生成AIは、導入そのものよりも「社内でどう使われているかを把握できないこと」がリスクになります。便利だから現場が先に使い始め、後から情報漏洩や権限管理の問題に気づくケースが少なくありません。
この記事では、専門部署がない中小企業でも確認しやすいように、AIセキュリティの点検項目を30個に分けて整理します。すべてを一度に完璧にする必要はありません。まずは未確認の項目を見える化することが第一歩です。
この記事で分かること
AI利用ルール、入力禁止情報、アカウント管理、ベンダー確認、教育、インシデント対応のどこから整えるべきかが分かります。
最初に見るべき6つの領域
AIセキュリティは技術だけの問題ではありません。ルール、データ、権限、契約、教育、事故対応をセットで見ます。どれか1つが抜けると、運用が始まった後に穴になります。
AIセキュリティは、ルール・データ・権限・ベンダー・教育・事故対応を横断して確認します。
- ガバナンス：AI利用方針、承認済みツール、禁止事項が決まっているか
- データ保護：個人情報、顧客情報、契約書、社内資料の入力ルールがあるか
- アクセス制御：誰がどのAIツールを使えるか、退職時に止められるか
- ベンダー管理：利用規約、学習利用、保存場所、データ削除条件を確認しているか
- 従業員教育：現場が「入れてよい情報」と「ダメな情報」を判断できるか
- インシデント対応：漏洩や誤回答が起きたときの連絡先と初動が決まっているか
30項目チェックリスト
- 01. 会社として利用してよいAIツールを定義している
- 02. 社員の個人アカウント利用を把握している
- 03. 入力禁止情報を一覧化している
- 04. 個人情報・機密情報をAIに入れないルールがある
- 05. AI出力を人が確認する運用になっている
- 06. 契約書・議事録・顧客情報の扱いを決めている
- 07. 学習利用やデータ保存の設定を確認している
- 08. Team/Enterprise/API利用など業務向け契約を検討している
- 09. RAGや社内検索に使うデータの範囲を決めている
- 10. 社内資料の機密区分を整理している
- 11. AIツールに多要素認証を設定している
- 12. 退職・異動時のアカウント停止フローがある
- 13. APIキーをコードや共有資料に書いていない
- 14. APIキーをSecrets Manager等で管理している
- 15. 最小権限でアクセスを設計している
- 16. AI利用ログを確認できる
- 17. 重要操作には承認フローがある
- 18. ベンダーの利用規約を確認している
- 19. データ処理契約やセキュリティ認証を確認している
- 20. AIサービス停止時の代替手段がある
- 21. モデル変更時の影響確認を行う
- 22. 契約終了時のデータ削除条件を確認している
- 23. AI起因の事故対応フローがある
- 24. 誤回答・ハルシネーションの報告先がある
- 25. 情報漏洩時の初動連絡先が決まっている
- 26. AI利用研修を実施している
- 27. プロンプトインジェクションの基本を教育している
- 28. AI生成物の著作権・引用リスクを説明している
- 29. 経営層がAI利用状況を把握している
- 30. 半年ごとにルールを見直している
優先順位は「漏洩リスク」から決める
30項目すべてを同時に進める必要はありません。まずは、個人情報・顧客情報・契約情報・ソースコードなど、漏れると損害が大きい情報の扱いから決めます。次にアカウント管理とAPIキー管理を整え、最後に教育と監査へ広げる流れが現実的です。
よくある落とし穴
「禁止」とだけ伝えると、現場は私用端末や個人アカウントで使い続けます。禁止よりも、使ってよい範囲と相談できる窓口を用意する方が実効性があります。
Liberta Structureで支援できること
チェックリストで未確認が多い場合は、AI利用状況の棚卸し、社内ルール作成、権限設計、ベンダー提案レビューまでまとめて支援できます。診断だけでなく、必要であれば実装や運用設計まで対応します。
Consultation
AIを安全に導入する設計から相談できます。
記事の内容を自社に当てはめると、どこから手を付けるべきか分からない場合があります。AI利用ルール、権限設計、クラウド構成、実装方針まで整理します。