ISO/IEC 27701（PIMS）実装ガイドを読む / AIガバナンスの足場としてのプライバシー管理雑感

0　はじめに

　AIガバナンスの議論は、どうしてもモデルの側に寄る。公平性、説明可能性、幻覚、評価指標、いずれも重要な論点である。他方で、企業実務が最初に躓くのは、往々にしてモデル以前のデータそのものである。
　何を集め、何を保持し、誰に渡し、いつ消去するのか。このデータの作法が曖昧なまま、どれだけAIモデルの性能や倫理性を磨いても、最終的には規制対応・監査対応・説明責任の局面で詰むことになる。足元が崩れていれば、その上に築いたAI倫理も砂上の楼閣に過ぎない。
　今回は、ET CISOとMOSが共同で作成したISO 27701 IMPLEMENTATION GUIDEを手がかりに、プライバシー情報管理システム、いわゆるPIMSという管理の型が、AIと法の接点でどのように機能しうるかについて、雑感として整理を試みる。

1　問題の所在　原則はあるが手続が薄い

　GDPRや日本の個人情報保護法、あるいは昨今のAI規制案において、個人情報・プライバシーをめぐる法の原則はよく整っている。目的限定、データの最小化、透明性、権利保障といった原則論は、誰もが耳にしたことがあるだろう。しかし、いざ企業の現場に下りると、途端に具体の手続が不足していることに気づかされる。
　典型的な課題として、まず組織内で誰がプライバシー管理の責任者かが判然としない。CISOなのか、DPOなのか、あるいは法務部門なのか。役割分担が曖昧なケースは多い。次に、データの所在と流れが把握されていない。特に非構造化データを大量に扱うAI開発において、どのデータセットにPIIが含まれているかを正確に追跡できている組織は稀である。さらに、委託先やクラウドの先の処理が見えない。APIを通じて外部モデルを利用する場合、データがどのように処理・保存されるかがブラックボックス化しやすい。そして、事故時に何を根拠に管理は適切だったと言えるのかが不明確である。
　AI技術の導入は、これらの弱点を劇的に増幅する。AIは大量のデータを食べ、推論結果としてのログを吐き、APIを介して外部サービスと複雑に結びつき、学習・推論・改善という独自の時間軸を内蔵する。従来の静的なデータベース管理の発想では、この動的なエコシステムを制御しきれない。
　この点、ISO/IEC 27701に基づくPIMSは、法の原則を監査可能な運用に翻訳するための枠組みとして読むことができる。同規格は、情報セキュリティ管理の国際規格であるISO/IEC 27001・27002の上に、プライバシー保護の層を載せる拡張規格であり、PIIを扱う管理者および処理者を念頭に、詳細な要求事項とガイダンスを与えている。単に守るべき原則を唱えるのではなく、回るべきマネジメントシステムを提示している点に、その本質的価値がある。

2　PIMSの骨格　AIに効くのは地味な条項である

　実装ガイドが繰り返し強調するのは、プライバシーをコンプライアンス上の後付けにせず、業務プロセスそのものに埋め込むという発想である。PIMSは、AIガバナンスにおいて、以下のような極めて地味な要素から構成されるが、これこそが実効性の要となる。
　第一に、スコープ設定である。どの事業・拠点・システム・データ類型までをPIMSの対象にするかを明確化し、適用除外があるならその正当化を求める。AIプロジェクトでは、各部門でPoCが乱立しがちであり、管理対象外の野良AIが生まれやすい。スコープの設計を誤れば、どれだけ立派な規程を作っても管理されないAIが量産されるだけである。
　第二に、役割と権限である。DPOやプライバシー責任者の任命、部門横断的なガバナンス体制、そしてRACIマトリクスのような責任分解が求められる。AI利用においては、法務、セキュリティ、データ部門、プロダクトの利害が必ず衝突する。明確な責任分解がなければ、リスク受容の意思決定が停止し、プロジェクトは頓挫する。
　第三に、データマッピングである。どこにPIIがあり、どう流れ、どこで処理され、どこへ移転され、いつ消えるかを、データインベントリや処理活動記録として保持する必要がある。AIに引き寄せて考えるならば、学習データ、評価データ、ユーザーが入力するプロンプト、AIが生成する応答ログ、そしてモデル改善のためのフィードバックループが、すべて同じ地図の上に載っていなければならない。データフロー図がないAI開発は、目隠し運転に等しい。
　第四に、運用である。適法根拠の整理、同意管理、目的限定・最小化、保存期間と安全な廃棄、第三者・委託先管理、越境移転管理、プライバシー・バイ・デザイン、匿名化・仮名化、権利対応、インシデント対応などが含まれる。これらはいずれもAI特有の論点として語られがちだが、実のところ、その大半は伝統的なデータ処理の論点として立ち上がるものである。AIは特別である前に、まずもってデータ処理なのである。

3　AIの学習は処理である　PIMSで読み替える

　PIMSの語彙でいう処理は、ISO/IEC 29100等の定義に基づき、収集・記録・保管・利用・開示・消去までを広く含む概念である。当然ながら、生成AIにおける事前学習、ファインチューニング、推論もまた、その射程に入る。
　ここで重要となるのは、学習を一回のイベントと捉えるのではなく、継続的なデータライフサイクルとして捉える視点である。モデル更新、継続学習、評価の反復、ログの蓄積は、いずれも時間を跨いで発生するプロセスである。すると、PIMSが要求する目的限定と保存期間の設計が、法的リスク管理の核心となる。
　例えば、社内ナレッジをRAGで参照させて回答を生成する場合、参照対象となる文書群にPIIが混在することは稀ではない。そのとき、開発側がモデル自体は学習していないから大丈夫という説明をすることがあるが、法務・コンプライアンス的には危うい認識である。推論のためにデータを取得し、ベクトル化し、インデックスとして保持し、外部APIへ送信する一連の工程がある限り、処理は継続しているからである。
　PIMSの発想は、ここでPIIの所在を可視化し、利用目的と法的根拠を記録し、保存期間と廃棄プロセスを制御せよと要求する。ベクトルデータベースにPIIが残存し続けるリスクや、プロンプトに含まれた個人情報がモデル提供者の学習データに転用されるリスクを、技術的な匿名化・仮名化コントロールや契約的な目的外利用の禁止によって管理する。結局のところ、議論は魔法のようなAI論ではなく、地味で堅実なデータガバナンスに回収されるのである。

4　AIは外にある　ベンダー管理と越境移転が中核になる

　現代のAI開発・利用は、外部モデルやクラウド基盤なしには成立しにくい。自社ですべてのモデルをスクラッチで開発する企業は例外的であり、多くの企業は他社のAIモデルを利用する利用者あるいはインテグレーターの立場にある。したがって、PIMSにおける第三者・委託先管理は、周辺的な論点ではなく、AIガバナンスの中核論点となる。
　実装ガイドも、ベンダーのデューデリジェンス、データ処理契約の締結、監査権の確保、サブプロセッサの管理、通知義務等を強調している。AIサービスのサプライチェーンでは、モデル提供者、クラウド事業者、監視ツール提供者、アノテーション事業者等が複雑に連鎖するため、一次委託先だけを見て満足していると、実質的なデータ処理の現場を取り逃がすことになる。
　また、越境移転管理も不可避である。利用するLLMの推論サーバーはどこにあるのか。プロンプトやログがどのリージョンに保存されるか。カスタマーサポートのために、どの国のエンジニアがデータにアクセスしうるか。これらを把握することは、GDPRや日本の個人情報保護法への対応として必須である。
　PIMSの枠組みは、法域ごとの要請を、抽象的な議論ではなく移転の設計事項に落とし込むことを求める。この作業は、AI規制の議論で好まれる高尚な原則論ではなく、契約実務とシステムアーキテクチャの泥臭いすり合わせの話である。

5　監査証跡がないと、責任論は始まらない

　AIと法の議論が空回りする典型的なパターンは、説明責任を果たせという結論だけが先に立ち、いざ事故が起きた際に、説明のための証拠が存在しないことである。ログ、判断記録、変更履歴、評価結果――これらがどこにもない。
　PIMSは、文書化と監査可能性をシステムの中核に置く。内部監査、マネジメントレビュー、KPIの設定、非適合と是正処置、PDCAサイクルによる継続的改善、これらは一見すると、退屈なコンプライアンスの儀式に見えるかもしれない。しかし、AIの世界では、この儀式こそが現実の責任配分を可能にする唯一の手段である。
　とりわけ、生成AIによる権利侵害や情報漏洩といった事故は、単純な単発のバグではなく、複数要素の複合的な結合として発生することが多い。学習データの質、プロンプトエンジニアリング、ガードレールの設定、運用者の権限設定、ベンダー側の仕様変更などが複雑に絡み合う。
　ここで必要となるのは、因果関係に関する美しい法的理論ではなく、いつ、誰が、何を前提に、どの設定で、どのデータを用い、どの判断で運用したかという時系列の復元可能性である。PIMSが要求する変更管理やインシデント管理は、この復元可能性を、管理文書とログの形で作れと言っているに等しい。証跡なきところに、説明責任は成立しない。

6　おわりに

　ISO/IEC 27701は、個人情報保護法制そのものを置き換えるものではないし、EU AI法のような製品安全規制を代替するものでもない。むしろ、それらの法が要求する説明責任やリスク管理を、組織の中で実際に回る形に変換するためのOSのような位置づけにあると解すべきである。
　AIガバナンスを語るならば、抽象的なAI倫理原則の策定に時間を費やすより先に、データマッピング、役割分解、委託先管理、ログ設計、インシデント対応フローといった足場を整備すべきである。派手さはないが、ここが整って初めて、モデルの公平性や透明性といった高度な議論が、運用可能な要件として組織に着地する。
　なお、ISOのカタログ上、ISO/IEC 27701:2019はWithdrawnとされ、新版としてISO/IEC 27701:2025が示されている。プライバシーの概念や技術的要件もまた、AI技術と同様に動的なものである。だからこそ、一度定めて終わりの固定的な規則観ではなく、PDCAによって変化に追従し続けるマネジメントシステムとしての強みが活きてくる。AIの進化が早すぎる時代において、結局いちばん強いのは、変化に耐えうる強固な管理の型である。

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。