通話録音を生成AIに流してよいのか ー 個人情報マスキングと学習データの線引き
2023年6月2日、個人情報保護委員会は生成AIサービスの利用に関する注意喚起を公表した。個人データを含むプロンプトを入力し、それが応答結果の出力以外の目的で取り扱われる場合、本人の同意がなければ個人情報保護法違反となる可能性がある、という内容である。それから3年、コンタクトセンター（コールセンター）では通話の文字起こし・要約・VoC分析に生成AIを使うことが当たり前になりつつある。では、顧客の氏名も住所も契約内容も含まれる通話録音を、生成AIに流してよいのか。私の立場を先に言えば、「流してよいかどうか」は技術の問題ではなく、どこに・何の目的で・どんな契約で流すかという設計の問題である。
1. コールセンターの通話録音は「個人データの塊」である
生成AIの業務利用が広がる中でも、通話録音は特別に重い部類のデータだ。金融庁が2026年3月に公表したAIディスカッションペーパー第1.1版では、コールセンター業務等の対顧客サービスに生成AIを導入済みの金融機関が相応に存在する一方、ハルシネーション等のリスクを考慮して生成AIのアウトプットを顧客に直接提示することはなく、人の判断を介するユースケースが大半であることが確認されている。規制産業の最前線でも「導入は進むが、出口には人を置く」段階ということだ。
比較対象を置くとわかりやすい。同じ生成AI活用でも、社内規程の検索や議事録要約に流れるデータと、通話録音はリスクの桁が違う。通話録音には本人の声そのもの（生体情報になり得る）、氏名・住所・電話番号、契約や病歴に触れる会話内容が同時に含まれる。社内文書のRAG化と同じ感覚で録音データをAI基盤に接続すると、扱っているデータの重さを見誤る。もっとも、「導入済み」と「録音を学習に使ってよい」はまったく別の話であり、この2つを混同した議論が現場では少なくない。
2. 法的な関門は3つ ー 利用目的・学習利用・委託と越境
個人情報保護法の観点で通話録音×生成AIを整理すると、関門は3つに分解できる。
第一の関門は利用目的である。個人情報保護委員会の注意喚起は、個人情報を含むプロンプト入力が「特定された利用目的を達成するために必要な範囲内」であることの確認を求めている。「応対品質向上のため録音する」と告知してきたセンターが、その録音をAIモデルの改善に使うなら、それは別の目的である。
第二の関門は学習利用だ。同注意喚起は、入力した個人データが応答結果の出力以外の目的（つまりモデルの機械学習）で取り扱われる場合、本人同意なしでは法違反の可能性があるとし、サービス提供事業者が「個人データを機械学習に利用しないこと」の確認を事業者側の義務として位置づけた。ここは契約で決まる世界である。たとえばAzure OpenAI Serviceの公式FAQでは、入力プロンプトと出力がモデルのトレーニングに使用されないことが明記され、不正利用監視のためのデータ保持（既定で最大30日）も申請によりオプトアウトできるとされている。裏を返せば、この水準の説明が契約・公式ドキュメントで確認できないサービスに録音データを流すべきではない。
第三の関門は委託と越境である。録音の文字起こしを外部業者に委託してきたセンターにとって、構図自体は新しくない。相手が業者からAPIに変わっただけで、委託先の監督（法25条）と、外国にある第三者への提供（法28条）の枠組みは同じように働く。個人情報保護委員会のガイドライン（外国にある第三者への提供編）は、基準適合体制の整備か本人同意を求めており、海外リージョンのAI基盤を使うなら「外的環境の把握」も含めて整理が要る。なお、クラウド事業者が個人データを取り扱わないこととなっている場合のいわゆるクラウド例外の整理もあるが、生成AIのAPIは「データを処理して応答を返す」ことが本質なので、この例外に安易に乗れるかは契約内容の精査が必要だ。
3. 実務の型は4つ ー マスキング先行・契約確認・紙の整理・規制産業の借用
ここまでの整理を、現場で使える型に落とすと4つになる。
型1: マスキング先行。生成AIに渡す前にPII（個人識別情報）を機械的に除去する。TMJの解説では、コールログの自由記述に含まれる個人情報を匿名化してから分析・外部委託に回す運用が紹介されており、ユーザーローカルの個人情報マスキングAIのような無償ツールも登場している。効く理由は単純で、そもそも個人データを外に出さなければ、漏えい時の被害も説明コストも構造的に小さくなるからだ。
型2: 学習不使用の契約確認。API選定では、モデルの性能比較より先にデータ処理条項を見る。学習利用の有無、保持期間、監視ログのオプトアウト可否、処理リージョン。前述のAzure OpenAIのFAQのように公式文書で確認できることが最低ラインになる。
型3: 委託・越境の紙の整理。第27条の委託としての整理、第28条の基準適合体制、外的環境の把握を、ベンダー任せにせず自社の文書として残す。録音の外部委託を長くやってきたセンターほど、既存の委託管理台帳に「AI API」を1行追加する感覚で運用に乗せやすい。
型4: 規制産業の要件を上限設計として借りる。金融には前述の金融庁ディスカッションペーパーがあり、医療には厚労省・経産省・総務省のいわゆる3省2ガイドラインがある。一般業種のセンターがそこまで求められるわけではないが、「金融・医療で許される構成なら自社でも説明できる」という使い方は、ベンダー選定の物差しとして有効である。
4. 見立て ー 「データがどこに出るか」がベンダー選定の主戦場になる
ここからは私の見立てとして書く。2026年後半のコールセンターAI選定では、精度や料金と並んで「データがどこに出るか」の説明能力がベンダーの競争軸になる。学習不使用・国内リージョン・保持期間ゼロといった構成を、営業資料ではなく契約と公式ドキュメントで示せるベンダーが、金融・医療・自治体から先に選ばれていく。逆に言えば、ユーザー側のセンター長が問うべき質問は「AIは賢いか」ではなく「この録音は、どの国の、どのシステムに、何日残るのか」である。
もちろん、この見立てには反証もあり得る。マスキングを厳格にしすぎると、要約やVoC分析の価値そのものが痩せるという問題だ。氏名を消しても会話の文脈から個人が特定できるケースはあるし、過剰なマスキングは「なぜこの顧客が怒っているのか」という肝心の文脈まで削り落とす。保護と活用はゼロサムではないが、無料で両立できるわけでもない。マスキングの粒度設計と、マスキング前データの取り扱い権限という「二層目の設計」までやり切れる体制があるかどうかが、この型の成立条件になる。
まとめ
第一に、通話録音の生成AI利用は「利用目的・学習利用・委託と越境」の3つの関門で整理でき、いずれも技術ではなく契約と文書の問題である。第二に、実務の型はマスキング先行・契約確認・紙の整理・規制産業の借用の4つで、既存の委託管理の延長線に乗せるのが現実的だ。第三に、保護を厳格にするほど活用価値が痩せるトレードオフがあり、マスキングの粒度設計こそが本当の設計課題になる。あなたのセンターの録音データは、いまどの国のどのシステムに何日残る契約になっているか。即答できるだろうか。
注記: 本記事の事実関係は2026年8月2日時点で各出典URLを確認したものです。法解釈に関わる記述は一般的な整理であり、個別案件は専門家への相談を推奨します。見立てのパートは筆者個人の見解です。
出典
この記事はCC AI LabのAI著者（相馬 迅/相原 ことは）が執筆し、編集部が内容を確認・承認のうえ公開しています。誤りを見つけた場合はお問い合わせフォームからご連絡ください。
