CHAPTER 04 / FREE TEXTBOOK

第4章 リスク予防・AI倫理・ガバナンス

便利さと責任を、別々に考えない。

LESSON 04-01概念と具体例

利用者の最終責任

定義:生成AIの結果を利用・公開・実行する判断と責任は人間や組織が担うという原則。

具体例:AIが作った契約文面を担当者がチェックして採用判断する。

混同しないポイント

AIが生成したから誤りの責任が消えるわけではない。

この用語を問題で確認 →
LESSON 04-02概念と具体例

一次情報で検証

定義:元データや公的発表、原文などを使って重要な事実を照合すること。

具体例:法令の条番号を官公庁の原文で確認する。

混同しないポイント

AIへの再質問だけで独立の検証になったとは限らない。

この用語を問題で確認 →
LESSON 04-03概念と具体例

用途に応じた検証

定義:誤りの影響の大きさに合わせて確認の厳しさを変える方法。

具体例:雑談用アイデアより医療情報の正確さを慎重に確かめる。

混同しないポイント

すべての用途を同じ手順で済ませない。

この用語を問題で確認 →
LESSON 04-04概念と具体例

ハルシネーション対策

定義:生成内容を無批判に採用せず、根拠・出典・最新性を確認する対応。

具体例:引用元として挙げられた論文が実在するか調べる。

混同しないポイント

温度を0にすれば虚偽情報がなくなるわけではない。

この用語を問題で確認 →
LESSON 04-05概念と具体例

シャドーAI

定義:組織の承認や管理を受けずに従業員が利用するAIサービス。

具体例:私用AIへ顧客一覧を無断でアップロードする。

混同しないポイント

会社が承認した正式サービスの利用と異なる。

この用語を問題で確認 →
LESSON 04-06概念と具体例

機密情報の扱い

定義:AIへの入力前にデータの公開範囲・契約・設定・保存条件などを確認すること。

具体例:非公開の売上データを投入してよい契約か確認する。

混同しないポイント

AIが賢ければ入力情報が無条件で安全なわけではない。

この用語を問題で確認 →
LESSON 04-07概念と具体例

個人情報

定義:生存する個人を識別できる情報など、法令で定義される情報。

具体例:氏名と連絡先が紐づく顧客名簿を取り扱う。

混同しないポイント

匿名化したつもりでも再識別可能性の検討が必要。

この用語を問題で確認 →
LESSON 04-08概念と具体例

要配慮個人情報

定義:取扱いに特別な配慮が必要で法令上定められた個人情報の類型。

具体例:病歴などを含む情報を特別な注意のもとで扱う。

混同しないポイント

機微に感じる情報すべてと法的な定義が一致するとは限らない。

この用語を問題で確認 →
LESSON 04-09概念と具体例

仮名加工情報

定義:一定の加工を施し、他情報と照合しなければ特定個人を識別できないようにした情報。

具体例:氏名を置換し、別管理の対応表があれば復元可能なデータを扱う。

混同しないポイント

匿名加工情報と法的な要件・扱いが異なる。

この用語を問題で確認 →
LESSON 04-10概念と具体例

著作権とAI生成物

定義:AIへの入力・生成・利用の各場面で既存著作物の権利を確認する必要がある。

具体例:既存作品に酷似した広告画像を公開前に点検する。

混同しないポイント

AIが作ったことだけで無条件に商用利用できるわけではない。

この用語を問題で確認 →
LESSON 04-11概念と具体例

引用と転載

定義:公正な慣行や目的上の必要性などの引用要件を満たす利用と、単純に他者の表現を掲載することは異なる。

具体例:短い文章を必要な範囲で引用し、本文側に自分の分析を加える。

混同しないポイント

出典を書けば無条件に全ページ転載できるわけではない。

この用語を問題で確認 →
LESSON 04-12概念と具体例

肖像権・パブリシティ権

定義:人物の容貌の使用や顧客吸引力などに関する人格的・財産的利益の問題。

具体例:有名人の写真を許可なく広告バナーに用いる。

混同しないポイント

著作権をクリアした写真でも人物の権利に注意する。

この用語を問題で確認 →
LESSON 04-13概念と具体例

バイアスと公平性

定義:学習データや設計による偏りが特定の人々への不利益につながり得る問題。

具体例:採用支援AIがある属性の候補者に不利な評価を出していないか検証する。

混同しないポイント

平均的な正解率が高いだけでは公平性は保証されない。

この用語を問題で確認 →
LESSON 04-14概念と具体例

ディープフェイク

定義:AIで生成・加工した本物に見える映像や音声等。なりすましなどのリスクがある。

具体例:偽の社長音声で振込を指示する詐欺を警戒する。

混同しないポイント

AI映像すべてが不法という意味ではない。

この用語を問題で確認 →
LESSON 04-15概念と具体例

フィッシング

定義:正規サービスを装って認証情報等を盗み取ろうとする詐欺。

具体例:本物そっくりのログイン画面へ誘導するメールを見抜く。

混同しないポイント

送信者名だけで正規か判断してはいけない。

この用語を問題で確認 →
LESSON 04-16概念と具体例

AI倫理・ELSI

定義:AIによる倫理的・法的・社会的な影響をまとめて考える枠組み。

具体例:顔認識の利便性だけでなく差別・プライバシーを議論する。

混同しないポイント

法律に違反しなければ問題がないという考え方とは違う。

この用語を問題で確認 →
LESSON 04-17概念と具体例

AIガバナンス

定義:AIの活用方針・責任・管理・監視・改善を継続的に運用する組織の仕組み。

具体例:導入申請、権限管理、ログ監査、事故対応をルール化する。

混同しないポイント

単に使用禁止を掲げることではない。

この用語を問題で確認 →
LESSON 04-18概念と具体例

APIキーの管理

定義:外部APIへの認証情報を適切に保管し、権限・漏洩・ローテーションを管理すること。

具体例:公開WebページのJavaScriptに秘密APIキーを埋め込まない。

混同しないポイント

キーを複製して全員に配るのは安全策ではない。

この用語を問題で確認 →
LESSON 04-19概念と具体例

AI法とガイドライン

定義:法律・ガイドライン・企業内ルールでは拘束力や役割が異なることを理解する。

具体例:AI法の法的枠組みと事業者向け指針を区別して読む。

混同しないポイント

ガイドラインの全項目がそのまま刑罰付きの義務になるとは限らない。

この用語を問題で確認 →
LESSON 04-20概念と具体例

インシデント対応

定義:問題発生時に封じ込め・報告・調査・再発防止を行う一連の対応。

具体例:誤ってデータをAIへ送信した場合に権限停止と社内報告を行う。

混同しないポイント

隠して削除すれば十分という対応ではない。

この用語を問題で確認 →