新人研修にAIを使いたいと人事から相談されたが、何を確認すればいいのか……。そんな場面に直面している情シスの方も多いのではないでしょうか。

Google WorkspaceのGeminiやOpenAIの法人向けプランでは、社内資料を参照した回答や、業務アプリと連動した対話が可能になりました。研修資料の自動生成、新人の質問に答えるAIチューター、ロールプレイ研修の相手役など、社員研修やオンボーディングの領域で実現できることの幅は、着実に広がっています。

一方で、研修という用途には独特の危うさも。受講者の氏名や評価、つまずきの履歴といった「個人に紐付いたデータ」を扱う上、「研修目的なら多少の個人情報を入力しても問題ないだろう」という誤解が現場に生まれやすいからです。

見落としがちなのは、「学習に使われない」ことと、データが保存されないことや十分な監査ができることは別だという点です。そこで、この記事では、教育・研修用途ならではのデータ管理リスクを整理した上で、契約前に確認すべきポイントと、人事・情シス・法務部門の役割分担の設計方法を解説します。

【関連記事】

Google社の生成AIツール「Gemini」とは？

研修へのAI活用はなぜ広がっているのか？ 従来のeラーニングとの違い

研修へのAI活用が広がっているのは、AIが双方向のやり取りを通して仕事やスキルを効果的に「教える講師役」になり得るからです。

動画視聴を中心とする従来のeラーニングは、あらかじめ用意された動画や教材を受講者が視聴し、決められたテストで理解度を測る「一方通行」の仕組みでした。これに対して生成AIを組み込んだ研修は、受講者が自由に質問し、AIが理解度に合わせて説明を変え、回答の内容から習熟度を推し量る「対話型」の仕組みを実現できます。ただし、AIの回答や評価をそのまま正しいとみなさず、人が確認することも必要です。

従来のeラーニングと生成AIを活用した研修の違い

	従来のeラーニング	生成AIを活用した研修
学習の形式	用意された教材の視聴・テスト	対話しながら学ぶ双方向型
教材の作成	人が事前に作り込む	AIが生成・更新を支援
蓄積されるデータ	視聴履歴、テストの点数	質問内容、対話履歴、つまずきの記録など質的で詳細
データの行き先	契約するLMSなど	AIサービスや連携するLMSなど（構成による）

社員一人一人に人間の講師を付けるには大きな負担がかかりますが、AIは個別の質問への対応を補助できます。これが、研修へのAI活用が企業の関心を引きつけている理由の一つです。なお、表は代表的な使い方の比較であり、実際の機能や保存先はサービスの構成によって異なります。

情シスの視点で重要なのは、「蓄積されるデータの内容と、その行き先」です。対話型になったことで、蓄積されるデータは「点数」から「その人が何をどう考え、どこでつまずいたか」という、はるかに個人性の高い情報へと変わり得ます。

そして、「そのような個人に強く紐付く重要な情報をどのように扱えばよいのか？」という視点を持つことが教育・研修用AIを安全に活用するための出発点なのです。

研修用AIは実際にどう使われ、どこに落とし穴があるのか？

企業の研修現場では、研修用AIは具体的にどのように使われるのでしょうか。主な三つの用途と、その用途で特に注意したいデータ管理の論点を見ていきましょう。学習利用や保存、アカウント管理は用途を問わず必要な確認であり、後段でも共通事項として整理します。

用途1：研修教材・資料の作成支援

代表的な使い方の一つが、「教材づくりの効率化」です。既存の業務マニュアルや社内規程をAIに読み込ませ、新人向けにかみ砕いた説明資料や理解度テストの問題を生成させる、といった使い方が典型で、制度改正のたびに教材を作り直す手間も軽くなります。

教材づくりで特に注意したいのは、入力する社内資料に機密情報が含まれる点です。ほかの用途と同様に、入力情報がAIモデルの学習に使われないかということも確認します。2026年10月時点では、ChatGPT Business／Enterpriseは既定で学習に利用せず、Google Workspaceの対象プランで提供されるGeminiも、許可なく組織外のモデル学習に利用しないことが公式に示されています。

ただし、これを「法人契約なら大丈夫」と一般化するのは危険です。研修特化型のAIツールや、AIを組み込んだ国内のeラーニングサービスなど、選択肢は大手2社だけではありません。ベンダーが変われば、学習利用の扱いも、それが契約書のどこに書かれているかも変わります。そのため、契約条項として明記されているかを確認することは欠かせません。

そして、学習利用に関する確認が済んでも、確認すべき項目はまだ残ります。

一つは、データの保存と削除です。学習に使われなくとも、社内マニュアルや規程をクラウド型AIへアップロードした場合、そのデータがサービス側に保存されることがあります。データがどの国のサーバーに置かれ、どれくらいの期間保持され、どう削除できるのかを、学習利用とはまったく別の契約論点として、押さえておく必要があります。

もう一つが、自社側の権限設計です。法人プランのAIには、社内のドライブやチャットツールと接続して回答する機能があります。既存のアクセス権に沿って参照する機能でも、権限を広く設定し過ぎていれば、本来その人に見せるべきでない情報が回答に含まれるおそれがあります。連携機能ごとの権限の仕組みと、元の情報の共有範囲を確認する必要があります。

「AIが参照できる範囲」は、「自社がその人に見せてよいと設定した範囲」と一致していなければなりません。AI導入は、その棚卸しを迫る機会でもあるのです。

用途2：質問に答えるAIチューター

新人などの受講者が「経費精算のやり方」「用語の意味」といった疑問を、いつでもAIに尋ねられる仕組みです。上司や先輩に聞きにくい初歩的な質問こそAIに任せられるため、オンボーディングの負担軽減として期待される用途です。

AIチューターでも、後述するロールプレイでも確認すべきなのが、受講者の質問内容がどこに、どれだけ残るのかです。誰が何につまずき、どんな言葉で質問したかという記録は、本人にとって見られたくない性質の情報でもあります。対話履歴の保存期間、閲覧できる管理者の範囲、そして本人や退職者が削除を求めたときに応じられるのかを、契約前に押さえておきましょう。本人を識別できる記録を検索可能な形で整理すれば、チューターの履歴も個人データに当たる可能性があります。

同時に、忘れられがちなのが受講者本人への説明です。チューターとの対話は、当人にとって「気軽な独り言」に近い感覚になりがちです。だからこそ、その記録が誰にどこまで見えるのかを、あらかじめ伝えておく必要があります。

人事評価に使わないなら、そう明言し、ログを閲覧する可能性があるなら、それも隠さず示します。何も知らされないまま履歴が蓄積される仕組みは、たとえ技術的に安全でも、研修そのものへの不信を招きかねません。

また、用途を問わず個人アカウントの利用にも注意が必要です。会社が法人プランを契約していても、講師や人事担当者が個人アカウントで試作すれば、会社が確認した契約条件や管理設定が適用されない場合があります。研修業務では会社が承認・管理するアカウントを使うルールを設計しましょう。

用途3：ロールプレイ研修の相手役

営業のトークやクレーム対応、面談の練習相手をAIが務めるものです。講師や練習相手をその都度手配する負担を抑え、実践練習を繰り返せるのが利点で、AIに評価やフィードバックまでさせるケースもあります。

この用途で特に注意したいのは、受講者の発言内容と、それに対する評価が対になって蓄積されることです。「誰が、どんな対応をして、何点だったか」といった本人を識別できる記録が、検索・参照できる形で体系的に保存されていれば、個人情報保護法上の「個人データ」に当たる可能性があります。チューターの対話履歴にも共通する論点ですが、評価の扱いには追加の配慮が必要です。

そこで確認しておきたいのが、その情報を外部のAIサービスに預けることが、自社のルールと整合しているかという点です。社員から取得した個人情報の利用目的に、この使い方は含まれているか。プライバシーポリシーや社内規程と矛盾しないか。ここは情シスだけで判断できる領域ではなく、法務・人事を交えた事前の整理が欠かせません。

見落としがちなのが、蓄積された評価データの「その後」です。ロールプレイの成績が可視化されると、人事部門はそれを配属や育成の判断に使いたくなります。それ自体が悪いわけではありませんが、練習のつもりで話したことが評価材料になると受講者が知れば、萎縮して率直な練習ができなくなりかねません。データの用途をどこまでとするか、そしてそれを本人にどう伝えるかを、導入前に決めておく必要があります。

研修とは本来、失敗しても許される場です。その前提を壊さない設計が、この用途では特に問われます。

三つの用途に共通する、情シスの確認事項

こうして見ると、用途は違えど、情シスが確認すべきポイントは共通していることが分かります。

一つ目は、「入力データが学習に使われないか」です。教材・資料の作成だけでなく、対話履歴や評価を扱う用途でも確認します。学習利用の条件はサービス、プラン、設定によって異なるため、法人向けという名称だけで判断せず、契約条件を確認します。会社が承認・管理するアカウントを研修業務に使う統制も必要です。

二つ目は、「外部へ送信する情報と、利用者ごとの参照権限を整理できているか」です。入力・アップロードする情報の範囲を決めるとともに、連携先のファイルやアプリに対して、誰がどこまで参照してよいかを設計します。契約前に必要な制御機能を確認し、利用開始前に実際の設定を検証する必要があります。

三つ目は、「必要な管理者ログが取得できるか」です。入力を許可していない個人情報がAIへ送信された疑いがある場合、調査に必要な記録を取得できるか確認します。Google WorkspaceのGeminiには利用状況レポートやログがあり、ChatGPT Enterprise／Eduには監査対応のAPIがあります。ChatGPT Businessの利用状況の把握と、会話内容まで扱う監査機能は同じではありません。取得項目・保存期間・権限はプランや機能ごとに異なり、ログだけで全入力を復元できるとは限りません。

情シスは、これらの要件を候補サービスの契約・仕様と照らし合わせて確認する必要があります。人事部門や法務との具体的な役割分担は、後段で整理します。

「主要AIサービスのデータ取り扱い比較表」と契約前の確認事項

まずは、2026年10月時点の主要な生成AIサービスのデータの取り扱いを比較した表をご覧ください。

主要AIサービスのデータ取り扱い比較（2026年10月時点）

サービス	入力データの学習利用	管理者によるログ・利用状況の把握	区分・主な用途
ChatGPT（個人向け）	学習に利用され得る（設定で変更可）	組織管理者向けの監査機能なし	個人利用
ChatGPT Business	既定で学習に利用されない	利用状況の把握。全会話の内容監査とは異なる	法人向け／企業の業務・研修
ChatGPT Enterprise	既定で学習に利用されない	Compliance APIでログ等を取得可	法人向け／企業の業務・研修
ChatGPT Edu	既定で学習に利用されない	Compliance APIなどの管理機能あり	教育機関向け／大学など
Gemini（個人向け）	学習に利用され得る（アクティビティ等の設定・利用条件による）	組織管理者向けの監査機能なし	個人利用
Google WorkspaceのGemini（対象プラン）	許可なく組織外のモデル学習に利用されない	管理コンソールのログ・利用状況レポート（機能・権限による）	法人向け／企業の業務・研修
Copilot（個人向けの単体サービス）	学習に利用され得る（対象者・地域・設定等による）	組織管理者向けの監査機能なし	個人利用
Microsoft 365 Copilot（法人向け）	プロンプト・応答等は基盤LLMの学習に利用されない	Microsoft Purviewで監査ログを確認可	法人向け／企業の業務・研修

※各サービスの名称や仕様は2026年10月時点の情報です。プラン構成やポリシーは頻繁に改定されるため、最新の内容は必ず各社の公式サイト・契約書面でご確認ください。個人向けの行は無料・有料の別ではなくアカウントの区分を示します。各行のログや統計は同等の内容を取得できるという意味ではありません。保存・削除の条件は別途確認が必要です。

この表から押さえておきたいのは、料金の有無だけではデータの扱いを判断できないという点です。法人向けでも契約条件と設定を確認する必要があり、利用状況の統計、会話内容を含む監査、データ保持設定は別々に確認します。

これらを踏まえ、契約前に確認しておきたい事項は、以下の三つです。契約書面や公式仕様を確認し、不明点はベンダーへ問い合わせましょう。

【1】学習利用と保存に関する条項

入力データがモデル学習に使われないことが契約上明記されているか。データの保存期間と削除の手順、保存されるリージョン（国・地域）はどうなっているか。

【2】監査に関する条項

管理者はどの粒度のログ（誰が・いつ・どの機能を使ったか、必要に応じて入力内容まで）を取得できるか。インシデント発生時に、ベンダーはどこまでの調査協力に応じるか。

【3】受講者データとアカウント管理

受講者データを分析する機能（習熟度の可視化など）がある場合、その分析結果はどこに保存され、誰がアクセスできるのか。退職者や研修終了者のデータを削除する手段はあるか。SSO連携に対応し、自社のID基盤でアカウントを一元管理できるか。

こうした確認事項を押さえても、運用が伴わなければ期待した統制は機能しません。必要な機能を持つ法人プランを契約するとともに、承認されたアカウントの利用や、問題発生時に誰がログを取得・分析するかを決めることが大切です。研修用AIの活用では、契約と運用の両面から管理体制を整える必要があります。

人事・情シス・法務部門の役割分担はどうすればいい？

最後に、運用体制の話をしておきましょう。研修用AIのガバナンスが崩れる典型パターンは、ツールの選定・契約が人事部門だけで完結してしまうことです。

人事部門は研修効果や使いやすさの判断に強みがありますが、データの技術的な管理や契約条件の確認には、情シス・法務部門の知見も必要です。一方、情シスだけで進めれば、現場の研修ニーズを十分に反映できないおそれがあります。

そのため、現実的な役割分担は、例えば次のように整理できます。

研修用AI導入における人事・情シス・法務部門の役割分担例

担当	主な役割
人事部門	研修要件の定義／候補ツールの検討／共同で定めた入力基準に沿う現場運用／受講者への利用ルール周知
情シス	技術的な管理条件の確認／SSO・アカウント管理の設計／入力基準の共同策定／調査時のログ取得・分析手順／インシデント対応
法務・コンプライアンス	個人情報の利用目的との整合確認／契約書レビュー／入力基準の共同策定

この役割分担を機能させるため、人事部門が候補ツールや研修要件を共有し、契約前に情シス・法務部門が確認する手順を決めます。前章の確認事項をチェックシートにして共有すれば、人事部門も候補選定の段階からデータ管理の視点を持て、確認の往復を減らしやすくなります。

受講者への説明は、人事部門と連携して準備しましょう。情シスは保存先、閲覧できる人、ログの範囲などの技術的な条件を整理し、人事部門が研修目的や評価への利用方針と合わせて説明できるよう支援します。これは、信頼と個人情報の取り扱いの透明性の両面で重要です。

研修用AIの導入は、「人に関するデータ」を預ける契約である

生成AIを研修に活用する流れは、これからさらに進んでいくと予想されます。対話型の学びの効果を生かすには、扱うデータに応じた管理が必要です。

クラウド型の研修用AIの導入は、社員に関するデータを外部サービスへ預けることにもつながります。学習利用の条件、送信する情報、利用者ごとの参照権限、保存・削除、調査に必要なログをそれぞれ確認しましょう。契約前の確認と他部門との役割分担を整えることで、リスクを抑えながらAI研修の効果を生かせます。

「研修目的なら大丈夫」ではなく、「研修目的だからこそ慎重に」。その視点の転換こそが、情シスが果たすべき最初の役割といえるでしょう。