高木浩光＠自宅の日記

■ 充実に向けた視点意見書を一般向けに書き直してみた

前々回では、意見書の内容をClaudeに質問して理解するデモであったが、そんなのに付き合って読む暇ないわ、ということもあろうかと思われるので、意見書を一般向けに書き直すことにし、Claudeを使って以下のプロンプトから始めてやってみた。

このようなプロンプトを何十回と指示して完成したのが以下の文書だ。これでおわかりいただけるだろうか。

高木意見書の生成AI Claude 3.5 Sonnetによる解説

はじめに

個人情報保護法の3年ごと見直しにあたり、個人情報保護委員会は「制度の基本的な在り方」に立ち返った議論を求めています。特に、「何をどのような方法で守るべきか」「個人情報の有用性に配慮しつつどのように個人の権利利益を保護するのか」といった根本的な問いかけがなされ、その検討の視点が示されました。

具体的には、本人の同意や関与を通じて個人データの利用の適正性を確保しようとする現行の仕組みの実効性、統計利用など直接的な影響が想定されない利用に対する規制の在り方、第三者提供を原則禁止とする仕組みの妥当性など、制度の基本的な前提に関わる論点が提示されています。

本意見書は、これらの論点について、データ保護法制の本来の趣旨に立ち返りながら考察を行うものです。特に、本制度の制定過程に関する文献調査を中心とした近年の研究成果に基づき、現行法における「自律的ガバナンス」への過度の依存という問題点を指摘し、より実効性のある保護の仕組みへと発展させるための具体的な提案を行います。

制度の基本的課題：「自律的ガバナンス」の限界

現行の個人情報保護法は、個人情報の適切な取り扱いを確保するため、「自律的ガバナンス」という考え方を基礎としています。この仕組みでは、事業者が利用目的を特定して公表し、本人がそれを認識したうえで開示や訂正、利用停止の請求などの関与を行います。また第三者提供時には本人同意を得ることで、データ取り扱いの適正性を確保しようとしています。

この仕組みは、データの誤りによって個人が不利益を被ることを防ぐという限定的な目的においては一定の効果を持ちます。個人データに誤りがある場合、本人がそれを発見して訂正を求めることができます。しかし、現代のデータ利用においては、この仕組みだけでは不十分です。特に、AIによる評価を用いた決定の場面や、子供のデータを扱う場合など、本人関与による適切性の確保が期待できないケースでは、より実効的な保護の仕組みが必要となります。

なぜなら、AIによる評価の適切性、特に差別的な効果を持つ決定を防ぐためには、OECDガイドラインが定めるデータ品質の原則の重要な要件である「関連性」が必要となるからです。これは、使用されるデータが決定の目的に対して関連性を持つことを求めるものです。例えば、AIを用いた人事評価を考えてみましょう。ここでは、評価に使用されるデータ項目が実際の職務遂行能力と関連性を持つのか、あるいは不当な差別につながる可能性があるのかといった判断が必要になります。

このような関連性の判断は、当事者間の自主的な解決には適していません。仮に本人が関連性のないデータ項目による差別的効果を疑い、本人開示の請求権を行使してデータ項目の構成と内容を確認できたとしても、現行法では関連性のない項目の削除を求める手段が用意されていません。また、そもそも関連性の判断には高度に専門的な評価が必要となります。

実は、このことは1970年代の時点で、データ保護法制が西側諸国で勃興した際に既に認識されていました。欧州と米国は、関連性の判断を行う専門機関の必要性を指摘していました。個人データの漏えいへの対応や安全管理措置の監督は、単なる業界規制の一環にすぎません。データの利用が個人に与える影響の適切性を判断するためには、業界の監督官庁ではない、独立した専門機関による監督が不可欠なのです。日本の個人情報保護委員会を設置する必要があった真の理由も、実はそこにあるのです。

このことは、現行の「自律的ガバナンス」の一つ目の要素である本人関与による監視の限界を示しています。そして、もう一つの要素である本人同意の仕組みにも本質的な問題があります。第三者提供や目的外利用、要配慮個人情報の取得といった場面で求められる本人同意を考えてみましょう。提供先でどのような利用がなされるのか、目的外利用の結果どうなるのか、取得された情報がどのように使われるのかは、一般に不確かです。本人の立場からすれば、同意した結果何が起こるのか見通しがつかない中で、同意するか否かの判断を迫られても適切な選択はできません。

このように、データの利用が個人に与える影響の適切性は、本人による関与や同意だけでは確保できないのです。自律的ガバナンスだけでは真の課題は解決せず、個人情報保護委員会の介入が必要なのです。そして、そのために、データ品質の原則（OECDガイドライン第2原則）の法制化が必要なのです。

データ品質の原則の法制化の必要性

現行法は、データの正確性として、データが事実と合致しているかという狭義の意味での正確性のみをカバーしています。しかし、データ品質の原則には、使用目的に照らして妥当な決定を可能とする広義の正確性や、決定目的との関連性、さらには完全性（EU法でいうadequacy）といった要件が含まれます。これらはいずれも、OECDガイドライン第2原則が定めるデータ品質の原則の重要な構成要素なのです。

データ品質の原則を法制化することで、個人に対する評価・決定の適切性を確保するための明確な基準が設定されます。特に重要なのは関連性の要件です。これは、個人に対する決定に使用されるデータが、その決定の目的に対して関連性を持つものに限定されることを要求します。関連性要件は、不当な差別を防止するための基準として機能します。

個人データの取扱いの正当性を裏付ける基準として、現行法の不適正利用禁止規定の解釈を明確化する方向性も考えられます。しかし、この規定には本質的な限界があります。令和2年改正当時、AIやプロファイリングによる不適切な決定を防ぐための規律として構想されましたが、どのようなプロファイリングが禁止されるべきで、どのようなプロファイリングなら許されるべきか、その基準を示すことができませんでした。そのため法制局予備審査の過程で当初の構想とは異なる規定となり、本来目指していた不適切な評価・決定の防止という目的は達成できていません。

この問題に対する解答は、実は1980年の時点で既に用意されていました。最近の研究により、OECDガイドラインのデータ品質の原則に、プロファイリングの適切性を判断する基準が組み込まれていたことが明らかになりました。データ利用の適切性は、使用されるデータ項目が決定の目的に対して関連性を持つか否かによって判断されるべきなのです。

本人関与の新しい在り方

データ品質の原則の法制化は、本人関与の仕組みを否定するものではなく、むしろ両者は相互に補完し合う関係にあります。特に、データ品質の原則における関連性要件の履行を確保する上で、本人関与は重要な役割を果たします。具体的には、本人が開示請求を通じて使用されているデータ項目を確認し、関連性のない項目が使用されていることが判明した場合に、その項目の削除を求めることができるという、利用停止請求権の拡充が必要です。現行法ではこのような請求は認められていないため、関連性要件の法制化とともに、利用停止請求権の要件も見直す必要があります。

ただし、このような本人関与が実効性を持つためには、本人が理解できる説明が不可欠です。特に、「社会におけるモニタリングを通じて規律される」ためには、利用目的が公表されているだけでなく、決定の目的に対する関連性を判断できる程度に、決定の目的と使用するデータ項目の一覧までもが公表される必要があります。

より正確には、まず、利用目的は個人に対する決定を伴うか否かの事実、決定を伴う場合はどのような決定の目的であるかを明らかにする必要があります。その上で、決定を伴う場合に限り、決定に使用するデータ項目の一覧を公表する必要があります。決定のロジック（アルゴリズム）の開示も検討に値する選択肢であり、営業上の秘密との関係など考慮すべき課題はありますが、透明性確保の観点から重要な論点となります。

このように、個人情報保護委員会による専門的な判断と監督という制度的な保護と、本人自身による開示請求や利用停止請求を通じた関与という二つの側面を組み合わせることで、より実効性の高い保護が可能となります。本人による開示請求等は、個人情報保護委員会による監督のきっかけとしても機能し、両者が相まって評価・決定の適切性確保という目的の達成を支えることになります。

統計利用等における本人関与の必要性

これまで述べてきた本人関与による規制の仕組みは、個人データの利用が個人に対する評価・決定を伴い、その結果として個人の権利利益への影響が具体的に見込まれる場合に必要とされるものです。これに対して、統計的な分析など、個人への直接的な影響を伴わない利用については、本人関与による規制の必要性は低くなります。

しかし、現行法の民間部門では、統計目的での第三者提供であっても本人同意を原則として要求しており、これは過剰規制となっています。統計目的の利用であれば第三者提供時の本人同意は不要とすべきですが、その際には、確実に統計目的に限定されることを担保する仕組みが必要です。具体的には、第三者提供時の利用目的拘束の仕組みを設け、データの転々流通を防止する規律を前提として、「第三者提供を禁止する必要のない類型」とすることが妥当です。

その上で、本人への影響を伴わないことを確実に担保するために、二つの要件を課すべきです。一つは、提供されるデータを仮名化することです。もう一つは、そのデータを個人に対する決定に用いることを禁止することです。このような保護措置を前提とすれば、本人同意を不要とすることができます。このような保護措置は、令和2年改正で導入された学術研究の例外規定の解釈にも示唆を与えます。同規定は「個人の権利利益を不当に侵害するおそれがある場合を除く」としていますが、これを具体化すると、結局のところ決定利用を禁止することに帰着します。

なお、統計目的での利用であっても、漏えい事故のリスクは残ります。特に深刻なのは、一生分に渡る長期間の医療・健康データが集中的に蓄積されるケースです。こうしたデータは仮名化されているとはいえ、漏えい時の影響は極めて甚大なものとなります。このような場合には、補完的な保護措置として、本人同意を求めるかオプトアウトの機会を提供することも検討に値します。ただし、これはあくまでも補完的な措置であって、本質的には上記の利用目的の制限と決定利用の禁止によって保護を図るべきです。

要配慮個人情報規制の問題点

現行法における要配慮個人情報の規制は大きな問題を抱えています。現在の制度は、特定の情報カテゴリーを列挙し、その取得に際して本人同意を要求する方式を採用していますが、これは本質的な解決にはなりません。

本来、データ保護法の趣旨は、特定の属性による差別を防ぐことではなく、あらゆる関連性のないデータ項目による決定を「差別」として排除することにありました。しかし日本の個人情報保護法は、データ品質の原則に対応せず、平成27年改正まで法目的に差別防止の趣旨すら含んでいませんでした。その結果として、要配慮個人情報という限定列挙の規定を設けることで、差別防止の趣旨をカバーする体裁をとることになったのです。

このような列挙方式による規制には重大な限界があります。まず、代理差別（proxy discrimination）による差別的効果（間接差別）を防ぐことができません。この問題に対し、要配慮個人情報に相当する情報を他のデータから推知して生成する場合も要配慮個人情報の取得とみなすべきだとする意見も見られます。しかし、このような解釈を採用しても、限定列挙された法的保護属性への代理差別しか防ぐことができません。データ保護法は、1970年代の時点から、このような列挙方式ではなく、あらゆる関連性のないデータ項目による決定を「差別」として、その排除を目指していたのです。

要配慮個人情報の定義には「不当な差別、偏見その他の不利益が生じないようにその取扱いに特に配慮を要する」という文言が使われています。しかし、ここでいう「差別」の意味について誤解が広がっています。本来この「差別」とは、すべての「不合理な区別」を指す概念です。これは日常語でよく使われる差別感情（集団に対する嫌悪や蔑視、排他の感情）や、特定の集団に対する社会的な烙印（スティグマ）とは異なるものです。しかし「偏見」という語が併記され、さらに「差別につながる」「差別を助長する」といった表現が使われることで、人間の感情や偏見に基づく差別行為を想定した規定であるかのように誤って理解されています。この規定が本来意図しているのは、データに基づく不合理な区別の防止であり、その趣旨を明確にすることが必要です。

さらに、本人同意を要件とする現行の規制方式は、同意の形骸化を招いています。同意を得られなければ取得できないとする規制は、往々にして形式的な同意取得の慣行を生み出し、実質的な保護にはつながっていません。

これらの問題に対処するためには、データの種類による規制から、データ項目の決定目的との関連性に着目した規制へと転換する必要があります。そのための具体的な方策として、データ品質の原則、特に関連性要件の法制化を通じて、不当な差別的取扱いを防止する明確な基準を設けることが求められるのです。

識別子の問題への対応

端末識別番号やCookie情報などの新しい識別子への対応については、単にそれらを情報の類型として規制すると、保護が過剰となったり不十分となったりする問題が生じます。これらの識別子自体を規制対象とした場合、決定利用を伴わない単なる広告表示まで過剰に規制することになってしまいます。また、識別子を類型的に列挙する方式では、新たな技術によって生み出される識別子への対応が困難です。

重要なのは、事業者がその識別子を用いて収集した個人データに基づいて個人に対する決定（決定利用）を行うことを予定しているか否かという点です。また、事業者自身が決定利用を予定していない場合であっても、提供先で決定利用が行われる可能性がある場合には、その提供行為も規律対象としなければなりません。

そもそも「個人を識別することができる」とは、個人を個人別に異なって扱うことができる状態を意味します。決定利用はまさにそのような個人別の異なる取扱いであり、そのための識別は個人別に異なって扱うための手段に他なりません。したがって、決定利用に供される情報は、必然的に「個人を識別することができる」情報として処理されることになります。このような理解に基づいて規制対象を、体系的に構成された個人に関する情報のうち決定利用され得るものとすることで、その利用目的と個人への影響に着目した、必要十分な保護を実現することができます。

なお、個人別の決定を伴わない、全員に同じ広告を表示するだけの利用については、本来の保護法益である「個人データ処理による個人に対する評価・決定の適切性確保」という観点からは規制の必要性は低く、むしろ「勧誘拒否の利益」といった別の観点からの検討が必要となります。

クラウドサービスとAIの課題

データ処理環境の変化は、法制度の前提を大きく揺るがしています。まず、IaaS・PaaSなどの基盤的なクラウドサービスについては、個人データを預かってはいるものの個人データ処理自体は行わないとされますが、そのサービスに起因して個人データの漏えい事故が発生する可能性があります。現行法では、このような場合のクラウド事業者の責任が明確ではありません。個人データ処理の委託にも当たらないため、クラウドサービス事業者の責任を問えない状況が生じているのです。

さらに、個人データ処理を行うSaaSの場合、クラウドに起因する漏えい事故への責任の所在が問題となります。現行法では委託先の監督義務が課されていますが、実質的にはクラウド事業者が圧倒的な優位性を持っており、利用者による実効的な監督は現実的ではありません。利用者は事業者が提供する標準的な契約条件や安全管理措置を、そのまま受け入れざるを得ない状況にあります。

SaaSの機能自体が、データ利用の適正性の観点で不適切な決定を生じさせる問題も存在します。たとえば雇用や与信の決定を行うSaaSにおいて、決定ロジックに特定の属性による不当な差別が含まれたり、決定に用いるデータ項目が決定目的との関連性を欠いたりすることがあります。現行法ではこのような機能の適切性を監督する制度が確立されていません。このような問題は、クラウドサービスだけでなく、AIを含むソフトウェア製品全般にも当てはまります。これは、製品やサービスの機能自体の適切性をどのように確保するかという、より広い課題として捉える必要があります。

AI規制との関係

AIによる評価・決定の適切性確保は、データ保護法制の重要な課題です。この点について、EUのGDPRや米国のPrivacy Act of 1974は、公平性確保のためのデータ品質原則、特に関連性要件を備えています。これにより、AIによる評価を用いた決定においても、使用されるデータが決定目的との関連性を持つことが要求され、不当な差別的取扱いを防止する枠組みが確立されています。そのため、EUにおけるAI規制では、個人データに係る公平性の問題については、GDPRという既存のデータ保護法制で対応できることを前提に制度設計が行われています。

一方、日本の個人情報保護法は関連性の要件を法制化していません。そのため、AI規制が問題とする公平性の確保を制度的に担保することができず、AIによる評価・決定が不当な差別的効果をもたらす場合であっても、それを規制する明確な法的根拠が存在しません。このことは今後のAI規制に大きな影響を与えます。個人データに係る公平性の問題も含めて新たな規制の枠組みを設ける必要が生じ、AI時代における個人の権利利益の保護に重大な課題を突きつけることになるのです。

この状況を改善するためには、法目的に公平性の概念を明示的に導入し、データ品質の原則を法制化する必要があります。そのうえで、AIによる評価・決定の適切性を確保するための具体的な基準を設けることで、データ保護法の本来の趣旨に沿った制度としての機能を取り戻すことができます。

第三者提供規制の見直しと個人情報ファイル概念の導入

現行法では利用目的について大まかな特定で足りるとされています。しかし、その結果として第三者提供を原則禁止とせざるを得ない状況が生じています。この規制の背景には、平成15年法の立法時に、急激な新規制の導入に伴う事業者への配慮として、利用目的を特定する義務を、大まかな特定で構わないとされた結果、その代わりに第三者提供を原則禁止とせざるを得なかったという経緯があります。

この状況を改善するためには、第三者提供時の利用目的拘束の仕組みを導入し、提供先での利用目的を明確に限定することが必要です。これにより、「契約の履行」に基づく場合に相当するような、限定された特定の利用目的の場合に限って、第三者提供を禁止する必要のない類型とすることが可能となります。

このような利用目的拘束の仕組みを実現する一つの方法として、公的部門で用いられている個人情報ファイル概念を民間部門にも導入することが考えられます。個人情報ファイル概念を導入することで、事業者は、個人データの利用の実態をファイル単位で把握・管理することが可能となり、より詳細な利用目的の特定とその拘束を実現することができます。

このように、利用目的拘束の仕組みの導入と、それを支える基盤としての個人情報ファイル概念の導入は、現行の過剰な規制を適正化し、必要な個人データの流通を確保しつつ、その適切な取扱いを担保するための重要な制度改革となります。この改革は、事業者の実態に配慮しながら段階的に実現していくことが可能です。具体的には、従来の「個人情報データベース等」の概念も残しつつ、現状維持で足りる事業者はそれを継続利用し、第三者提供の柔軟化を必要とする事業者が個人情報ファイル制度に移行していくという形で、実効性のある制度への転換を図ることができます。

今後の課題と展望

この制度改革の実現には、個人情報保護委員会による積極的な監督と本人関与という、二つの柱による監視の仕組みの確立が重要です。これは、現在の「自律的ガバナンス」重視の制度から、より実効性のある制度への転換を意味します。

個人情報保護委員会は、子供データや生体認証データなど、特定の情報類型について追加的な規制の要否を検討課題としています。しかし、前述のように、情報の種類による規制には本質的な限界があります。単に新たな規制カテゴリーを設けるだけでは、実効性のない形式的な規制に終わってしまう恐れがあります。まずは制度の基本的な在り方を見直す必要があります。

例えば子供データの問題は、本人関与による保護の限界を示す典型例です。子供本人による適切な判断や関与を期待することは現実的ではなく、また保護者による関与にも限界があります。このような特性を持つ子供データの保護には、本人関与に依存しない制度的な保護の仕組みを整備することが不可欠です。

具体的には、まず子供データの処理を個人情報保護委員会による監視監督の重点対象とし、積極的な介入を可能とする制度設計が必要です。さらに、子供データを扱うことの多い地方公共団体については、マイナンバー法で導入された特定個人情報保護評価と同様の規律の導入を検討すべきです。これは、EUのGDPRにおけるデータ保護影響評価（Data Protection Impact Assessment: DPIA）に相当する仕組みであり、データ処理が個人の権利利益に及ぼす影響を事前に評価し、必要な保護措置を講じることを求めるものです。このような制度的な保護の仕組みこそが、自律的ガバナンスの限界を超えるために必要な方策なのです。

個人情報保護法は、単なる情報の取扱いルールから、個人に対する評価や決定の適切性を確保するための包括的な制度へと発展していく必要があります。

まとめ

本意見書では、個人情報保護法の3年ごと見直しにあたり、個人情報保護委員会が提起した「制度の基本的な在り方」に関する根本的な問いかけについて検討を行いました。

現行法は本人の同意や関与を通じた「自律的ガバナンス」を基礎としています。しかし、特にAIによる評価・決定が普及する現代において、この仕組みだけでは十分な保護を実現できません。データ保護法が本来目指してきた方向性に立ち返り、OECDガイドラインが定めるデータ品質の原則、特に関連性要件を法制化し、個人情報保護委員会による専門的な監督と本人関与という二つの柱によって、個人に対する評価や決定の適切性を確保する制度へと発展させる必要があります。

また、統計目的での第三者提供については、現行の本人同意原則から、決定利用の禁止等の適切な保護措置を前提とした柔軟な制度へと転換すべきです。要配慮個人情報についても、情報の類型による規制から、データ項目の決定目的との関連性に着目した規制へと転換が必要です。

第三者提供規制についても、利用目的拘束の仕組みと「個人情報ファイル」概念の導入により、より適切な制度設計が可能となります。この改革は、従来の「個人情報データベース等」の制度との併存を図りながら、段階的な移行を実現できます。

このように、個人情報保護委員会が問いかけた制度の基本的な在り方に関する論点は、いずれもデータ保護法制の本質に関わるものでした。今回の見直しを機に、個人情報保護法を単なる情報の取扱いルールから、デジタル社会における個人の権利利益の実質的な保護を実現する制度へと発展させることができるのです。

おわかりいただけただろうか。

この文書は全自動で生成されたわけではなく、以下の手順で生成された。出力は省いてプロンプトだけ示しておく。

このまま続けると、length limitが来てしまいそうだし、文脈の把握が怪しくなりそうなので、ここで一旦この会話を終了し、分割して出力された最終版を、手作業でWord文書に貼り付け、新たな会話を開始して、そのWord文書を対象に修正を検討していった。

Claudeは長文の出力が苦手な様子なので、修正結果の管理は人力でやることにした。

ここで一旦、修正をWordに反映し、人力で全体を読み直してみると、直したいところがいくつか見つかった。プロンプトでそれを指摘していくのは面倒だなというところ、Wordのコメントに直接、指摘を記入すれば良いのではないか？と気づき、やってみたところ、ちゃんとコメントを読めるようだった。最初からこうすればよかったとも言える。

ここで、変更箇所が多くなる問題点があったので、直接Wordファイルを直して、変更履歴の機能を使ってみた。Claudeにもちゃんと変更履歴が見えるようだ。人間の編集者あるいは共著者とやりとりするのと同じようにできるわけだ。

こうしてみると、このレベルの文書もLLMで作成可能なんだなと。もっとも、元ネタ文書があったからこそではあるし、プロンプトでかなりの方向づけをしている。

こうするくらいなら自分で書けばいいんじゃ？という感もあるが、一般向けの文章を書くのは自分にとって苦行だし、たまにはやるけれど、労力に見合う結果が期待できるときしかやる気が起きない。LLM生成なら、誤字や文法に注意する労力はかからないし、表記の統一だけでなく、段落間の自然な流れができているかのチェックもやってくれる。それどころか、全体構成をどうするかの案も提示してくれる。

私の場合は自力で書くこともできるが、たまたまその辺の能力だけが不足して文書を作成できない人でも、元ネタとなるアイデアさえあれば、LLMの力を借りて文書化できる時代が来ているのかもしれない。漢字が苦手だと文書を作成できなかった時代が過去のものとなったのと同様に。