どこまでAIに入力して良いのか。その判断基準を持つ。サービスごとのデータ取り扱いの違いと、実務で即使える3段階分類を学ぶ。
「チャット履歴OFF」と「学習データ除外」は別物。履歴を非表示にしても、サーバー側で品質改善に利用される場合がある。サービスごとの違いを正確に理解する必要がある。
| サービス | 学習利用 | オプトアウト | 備考 |
|---|---|---|---|
| Gemini 無料版 | 品質改善に利用される場合あり | 設定で変更可 | 今日の研修で使用 |
| Gemini Advanced / Workspace | オプトアウト設定あり | 可 | 企業向けはデフォルトOFF |
| ChatGPT Web版 | デフォルトで学習に利用 | オプトアウト可 | API経由はデフォルト学習なし |
| Claude Web版 | 設定による | 可 | API経由は学習なし |
社内文書をそのままコピーして要約させる。文書に含まれる未公開情報、戦略情報がサービス提供者のサーバーを経由する。
顧客リストや従業員名簿をCSVでアップロードして分析させる。氏名、住所、電話番号が外部に渡る。
ソースコードに埋め込まれたAPIキー、パスワード、接続文字列をそのまま貼り付けてデバッグを依頼する。
会議議事録に含まれる新規事業計画、M&A情報、価格戦略を入力して整理させる。
「この入力内容が翌日のニュースに出たら困るか」を自問する。困るなら入力しない。この一文が最もシンプルで有効な判断基準。
講師が5つの業務シナリオを読み上げる。「OK / 加工すればOK / NG」を挙手で即答する。判断が割れたシナリオは議論する。
正解は一つではない。自社のルールを持つことが目的。
取引先名を「A社」、金額を「XXX万円」に置き換えてから依頼する。文面の構成やトーンだけAIに作らせ、固有情報は自分で埋める。
社内マニュアルの内容が機密情報でなければ問題ない。ただし、未公開の製品仕様や技術情報が含まれる場合は加工が必要。
氏名、住所、学歴、職歴は個人情報そのもの。マスキングしても要約の意味がなくなるため、AIに入力すべきでない。
公開済みの情報であり、機密性は低い。翻訳精度のチェックは別途必要だが、入力自体に問題はない。
バグ箇所の関数だけ抽出し、変数名やクラス名を汎用的なものに置き換える。APIキーや接続先URLは必ず削除してから入力する。