AnthropicのデータAI取り扱いポリシー：何が学習に使われるのか
Claudeを企業に導入する際、最初に確認すべきなのは「入力したデータが学習に使われるのか」「どれくらい保持されるのか」「誰が管理できるのか」です。Anthropicは商用製品とコンシューマー製品でデータの扱いを分けて説明しており、Anthropic APIでは入力と出力を原則として30日以内にバックエンドから削除すると案内しています。一方、Claude for Work、Claude for Enterprise、Anthropic Consoleなど、会話を保存して継続できる商用製品では、プロダクト体験を提供するためにチャットや coding session が保持されます。
重要なのは、無料版や個人向けプランの設定と、企業契約・API利用の前提を混同しないことです。個人向けではモデル改善設定やIncognitoの扱いがあり、組織向けでは契約、管理者設定、データ保持、監査の考え方が関わります。社内利用を許可する前に、どのプランを使うのか、Claude Codeを個人アカウントで使うのか組織アカウントで使うのか、API経由なのかWebアプリ経由なのかを明確にしましょう。
APIとWebアプリの違い：企業が選ぶべき利用形態
API利用は、自社アプリや業務システムにClaudeを組み込む場合に向いています。ログ保持、権限、入力制御、監査を自社側で設計しやすく、DLPやマスキング処理も組み込みやすいからです。WebアプリやClaude for Workは、社内の文書作成、要約、調査、アイデア出しなど、ユーザーが直接Claudeを使う業務に向いています。どちらが安全というより、入力されるデータの種類と必要な統制レベルで選ぶべきです。
セキュリティ要件が高い企業では、Amazon BedrockやGoogle Cloud Vertex AIなど既存クラウド基盤経由でClaudeを使う選択肢もあります。既にクラウド側でIAM、監査ログ、ネットワーク境界、鍵管理、データ所在地の方針を整えている場合、その統制にClaude利用を乗せやすくなります。特に金融、医療、公共領域では、AIそのものよりも「誰が、どのデータを、どの経路で、どの目的で送ったか」を説明できる設計が重要です。
Claude Team/Enterpriseのセキュリティ機能
Claude TeamやEnterpriseでは、組織単位でのメンバー管理、管理者による利用状況の把握、SSOやSCIMなどのID管理、ドメイン管理、データ保持設定など、個人利用にはない管理機能を前提に設計できます。Claude Codeについても、権限モード、サンドボックス、信頼確認、ネットワーク承認、外部コンテンツの分離など、開発者向けの安全機構を理解したうえで運用する必要があります。
Claude CodeはManual modeでは読み取り中心から始まり、編集やコマンド実行には承認が入ります。auto modeでは別の分類器が操作の安全性を判定し、組織設定で制御できます。Accept Edits modeのように編集を自動承認するモードもあるため、企業では「どのチームがどのモードを使ってよいか」「本番リポジトリではどの操作をHookで止めるか」をルール化しておきましょう。
社内AI利用ガイドラインの策定：テンプレートと要点
社内ガイドラインには、利用目的、利用可能なプラン、入力してよいデータ、禁止データ、出力の確認責任、ログと監査、インシデント対応を含めます。特に入力データは、公開情報、社内一般情報、機密情報、個人情報、要配慮情報のように分類し、それぞれClaudeに入力できる条件を決める必要があります。禁止事項だけを並べるのではなく、匿名化、要約、サンプル化、社内承認フローなどの代替手段も用意すると現場に定着します。
出力の扱いも重要です。Claudeの回答は、文章の下書き、分析の補助、コードの提案として使えますが、法務判断、医療判断、採用合否、与信判断などの最終意思決定を自動化する用途には慎重であるべきです。ガイドラインには、人間によるレビュー、根拠確認、社内データとの照合、生成物の保存場所を明記します。
ガイドライン運用のポイント
ガイドラインは公開して終わりではなく、利用ログ、問い合わせ、インシデント、モデルや機能の更新に合わせて見直します。四半期ごとに棚卸しし、よく使われるユースケース、禁止に近い使われ方、現場が困っている制約を確認しましょう。Claude Codeのような開発者向けツールでは、CLAUDE.md、AGENTS.md、Hooks、CI、権限設定を組み合わせ、文章のルールと機械的なガードを分離することが大切です。
情報漏洩リスクと具体的な対策
情報漏洩リスクは、入力、出力、権限、外部連携の4つに分けて考えると整理しやすくなります。入力では、個人情報や営業秘密をそのまま貼り付けないためのDLP、マスキング、テンプレート化が有効です。出力では、生成文に機密情報が含まれていないか確認するレビューフローが必要です。権限では、APIキーやMCPサーバー、クラウド権限を最小化し、ログから誰が何をしたか追える状態にします。
Claude Codeの利用では、プロンプトインジェクションとコマンド実行リスクにも注意が必要です。外部Webページ、Issue、メール、ログファイルに含まれる悪意ある指示をそのまま信じない、外部から取得した文字列をシェルやSQLに直接渡さない、初めてのMCPサーバーは信頼性を確認してから接続する、という運用を徹底します。PreToolUse hookで危険コマンドを止め、PostToolUse hookで生成物を検査する構成は、開発現場の実効性が高い対策です。
コンプライアンス対応：業界別の注意点
金融、医療、法務、公共領域では、AIの性能よりも説明責任と監査可能性が重視されます。金融ではリスク管理と記録、医療では個人情報と要配慮情報、法務では秘密保持と弁護士レビュー、公共領域では調達要件やデータ所在が論点になります。Claudeを導入する際は、入力データの分類、利用目的、出力のレビュー者、保存期間、削除依頼への対応を文書化しておきましょう。
海外拠点を含む企業では、GDPRや各国の個人情報保護法、自動意思決定への説明義務も確認が必要です。Claudeの出力を意思決定に使う場合は、人間による介入、異議申し立て、根拠説明の仕組みを用意します。さらに、契約上のデータ保持、ゼロデータ保持の適用範囲、Covered Modelsの追加要件などは更新される可能性があるため、導入時だけでなく運用中も定期的にAnthropicの公式文書と契約条件を確認することが重要です。
