営業秘密の秘密管理性は生成AIへの入力で失われるか — Claudeの設定との関係
生成AIへの入力だけで営業秘密の秘密管理性が消えるわけではありません。経済産業省の指針の考え方と、Claudeの学習・保持設定の関係をまとめます。
結論:入力しただけで秘密管理性が消えるとは読めない
生成AIに営業秘密を入力すると、それだけで不正競争防止法の保護が失われるのでしょうか。経済産業省の管理指針(本記事が引用するのは平成31年(2019年)1月改訂版の本文です)を読む限り、そうは書かれていません。指針は、外部のクラウドに営業秘密を保管しても「秘密として管理されていれば、秘密管理性が失われるわけではない」としています。
ただし、安心してよいという意味でもありません。秘密管理性が問われるのは、会社が「これは秘密だ」という意思を、従業員に具体的な措置で示せていたかどうかです。生成AIの利用ルールが曖昧なまま情報を入力させていると、問題は入力の瞬間ではなく、日頃の管理体制の側に現れます。
Claudeの学習・保持設定は、この論点に2通りで関わります。
- 秘密管理性: 社内でどのアカウント・どのプランなら入力してよいかを決め、周知することが「秘密管理措置」の一部になる
- 非公知性: 学習に使われた情報が「公然と知られている」状態に当たるかは、引用した指針のPDFに書かれていない
本記事は一般的な整理であり、法的助言ではありません。個別の事案は弁護士などの専門家に確認する前提で読んでください。
営業秘密の3要件と、生成AIが絡む場所
不正競争防止法の第2条第6項は、営業秘密を「秘密として管理されている生産方法、販売方法その他の事業活動に有用な技術上又は営業上の情報であって、公然と知られていないもの」と定義しています。経済産業省の管理指針はこれを次の3要件に分けて説明します。3つすべてを満たして初めて、法に基づく保護を受けられます。
営業秘密の3要件と生成AI利用での論点
秘密管理性
秘密として管理されていること。生成AIの利用では、社内ルールと管理措置が従業員に伝わっているかが問われます。
有用性
事業活動に有用な情報であること。
非公知性
公然と知られていないこと。入力した情報が一般に知られる状態になるかが問われます。
経済産業省の営業秘密ポータルは、秘密情報が持ち出されるなどの被害にあったとき、民事上・刑事上の措置をとるには、その情報が不正競争防止法の営業秘密として管理されている必要があると説明しています。防御の入口は、いつも秘密管理性です。
有用性は、秘密管理性と非公知性を満たす情報であれば通常認められると指針が述べています。生成AI利用の文脈で争点になりやすいのは、残る2要件です。秘密として管理されていない取引先データの扱いは、Claudeに限定提供データを入力してよいかで見ます。
秘密管理性が求めるのは「意思の明示」と「認識可能性」
指針は、秘密管理性要件の趣旨を、企業が秘密として管理しようとする対象が従業員に明確になることで、従業員の予見可能性を確保する点に置いています。
要件を満たすには、会社の秘密管理意思が秘密管理措置によって従業員に明確に示され、従業員がそれを容易に認識できる必要があります。「会社が内心で秘密だと思っている」だけでは足りません。
措置の中身は表示・契約・アクセス制御を含む
指針の脚注は、秘密管理措置を「アクセス制限」に狭めず、「秘密としての表示」や「秘密保持契約等の契約上の措置」まで広く含めて考えるとしています。電子ファイルなら、次のような方法が典型例として挙がっています。
- 電子ファイル名やフォルダ名へのマル秘の付記
- ファイルを開いたとき画面にマル秘と表示されるようにする
- ファイルやフォルダの閲覧にパスワードを設定する
また、措置は企業の規模・業態・情報の性質によって異なり、「鉄壁の」管理を求めるものではないと明記されています。中小企業にも高度な対策を一律に課さない、という趣旨です。
外部クラウドの利用そのものは要件を壊さない
指針は電子媒体の管理方法として、外部のクラウドで保管・管理する場合も、秘密として管理されていれば秘密管理性が失われるわけではないとし、階層制限に基づくアクセス制御を例に挙げています。
生成AIサービスはクラウドサービスの一種です。この記述と並べれば、「外部の事業者のサーバーに情報が送られた」という事実だけで秘密管理性が否定される、という読み方は取りにくいでしょう。
ただし、この一文は保管・管理を想定した記述で、生成AIへの入力を名指ししたものではありません。引用した平成31年(2019年)1月改訂版の本文に、生成AIを名指しした記述は含まれていません。経済産業省のポータルは、2025年3月改訂の管理指針を現行版として掲示しています。
生成AIへの入力で秘密管理性が揺らぐのはどんな場面か
入力そのものではなく、次のような運用の穴が論点になります。
何も措置がない場合
指針は、従業員が実際に秘密だと認識していれば措置が不要になるわけではなく、法文が「秘密として管理されている」とする以上、何らの秘密管理措置もない場合は要件を満たさないと述べています。
生成AIの利用ルールを一切定めず、機密表示もない情報を各自が自由に入力している状態は、これに近づきます。
継続的な不徹底が公然の事実になっている場合
指針は、複数の管理単位がある場合について、ある単位で措置が欠けていても、原則として別の単位の秘密管理性は否定されないとしています。例外は、その不存在が継続的で社内の公然の事実になり、従業員の認識可能性が損なわれている場合です。一時的・偶発的な不徹底では、直ちに秘密管理性は失われません。
この記述は生成AIを扱ったものではありません。ただ、「個人アカウントへの入力を黙認する状態が常態化し、誰も咎めない」ときに何が起きるかを考える手がかりにはなります。
委託先・提供先の内部管理は自社の秘密管理性に影響しない
指針は、複数の法人間で同じ情報を保有するケースで、別法人内部での情報の管理状況は、自社の秘密管理性に影響しないことが原則だと述べています。子会社や委託先が念頭にあります。
Anthropicのようなサービス提供事業者が自社サーバー内でデータをどう扱うかは、この原則に近い論点と考えられます。一方で、営業秘密を示された相手が不正に使った場合に差止請求をするには、その相手に自社の秘密管理意思が明確に示されていることが必要とも書かれています。契約でどう縛るかが、ここで意味を持ちます。
Claudeの設定は何を左右し、何を左右しないのか
Claudeでの入力データの扱いは、契約形態で大きく分かれます。学習利用の既定はClaudeを学習させない設定で、プランごとの詳しい手順を扱っています。ここでは営業秘密の観点で必要な部分だけ取り上げます。
| 項目 | 個人向け(Free・Pro・Max) | 商用(Team・Enterprise・API等) |
|---|---|---|
| 学習利用 | 個人向け(Free・Pro・Max)利用者がモデル改善設定で許可した場合に使われる | 商用(Team・Enterprise・API等)既定では入出力を学習に使わない |
| 学習に使われる例外 | 個人向け(Free・Pro・Max)安全審査でフラグされた会話、明示的な参加プログラム | 商用(Team・Enterprise・API等)フィードバックやバグ報告を送った場合、またはデータの利用を許可した場合 |
| インコグニート | 個人向け(Free・Pro・Max)学習に使われない | 商用(Team・Enterprise・API等)30日以内に自動削除(利用規約違反でフラグされた場合を除く) |
商用契約は契約条項で線が引かれている
Commercial Termsでは、顧客が入力(Inputs)に関するすべての権利を保持し、出力(Outputs)を所有します。さらにAnthropicは、顧客のコンテンツ(Customer Content)でモデルを学習してはなりません。Customer Contentは顧客の機密情報(Confidential Information)だと位置付けられ、受領側は合理的な注意を下回らない水準で保護する義務を負います。
この構造は、営業秘密管理の実務で言う「取引相手への秘密保持契約」に相当する役割を果たします。指針が秘密管理措置の例に「秘密保持契約等の契約上の措置」を挙げていることを踏まえると、商用契約の条項は、社内規程と並べて管理措置の説明に使える材料になる場合があります。契約書のどの条項が、自社の秘密管理措置としてどこまで通用するかは、個別に確認が必要です。
Team・EnterpriseのPrimary OwnerまたはOwnerは、組織設定(Data and Privacy)の「Rate chats」でメンバーのフィードバック送信を無効にできます。
個人向けプランは「許可」が学習と長期保持の両方を動かす
個人向けプランでは、モデル改善の設定を許可すると、会話やコーディングセッションが学習に使われます。コネクタ(Google Driveなど)やMCPサーバーの生の内容は対象外ですが、会話に直接貼り付けた内容は含まれえます。
設定をオフにすると、過去のチャットも新しいチャットも将来の学習に使われません。削除した会話も、今後の学習には使われません。一方で、すでに進行中の学習実行や、学習済みのモデルには反映されたままです。経緯はClaude Consumer Terms改定の解説にまとまっています。
設定がオフでも、安全性の分類器にフラグされた会話は、安全性向上のために使われることがあります。「オフにすれば何も使われない」とは言い切れません。
業務利用で個人アカウントを許すこと自体が管理上の論点になる
営業秘密の管理という観点では、設定の中身以上に、どのアカウントで入力を許すのかが効きます。個人アカウントは従業員が設定を変えられ、会社が既定を強制できません。会社契約のアカウントなら、管理者が組織設定を握ります。
情報の区分と利用先を決めておけば、従業員は「どの情報をどこに入れてよいか」を読み取れます。これは、指針の言う「認識可能性」を高める方向の措置です。機密情報全般の扱いはClaudeに機密情報を入力しても安全かが整理しています。
入力した情報はどこにどれだけ残るか
学習に使われるかどうかとは別に、データがAnthropic側に残る期間があります。営業秘密の管理では、こちらも社内規程に書く材料になります。
入力データの保持期間(短い順)
- 削除の操作の直後チャット履歴から消える
会話を削除すると、履歴からはすぐに消えます。
- 30日以内バックエンドから削除される
削除した会話は、個人向け・法人向けのどちらでも30日以内にバックエンドから削除されます。APIの入出力は受領または生成から30日以内に自動で削除されます。例外は、Files APIのように保持を利用者が管理するサービス、ゼロデータ保持などの個別合意、利用規約の執行、法令対応です。
- 最長2年・7年利用規約違反でフラグされた場合
自動の安全性システムが利用規約違反としてフラグした会話は、入出力が最長2年、分類スコアが最長7年保持されます。
- 最長5年学習への許可とフィードバック
個人向けでモデル改善を許可した会話は、識別情報を除いた形で最長5年、学習用のパイプラインに保持されます。対象は、許可後の新規または再開したチャットです。サムズアップ・ダウンで送ったフィードバックは、個人向け・法人向けのどちらでも5年保持され、学習に使われうるデータです。
非公知性との関係は指針から断定できない
「学習に使われた情報が、モデルを通じて第三者に知られてしまうのではないか」という懸念は、非公知性の問題です。
指針は「公然と知られていない」状態を、一般的に知られた状態になっていない、または容易に知ることができない状態と定義します。具体的には、合理的な努力の範囲内で入手可能な刊行物に載っておらず、公開情報から容易に推測・分析できず、保有者の管理下以外では一般に入手できない状態です。
また、特定の者が事実上秘密を維持していれば、なお非公知と考えられる場合があるとも述べています。特許法の公知の考え方とは一致しません。
情報の断片が複数の刊行物に載っていて、集めれば近い情報を再構成できる場合も、直ちに非公知性は否定されません。どの情報をどう組み合わせるかに価値があれば、営業秘密たりえます。複数の情報の総体は、組み合わせの容易性や取得に必要な時間・費用を考慮し、保有者の管理下以外で一般的に入手できるかで判断するとされています。
指針の脚注は、公知情報を組み合わせて作ったAI技術の開発(学習)用データについても、同じ考慮で非公知性を判断するとしています。これは学習用データを作る側の記述です。入力が学習され、出力から引き出される場合を扱ったものではありません。
反対に、第三者が相当のコストをかけて同じ営業秘密を取得または開発し、公開して「公然と知られている」状態になれば、非公知性は失われます。
この基準を学習利用に当てはめた記述は、引用した指針PDFにも、本記事が引いたAnthropicのプライバシー解説・利用規約にもありません。学習に使われた入力が出力を通じて一般に知られる状態に当たるかは、これらの資料からは判断できません。
したがって、この点は不確実性が残るものとして扱うのが妥当です。営業秘密として守りたい情報ほど、学習に使われる可能性のある経路を、そもそも作らない選択が現実的になります。商用契約の利用や、個人アカウントの禁止がその例です。
社内ルールに落とすときの書き方
秘密管理措置は、ルールを決めて周知し、守られているかを確認するところまでで完成します。次に、規程と設定の例を示します。文面は一例で、自社の状況に合わせた調整と、法務の確認を前提とします。
情報区分ごとに入力先を決める
例えば次のように、区分と入力先の対応を規程の別表にします。
【生成AI入力可否表(例)】
区分A(営業秘密として管理する情報: 未公開の設計書・原価表・顧客名簿)
→ 会社契約のClaude(Team/Enterprise/API)のみ。個人アカウントへの入力は禁止。
→ ファイル名またはヘッダーに「マル秘」を付記する。
区分B(社外秘だが営業秘密として指定していない情報)
→ 会社契約のClaudeのみ。
区分C(公開済みの情報)
→ 制限なし。区分Aに「マル秘」表示を求める点は、指針が電子ファイルの典型的な管理方法に挙げる表示の付記と同じ発想です。表示と入力ルールが揃っていれば、従業員は「これは会社が秘密として扱う情報だ」と認識できます。
Claude Codeでは読み取らせない範囲を設定で固定する
ソースコードや設計資料をClaude Codeで扱う組織は、営業秘密を含むディレクトリに、権限ルールで読み取り禁止を設定できます。Claude Codeの権限設定は、Read の拒否ルールでファイルやディレクトリの読み取りを止められます。例えば次の形です。
{
"permissions": {
"deny": [
"Read(./trade-secrets/**)",
"Read(./.env)"
]
}
}Read の拒否ルールは、同じパスへのEditとWriteも止めます。なお、.claudeignore ファイルに効果はなく、除外したい対象は Read の拒否ルールに移す扱いです。
拒否ルールの効き方には限りがあります。cat や sed のように認識されるコマンドや、> < のリダイレクト先は対象です。一方、grep -r pattern . のようにファイルを名指ししない場合や、PythonやNodeのスクリプトが直接ファイルを開く場合は対象外です。すべてのプロセスからのアクセスを止めたい場合は、サンドボックスで強制する必要があります。権限設計全体はClaude Codeセキュリティ・権限ガイドで扱っています。
この設定は、営業秘密の保護策であると同時に、「会社が秘密として管理しようとしている範囲」を技術的に示す措置にもなります。指針も、通常の状況では高度な情報漏えい対策は秘密管理性の必須要件ではないと述べています。設定は秘密管理性のために必須ではなく、漏えいリスクを下げる追加の対策として位置付けるのが正確です。
運用の確認項目
導入後は、次の4点を定期的に点検すると、ルールが形だけになるのを避けられます。
定期点検の4項目
- 1
個人アカウントの履歴
区分Aの情報が個人アカウントのチャット履歴に残っていないかを見ます。
- 2
管理者設定
Team・Enterpriseのフィードバック送信の可否などが、意図した状態かを見ます。
- 3
委託先・取引先との契約
営業秘密を示す際、生成AIの利用可否を秘密保持契約に含めているかを見ます。
- 4
周知の記録
研修の実施記録や同意書が残っているかを見ます。
まとめ
入力しただけで秘密管理性が消えるわけではなく、問われるのは日頃の管理体制です。決めることは3つあります。情報の区分、区分ごとの入力先、個人アカウントを許すかどうかです。決めたら周知し、記録を残します。
学習に使われた情報が非公知性にどう響くかは断定できず、その不確かさは契約形態の選択で避けられます。
規程全体の項目は社内AI利用規程にAI事業者ガイドラインは何を求めるか、契約形態の選び方はClaude法人プランの契約ガイドにあります。
参照した一次ソース
この記事の記述は、次の一次ソースと照合しています。更新時に参照先が変わった場合は一覧も更新します。
- meti.go.jp/policy/economy/chizai/chiteki/trade-secret.html
- meti.go.jp/policy/economy/chizai/chiteki/guideline/h31ts.pdf
- anthropic.com/legal/commercial-terms
- privacy.claude.com/en/articles/7996868-is-my-data-used-for-model-training
- privacy.claude.com/en/articles/10023580-is-my-data-used-for-model-training
- privacy.claude.com/en/articles/7996866-how-long-do-you-store-personal-data
- privacy.claude.com/en/articles/10023548-how-long-do-you-store-my-data
- code.claude.com/docs/en/permissions