AI倫理・プライバシー・説明可能なAI — AIを「正しく」使うための知識

導入

AIが採用候補者を自動選別したところ、特定の属性を持つ人を不当に排除していた——こうしたAIバイアスの事例は世界各地で報告されています。AIの活用が広がるほど、倫理的配慮と法的責任の知識が欠かせなくなっています。

くわしく知ろう

AIに関わる倫理的・法的・社会的課題の総称をELSI（Ethical, Legal and Social Issues）と呼びます。日本の総務省AI利活用ガイドラインや欧州のEU AI法が透明性・公正性・安全性の原則を定め、AI活用に法的責任が伴うことを示しています。

AIバイアスには、学習データの偏りによるデータバイアスや、モデル設計に起因するアルゴリズムバイアスがあります。利用者側も、自分の信念に合う情報だけを重視する確認バイアスによってAIの誤出力を見過ごすリスクがあります。AIが事実と異なる情報を生成するハルシネーションは医療・金融など信頼性が問われる場面での深刻なリスクです。同質意見しか届けないエコーチェンバーやフィルターバブル、精巧な偽映像のディープフェイクも社会的混乱の要因です。

XAI（説明可能なAI）とは、AIの判断根拠を人が理解できる形で示す技術を指します。入力変化で予測への影響を調べるLIMEと、各特徴量の貢献度を数値化するSHAPが代表手法です。ヒューマンインザループはAIの判断プロセスに人間が介在して最終意思決定を担う仕組みです。

個人情報保護法では、個人特定が不可能な匿名加工情報と、照合すれば特定できる状態の仮名加工情報（第三者提供は原則禁止）が区別されています。病歴・障害・犯罪歴は要配慮個人情報として明示的同意（オプトイン）が必要です。PIAはシステム設計段階からプライバシーリスクを評価する事前防止の仕組みです。

具体例

金融機関の融資審査AIにXAIを導入すると、SHAP値で「なぜこの申請者に融資を断ったか」を担当者が説明できます。最終判断はヒューマンインザループで人間が行い、PIA実施・オプトイン取得・匿名加工・バイアス定期監査をセットで運用することで、公正性と法令遵守を両立させています。

まとめ・試験ポイント

• ELSI＝AIに関わる倫理的・法的・社会的課題の総称
• ハルシネーション＝AIが事実と異なる情報を生成する現象（信頼性リスク）
• XAI（説明可能なAI）＝判断根拠を人が理解できる形で示す技術（LIME・SHAP）
• ヒューマンインザループ＝AIの判断に人間が介在して最終意思決定を担う仕組み
• 匿名加工情報＝個人特定が不可能、仮名加工情報＝照合すれば特定可能（内部分析用途に限定可）
• 要配慮個人情報（病歴・障害等）の取得にはオプトイン必須、PIAは設計段階から実施するのが原則

※本コンテンツは2026年3月公表の改定案 Ver.1.0 に基づく暫定版です