーンや過去の業務で集めた情報が、そのまま残っていることはないでしょうか。使う予定ははっきりしないけれど、いつか役に立つかもしれない。その理由で持ち続けているものがあれば、見直す機会になります。

データを持つことには、活用の可能性と、管理する責任の両方があります。たくさん持っていることが、そのまま強みになるわけではありません。保管場所も利用目的も分からなくなった情報は、守ること自体が難しくなります。

今後の業務を設計するときには、最初から集める情報を減らせないか、と考えることもできます。目的を達成するために、その個人情報が本当に必要なのか。集めた後に頑張って守るだけでなく、集め方から見直すのです。

ただし、「持たない方がよい」と聞いて、資料や記録を一律に消すのは違います。法令上の保存義務や契約、対応中の案件、社内の保存方針などを確認して、残すものと削除できるものを判断しなければいけません。

必要なものを必要な期間だけ持つ。その判断をするための時間も、仕組みも必要です。持たない経営というのは、何も考えずに捨てることではないのですよね。

持ち続けるなら、使える状態を維持する

保有することを選んだデータにも、手入れが必要です。

保有することを選んだデータにも、手入れが必要です。たとえば、連絡先の部署名や役職が古いままなら、その情報を使った活動にも支障が出ます。以前から、データのクリーニングや更新という仕事がありました。

情報を資産として活用するなら、正確さや利用目的、アクセス範囲を管理する必要があります。集めた瞬間の価値が、何もしなくても続くわけではありません。

持つなら、持つための投資をする。持たないなら、持たないための判断と仕組みに投資する。私は、この考え方が大事だと思います。保有か削除かという二択の前に、何のために扱うのかを明確にしたいのです。

人、仕組み、棚卸しを、企画書の同じページに置く

AI導入の企画書を作るなら、便利になる業務や削減できる時間だけでなく、安全に続ける条件も一緒に書いてみてください。

AI導入の企画書を作るなら、便利になる業務や削減できる時間だけでなく、安全に続ける条件も一緒に書いてみてください。別の部署が後で考えるものにしてしまうと、抜け落ちやすくなります。

一つ目は、人です。誰が使い、誰が確認し、どんな判断を学ぶ必要があるのか。二つ目は、仕組みです。利用環境、権限、相談や報告の流れをどう整えるのか。三つ目は、データの棚卸しです。何を使い、何を残し、何を集めずに済ませるのか。

それぞれに担当者と見直す機会を置けば、導入後の仕事が具体的になります。ツールの利用料だけを予算にするのではなく、教育や保守、確認に使う時間も考えられます。

こうした見直しは、技術だけでなく、私たちの考え方にも関わります。人や組織の変化を考える参考として、私の著書『マインド・トランスフォーメーション AI時代の思考革命: AI時代に必要な人間OSのアップデート』も、必要に応じて手に取っていただければと思います。

ほかの会社の問題を見て、驚いて終わるのはもったいないです。自分たちの会社で、後回しにしている仕事はないか。持っている理由を説明できないデータはないか。迷ったときに、誰へ聞けばよいか。

まずは、この三つを関係者と確認してみませんか。AIを使うことと、情報や人を守ることを、同じ仕事として考える。その一歩が、安全に活用を広げる土台になると思います。

〖重要なキーワード解説〗

AIリテラシー

AIの機能を知り、指示を出す力だけでなく、入力する情報の扱い、出力の確認、利用できる範囲を判断する力を含みます。

AIの機能を知り、指示を出す力だけでなく、入力する情報の扱い、出力の確認、利用できる範囲を判断する力を含みます。自社の業務に沿った教育と、分からないときに相談できる仕組みを組み合わせることが大切です。

アクセス権限と情報の利用許可

情報を閲覧できることと、外部サービスへ送信してよいことは同じではありません。

情報を閲覧できることと、外部サービスへ送信してよいことは同じではありません。業務上必要な範囲を確認し、利用目的や社内規定、契約に沿って扱います。権限がある人にも、適切な判断と確認が求められます。

データの棚卸し

保有する情報の場所、内容、利用目的、担当者、保存期間などを確認することです。

保有する情報の場所、内容、利用目的、担当者、保存期間などを確認することです。保存義務や契約を踏まえて、残す情報と削除できる情報を判断します。不要な情報を集めない設計や、保有する情報を更新する仕事にもつながります。

〖著者紹介〗

■株式会社サートプロ 代表取締役CEO
近森 満(ちかもり みつる)

■所属・役職
・IoT検定制度委員会 事務局長(IoT検定、+DX認定、超知性ASI検定)
・一般社団法人 IT職業能力支援機構 理事長(Android資格)
・電気・電子系技術者育成協議会 副理事長(E検定)
・組込みソフトウェア管理者技術者育成研究会 メンバー(組込み)
・ET教育フォーラム合同会社 代表(コンテンツ制作)
・経済産業省 地方版IoT推進ラボ ビジネス創出事業メンター(IoT支援)
・経済産業省 地域DX推進ラボ ビジネス創出事業メンター(DX支援)
・デジタル庁 デジタル推進委員(デジタル化支援)
・DX事業共同組合 設立理事(DX推進)
・一般社団法人日本サステナブルビジネス機構 幹事(SDGs認証)
・“一億総活躍社会を実現する”共生日本協議会 理事(DEI支援)
・アジャイル開発技術者検定試験コンソーシアム 事務局長(Agile検定)
・一般社団法人国際サイバーセキュリティ協会 事務局長(IACS認定)

〖音声配信〗

DX企画書のネタ帳:AX時代のマインド・トランスフォーメーション(MX)では、DX推進、生成AI、AIエージェント、人材育成、リスキリング、経営について毎朝お届けしています。

今回の対談(問題事案を考える後編)をSpotifyで聴く

#生成AI #情報セキュリティ #個人情報保護 #人材育成 #AIリテラシー #データ管理 #経営 #DX推進 #業務改善 #マインドトランスフォーメーション

よくあるご質問

生成AIの導入で見直す三つの領域は?

人材育成、権限や相談経路などの仕組み、保有データの棚卸しです。

情報にアクセスできればAIへ送れますか?

閲覧権限と外部サービスへ渡す許可は別です。目的・規定・契約・サービス条件を確認します。

研修で何を扱うべきですか?

操作に加え、入力情報の扱い、出力確認、人の判断を挟む場面を業務の例題で学びます。

データは一律に削除してよいですか?

保存義務・契約・対応中の案件・社内方針を確認してから、残すものと削除できるものを判断します。

AI活用時の評価で気をつけることは?

打鍵数や作業時間だけに頼らず、成果・品質・顧客への価値を何で確かめるか整理します。

学びを現場の実践へ

自社の課題に合わせたDX・AI活用、人材育成についてご相談ください。

お問い合わせ

この記事の次に読む・学ぶ

あわせて読みたい

自社に合う研修・人材育成について相談する

気に入ったらシェアしてください!
  • URLをコピーしました!