AI に顧客情報を送って大丈夫か — 中小企業のための「AI とデータ主権」入門
「AI に情報を渡すのが怖い」の正体を分解する
AI ツールを業務に使いたいけれど、顧客の氏名・連絡先・取引内容を入力することへの抵抗感を持つ方は少なくありません。その不安は正当ですが、「怖いから使わない」と止まるより、不安の中身を分解して対処する方が実務的です。
「AI に情報を渡すのが怖い」という感覚は、主に次の3つの論点に整理できます。
- 送信先での学習利用 — 自分が入力したテキストが、AI の次世代モデル訓練に使われるのではないか
- データ残留 — サーバー上に入力内容が保存され続けるのではないか
- 第三者アクセス — サービス提供者やそのパートナーが内容を閲覧できるのではないか
この3点はそれぞれ原因も対策も異なります。「AI は危ない」という一括りの判断は、有効な選択肢を狭めることになります。順番に整理していきましょう。
「Claude」でも、契約形態で扱いが変わる
AI ツールをひとつの名前で呼んでいても、契約形態や入力経路によってデータの扱いは大きく異なります。Claude を例に確認します。
- Anthropic API（従量課金）: Commercial Terms に「Anthropic はプロンプトおよびアウトプットをモデル訓練に使用しない」と明記されています。API 経由で構築したアプリケーションはこの扱いが適用されます。
- Claude Pro / Team プラン: フィードバックとして明示的に送信した場合のみ学習対象になる仕組みです。
- Claude.ai の Free プラン・ChatGPT の Free/Plus プラン: 利用規約上、学習に使われるケースがあります。設定で無効化できる場合もありますが、デフォルト状態に注意が必要です。
Anthropic Usage Policy も合わせて確認しておくことをお勧めします。同一ブランド名でも、どの経路で呼び出しているかによって扱いが変わる点が重要です。
どの AI ツールを使っているか、そしてどのプランで、どの経路で呼び出しているかを確認することが、情報管理の第一歩です。
データを守る「両輪」の考え方
学習されない環境を選ぶことと、送信する情報自体を精査することは、どちらか一方では不十分です。両方を同時に回すことで、はじめてリスクに近づけます。
車輪1：学習されない環境を選ぶ
- API 経由でアクセスし、Commercial Terms の適用を確認する
- DPA（Data Processing Agreement・データ処理契約）を締結する
- 学習拒否設定が提供されている場合は明示的に有効化する
車輪2：送信する情報自体を精査する
- 氏名・住所・電話番号などの個人識別情報を、業務上必要な最小項目に絞る
- 顧客 ID や仮称（「顧客甲」など）に置き換えてから入力する
- 送信前に「これは本当に AI に渡す必要がある情報か」を一項目ずつ確認する
学習されない環境でも、送信した情報はサーバーを経由します。送信自体を精査することで、万一の際のリスクの大きさを根本から小さくできます。
「クラウドに置く」vs「自前に置く」の判断基準
どこで AI を動かすかという判断は、利便性だけでなく、可用性と機密性のバランスで決まります。
自前運用の主な目的は「他者要因によるサービス停止・情報漏洩を防ぐ」ことです。外部サービスに依存する構成では、提供者側の障害・ポリシー変更・事業終了がそのまま自社の業務停止につながります。
判断の軸として、次の3点を並べて検討することをお勧めします。
| 判断軸 | クラウド向き | 自前運用向き |
|---|---|---|
| データ量 | 少量〜中量 | 大量・継続蓄積 |
| 機密度 | 一般業務データ | 顧客の個人情報を含む案件 |
| 組織のスキル | IT 担当不在 | 運用できる担当者がいる |
可用性要件（何時間以内に復旧する必要があるか）も合わせて検討してください。
筆者の運用例
筆者（Coral Connect Service 代表・米田）の運用ポリシーは、「学習されない環境を選ぶこと」と「送信情報を精査すること」の両輪を、設計段階から組み込む形をとっています。
**Coral AI 本体の運用（2026年7月時点）**は、Mac mini（自宅設置）に Cloudflare Tunnel を組み合わせた構成です。外部からのアクセスは Cloudflare を経由するのみに限定しています。LLM の呼び出しは Anthropic API（Commercial Terms により学習非対象）と国内事業者であるさくら AI Engine のハイブリッドです。認証は Argon2id・JWT・WebAuthn passkey を自前実装しており、第三者の認証事業者に依存しない設計にしています。バックアップは restic を使って暗号化したうえで Backblaze B2 に転送し、暗号鍵は筆者が管理しています。
顧客案件での使い分けについては、一般的な業務データであれば Vercel 等のマネージド環境も選択肢に含めます（開発・運用コストを最小化するため）。一方、顧客の顧客情報を含む案件など機密度が高い場合は、Mac mini を顧客側に購入いただき、社内ネットワークだけで完結する構成をご提案しています。インターネット非接続にすることで、他者要因によるサービス停止・情報漏洩リスクをゼロに近づけるのが目的です。「どこに置くか」の判断は、データ量・機密度・組織のスキル・可用性要件を並べて、一緒に決めるスタイルをとっています。
業界規制と専門家との協働
医療・法務・金融はデータ取り扱いに対する規制が厳しい業種として知られていますが、これらの業種に限った話ではありません。個人情報保護法の改正や業界ガイドラインの更新は、全業種に影響します。
2026年時点で、AI を業務に組み込むための判例やガイドラインはまだ整備の途上にある領域が多くあります。「AI ツールを入れたが、それが規制上問題ないかどうか分からない」という状態のまま運用が始まると、後から修正コストが大きくなります。
筆者は、AI は専門家と一緒に育てていくものという立場で関わっています。Coral AI でも、業界の専門家（士業・顧問・業界団体等）と連携しながら、データ配置の設計を組み立てるスタイルをとっています。「まず使ってみて、問題が出たら考える」より、「使い始める前に論点を整理する」ほうが、結果として導入が早く進むことが多いです。