生成AIへ渡す情報を匿名化する方法｜個人情報を守る入力前マスキング7ステップ
公開日：2026年8月6日
最終更新日：2026年8月6日
※本記事は、生成AIへ業務データを入力する前の情報削減・マスキングについて、一般的な実務手順を整理したものです。法的助言ではありません。個人情報保護法上の義務、利用目的、委託・第三者提供、外国にある第三者への提供、要配慮個人情報、安全管理措置等は、事案や契約によって判断が変わります。重要な案件は弁護士、個人情報保護・セキュリティ等の専門家へご相談ください。
結論：匿名化より先に「そもそも渡さない」を考える
顧客アンケートを生成AIで分類したい。
商談メモを要約したい。
応募者の文章を整理したい。
問い合わせ履歴からFAQを作りたい。
こうした業務では、元の文書に氏名、会社名、連絡先、取引条件、健康情報、評価情報などが含まれていることがあります。
そこで「名前を匿名にすれば、AIへ入力してよい」と考えがちです。しかし、氏名を消すだけでは不十分です。役職、地域、年齢、日付、珍しい出来事などを組み合わせると、誰の情報か推測できる場合があるからです。
生成AIへ渡す情報を安全に減らす基本順序は、次のとおりです。
AIに何をさせるか決める
出力に不要な情報を削る
必要な識別子を仮の記号へ置き換える
数値・日付・属性の粒度を下げる
組み合わせても本人を推測できないか確認する
会社が許可した環境か確認する
人が加工結果を確認してから入力する
大切なのは、「どう匿名化するか」より前に、「その情報を本当にAIへ渡す必要があるか」を決めることです。
この記事では、法律上の「匿名加工情報」を作る方法ではなく、中小企業が日常業務で使える入力前マスキングの手順を解説します。
この記事で分かること
氏名を消すだけでは不十分な理由
削除・置換・一般化・分離を使い分ける方法
商談メモ、アンケート、問い合わせ履歴等の加工例
コピペして使える入力前チェックシート
利用できる生成AI、入力禁止情報、承認者、出力確認など全社共通の方針は、「生成AIの社内ルールはどう作る？中小企業向け12項目とひな形」で整理しています。本記事は、入力直前のデータ加工に範囲を絞ります。
最初に知っておきたい「匿名化」という言葉
日常会話では、氏名や会社名を伏せる作業を「匿名化」と呼ぶことがあります。
一方、個人情報保護法には「匿名加工情報」「仮名加工情報」という定義と取扱いのルールがあります。単に名前を「Aさん」へ置き換えただけで、法律上の匿名加工情報になるわけではありません。
個人情報保護委員会は、安全管理措置の一環としてマスキング等を行った場合でも、法令上の匿名加工情報を作成する意図を持ち、定められた基準に従って加工していなければ、匿名加工情報としては扱われないと説明しています［2］。
そのため、本記事では混同を避け、次のように呼び分けます。
入力前マスキング：生成AIへ渡す情報を実務上減らし、識別しにくくする作業
匿名加工情報・仮名加工情報：個人情報保護法で定義された情報
入力前マスキングを行っても、元データとの対応表を自社が持っている場合や、他の情報と容易に照合できる場合など、引き続き個人情報として扱う必要がある可能性があります。
「加工したから個人情報保護法の対象外」と自己判断しないでください。
名前を消しても、本人が分かる5つの理由
1. 会社名や部署名が残っている
氏名を消しても、「従業員12人の○○社で唯一の営業部長」と書けば、関係者には分かるかもしれません。
2. 珍しい出来事が残っている
受賞歴、事故、特別な契約、長期休職、海外赴任など、本人と結びつきやすい出来事があります。
3. 正確な日付や金額が残っている
契約日、入社日、誕生日、取引金額、給与額などは、他の資料と照合する手掛かりになります。
4. 自由記述に固有情報が埋まっている
表の氏名列を削除しても、備考欄、メール本文、ファイル名、署名、URL、画像、文書プロパティに名前等が残ることがあります。
5. 複数の属性を組み合わせられる
「40代」「特定地域」「専門職」「入社年月」「家族構成」の一つひとつは広い情報でも、組み合わせると一人へ絞れる場合があります。
入力前マスキングでは、一項目ずつ見るだけでなく、加工後の全文を読んで、組み合わせによる再特定が可能かを確認します。
生成AIへ入力する前の7ステップ
ステップ1：AIにさせる作業を一文で決める
まず、目的を一つに絞ります。
文章の誤字を直す
問い合わせを5分類する
商談の論点を整理する
自由記述から改善要望を抽出する
FAQ候補をまとめる
「分析して」のような曖昧な目的では、必要以上の情報を渡しやすくなります。
ステップ2：出力に必要な情報だけを選ぶ
目的から逆算します。
問い合わせのカテゴリ分類なら、氏名、電話番号、住所は通常必要ありません。文章校正なら、顧客番号や契約金額を残す必要はないかもしれません。
迷ったら残すのではなく、なくても目的を達成できるかを試します。
ステップ3：禁止・承認対象を先に除外する
自社のルールで入力禁止となっている情報を除きます。
例：
マイナンバー、パスワード、認証情報
健康・病歴等の要配慮個人情報
人事評価、懲戒、給与等の高機密情報
未公開の経営情報
顧客との秘密保持契約で外部送信を制限された情報
自社が利用権限を持たない第三者資料
一律に加工して入力できると考えず、承認や専門確認が必要な領域は止めます。
ステップ4：5種類の加工を行う
不要情報の削除、仮ラベルへの置換、属性の一般化、対応表の分離、珍しい組み合わせの調整を行います。具体例は次章で説明します。
ステップ5：全文・添付・属性情報を再確認する
本文だけでなく、次も確認します。
ファイル名
ヘッダー・フッター
コメント・変更履歴
PDFや画像内の文字
メール署名
URLや共有リンク
文書プロパティ
表計算の非表示列・別シート
必要な部分だけを新しいテキストへ移すほうが、安全に確認しやすい場合があります。
ステップ6：再特定テストをする
加工後の情報だけを見て、社内の第三者が本人や会社を推測できないか考えます。
次の質問を使います。
この条件に当てはまる人は何人いるか
公開情報や社内名簿と組み合わせると分からないか
珍しい出来事や表現が残っていないか
前後の会話や別ファイルと合わせると分からないか
AIの出力に元の識別情報が必要か
ステップ7：利用環境と承認を確認して入力する
加工だけで安全性が決まるわけではありません。
会社が許可したサービス・アカウントか
入力・出力がモデル学習に使われる条件はどうか
保存期間や管理者権限はどうなっているか
外部サービス・連携機能へ転送されないか
この業務で個人データを扱う承認があるか
出力を誰が確認するか
加工後も機微な情報が残る場合は、入力を止めるか、より管理された環境や別の処理方法を検討します。
入力前マスキングの5種類
1. 削る：目的に不要な情報を消す
最も安全なのは、渡さないことです。
加工前
2026年7月14日、株式会社青空商事の山田太郎様（メール：taro@example.jp）から、請求書の宛名変更について問い合わせがあった。
分類だけが目的の場合の加工後
顧客から、請求書の宛名変更について問い合わせがあった。
氏名を別名にする必要さえなく、文章ごと削れる場合があります。
2. 置き換える：一貫した仮ラベルにする
複数の人物・会社の関係を保つ必要がある場合は、仮ラベルへ置き換えます。
山田太郎 → 顧客A
株式会社青空商事 → 取引先A
新商品「星空プラン」 → 商品X
営業第一部 → 部門A
同じ対象には同じラベルを使い、別の対象には別のラベルを使います。
対応表を作る場合は、AIへ渡す文書と分け、アクセス権限を限定します。
3. ぼかす：情報の粒度を下げる
正確な値が不要なら、範囲や相対表現へ変えます。
47歳 → 40代
2026年7月14日 → 2026年7月中旬
1,237,800円 → 約120万円
東京都○○区○○町 → 東京都内
入社2019年4月1日 → 入社7年目
ただし、分析目的によっては粒度を下げると結果が使えなくなります。目的に必要な最小粒度を選びます。
4. 分ける：元情報と対応情報を別管理する
仮ラベルと実名の対応表、元ファイル、加工済みファイルを同じ場所へ置かないようにします。
元データ：限られた担当者だけが閲覧
対応表：別フォルダ・別権限
AI入力用データ：必要項目だけ
AI出力：人が確認して業務システムへ戻す
生成AIの会話欄に「顧客Aは山田太郎です」と後から書けば、置換した意味が薄れます。
5. 崩す：珍しい組み合わせを一般化する
一項目を置き換えても、珍しい属性の組み合わせが残る場合があります。
加工前
北海道の支店で唯一、フランス語通訳資格を持つ62歳の社員
加工後の候補
地方拠点に勤務する語学資格保有者
分析に不要な特徴を削り、必要な属性だけ残します。
「自社の商談メモや問い合わせ履歴では、どの情報を削り、何を残せばAIの業務効果を保てるか」を整理したい場合は、AIよろず室の30分の無料相談で、対象文書を実際に送っていただくのではなく、項目と利用目的を伺い、入力前の切り分け方を整理します。法的・専門的判断が必要な範囲は、専門家へ確認すべき事項として分けます。相談後に契約する必要はありません。
文書別の加工例
商談メモを要約する場合
残す候補
顧客の課題
合意した次の行動
期限の相対関係
商品区分
担当者の役割
削除・置換する候補
氏名、会社名、メールアドレス、電話番号
顧客固有の未公開商品名
契約番号
正確な金額・日付
商談相手の個人的事情
ただし、最終のお礼メールやCRMへ戻す段階では、人が元データと照合し、仮ラベルを正式情報へ戻します。AIに対応表まで渡さない設計にします。
社員アンケートを分類する場合
残す候補
回答本文
分析に必要な部門区分
大まかな勤続年数
選択式回答
削除・一般化する候補
氏名、社員番号、メールアドレス
少人数部署の詳細名称
正確な年齢・入社日
上司や同僚の実名
病歴・家庭事情など不要な機微情報
自由記述の中にも識別情報が含まれるため、列を削除するだけでは足りません。
問い合わせ履歴からFAQを作る場合
残す候補
質問の要旨
問い合わせカテゴリ
標準回答の根拠となる制度・手順
解決したかどうか
削除・置換する候補
問い合わせ者と担当者の氏名
署名、連絡先、顧客番号
個別契約の内容
添付ファイル名や共有URL
個別判断に使った背景事情
FAQは個別事例をそのまま公開せず、標準的な質問と回答へ変換します。
応募書類を整理する場合
採用は、個人の重要な判断に関わります。単純なマスキングだけでAI利用の問題が解決するとは限りません。
氏名、住所、顔写真、生年月日等を除ける場合でも、経歴の組み合わせから本人を推測できる可能性があります。AIに評価や選考判断を任せるのではなく、利用目的、必要性、本人への説明、偏り、人による判断、サービス条件等を含め、慎重に検討します。
コピペして使える「入力前の逆算シート」
業務名：
AIにさせる作業を一文で：
必要な出力：
出力に必要な情報：
削除できる情報：
仮ラベルへ置換する情報：
範囲・相対表現へぼかす情報：
入力禁止・承認が必要な情報：
加工後も本人を推測できる手掛かり：
利用するサービス・プラン：
データ利用条件の確認日：
承認者：
出力を確認する人：
作業後に保存するもの：
削除するもの：
このシートで「必要な情報」を説明できない項目は、いったん削除して試します。
AIに自動マスキングさせるときの注意点
「AIに個人情報を消してもらえばよい」と考えると、加工前の生データを先にAIへ送ることになります。これは順序が逆です。
自動マスキング機能や専用ツールを使う場合は、少なくとも次を確認します。
マスキング処理はどの環境で行われるか
処理前のデータが外部へ送信されるか
ログや一時ファイルが残るか
日本語の氏名、住所、会社名、自由記述を検出できるか
画像・PDF・表・非表示情報にも対応するか
見逃しと過剰削除を人が確認できるか
置換ルールを会社で管理できるか
契約終了時のデータ削除はどうなるか
最初の検証では、架空データを使い、意図的に氏名、住所、電話番号、メール、社員番号、珍しい属性等を入れて検出結果を確認します。
法人向け環境なら、マスキングは不要なのか
不要とは限りません。
たとえばOpenAIは、ChatGPT Business、Enterprise、Edu、Healthcare、TeachersおよびAPIプラットフォームについて、組織の入力・出力をデフォルトではモデルの学習・改善に使用しないと説明しています［3］。
これは重要な確認項目ですが、「学習に使われない」と「どの個人情報でも目的を問わず入力してよい」は同じではありません。
会社は、利用目的、権限、保存、連携先、委託関係、契約、社内規程なども確認する必要があります。必要最小限の情報だけを扱う設計は、法人向け環境でも有効です。
サービス選定時の確認項目は、「法人向け生成AIツールの選び方」も参考にしてください。
30日で入力前マスキングを社内運用にする
1週目：対象業務を一つ決める
商談メモの要約など、限定した業務を選ぶ
AIにさせる作業を一文で決める
元データに含まれる情報項目を洗い出す
入力禁止・承認対象を確認する
2週目：加工ルールを作る
削除する項目
仮ラベルへ置換する項目
粒度を下げる項目
再特定テストの観点
対応表の保存場所と権限
を1枚にします。
3週目：架空データでテストする
加工前後で業務目的を達成できるか
識別情報が残っていないか
自動検出の見逃しがないか
出力から元情報を推測できないか
人の確認にかかる時間は現実的か
を確認します。
4週目：少人数で実データ運用を判断する
会社の承認を得た範囲で少人数の試行を行い、継続、ルール修正、別環境への変更、中止を判断します。
「加工できたから入力する」ではなく、加工後も残るリスクと業務効果を見て決めます。
よくある質問
Q. 氏名とメールアドレスを削除すれば十分ですか？
十分とは限りません。会社、部署、役職、地域、正確な日付・金額、珍しい出来事、自由記述等の組み合わせから推測できる場合があります。加工後の全文で再特定テストを行います。
Q. 「Aさん」へ置き換えれば匿名加工情報になりますか？
それだけで法律上の匿名加工情報になるわけではありません。個人情報保護委員会は、匿名加工情報には定められた加工基準等があると説明しています。法的な区分が必要な場合は、ガイドラインを確認し、専門家へ相談してください。
Q. 無料版の生成AIでも、匿名化すれば使えますか？
加工だけで利用可否は決まりません。会社の利用ルール、サービスのデータ利用条件、保存、管理機能、連携先、契約等も確認します。会社が許可していない環境へ業務データを入力しないでください。
Q. 入力後に個人情報が残っていたと気づいたら、どうしますか？
追加で情報を入力せず、利用したサービス、入力内容、日時、共有範囲等を記録し、社内の責任者へ報告します。履歴削除等を自己判断だけで進めず、証跡保全やサービス事業者への連絡を含め、社内手順に従います。詳しくは「ChatGPTに機密情報を入力してしまったら？最初の30分でやること」をご覧ください。
Q. 月額39,800円のプランしかありませんか？
いいえ。月額39,800円（税別）は継続的な伴走支援の入口となるプランです。入力ルールの整理、特定業務のデータ加工設計、研修、個別実装など、課題やご希望に応じた支援もご案内しています。対応範囲と費用は、着手前に確認・合意したうえで進めます。
まとめ
生成AIへ業務データを渡す前に、匿名化より先に「そもそも必要か」を確認する
氏名を消すだけでなく、削る・置き換える・ぼかす・分ける・組み合わせを崩す、の5種類を使う
加工後の全文、添付、属性情報を確認し、複数情報による再特定を試す
入力前マスキングと、法律上の匿名加工情報・仮名加工情報を混同しない
法人向け環境でも、目的と必要性に応じて情報を最小化する
AIよろず室の30分の無料相談では、対象業務と情報項目を伺い、AIへ渡す必要がある情報、削除・置換できる情報、承認や専門確認が必要な範囲を整理します。実データそのものを無料相談へ送っていただく必要はありません。月額プラン以外にも、課題やご希望に応じた支援をご案内しています。売り込みや、その場での契約のお願いはいたしません。
この記事を書いた人
AIよろず室。
中小企業を対象に、業務診断、AI活用ロードマップ、実装、社内定着までを支援しています。代表は、IT業界20年以上のエキスパートです。
参考資料
［1］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）
https://www.ppc.go.jp/news/careful_information/230602_AI_utilize_alert/
［2］個人情報保護委員会「個人情報を、安全管理措置の一環等のためにマスキング等によって匿名化した場合、匿名加工情報として取り扱う必要がありますか。」
https://www.ppc.go.jp/all_faq_index/faq1-q15-6/
［3］OpenAI「ビジネスデータのプライバシー、セキュリティ、コンプライアンス」
https://openai.com/ja-JP/business-data/
ハッシュタグ
#生成AI #ChatGPT #個人情報 #匿名化 #データマスキング #仮名化 #情報漏えい対策 #情報セキュリティ #プライバシー #個人情報保護 #データ最小化 #機密情報 #生成AI活用 #ChatGPT活用 #AI活用 #AI導入 #中小企業DX #中小企業 #DX #DX推進 #社内ルール #AIガバナンス #データ管理 #業務効率化 #業務改善 #法人向けAI #AI担当者 #AI導入支援 #リスク管理 #AIよろず室
