AIと個人情報保護：匿名化データ・越境移転の法的整理

「匿名化したから自由」「日本リージョンだから越境なし」を避ける――AI固有のデータフローで整理

AIと個人情報保護： 匿名化データ・越境移転の法的整理

1 AI個人情報対応は「入力→処理→出力→再利用」のデータフローから始める

AIサービスでは、従来のSaaS以上にデータの流れが複雑になりやすいのが特徴です。ユーザーが入力した情報が、回答生成のための一時処理だけでなく、ログ保存、品質評価、不正利用対策、モデル改善、外部検索、RAG、サポート対応など複数の目的で扱われることがあります。まずは法令の条文を個別に当てはめる前に、実際の処理を可視化します。

「学習に使わない」設定だけ確認しても、ログ保存や海外サポート、外部APIへの転送まで把握できなければ十分ではありません。

2 「匿名化」という言葉だけで法的区分を決めない

実務では、氏名を削除したデータ、IDをランダム化したデータ、統計処理したデータをまとめて「匿名化」と呼ぶことがあります。しかし個人情報保護法は、仮名加工情報と匿名加工情報を別制度として定義しています。単なるマスキングや置換が、当然にいずれかの制度へ該当するわけではありません。

3 仮名加工情報はAI開発で有用だが「第三者提供できる匿名データ」ではない

仮名加工情報は、元データとの対応を適切に分離しつつ、社内の分析・モデル検証・品質改善に用いる場面で有用です。一定の条件の下で利用目的変更に関する規律が緩和される一方、法41条では第三者提供が原則禁止され、本人を識別する目的で他情報と照合することも制限されます。

したがって、外部AIベンダーへ渡すことを前提に「仮名化すれば自由に渡せる」と設計するのは危険です。外部提供を予定する場合は、委託に該当するのか、法42条の仮名加工情報として扱う場面なのか、通常の個人データとして第三者提供・外国提供を検討すべきなのかを切り分けます。

4 匿名加工情報も「何をしても自由」ではない

匿名加工情報は個人情報には該当せず、本人同意を得ずに第三者へ提供することが可能ですが、作成者・取扱事業者には加工基準、安全管理、作成した匿名加工情報に含まれる個人に関する情報の項目の公表、第三者提供時の公表・明示、識別行為の禁止など特有の義務があります。

AI学習用データセットを匿名加工情報として外部提供する場合は、データセット作成時点だけでなく、将来の外部データとの照合や再識別リスクも踏まえて加工方法を検証します。「社内では元データを持っているが、提供先には分からない」というだけで匿名加工情報になるとは限りません。

5 埋め込み・ベクトル・特徴量も自動的に匿名ではない

RAGや推薦、類似検索では、文章・画像等を数値ベクトルへ変換することがあります。しかし数値化したというだけで個人情報性が消えるわけではありません。特定ユーザーIDと紐付く、元文書へ容易に戻れる、他データとの照合により個人を識別できる、といった状態なら個人情報としての検討が必要です。

実務では、①元データとの対応表、②ベクトルDBの検索権限、③メタデータ、④削除要求時の追随削除、⑤バックアップやキャッシュの残存を確認します。特に本人から削除・利用停止等の請求を受けたとき、元レコードだけ消してベクトルDBやRAGインデックスに情報が残る設計は避けるべきです。

合成データ・テストデータも「元データの処理」と切り分ける

PoCやモデル評価では、実在個人のデータをそのまま使う前に、合成データや限定したテストデータで目的を達成できないか検討するとリスクを下げられます。ただし、合成データを作るために元の個人データを処理する工程には個人情報保護法が適用され得ます。また、生成方法によっては元データの特徴や稀な情報が過度に残り、実在人物を推測できる場合もあります。

「synthetic」と表示されていることだけで対象外とせず、生成元データ、生成手法、類似度、再識別テスト、外部提供先が持つ照合データを確認します。PoCでは本番データを大量投入してから法務確認するのではなく、まずデータを減らし、必要になった段階で承認範囲を広げる方が安全です。

データ最小化は入力だけでなくRAG・ログ・評価データにも適用する

AIでは入力画面だけを制限しても、RAGに接続する文書群や評価用ログに不要な個人情報が残っていればリスクは減りません。業務目的に必要な項目だけを検索対象にし、部署・案件単位でアクセス権を分け、ログでは必要に応じて本文ではなく参照IDを保存するなど、各処理段階でデータ量を減らします。

6 学習済みモデル自体が個人情報に当たるかは日EUで評価軸が異なる

AIの個人情報対応では、学習前のデータだけでなく、学習後のモデルや追加学習用のadapter・checkpoint等をどう評価するかも重要です。ここでは、日本法とGDPRで説明の仕方が異なる点に注意が必要です。

個人情報保護委員会Q&A（Q1-8）は、複数人の個人情報を学習用データセットとして用いて生成した学習済みパラメータ（重み係数）について、当該パラメータと特定の個人との対応関係が排斥されている限り、「個人に関する情報」に該当せず、個人情報にも該当しないと整理しています。もっとも、この整理は学習済みパラメータを対象とするものであり、学習用データ、プロンプト、ログ、RAG、fine-tuning用データ、モデル外部のメモリ、出力等まで当然に個人情報保護法の対象外になるという意味ではありません。

EUではAIモデルの「匿名性」をケースごとに検証する

EDPB Opinion 28/2024は、AIモデルについて匿名性を当然の前提とはせず、監督機関がモデルを匿名と評価するためには、合理的な手段によって、少なくとも①学習データに関連する個人データをモデルから抽出できないこと、②モデルへの問い合わせによる出力が、学習に用いられた本人に関する情報とならないことについて十分な証拠があるかを確認すべきとしています。membership inferenceなど、モデルから学習データへの参加や情報を推測する攻撃も評価対象になります。

7 公開情報・スクレイピングでも個人情報保護法は外れない

生成AIやRAGでは、企業サイト、SNS、論文、ニュース、プロフィール等の公開情報を収集して学習・検索基盤へ取り込むことがあります。しかし、「インターネットで公開されているから個人情報保護法の対象外」という整理はできません。個人情報保護委員会は、公知の個人情報も他の個人情報と区別せず保護の対象になると明示しています。

また、公開情報を単に画面上で閲覧するだけの場合は「個人情報を取得」したとは解されない一方、情報を転記して検索可能な状態にしたり、ファイルをダウンロードしてデータベース化したりする場合は、「個人情報を取得」したと解し得るとされています。AI学習用コーパスやRAG用ベクトルDBを作る行為は、この観点から取得・利用目的・安全管理を確認する必要があります。

公開情報をAIへ取り込む前に確認したいこと

• 収集対象に氏名、顔画像、経歴、投稿内容、位置情報等の個人情報が含まれるか
• スクレイピング後に検索可能なデータセット、RAG、Embedding等へ加工するか
• 利用目的を本人が合理的に予測できる範囲で特定できているか
• 情報が訂正・削除された場合に、自社側のデータセットへ反映できるか
• 著作権、利用規約、アクセス制御等の個人情報保護法以外の論点を別途確認したか

公開情報の利用自体が一律に禁止されるわけではありませんが、「公開されている」という一事実だけで学習・RAGへの取込みを無条件に正当化しないことが重要です。

8 個人関連情報もAI向けデータでは見落とさない

AIでは、Cookie等の端末識別子、閲覧履歴、購買履歴、位置情報、興味・関心、広告ID等を特徴量として利用することがあります。これらは、提供元では特定個人を識別できず個人情報に該当しない場合でも、「個人関連情報」に該当することがあります。

個人関連情報取扱事業者が個人関連情報を第三者へ提供し、その第三者が本人を識別できる個人データとして取得することが想定される場合、法31条1項により、原則として本人同意が得られていること等の確認が必要です。外国の第三者への提供では、同意取得に際して外国制度等に関する情報提供も問題になります。

例えば、広告IDや閲覧履歴をAIベンダーへ送り、ベンダー側が会員IDや顧客DBと結び付けて個人単位のスコア・推薦を作る場合、「提供元では個人情報ではない」という理由だけで審査を終えないことが重要です。

9 生成AIへの個人データ入力は「利用目的」と「ベンダーの利用目的」を二段階で確認する

個人情報保護委員会は2023年の生成AIに関する注意喚起で、事業者が個人情報を含むプロンプトを入力する場合、特定された利用目的の達成に必要な範囲内であることを確認するよう求めています。また、本人同意なく個人データを入力し、そのデータが回答出力以外の目的で取り扱われる場合には法違反となる可能性があるため、提供事業者が機械学習に利用しないこと等を十分に確認するよう示しています。

したがって確認は二段階です。第一に、自社がその個人情報をAI業務へ使うことが自社の利用目的の範囲内か。第二に、AIベンダーが受領データを回答生成以外の独自目的で使うかです。

10 AIベンダーが「委託先」かは契約名ではなく実際の目的で判断する

個人データの取扱いをAIベンダーへ委託する場合、国内の第三者提供規制上は一定の条件で「第三者」から除外されますが、委託元には委託先監督が必要です。他方、ベンダーが受領データを自社モデルの汎用学習や他社向け改善など独自目的で利用する場合、単純な委託として整理できるかを再確認しなければなりません。

契約書に「processor」「業務委託先」と書くことより、誰が利用目的を決めるか、ベンダーに独自利用の裁量があるか、再委託先・基盤モデル提供者へデータが流れるかという実態が重要です。

11 越境移転は「サーバの国」だけで判断しない

AIサービスでは、会社所在地、データセンター、バックアップ、サポート拠点、再委託先が別々の国にあることがあります。個人情報保護法28条の外国第三者提供は、単に「データが国外サーバに置かれたか」だけで判断する制度ではありません。

「日本リージョンだから越境移転なし」「海外クラウドだから必ず本人同意」という両極端の判断を避け、誰が実際に個人データを取り扱うかで整理します。

12 外国にあるAIベンダーへ提供する3つの基本ルート

日本から外国にある第三者へ個人データを提供する場合は、法28条に基づき、典型的には次のルートを検討します。委託であっても外国にある第三者への提供の検討が必要です。

相当措置体制を使う場合、「契約を締結したので完了」ではありません。提供先による措置の実施状況、外国制度、再提供等を確認し、本人の求めに応じた情報提供にも対応できるようにします。

13 「識別できない形で外国ベンダーへ渡す」場合にも契約と継続確認が重要

個人情報保護委員会Q&Aは、提供元で氏名等を削除し、外国の提供先にとって個人情報に該当しないデータを委託し、契約上も元の個人情報を復元しないこととされている場合について、一定の条件の下で法28条の本人同意が不要となり得る考え方を示しています。

AI開発ではこの整理が利用できる場合がありますが、単に列名を削除するだけでは足りません。提供先が本人を識別しないことを契約・アクセス設計で担保し、復元がなされていないか等を継続的に確認する必要があります。これは「匿名化すれば国外提供規制が消える」という一般論ではありません。

14 GDPRでは「pseudonymised＝対象外」ではない

EU向けAIでは、日本法の仮名加工情報・匿名加工情報とGDPRのpseudonymisation・anonymisationを同一視しないことが重要です。欧州委員会は、識別情報を外していても再識別できるde-identified・encrypted・pseudonymised dataはGDPR上のpersonal dataに残る一方、個人がもはや識別できないよう不可逆的に匿名化されたデータはpersonal dataではないと説明しています。

したがって、日本法上の仮名加工情報をEU向けにそのまま「anonymous data」と表現するのは避けるべきです。契約・プライバシーポリシー・技術文書では、それぞれの法令の定義に沿って用語を使います。

15 EUから日本・第三国へのAIデータ移転はGDPR Chapter Vを別途確認する

欧州委員会は日本についてGDPR45条の十分性認定を維持しており、EUから日本への一定の個人データ移転には十分性認定を利用できます。もっとも、日本で受領後に別の海外AIベンダーへ再移転する場合や、十分性認定の対象外となる処理では、Chapter Vの移転根拠を改めて確認します。

十分性認定のない国への移転では、SCC等の適切な保護措置を検討し、必要に応じて移転先国の法制度・実務や補完的措置を評価します。AIベンダーの「GDPR対応」表示だけで、自社のcontroller／processor関係や再移転が適法になるわけではありません。

16 RAG・AI出力にも個人情報問題は残る

個人情報問題は入力時だけではありません。RAGが社内文書から個人情報を検索して回答へ出す場合、アクセス権の誤設定によって本来見られない情報が表示されることがあります。また、生成AIが実在人物について不正確な情報を出力し、その結果を保存・共有・意思決定に利用する場合には、本人への不利益や訂正対応を検討する必要があります。

AI出力を「AIが勝手に作った情報」として別物扱いせず、誰について何を記録し、どの業務判断へ利用するのかを確認します。本人から訂正・利用停止等の申出があった場合に、元データ、RAG、ベクトルDB、ログ、評価データのどこを修正・削除すべきかも手順化します。

17 本人対応は「元データ削除」だけで終わらせない――AIデータ削除マップ

AIシステムでは、本人から訂正・削除・利用停止等の申出を受けても、元データだけを消せばすべての情報が消えるとは限りません。RAG、Embedding、ログ、評価用データ、fine-tuning素材など、同じ情報から派生した複数の成果物が存在するためです。まず「どこに残る可能性があるか」を一覧化します。

machine unlearningは「常に必要な法定手続」ではない

本人から削除等の申出があったからといって、あらゆるケースでモデル再学習やmachine unlearningが直ちに法的義務になると一律に整理するのは適切ではありません。まず、当該成果物が日本法上の個人情報・個人データ等に当たるのか、GDPRが適用される場合にモデルが匿名と評価できるのか、どの処理の停止・削除が法的に必要かを確認し、その上で再学習、unlearning、モデル更新、出力抑制等の技術手段を検討します。

ベンダー契約では、削除要求時にどのレイヤーまで対応できるのか、モデル改善済みデータの取扱い、バックアップ消去、削除証跡の提供可否を事前に確認しておくと、本人対応が現実的になります。

18 AI固有の個人情報インシデントは「入力・出力・残存」を分けて確認する

個人データを誤って外部AIへ入力した、RAGの権限ミスで別部署の顧客情報が表示された、AI出力に第三者の個人情報が混入した、といった場合には、通常の漏えい対応に加え、AI固有の残存先を確認します。

「ベンダーへ削除依頼したので完了」とせず、自社側の検索インデックスやログ、二次生成物に残っていないかまで確認できる手順を持つことが重要です。

19 AIベンダー契約で確認したい個人情報条項

AIサービスの契約では、一般的な秘密保持・安全管理だけでなく、AI固有のデータ再利用と変更管理を確認します。

20 2026年改正個人情報保護法は「現行法」と「AIユースケース別の施行準備」を分ける

2026年7月17日、個人情報保護法等の一部改正法が公布されました。個人情報保護委員会によれば、改正法は一部を除き公布日から2年以内の政令で定める日から施行され、2026年9月時点では政令・規則・ガイドライン等の整備が進められています。したがって、現在のAI利用を未施行ルールだけで評価せず、現行法対応と施行準備を別のタスクとして管理します。

改正法は、身体の特徴に関する一定の個人情報等について、違法な取扱い等がなくても本人による利用停止等請求を可能とする方向や、一定の統計作成目的の第三者提供について本人同意を不要とする仕組み、違法な取扱い等により財産上の利益を得た場合の課徴金制度等を含みます。さらにPPCは2026年9月16日の政令・規則整備に関する検討資料として、16歳未満の者の個人情報等の取扱いに関する読替表も公表しており、子ども向けサービスも今後の具体化を追跡すべき領域です。

政令・規則・ガイドラインが確定する前に利用規約や社内規程を断定的に書き換える必要はありません。AI台帳、ベンダー質問票、本人対応フローのどこを更新する可能性があるかを特定し、施行準備リストとして追跡する方法が実務的です。

21 実務フローは「データ分類→目的→相手方→国→設定→契約→監視」の順で進める

22 公開・導入前の実務チェックリスト

23 弊所の実務上の視点

AIと個人情報の相談で特に多い誤解は、「氏名を消したから匿名」「学習オフだから安全」「日本リージョンだから越境なし」という3点です。いずれも一つの技術設定だけで法的評価は決まりません。

弊所では、AIサービス名から結論を出すより、①何のデータを、②何の目的で、③誰が、④どの国から、⑤どの設定・契約で扱うかを図にし、その後に個人情報保護法、GDPR、契約へ落とす方法が実務的と考えています。特にモデル改善、ログ、サポートアクセス、再委託は、導入時の営業資料だけでは把握しにくいため、質問票と変更通知条項で継続的に確認できる形にすることが重要です。さらに、AIではデータを投入した時点で終わりではなく、RAG、Embedding、学習済みモデル、adapter、評価データ等の派生成果物まで追跡し、本人対応時にどこを止め、直し、削除できるかを事前に確認しておくことが重要です。

24 よくある質問

25 早めに法的確認をしたい場面

• 顧客・従業員・患者等の情報を生成AIへ入力したい
• 社内文書をRAGへ投入し、部門横断で検索させたい
• 学習用データを「匿名化」して外部AIベンダーへ渡したい
• AIベンダーが入力情報をモデル改善に利用する可能性がある
• 外国AIサービスを使うが、データセンター・サポート国が複数ある
• 仮名加工情報・匿名加工情報のどちらを使うべきか判断したい
• EU顧客データを日本・米国等のAIサービスで処理したい
• 本人からAI出力やRAGデータの訂正・削除を求められた
• 公開プロフィールやSNS投稿をスクレイピングして学習・RAGへ取り込みたい
• fine-tuning済みモデルやadapterに本人情報が残っている可能性がある
• Cookie、広告ID、閲覧履歴等をAIスコアリング・推薦へ利用したい
• 顔・音声・生体特徴量や子どものデータをAIで扱いたい
• AIベンダーの規約変更で学習利用・保存地域・再委託先が変わった

26 まとめ

AIと個人情報保護では、データを「匿名化したか」「国内サーバか」という一要素だけで適法性を判断することはできません。まず、入力、RAG、中間表現、出力、ログ、学習・評価までデータフローを可視化し、各段階で個人を識別できるか、誰が何の目的で扱うかを確認します。

日本法では、仮名加工情報と匿名加工情報は制度目的も第三者提供の扱いも異なります。越境移転では、本人同意、同等水準国、相当措置体制等のルートを使い分け、サーバ所在地だけでなく外国事業者の取扱実態、再委託、サポートアクセスを確認します。EUデータではGDPR上のpseudonymisation・anonymisationと日本法の用語を混同せず、十分性認定やSCC等の第三国移転ルールを別途確認します。

さらに、公開情報の収集、個人関連情報、学習済みモデル、fine-tuning成果物まで含めると、AI個人情報対応は「入力時のチェック」だけでは完結しません。データ取得から学習、推論、出力、保存、削除までのライフサイクル全体を追跡し、日本法とGDPRで評価軸が異なる部分を切り分ける必要があります。

AI導入時に必要なのは、禁止ルールだけではなく、データ分類、承認済み設定、契約、削除・本人対応、モデル成果物の管理、変更管理を一体化した運用です。

27 主要な一次資料

• 個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン（仮名加工情報・匿名加工情報編）」（令和8年4月一部改正）
• 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）
• 個人情報保護委員会「個人情報の保護に関する法律についてのガイドラインに関するQ&A」
• 個人情報保護委員会「令和8年 改正個人情報保護法について」
• 個人情報保護委員会 FAQ Q1-5「新聞やインターネットなどで既に公表されている個人情報は、個人情報保護法で保護されるのですか」
• 個人情報保護委員会 FAQ Q4-4「インターネット等の公開情報の取得」
• 個人情報保護委員会 FAQ Q2-8「個人関連情報とは何か」
• 個人情報保護委員会「第369回 個人情報保護委員会」（2026年9月16日）
• European Data Protection Board, Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models
• e-Gov法令検索「個人情報の保護に関する法律」
• European Commission, “Application of the GDPR”
• European Commission, “Data protection adequacy for non-EU countries”
• EUR-Lex, Regulation (EU) 2016/679 (GDPR)