【2026年8月最新】企業AIは「保存しない」から「見せずに守る」へ：ゼロデータ保持とConfidential AIの実務
2026年8月、企業AIのセキュリティは「データを学習に使わない」だけでなく、「保存しない」「処理中も見せない」「安全監視でも原文を見せない」方向へ進み始めました。
AIを社内業務へ広げるほど、顧客情報、契約書、設計資料、医療・金融データなど、外部へ残したくない情報を扱う場面が増えます。一方、強力なAIほど不正利用や長時間タスクの逸脱を監視する必要があります。プライバシーと安全性を、どちらか一方だけ選ぶ設計では本番導入が止まります。
OpenAIは2026年8月19日、対象となるAPI顧客向けのZero Data Retention（ゼロデータ保持、以下ZDR）を継続しながら、関連する複数のやり取りから危険な傾向を検知する「Private Safety Processing」を発表しました。顧客が管理する環境、または顧客が鍵を管理する暗号化ストレージで内容を保護し、OpenAIの担当者には原文ではなく限定的な安全シグナルだけを返す構想です。
これは一社だけの動きではありません。Google CloudとMicrosoft Azureも、Trusted Execution Environment（TEE、信頼実行環境）を使い、保存中・通信中だけでなく処理中のデータを保護するConfidential AIを拡張しています。本記事では、この新しい企業AIのセキュリティ設計と、中小企業が導入前に確認すべき実務を整理します。
01. 「学習しない」「保存しない」「処理中も見せない」は別の対策
企業向けAIの説明では、複数のデータ保護策が一つに見えがちです。しかし、契約やシステム設計では分けて確認する必要があります。
- 学習利用しない：入力と出力を基盤モデルの改善や再学習へ使わない
- 保持期間を短くする：不正利用監視やサービス提供のために保存する期間を限定する
- ゼロデータ保持：対象エンドポイントで、処理後にプロンプトや応答を保持しない
- 暗号化：保存中、通信中、必要に応じて処理中のデータを保護する
- アクセス制御：誰が、どの目的で、どの情報へアクセスできるかを制限する
たとえば「学習に使われない」サービスでも、不正利用監視ログやアプリケーション状態が一定期間保存される場合があります。逆に、ZDRを有効にしても、すべての機能やエンドポイントが対象とは限りません。製品名だけで判断せず、入力、出力、ログ、キャッシュ、ファイル、検索インデックスを個別に確認することが重要です。
02. 8月19日の新展開：原文を見せずに継続的な安全監視を行う
単発の検査だけでは長時間タスクを判断しにくい
従来のZDR対応では、各リクエストを個別に検査する方式が中心でした。しかしAIエージェントが長時間動くと、一回の依頼だけでは問題が見えず、複数の操作をつなげて初めて意図や逸脱が分かる場合があります。
OpenAIが発表したPrivate Safety Processingは、関連するやり取りのパターンを自動処理で検知しながら、OpenAIの担当者が顧客のプロンプトや応答を閲覧しない設計を目指しています。危険が検知された場合も、OpenAIが受け取るのは活動の種類を示す限定的なシグナルで、原文そのものではないと説明されています。
保管場所と暗号鍵を顧客側へ寄せる
公式発表では、ZDR環境の顧客コンテンツは顧客が管理するインフラに置かれます。OpenAI側のストレージを使う選択肢についても、顧客が管理する鍵で暗号化し、OpenAIの担当者は鍵のコピーを持たない方式を開発中としています。
ただし、Private Safety Processingは2026年8月22日時点で早期顧客とのテスト段階です。OpenAIは9月に提供開始と技術ホワイトペーパーの公開を予定していますが、現時点で一般提供済みの機能として扱うべきではありません。
03. Confidential AIは「処理中の空白」を埋める
一般的な暗号化は、ストレージに保存されているデータと、ネットワークを流れるデータを保護します。しかしAIが推論する瞬間には、計算できる形へデータを展開する必要があります。この処理中の状態をどう守るかがConfidential AIの中心課題です。
Google Cloudは、TEEによってデータをハードウェアで隔離し、保存中・通信中に加えて使用中も保護する設計を説明しています。2026年6月には、プロンプトと応答をクライアントからTEEまで暗号化するオープンソースのPrompt Encryption SDKも発表しました。
Microsoft Azureも、CPUとGPUを連結したTEEでAI・機械学習ワークロードを保護するConfidential GPU VMを案内しています。ここで重要なのは、クラウドを無条件に信頼することではなく、実行環境の隔離と整合性を暗号学的に確認できる範囲を増やすことです。
04. 企業が設計すべき5つのデータ経路
1. 入力前：機密度を判定する
個人情報、営業秘密、契約情報、認証情報を同じ扱いにしないことが出発点です。AIへ送信してよい情報、匿名化して送る情報、社外へ送らない情報を分類します。
2. 通信中：接続先と暗号化を固定する
正規のAPIエンドポイントを使い、通信暗号化、証明書、ネットワーク境界を確認します。ブラウザ拡張や非公式な中継サービスを経由すると、AI事業者の保護策より前にデータが漏れる可能性があります。
3. 処理中：TEEと証明可能性を確認する
高機密データでは、処理中の隔離、リモートアテステーション、管理者権限からの保護、暗号鍵の所有者を確認します。Confidential Computingという名称だけでなく、CPUからGPUまで保護範囲が連続しているかが重要です。
4. 処理後：ログとキャッシュを分ける
入力と出力を削除しても、監視ログ、トレース、キャッシュ、添付ファイル、ベクトルデータベースに内容が残ることがあります。AI APIだけでなく、自社アプリケーション側の保存先と削除手順も対象にします。
5. 事故時：原文を共有する条件を決める
安全上の警告や障害が発生したとき、誰が調査し、どの範囲を外部事業者へ開示するかを事前に決めます。Private Safety Processingの構想でも、異議申し立てや調査のために顧客が必要な情報を選んで共有する流れが示されています。
05. 効果が大きい業務と、慎重に始めるべき業務
Confidential AIは、すべてのチャットを高価な隔離環境へ移すための考え方ではありません。情報の機密度と業務価値を見て使い分けます。
- 効果が大きい例：契約書要約、研究開発資料の検索、顧客対応記録の分析、医療・金融文書の補助処理、未公開映像や企画書の分類
- 低い機密度で試せる例：公開情報の要約、一般的な文章校正、公開済みFAQの検索、匿名化したデータの分類
- 人の承認が必要な例：送金、診断、契約締結、人事評価、機密情報の外部共有、削除や権限変更
中小企業では、まず機密情報を含まない業務で品質と費用を測り、次に匿名化、保持期間、アクセス権を整えて対象を広げる方が現実的です。
06. ゼロ保持でも「ゼロリスク」にはならない
ZDRやConfidential AIは重要ですが、誤入力、権限設定ミス、悪意ある社内利用、接続先システムからの漏えい、モデルの誤回答まで消すものではありません。
- ZDRの対象外となるエンドポイントや機能があり得る
- バックグラウンド処理や長期キャッシュなど、状態保持が必要な機能は制約を受ける
- 法令上の保存義務や例外条件は契約・地域によって異なる
- TEEは強力だが、アプリケーションの脆弱性や誤った権限設計を自動修正しない
- 監査できない構成では、「保存していない」という説明を社内外へ証明しにくい
したがって、製品資料だけで導入可否を決めず、データフロー図、契約条項、設定画面、ログ、削除テストを組み合わせて確認します。
07. 導入時に測るべきセキュリティKPI
- 機密データを含むAIリクエストの件数と用途
- ZDRまたは短期保持が適用されたリクエストの割合
- 対象外エンドポイント、例外機能、保持先の件数
- 鍵のローテーション、失効、アクセス権レビューの実施率
- ログ・キャッシュ・添付ファイルの削除確認率
- 安全シグナル、ブロック、誤検知、異議申し立ての件数
- 通常環境と機密環境の遅延・コスト差
- インシデント調査で原文を外部共有した件数と理由
セキュリティ強化で処理速度や費用が変わる可能性があります。保護の有無だけでなく、利用者の待ち時間、失敗率、1件当たりのコストも同時に測る必要があります。
08. Confidential AI導入チェックリスト
- 「学習利用」「保持」「アクセス」「暗号化」を分けて確認したか
- ZDRの対象となる契約、組織、プロジェクト、エンドポイントを確認したか
- ファイル、キャッシュ、検索インデックス、監視ログの保存期間を把握したか
- 暗号鍵を誰が管理し、失効・更新できるかを決めたか
- 処理中のデータがTEEで保護される範囲を確認したか
- アテステーションや監査証跡を取得できるか
- 社内の入力ルールと機密区分を定義したか
- 事故調査で外部共有する情報と承認者を決めたか
- 人の承認が必要な高リスク操作を分離したか
- プレビュー機能と正式提供機能を区別したか
まとめ：企業AIの信頼は「何を保存しないか」を説明できるかで決まる
2026年8月の新しい動きは、AIの安全監視とデータ保護を対立させず、原文を人に見せないまま必要な危険シグナルを扱う方向を示しています。同時に、Confidential Computingは、保存中・通信中だけでなく処理中のデータを保護する基盤として現実味を増しています。
今後の企業AIでは、単に「安全です」と説明するのではなく、どのデータを、どこに、何日保存し、誰が鍵を持ち、誰が原文を閲覧できるのかを具体的に示せることが信頼になります。
まずはデータ経路を一枚の図にし、対象機能、保存先、削除手順、例外条件を確認するところから始めるのが実務的です。
参照URL
- OpenAI — Offering Zero Data Retention for frontier models（2026年8月19日）
https://openai.com/index/our-commitment-to-zero-data-retention/ - OpenAI — Data controls in the OpenAI platform
https://platform.openai.com/docs/models/default-usage-policies-by-endpoint - OpenAI — Enterprise privacy at OpenAI（2026年1月8日更新）
https://openai.com/enterprise-privacy/ - Google Cloud — Powering the next era of Confidential AI（2026年6月11日）
https://cloud.google.com/blog/products/identity-security/powering-the-next-era-of-confidential-ai/ - Google Cloud — Verifiable, private AI: Google Cloud expands Confidential Computing frontiers（2026年6月23日）
https://cloud.google.com/blog/products/identity-security/verifiable-trust-in-the-ai-era-whats-new-in-confidential-computing - Microsoft Learn — Azure Confidential Computing products（2026年6月19日更新）
https://learn.microsoft.com/en-us/azure/confidential-computing/overview-azure-products - Microsoft Learn — Confidential AI
https://learn.microsoft.com/en-us/azure/confidential-computing/confidential-ai
D-aerial関連リンク
D-aerial AI Blog
https://d-aerial.com/blog/category/ai
D-aerial AI映像制作
https://d-aerial.com/services/ai-video
Higgsfield
https://higgsfield.ai/?fpr=cvo5ik
Genspark
https://mainfuncpteltd.sjv.io/JKexnq
AIツールプラットフォーム Reelmind
https://reelmind.ai/?aff=NI0E77
「紹介リンク（招待コード）を含みます」
LITMEDIA
https://www.litmedia.ai/pricing?from_ua=CQRUT9XL
Kindle AIトレンド2026年
3月：https://www.amazon.co.jp/dp/B0GGX92JRS
2月：https://www.amazon.co.jp/dp/B0GQS8H47S
1月：https://www.amazon.co.jp/dp/B0GLHCB4YG
無制限音楽リリースサイト DistroKid
https://distrokid.com/vip/seven/8321530
YouTube Music
https://music.youtube.com/playlist?list=OLAK5uy_lRIuSP-3blAmGa4FSDswiuKlQ3Ztqp00I
