この章で学ぶこと

ここまでの7章は技術分野でしたが、G検定のシラバスには法律・倫理分野が技術分野に匹敵するボリュームで含まれています。AIを開発・提供するうえで守るべき法律（個人情報保護法・著作権法など）、AI開発・提供に特有の契約類型、そして法律のように明文化されてはいないものの実務で強く意識すべきAI倫理・AIガバナンスという3つの視点で整理します。項目数が多く暗記負荷が高い分野ですが、「AI開発のどの場面（学習データ収集→開発→契約→提供→運用）でその論点が問題になるか」を意識すると、単なる丸暗記より記憶に残ります。

個人情報保護法と著作権法・特許法・不正競争防止法

AI開発では大量のデータを扱うため、個人情報保護法の理解が欠かせません。生存する個人に関する情報で特定の個人を識別できるものを個人情報、氏名やマイナンバーのように単体で個人を識別できる符号を個人識別符号、データベース化された個人情報を個人データ、事業者が開示・訂正等の権限を持つ個人データを保有個人データと呼びます。特に慎重な扱いが求められる病歴・信条などの情報を要配慮個人情報と呼び、個人情報を取得する際は利用目的を明示する必要があります。第三者にデータを渡す第三者提供には原則本人の同意が必要ですが、業務の一部を外部に任せる委託は第三者提供に該当しません。特定の個人を識別できないよう加工した匿名加工情報、元の情報と照合しない限り本人を識別できないよう加工した仮名加工情報は、それぞれ異なる規制が適用されます。EU域内の個人データを扱う場合は、日本より厳格なGDPR（EU一般データ保護規則）が適用される場合がある点も押さえておきましょう。

創作的に表現したものを保護する著作権法では、思想・感情を創作的に表現した著作物に該当するかどうかの判断基準が創作性です。AIが自動生成したAI生成物に著作権が認められるかは、人間の創作的関与があるかどうかがポイントになります。既存の著作物をAI開発の学習データに無断利用すると著作権侵害となる可能性がありますが、日本の著作権法には、AI学習のような「情報解析」を目的とする場合は著作権者の利益を不当に害しない限り原則として許諾なく著作物を利用できると定める著作権法30条の4があり、日本のAI開発を法的に後押しする条文として知られています。生成物の利用条件は利用規約で定められます。

技術的な発明を保護する特許法では、自然法則を利用した高度な技術的アイデアである発明のうち、従来にない新規性と、容易に思いつかない進歩性を満たすものが特許権として保護されます。発明をした本人を発明者、従業員が業務として行った発明を職務発明と呼び、特許権は著作権と並ぶ知的財産権の代表例です。特許を取得せずに秘密として管理する情報を保護する不正競争防止法では、秘密として管理されている有用な非公開情報を営業秘密、業界内で共有・提供される有用なデータ（営業秘密ほど厳格な秘密管理は求められない）を限定提供データとして保護します。

扱う用語（精選・27語）

• 個人情報／個人識別符号／個人データ／保有個人データ／要配慮個人情報／利用目的／第三者提供／委託／匿名加工情報／仮名加工情報／GDPR
• 著作物／創作性／AI生成物／著作権侵害／著作権法30条の4／利用規約／著作権
• 発明／新規性／進歩性／特許権／発明者／職務発明／知的財産権
• 営業秘密／限定提供データ

独占禁止法とAI開発・提供契約

市場の公正な競争を守る独占禁止法は、AI分野でも大手プラットフォーマーによるデータ独占などが競争制限や公正競争阻害性の観点から論点になります。

AI開発を外部に委託する際のAI開発委託契約は、通常のシステム開発以上に注意が必要です。AI開発は「作ってみないと精度が分からない」という不確実性が高いため、完成責任を負う請負契約より、業務遂行そのものを目的とする準委任契約が適する場面が多いとされます。経済産業省が公表するAI・データの利用に関する契約ガイドラインは、この特性を踏まえた契約実務の指針として参照されます。契約前には秘密保持契約(NDA)を結び、開発したAIの精度保証をどこまで契約に盛り込むか（前述のとおり精度を事前に保証しきれない特性があるため、多くの場合は限定的な保証にとどめる）、納品後の保守契約をどう設計するかが実務上の主要な論点です（第7章で学んだPoCの後に本開発の契約を結ぶ流れが一般的です）。

開発したAIをサービスとして提供するAIサービス提供契約では、ソフトウェアをインストールせずインターネット経由で利用させるSaaS型が主流です。SaaS型では、提供者側にデータやモデルがあるため、利用者がどこまでデータ利用権を持つか、生成物の著作権や精度保証をどう利用規約に定めるかが、通常のソフトウェアライセンスとは異なる論点になります。

扱う用語（精選・11語）

• 競争制限／公正競争阻害性
• AI・データの利用に関する契約ガイドライン／NDA／請負契約／準委任契約／精度保証／保守契約
• SaaS／データ利用権

AI倫理の国際指針とプライバシー・公平性

法律だけではAIのリスクをすべてカバーできないため、各国・国際機関がAI倫理・AIガバナンスに関するガイドラインを公表しています。多くのガイドラインに共通する土台が価値原則（人間中心・公平性・透明性など）です。ガイドラインの強制力には幅があり、法律のように違反に罰則が伴うハードローに対し、業界の自主規制のように拘束力を持たないソフトローがあります。AIのリスクの大きさに応じて規制の強さを変えるリスクベースアプローチ（リスクが高い用途ほど厳しく規制する考え方）は、近年の国際的な規制の主流になっています。日本では経済産業省・総務省が公表するAI事業者ガイドラインが、AI開発者・提供者・利用者それぞれの立場で留意すべき事項をまとめたソフトローとして、国内のAIガバナンスの基本的な考え方を示しています。

AIはカメラやセンサーで大量のデータを収集するため、プライバシーへの配慮が欠かせません。街中のカメラ画像をAIで解析する際の留意点を示すカメラ画像利活用ガイドブック、企画・設計の段階からプライバシー保護を組み込むプライバシー・バイ・デザインの考え方が代表的です。

AIの判断が特定の属性に対して不当に偏る問題が公平性です。何をもって「公平」とするかという公平性の定義は複数存在し、唯一の正解があるわけではありません。不公平が生まれる原因として、学習データの収集方法に偏りがあるサンプリングバイアス、データそのものに社会的な偏見が反映されているデータの偏りがあり、その結果としてモデルの判断が特定の性別・人種などに偏るアルゴリズムバイアスが生じます。人種のように直接使うことが問題視される属性をセンシティブ属性と呼び、それを直接使わなくても、居住地域のように間接的にセンシティブ属性と強く相関する代理変数を使うと同様の偏りが生じることがある点に注意が必要です。

扱う用語（精選・15語）

• AI倫理／AIガバナンス／価値原則／ハードロー／ソフトロー／リスクベースアプローチ／AI事業者ガイドライン
• プライバシー／カメラ画像利活用ガイドブック／プライバシー・バイ・デザイン
• 公平性／公平性の定義／サンプリングバイアス／データの偏り／アルゴリズムバイアス／センシティブ属性／代理変数

安全性・悪用・透明性と社会への影響

AIが誤動作・誤判断すると実害につながる分野では安全性とセキュリティが重要な論点になります。人間には気づけないわずかなノイズを加えて画像を誤認識させるAdversarial Attack(Adversarial Examples)、学習データに悪意あるデータを混入させるデータ汚染、外部から入力と出力を観測してモデルの構造を模倣・複製するモデル窃取、モデル自体の重みやパラメータを不正に取得するデータ窃取・モデル汚染など、AI特有のセキュリティ脅威が存在し、設計段階からセキュリティを組み込むセキュリティ・バイ・デザインの考え方で対応します。

AI技術は悪用されるリスクも抱えています。実在しない映像を精巧に合成するディープフェイク、虚偽の情報を事実のように拡散するフェイクニュースが代表例です。

AIの判断根拠が人間に分かりにくい問題が透明性です。判断の理由が人間に説明できない状態をブラックボックスと呼び、第6章で学んだ説明可能AI(XAI)はこの課題に対応する技術でした。学習データがどこから来たのか、どう加工されたのかを追跡できるようにするデータの来歴や、判断根拠を人間に分かる形で示す説明可能性の確保が求められます。

AIは社会全体にも影響を及ぼします。SNSのレコメンドが似た意見ばかりを増幅させるエコーチェンバー、自分の興味に合う情報ばかりに囲まれるフィルターバブルは、フェイクニュースと組み合わさって民主主義の健全な議論を損なう懸念があります。大規模なAIモデルのモデル学習の電力消費は気候変動・環境保護の観点からも課題視されています。AIによる自動化が仕事を代替することで生じるスキルの喪失や労働力不足への対応など労働政策上の論点、人間らしさを尊重する視点として、多様な人々を排除しないインクルージョン、AIの軍事利用、故人のデータを扱う際の死者への敬意、AIに判断を委ねすぎず人間が最終的な意思決定権を持つ人間の自律性も、G検定のシラバスが挙げるその他の重要な価値として押さえておきましょう。

扱う用語（精選・15語）

• Adversarial Attack(Adversarial Examples)／データ汚染／モデル窃取・データ窃取・モデル汚染／セキュリティ・バイ・デザイン
• ディープフェイク／フェイクニュース
• ブラックボックス／データの来歴／説明可能性
• エコーチェンバー／フィルターバブル／気候変動・モデル学習の電力消費／労働力不足・スキルの喪失／インクルージョン・軍事利用・人間の自律性

AIガバナンス

AI倫理を組織として実現するための実務がAIガバナンスです。組織としての基本方針を定めるAIポリシーを策定し、開発チームや意思決定層のダイバーシティ（多様性）を確保することで、特定の視点に偏った判断を防ぎます。第三者や社内の専門部署がAIシステムを検証するAIに対する監査、開発・運用の各段階でリスクを評価する倫理アセスメントを通じて、AIが引き起こしうる問題を事前に洗い出します。

AIを完全に自動運転させるのではなく、重要な判断には人が関与できるようにする人間の関与、運用開始後も継続的にAIの挙動を監視するモニタリング、同じ条件で同じ結果が得られるかを確認する再現性、問題が起きた際にその原因まで遡って追跡できるようにするトレーサビリティも、AIガバナンスを実効性のあるものにするための実務上の要点です。

扱う用語（精選・8語）

• AIポリシー／ダイバーシティ／AIに対する監査／倫理アセスメント
• 人間の関与／モニタリング／再現性／トレーサビリティ

AIで学ぶ

ここまでの用語は、ChatGPTやClaudeなどの生成AIに以下のプロンプトを投げかけると、比較表つきでさらに深く掘り下げて学習できます。コピーして使ってみましょう。

あなたはG検定（ジェネラリスト検定）の講師です。「AIの法律と倫理・ガバナンス」の範囲について、以下の用語を初学者向けに**関連づけながら**説明してください（単体の丸暗記より、用語同士のつながりを理解したほうが記憶に定着しやすく、試験本番で紛らわしい選択肢を見分ける力もつくためです）。「データ収集→開発→契約→提供→運用」というAI開発の流れのどの場面で問題になる論点かを整理し、用語同士の違いが分かる**比較表**を最後に付けてください。

【法律】個人情報、個人識別符号、個人データ、保有個人データ、要配慮個人情報、利用目的、第三者提供、委託、匿名加工情報、仮名加工情報、GDPR、著作物、創作性、AI生成物、著作権侵害、利用規約、発明、新規性、進歩性、特許権、職務発明、知的財産権、営業秘密、限定提供データ
【契約】競争制限、公正競争阻害性、AI・データの利用に関する契約ガイドライン、NDA、請負契約、準委任契約、精度保証、保守契約、SaaS、データ利用権
【AI倫理の国際指針・プライバシー・公平性】AI倫理、AIガバナンス、価値原則、ハードロー、ソフトロー、リスクベースアプローチ、プライバシー・バイ・デザイン、公平性の定義、サンプリングバイアス、データの偏り、アルゴリズムバイアス、センシティブ属性、代理変数
【安全性・悪用・透明性・社会影響】Adversarial Attack、データ汚染、モデル窃取、セキュリティ・バイ・デザイン、ディープフェイク、フェイクニュース、ブラックボックス、説明可能性、エコーチェンバー、フィルターバブル、労働力不足
【AIガバナンス】AIポリシー、ダイバーシティ、AIに対する監査、倫理アセスメント、人間の関与、モニタリング、再現性、トレーサビリティ

このプロンプトが「AI開発の流れのどの場面で問題になるか」という整理軸を指示しているのは、この章が項目数の多い暗記型の分野だからです。法律・契約・倫理という縦割りの分類だけでなく、「今どの工程の話をしているか」という横串を通すと、初見の選択肢でも文脈から正誤を判断しやすくなります。

章末チェック

最後に、この章で学んだ知識をアウトプットして定着させましょう。全問に答えたら「答え合わせ」を押してください。

この章のまとめ

この章では、個人情報保護法・著作権法などのAI開発に関わる法律、AI開発委託契約・AIサービス提供契約、そして公平性・安全性・透明性・AIガバナンスといったAI倫理の論点を学びました。これで全8章、G検定シラバスの技術分野・法律倫理分野の全体像を一通り押さえたことになります。

これで全8章の学習は完了です。お疲れさまでした。コースTOPの「完走したら」で、模擬試験や次のステップを確認しましょう。