【生成AIを社内で安全に使うには？】実践例から見る全社展開前に確認したい7つのチェックポイント

資料作成や文章の下書き、データ分析など、生成AIは日々の業務を効率化するツールとして定着しつつあります。個人での利用を通じてその有用性を実感し、全社での導入を検討している企業も多いのではないでしょうか。

一方で、生成AIを全社で利用する場合、個人利用とは異なるリスクが生じます。退職者のアカウント管理や社員の端末設定、入力した情報の取り扱い、利用料金の管理など、全社展開ならではの見落としやすいポイントは少なくありません。

本記事では、BPO事業者としてお客様の機密情報をお預かりするアテナが、生成AIを全社で安全に利用できる環境を構築した経験をもとに、全社展開の前に確認しておきたい7つのチェックポイントを紹介します。
専門知識がなくても判断できるよう、「どのような状態が、どのようなリスクにつながるのか」という観点で解説します。

※当社でのお客様からお預かりした受託個人情報のAIによる取り扱いは、お客様の同意をいただいた場合に限ります。

※関連リンク
株式会社アテナが Claude Code on Amazon Bedrock で実現した、非エンジニア向け生成 AI 全社展開 | Amazon Web Services ブログ

• 　この記事でわかること　

• 生成AIを全社で利用する際に生じる、個人利用とは異なるリスク
• アカウント・利用環境・データ・コストの観点から確認したい7つのチェックポイント
•  BPO事業者のアテナが実践した対策と、検証で見えたAIの利用実態
•  自社のAI利用環境を見直すためのセルフチェック表

個人で生成AIを利用する場合、どのような情報を入力するかは利用者自身が判断できます。一方、全社で利用する場合は、多くの社員が日常的に業務情報をAIに入力することになります。
そのため、1人の設定ミスや1台の端末の管理漏れが、会社全体のリスクにつながる可能性があります。

生成AIの全社展開では、「どのAIサービスを導入するか」から検討を始めるケースが多く見られます。しかし実際には、「誰が利用できるのか」「どの端末で、どの機能を利用できるのか」といった管理体制の整備が、安全性を大きく左右します。

本記事では、7つのチェックポイントを4つのテーマに分類して紹介します

• アカウント管理
  ①退職者・異動者のAI利用
  ②端末に保存する認証情報
• 利用環境の管理
  ③AIによるWeb検索
  ④端末ごとの設定
• データ管理
  ⑤データの処理場所
  ⑥利用記録の保管
• コスト管理
  ⑦利用量の上限と予算管理

各チェックポイントでは、想定されるリスクを示したうえで、アテナが実施した対策をあわせて解説します。自社の状況と照らし合わせながらご確認ください。

まずは「誰がAIを利用できるのか」に関するポイントです。入社・異動・退職が発生する以上、利用者の管理を継続的に行える体制が求められます。

生成AIの導入時に、AIサービス専用のアカウントを社員ごとに新規発行するケースは少なくありません。しかし、社員情報とは別にアカウントを管理していると、入社・異動・退職のたびに双方を更新する手間が発生し、更新漏れのリスクも高まります。

AIサービスへの接続方法の一つに、「APIキー」と呼ばれる文字列を用いる方式があります。APIキーは、いわばAIを利用するための合言葉です。設定が容易な反面、社員の端末（パソコン）に長期間保存されたままになりやすいという課題があります。

生成AIの活用におけるアテナのセキュリティ体制について、詳しく知りたい方はこちら

続いて、AIを利用する環境に関するポイントです。AIにどの機能を利用させるか、そしてその設定を社員の端末にどう反映するかは、安全性を左右する重要な要素です。

生成AIの中には、回答の精度を高めるために、作業の途中で自動的にWeb検索やWebページの読み込みを行うものがあります。便利な機能である一方、入力した情報が検索の過程で外部に送信される可能性がある点には注意が必要です。

AIの接続先や利用できる機能を端末ごとに設定する場合、台数が増えるほど作業負担が大きくなります。また、設定内容にばらつきが生じやすく、変更のたびに全台を見直す必要も出てきます。

【ポイント】
クラウド側の対策をどれだけ強化しても、社員が利用する端末の管理が行き届いていなければ、リスクは残ります。端末側の管理は見落とされやすいため、全社展開の前に確認しておきたいポイントです。

生成AI利用環境の構築について詳しく知りたい方はこちら

次に、AIに入力した情報が「どこで処理され、どのように記録されているか」に関するポイントです。お客様の情報を取り扱う企業にとっては、取引先への説明責任にも関わる部分です。

生成AIサービスによっては、入力したデータが海外のサーバーで処理される場合があります。また、サービスや設定によっては、入力内容がAIの学習に利用されることもあります。導入前に、データの処理場所と取り扱いを確認しておくことが重要です。

AIの利用記録は、トラブル発生時の原因調査に欠かせない情報です。記録が残っていなければ、情報漏えいが疑われる事態が起きても、事実関係を確認できません。

最後は、AIの利用料金に関するポイントです。セキュリティとは異なる観点ですが、全社展開を継続的に運用するうえで欠かせない要素です。

生成AIの料金体系には、利用人数分の費用を毎月支払う「定額制」と、利用した分だけ費用が発生する「従量課金制」があります。従量課金制は無駄な固定費を抑えやすい一方、利用量に制限がなければ費用が想定を超えて膨らむ可能性があります。

定額制の場合、利用頻度にかかわらず契約人数分の費用が発生します。利用の少ない社員の分まで費用がかかる一方で、積極的に活用する社員ほど利用上限に達し、業務が止まってしまうという課題もあります。

アテナでは従量課金制への移行にあたり、以下の条件で検証（PoC）を実施しました。

【検証条件】
・実施時期：2026年9月（9営業日）
・対象者：社内の有志22名（利用意欲の高い社員が中心）
・利用環境：Amazon Bedrock経由のClaude Code（本記事で紹介した管理体制の環境）
・利用AIモデル：Claude Opus／Claude Sonnet
・利用条件：利用上限の範囲内で自由に利用
・検証の目的：従量課金制での費用と利用実態の把握

• 　検証でわかったこと　

• 費用の総額
  月額換算で、定額制の同人数分を上回った
• 利用者ごとの差
  1日あたりの費用は、最も多い利用者と最も少ない利用者で約51倍の差
• 費用の集中
  上位2名で全体の費用の約半分を占めた
• AIモデルによる差
  高性能モデル（Claude Opus）中心の利用者と、標準モデル（Claude Sonnet）中心の利用者では、1回あたりの費用に3倍以上の差

今回の検証は利用意欲の高い社員が中心で、利用上限の範囲内で自由に利用した条件のため、定額制との単純な比較はできません。全社に展開すると利用の少ない社員の割合が増えるため、平均費用は下がる可能性もありますが、現時点では仮説の段階です。

一方で、検証を通じて明確になったのは「誰が、どのAIモデルを、どれだけ利用しているか」が可視化できるという点です。費用を左右するのは利用回数だけでなく、どのAIモデルを利用するかでもあることが分かりました。
現在アテナでは、標準モデルを基本とし、高性能モデルは必要な場合に限り許可するといった利用ルールを検討しています。

従量課金制の価値は、費用の削減だけではありません。利用実態をデータで把握できることで、「積極的に活用する社員に、適切に投資する」という判断が可能になります。

自社に合ったAI利用環境を整えたい方はこちらからご相談ください

生成AIを全社で安全に活用するためには、AIサービスそのものの選定だけでなく、アカウント・利用環境・データ・コストの4つの観点から管理体制を整えることが重要です。まずは以下の7つの質問に、自社の状況を当てはめてみてください。

1つでも「いいえ」に該当する項目があれば、そこが自社のAI利用環境における見直しのポイントかもしれません。

生成AIの全社展開では、「どのAIサービスを導入するか」に目が向きがちです。しかし本当に問われるのは、「既存のアカウント管理や端末管理の仕組みに、AIをどのように組み込み、どう管理していくか」という点です。本記事のチェックポイントを、自社の環境を見直すきっかけとして活用してみてはいかがでしょうか。

なお、アテナの取り組みの詳細は、AWS公式ブログおよび技術者向けのコラムでも紹介しています。

などの課題がございましたら是非お気軽にご相談ください。
アテナでは、自社での取り組みをもとに貴社の生成AI活用や環境構築をご支援させていただきます。

• 　プレスリリース