AIに渡す前の匿名化：置換表で人名・社名・金額を安全に扱う手順

3つの処理を使い分ける

伏せ字だけにすると、誰の発言か、どの会社の話かが区別できず、要約や担当割り振りの精度が落ちます。逆に、すべてを同じ名前のまま渡すと、不要な情報まで外に出ます。そこで処理を3つに分けます。

• 戻す置換、内容：一貫したコードに置き換え、置換表で復元する、向く情報：担当者・取引先など、出力で元の名前が必要なもの、例：田中 → [[人物01]]
• 戻さない置換、内容：区別だけ残し、復元の対応を作らない、向く情報：分析に必要なのは「別の人」という区別だけの場合、例：参加者 → 「参加者A・B」
• 削除・一般化、内容：文章から取り除くか、粗い表現にする、向く情報：住所、電話番号、メール、役職と部署の組み合わせなど、例：「営業部長」→「部門責任者」

迷ったら、削除できるものは削除し、戻す必要があるものだけを「戻す置換」にします。復元できる対応表を作るほど、管理すべき情報が増えるためです。

金額の扱い

金額は、AIに計算や比較をさせたいかで変わります。

• 金額の大小や増減の話だけなら、「約1,000万円台」のように丸めるか「予算額」と一般化します。
• 正確な値が出力に必要なら、[[金額01]] に置換して戻します。ただしコードのままでは計算できません。合計や差額はAIではなく表計算ソフトで出し、文章にはコードだけを入れてもらうほうが安全です。

置換表のテンプレート

置換表は、元の表記とコードの対応を書く表です。この表自体には元の名前が入るため、AIには渡さず、別のファイルで保管します。

• [[人物01]]、種別：人名、元の表記(例)：田中 一郎、表記ゆれ：田中さん/田中部長/Tanaka、処理：戻す、戻し先：田中一郎、備考：司会
• [[人物02]]、種別：人名、元の表記(例)：佐藤 花子、表記ゆれ：佐藤さん/佐藤、処理：戻す、戻し先：佐藤花子、備考：経理担当
• [[社名01]]、種別：社名、元の表記(例)：株式会社みなと商事、表記ゆれ：みなと商事/当社みなと/MINATO、処理：戻す、戻し先：株式会社みなと商事、備考：取引先
• [[金額01]]、種別：金額、元の表記(例)：1,280万円、表記ゆれ：1280万/12,800,000円、処理：戻す、戻し先：1,280万円、備考：見積総額
• (なし)、種別：電話番号、元の表記(例)：03-0000-0000、表記ゆれ：—、処理：削除、戻し先：—、備考：本文から除去
• 参加者A、種別：人名、元の表記(例)：出席者の一人、表記ゆれ：—、処理：戻さない、戻し先：—、備考：意見の区別のみ必要

作るときのルールは次の通りです。

1. コードは桁をそろえ、閉じ記号を付けます。 [[人物01]] と [[人物10]] のように2桁にそろえると、置換時に前方一致で壊れにくくなります。
2. 表記ゆれは一行にまとめます。 「田中」「田中さん」「田中部長」を別人としてコード化してしまうと、同一人物と認識されません。
3. 肩書や部署で個人が特定できないかを見ます。 氏名を消しても「大阪支店の最年少の課長」で分かる場合があります。そうした記述は一般化します。
4. 一つのコードは一つの対象だけに使います。 別の案件にも使い回さず、案件ごとに表を作ります。

説明用の例:議事録を置換する

次は架空の議事録の一部です。

置換前(説明用の例)

田中部長より、みなと商事向け見積1,280万円について説明。佐藤さんは、値引き幅を確認した上で来週火曜に返答すると述べた。連絡先は03-0000-0000。

置換後(AIに渡す文章)

[[人物01]]より、[[社名01]]向け見積[[金額01]]について説明。[[人物02]]は、値引き幅を確認した上で来週火曜に返答すると述べた。連絡先は(削除)。

日付や「値引き幅」といった作業に必要な内容は残し、電話番号だけを削除しています。

AIへの依頼文

コードをAIが勝手に言い換えたり、新しい名前を足したりしないよう、依頼文で縛ります。

以下の議事録を、決定事項・宿題・未決事項の3つに整理してください。

ルール:
- [[人物01]] のような[[ ]]付きのコードは、一字も変えずにそのまま使うこと。
- コードの実名を推測したり、新しい人名・社名・金額を足したりしないこと。
- 本文にない情報は「記載なし」と書くこと。
- 出力は箇条書きで、宿題には担当コードと期限を付けること。

議事録:
(置換後の本文)

AIの出力を元の名前へ戻す手順

1. 出力を確認します。 置換表にないコード(例: [[人物07]])や、実在しそうな新しい名前が混ざっていないかを見ます。あれば幻覚か書き換えなので、戻さずに修正を依頼します。
2. 表記が崩れたコードを直します。 [人物01] のように括弧が欠けたものがないか検索します。
3. 置換表を使って一括置換します。 テキストエディタや文書ソフトの検索置換で、[[人物01]] → 田中一郎、のように一件ずつ行います。コードを桁そろえにしてあれば順序で悩みません。
4. 敬称や助詞を整えます。 「[[人物01]]部長」は「田中部長」に直す、のように、元の呼び方に合わせて手で整えます。
5. 残存コードを検索します。 [[ で全文検索し、置換漏れが0件であることを確認します。
6. 金額と日付を原資料と突き合わせます。 AIが数字を取り違えていないかを、元の議事録で確認するのは人の仕事です。
7. 完成した文書の保管先を決めます。 元の名前に戻した時点で、通常の社内文書に戻ります。保存場所と共有範囲は通常の文書と同じルールで管理します。

置換だけでは足りない点

法令上の「仮名加工情報」「匿名加工情報」とは別物です

個人情報保護委員会のFAQによると、匿名加工情報は個人情報に当たらず、復元できないよう加工したものです。一方、仮名加工情報は、作成した事業者が元の情報を持っているため原則として個人情報に当たるとされています(匿名加工情報と仮名加工情報の違い|個人情報保護委員会)。また、氏名などを取り除いただけの「匿名化」は、他の情報から個人が分かる場合、なお個人情報に該当しうると説明されています(「匿名化」と「匿名加工情報」の違い|個人情報保護委員会)。

この記事の置換表方式は、社内で元に戻せる点で後者に近く、法令上の加工基準を満たしたものとは言えません。「置換したから個人情報ではない」とは考えず、置換後の文章も表と組み合わせれば個人が分かる情報として扱うのが安全です。自社の適法性は、社内の担当部門や専門家に確認してください。

学習設定と秘密保持は別の話です

学習への利用は、サービスやプランで扱いが違います。OpenAIのヘルプによると、ChatGPTのFree・Plus・Proではコンテンツがモデル改善に使われる場合があり、設定で新しい会話を対象外にできます。Business・Enterprise・Edu・APIは既定ではモデル改善に使われません。また、個人向けプランでは、オプトアウト後でも評価ボタン(👍👎)からフィードバックを送ると、会話全体がモデル改善に使われる場合があります(How your data is used to improve model performance|OpenAI Help Center)。ただし、これは学習利用の説明であり、保存期間や社内の秘密保持契約の代わりにはなりません。他のサービスは、それぞれの公式ページで確認してください。

置換は、これらの設定や契約を置き換えるものではなく、渡す情報を減らす追加の対策です。

置換しても残りやすいもの

• 固有の出来事(「先月のシステム障害で…」など)
• 少人数の部署の役職
• 金額の端数、日付、場所の組み合わせ

これらは、表に載せなくても内容から特定できる場合があります。迷ったら一般化するか、その部分を渡さない判断をします。

渡す前の最終チェック

• [ ] 置換表は、AIに渡す文章とは別のファイルになっている
• [ ] 表記ゆれ(敬称、略称、英字表記)を拾えている
• [ ] 電話番号・住所・メールなど、戻す必要がない識別子は削除した
• [ ] 肩書や部署の組み合わせで個人が分かる記述を一般化した
• [ ] 使うAIの学習設定と、社内ルールで許可されたサービスかを確認した
• [ ] 戻した後、[[ の検索で置換漏れが0件だった