情報資産のリスク分類とは。AIを使うなら、情報の重要度に加えて使い道でも分ける

情報資産のリスク分類とは。AIを使うなら、情報の重要度に加えて使い道でも分ける 2026.09.29 AIガバナンス

IPAの資産管理台帳のサンプルは、情報資産ごとに機密性、完全性、可用性をそれぞれ1から3で採点し、3つのうち最大の値をその資産の重要度にします^[1]。記入例では、人事部の社員名簿の機密性が3と採点されています^[1]。

この採点が測っているのは、情報が漏れたり、書き換えられたり、使えなくなったりしたときに、自社と取引先がどれだけ損をするかです。人事部が応募書類をAIに読ませて候補者を絞り込み始めても、機密性の点数は変わりません。しかしEU AI ActのAnnex IIIは、応募書類を分析して絞り込むAIを高リスクAIに挙げています^[2]。

台帳の点数が変わらないまま使い方だけが変わると、対策費は漏えい防止に払われ続け、候補者を落とした理由を説明する記録を残す作業には手が回らないままになります。情報資産の台帳に何が書いてあれば、AIに渡した情報のリスクまで測れるのでしょうか。

情報資産のリスク分類は、何を採点しているのか

情報資産のリスク分類とは、社内の情報を洗い出して台帳に並べ、失ったときの損害の大きさで重みを付け、対策の順番を決める作業です。IPAは、中小企業の情報セキュリティ対策ガイドライン第4.0版を2026年3月27日に公開し、その付録6として資産管理台帳のサンプルを配布しています^[3]。

サンプルの「重要度定義」は、3つの観点ごとに採点の基準を書いています^[1]。

観点	3の基準（抜粋）	2の基準	1の基準
機密性	法律で安全管理が義務付けられている（個人情報など）、自社の営業秘密として管理すべき（取引先リスト、独自技術など）	漏えいすると事業に大きな影響がある（見積書、仕入価格など）	漏えいしても事業にほとんど影響はない（製品カタログなど）
完全性	改ざんされると自社に深刻な影響または取引先や顧客に大きな影響がある	改ざんされると事業に大きな影響がある	改ざんされても事業にほとんど影響はない
可用性	利用できなくなると自社に深刻な影響または取引先や顧客に大きな影響がある	利用できなくなると事業に大きな影響がある	利用できなくなっても事業にほとんど影響はない

サンプルは、こうして付けた重要度に、脅威の発生頻度と対策の実施状況から出す被害発生可能性を組み合わせてリスク値を出し、大、中、小で表示します。IPAはこの算定を、対策の優先度を決めるためのものと説明しています^[1]。リスク値が大の行から予算と人手を回す、という使い方です。

表の基準に出てくる損害の受け手は、自社と、取引先や顧客です。この表は、漏れる、壊れる、止まるという3つの出来事について、会社がどれだけ損をするかを答えるように作られています。

生成AIを使い始めても、この表はそのまま使えるのか

採点の基準は、そのまま使えます。基準が測っているのは、情報が漏れたとき、壊れたとき、止まったときの損害で、その大きさは情報をAIに入力しても変わらないからです。製品の設計図をクラウドのAIサービスに貼り付けても、設計図が漏れたときの損害は同じなので、機密性は3のままです。AIが設計図を要約した文章も、漏れれば同じ損害が出るので、同じ基準で3と採点できます。変わるのは漏れる経路で、これはサンプルの「媒体・保存先」の欄に書けます。記入例には、電子メールデータを「Gmailに転送」し、保存先を「社外サーバー」とした行があります^[1]。AIサービスも、保存先として行を足せば書けます。

そのままでは足りないのは、点数の持ち方です。サンプルの台帳は、機密性、完全性、可用性の点数と、そのうち最大の値を重要度として持つだけで、なぜその点数にしたかを書く欄がありません^[1]。生成AIに入力してよいかは、点数が同じでも、その点数にした理由によって答えが変わります。

情報資産	機密性	その点数にした理由	生成AIに入力してよいかを決めるもの
応募書類	3	法令（個人情報）	個人情報保護法。本人の同意なく入力した個人データが、応答の出力以外の目的で扱われると違反の可能性があるため、提供者が学習に使わないことなどを確かめる^[8]
製品設計図	3	自社の営業秘密	自社の判断。どのAIサービスまで入れてよいかを社内で決められる
取引先から預かった金型図面	2か3	取引先との秘密保持契約	契約の文言。第三者への開示や目的外の利用を禁じていれば、入力を学習に使わないAIサービスでも、入力が契約に反するかを確かめる

3行目の預かった図面は、IPAの機密性の基準に当てはまる項目がありません。3の基準は法令と自社の営業秘密、2の基準は見積書や仕入価格を例に挙げているので^[1]、担当者によっては2と採点します。機密性2まで入力してよいと決めたAIサービスがあると、点数だけを見た担当者は、契約で開示を禁じられた図面をそのサービスに入れてしまいます。

そこで、台帳の評価値の右に「点数の理由」の列を1本足し、法令、契約、自社判断の3つから1つ選んで書きます。法令と契約を選んだ行には、根拠の名前と、AIに入力するときの条件も書きます。理由が契約の行は、契約が変われば入力の条件も変わるので、契約の更新日に見直す行の目印にもなります。列の足し方は当社の見方です。

政府の統一基準は、この持ち方を最初から取っています。政府機関等のサイバーセキュリティ対策のための統一基準（令和7年度版）は、情報に機密性などの格付を付けるのとは別に、「複製禁止、持出禁止、配布禁止、暗号化必須、読後廃棄」などの取扱制限を決めて明示するよう求めています^[9]。外部の者が作った情報を受け取ったときも、管理を始める時点で格付と取扱制限を決めます。クラウドサービスを選ぶときは、格付と取扱制限の両方を踏まえて検討します^[9]。預かった金型図面の開示禁止は、統一基準でいえば取扱制限に当たります。

統一基準は、参照した情報をもとに新しい情報を作るときは、元の情報の機密性の格付と取扱制限を引き継ぐ、とも定めています^[9]。AIが製品設計図を要約した文章には、設計図と同じ機密性3と「自社判断」の理由を付けます。預かった図面をもとにした文章なら、開示禁止の条件まで引き継ぎます。

生成AIについては、デジタル社会推進会議幹事会の「ChatGPT等の生成AIの業務利用に関する申合せ（第2.1版）」（2025年3月25日）が、格付ごとに入力できるサービスを分けています。規約への同意だけで使えるサービスを約款型クラウドサービスと呼び、そこでは要機密情報（機密性2以上の情報）を取り扱うことはできないとし、個別に契約したサービスでも扱えるのは「適切なリスク分析を行った一部の機密性２情報まで」としています^[7]。この線の位置は政府の業務に合わせたもので、民間の会社が線をどこに引くかは、扱う情報とAIサービスの契約で確かめられる内容によって変わります。AIサービス一覧の記事では、ある会社が学習に使わない設定を確かめた法人契約のサービスの上限を機密性3に置いた例を挙げました。

台帳のリスク値は、この判断には使えません。サンプルのリスク値は、重要度に被害発生可能性（1から3）を掛けた値で、6以上が大、4が中、3以下が小です^[1]。機密性3の設計図でも、AIサービスの被害発生可能性を1と付ければ、リスク値は3で小と表示されます。IPAはリスク値を、対策の優先度を決めるための値と説明しています^[1]。入力してよいかは、点数と理由の列で決めます。

点数と理由の列を足しても測れないのは、AIの出力を使って人を判断する場面です。応募書類は個人情報なので、採点の基準に従えば機密性はもともと3です。人事部がその応募書類をAIに渡して候補者を絞り込み始めても、漏れたときの損害は同じなので、台帳の点数は1つも動きません。

ここで「個人情報は機密性3で最上位なのだから、十分に重く扱っている」という反論が出ます。しかし機密性3が求める対策は、漏らさないための対策です。AIが適性のある候補者を落としたとき、損害を受けるのは会社ではなく落とされた候補者で、その損害は情報が1件も漏れなくても起こります。表の3つの観点には、この損害の受け手が入っていません。

EU AI Actが足すのは、用途で人への影響を測る軸

欠けている軸を、条文として書いているのがEU AI Actです。EU AI Actは、AIをリスクの大きさで4つの段階に分けています^[4]。

段階	欧州委員会の説明	扱い
許容できないリスク	人の安全、生活、権利への明白な脅威とみなされるAI	禁止
高リスク	健康、安全、基本的人権に重大なリスクをもたらしうるAIの用途。雇用、重要インフラ、教育、生体識別など	事業者に義務を課す
透明性リスク	人が機械とやり取りしていると知らせる必要があるAI	開示を求める
最小リスク、リスクなし	AIを使ったビデオゲームや迷惑メールのフィルタなど	規則を設けない

段階を決めるのは、情報の種類ではなくAIの用途です。第6条2項は、Annex IIIに挙げたAIを高リスクとみなすと定めています^[5]。Annex IIIは、生体認証、重要インフラ、教育、雇用、必要不可欠な民間サービスと公共サービス、法執行、移民と国境管理、司法と民主的プロセスの8分野を挙げます^[2]。

一般企業がもっとも当たりやすいのは雇用の分野です。Annex IIIの第4項は、応募書類を分析して絞り込むAIや候補者を評価するAIのほか、昇進や契約終了の判断に使うAI、働く人の成果や振る舞いを監視して評価するAIを挙げています^[2]。同じ取引データを読むAIでも、第5項（b）は個人の信用力を評価するAIを高リスクに挙げ、金融詐欺を見つけるAIを除いています^[2]。

Annex IIIの分野に入っても、すべてが高リスクになるわけではありません。第6条3項は、人の健康、安全、基本的人権に重大な危害のリスクをもたらさず、意思決定の結果に実質的な影響を与えないAIを高リスクから外し、その場合として次の4つを挙げています^[5]。

（a）限られた手続き上の作業をするAI
（b）人がすでに終えた作業の結果を改善するAI
（c）過去の判断のパターンやそこからのずれを見つけるAIで、人の適切な確認なしに先の判断を置き換えたり左右したりしないもの
（d）Annex IIIの用途に関わる評価の、準備作業をするAI

ただし、自然人のプロファイリング（個人の特性や行動を自動で分析、予測すること）をするAIは、常に高リスクとみなされます^[5]。応募書類の日付の書式をそろえるだけのAIは（a）に当たりうる一方、応募者の適性を点数にするAIは外れません。第6条4項は、Annex IIIのAIを高リスクではないと考える提供者に、その評価を文書にしておくよう求めています^[5]。

IPAの表とEU AI Actの分類を並べると、測っている損害の受け手が違います。IPAの表は、情報が漏れる、壊れる、止まるときの自社と取引先の損害を測ります。EU AI Actの分類は、AIの判断で影響を受ける人の健康、安全、基本的人権への危害を測ります^[5]。設計図の要約は、前者では最上位になりうる一方、後者では対象外です。応募書類の絞り込みは、前者でも後者でも上位に入ります。

日本の会社がEU AI Actから借りられる範囲

「うちはEUで売っていないから関係ない」という反論は、法的な義務についてはおおむね当たっています。EU AI Actは、第5条で禁止されたAIの実務への違反に最大3,500万ユーロか前年度の全世界売上高の7%のいずれか高いほう、提供者や導入者の義務などへの違反に最大1,500万ユーロか3%のいずれか高いほうの制裁金を定めています^[6]。これらは、EU市場にAIを出す事業者やEUでAIを使う事業者に向けた規定で、国内向けに社内でAIを使うだけの会社に、そのまま義務としてかかるわけではありません。

適用の時期も延びました。2026年7月27日に発効したAI Omnibus（EU AI Actの改正規則）により、Annex IIIの高リスクAIの規則は2027年12月2日から、製品に組み込まれる高リスクAIの規則は2028年8月2日から適用されます^[4]。

借りられるのは、義務ではなく分類の手順です。Annex IIIの8分野は、自社のAIの用途と突き合わせる確認リストとして使えます。第6条3項の4条件とプロファイリングの例外は、「このAIは人の判断を置き換えるのか、判断の前の下ごしらえをするだけか」を問う質問として使えます。答えを第6条4項のように理由付きで残しておけば、後から別の担当者が判断をたどれます。

一方で、台帳に「Annex III該当なし」と書いても、その記載はEU AI Actに適合していることの確認にはなりません。台帳に書けるのは、EUの分類を参考に、社内でどの重さの確認をかけるかを決めた記録までです。

情報資産の台帳に、用途の列を1本足す

ここまでの整理を台帳の形に落とすと、IPAの情報資産管理台帳はそのまま使い、AIに渡している行にだけ列を1本足す形になります。足す列には、次の4点を書きます。

その情報をどのAIに渡し、AIの出力を何の判断に使っているか
その判断がAnnex IIIの8分野のどれかに当たるか、当たるなら第6条3項の4条件のどれかに当たるか、プロファイリングを含むか
AIの出力が成果物に混ざって社外に出るか、出るなら出す前に誰が何を確かめるか
そう判断した理由と、判断した日

3点目は、IPAの表の3つの観点でも、EU AI Actの高リスクの分類でも拾えない損害を扱います。顧客向けの報告書の下書きをAIに書かせると、AIの出力の誤りが、納品物に残ったまま社外に出ることがあります。損害を受けるのは納品先で、IPAの表が採点する自社の情報資産の改ざんには当たりません。前述の申合せも、個別契約で生成AIを使う条件に、「生成AIの出力結果を二次利用する場合の責任の明確化」と「出力結果の社会的影響に係るリスク評価」を挙げています^[7]。社内の議事録の要約なら出力は社外に出ず、顧客向けの報告書なら出る、というように、出るかどうかは情報の種類ではなく使い道で変わるので、情報資産の機密性の列ではなく用途の列に書きます。

社内のAIの使い道を1件1行で並べたAIインベントリを作っているなら、この4点は情報資産の台帳に書き込まず、AIインベントリの行に書く分け方もあります。情報資産の台帳には、その情報を使うAIインベントリの行のIDだけを書いて、2つの台帳を結びます。同じ使い道を2つの台帳に書くと、片方だけ書き換えられて食い違うおそれがあるからです。この分け方は当社の見方です。

IPAの記入例では、開発部の「製品設計図」は機密性、完全性、可用性がすべて3です^[1]。この設計図をAIに要約させているとしましょう。用途の列は対象外になるので、確認の手間はAIサービスの契約条件と保存先の採点に寄せます。人事部の応募書類をAIで絞り込んでいるなら、機密性の列も用途の列も上位に入ります。この行には、漏えい対策に加えて、人がAIの結果を確かめる手順、判断の記録、AIを止める手順まで確認をかけます。

機密性の列も用途の列も低い行、たとえば記入例で機密性が1の製品カタログを要約させるだけの行は、入力ルールの確認だけで通せます。どちらの列で高いかによって確認する中身が変わるので、全行に同じ審査をかけるのに比べて、審査担当者の工数を必要な行に寄せられます。

IPAのサンプルは、重要度が時間とともに変わることがあると注記しています^[1]。用途の列はもっと速く変わります。議事録の要約に使っていたAIを、人事部が評価面談の記録の分析に使い始めた日に、その行は雇用の分野に移ります。その変化を誰が見つけて台帳を書き換えるのかは、列を足しただけでは決まりません。シャドーAIの記事で書いた利用実態の棚卸しを、一度で終わらせずに繰り返す理由はここにあります。

アハクラフトのAIインベントリ（AI利用台帳）の立ち上げ支援では、この情報資産の台帳とAIサービス一覧、AIインベントリをIDで結び、どの情報をどのAIに入れてよいかを決めるAI利用ポリシーを作ります。台帳とポリシーはコードとして管理し、使い道が変わって行を書き換えたときの履歴とレビューが残る形で引き渡します。

自社がどの工程で止まっているかを確かめる12問の自己診断、部署の業務ごとにAnnex IIIに当たるかを引く対応表、4つの表を埋めた記入例は、資料「AIに渡す情報と使い道の台帳　自社で進めるための診断と手順」にまとめました。