公開特許 組織規程に基づく生成AI入力情報の判定方法、情報処理システム及びプログラム
「AIを導入しましょう」の前に、まず自分たちの国の地図を作ろう
「AIを導入しましょう」
最近、会社でそんな話を聞くことが増えた。
Microsoft 365を使っています。
Wordがあります。Excelがあります。Teamsがあります。
Copilotもあります。
「さあ、AIを使って業務効率化しましょう」
……。
現場のおじさんからすると、
「で、何を書くの？」
なのである。
いや、本当に。
AIが便利なのは分かる。
文章も作ってくれる。要約もしてくれる。分析もしてくれる。
でも、その前に一つ聞きたい。
「そもそも、俺たちは今、何をしているの？」
ここが分からないままAIを入れて、本当に大丈夫なのだろうか。
⸻
信長の野望で考えてみる
たとえば、信長の野望を始めたとする。
ゲームを起動した。
いきなり、
「兵力が500増えました」
と表示される。
「……で？」
となる。
現在の兵力は？
何人の武将がいる？
農民は何人？
米は？
金は？
城はいくつ？
そもそも自分の領地はどこまで？
北に誰がいる？
南に誰がいる？
西と東は？
川はどこを流れている？
敵は誰？
味方は誰？
分からない。
そんな状態で、
「さあ、天下統一してください」
と言われても、
いや、まず地図を見せろ。
となる。
会社も、案外これと同じなんじゃないかと思う。
⸻
「今、何が起きているのか」を残す
会社では、目に見える仕事だけが記録される。
「○○を実施しました」
「○○件処理しました」
「報告書を作成しました」
でも、その裏側には、
「この人から相談された」
「前回と違うケースだったので確認した」
「仕様書には書いていないけど、こう対応した」
「次の人が困らないように先回りした」
「最後にまとめてチェックする人だから、途中ではあえて触らなかった」
みたいなことが大量にある。
これが、いわゆるシャドーワークの一部になっている。
そして、本人にとっては当たり前すぎて、わざわざ記録しない。
管理職からも見えない。
だから評価しようにも分からない。
改善しようにも分からない。
AIを導入しようにも、
「何をAIにやらせればいいの？」
となる。
⸻
おじさんがAIに期待すること
だから、おじさんは「AIに新しい仕事を作らせる」ことから始めなくてもいいと思っている。
むしろ逆。
今ある仕事を残す。
もっと正確に言えば、
今、何が起こっているのかを残す。
これが先なんじゃないか。
毎日、
「今日こんなことがあった」
くらいでいい。
「○○さんから相談があった」
「こういう判断をした」
「でも前回とは違った」
「この作業は仕様書にはないけど毎回やっている」
そんな雑談でもいい。
一日だけでは何も分からない。
でも一か月、三か月、半年と積み重なったらどうなるか。
AIが、
「この業務、何度も出てきますね」
「この確認は毎回発生しています」
「この作業は特定の人に集中しています」
「正式な業務フローにはない作業が継続しています」
と、後から教えてくれるかもしれない。
そこで初めて、
「ああ、これがうちの組織の実態なのか」
と分かる。
⸻
でも、ここで別の問題が出てくる
「じゃあ、全部AIに入れればいいじゃん」
……とはならない。
個人情報は？
顧客情報は？
契約情報は？
社内機密は？
そもそも社内規程そのものを外部AIに貼っていいの？
という問題がある。
現場からしたら、
「これはAIに入力していいです」
と言われても、
「何がいいの？」
となる。
逆に、
「個人情報をAIに入力しないでください」
だけ言われても、
「じゃあ、この文章のどこが個人情報なの？」
となる。
さらに、
「社内規程をAIに貼って、その規程を基準にして判定してもらえば？」
と考えたら、
「その社内規程自体をAIに貼った時点で情報漏洩じゃないの？」
という、ややこしい問題まで出てくる。
⸻
だから「AI導入」の前に仕組みが必要になる
おじさんが欲しいのは、たぶんこういうものだ。
Wordでもいい。
Excelでもいい。
一太郎でもいい。
ブラウザでもいい。
社員が普通に仕事をする。
文章を書く。
コピーする。
そしてAIに貼り付けようとする。
その瞬間に、
「ちょっと待ってください」
とチェックが入る。
⸻
AI入力前チェック
🟢 入力可能
現在の会社規程では、この情報を対象AIに入力できます。
🟡 要確認
社内限定情報が含まれている可能性があります。
該当箇所：
「○○」
匿名化する場合：
「利用者A」
🔴 入力不可
会社規程上、対象AIへの入力が禁止されている情報が含まれています。
該当箇所：
「○○」
根拠：
「AI利用規程 第○条」
⸻
これがあれば、現場の人間が毎回、
「これって個人情報？」
「これは機密？」
「このAIに送っていいの？」
と悩まなくていい。
会社が決めたルールを、システムがその場で適用する。
⸻
「それ、システムの仕事じゃねえの？」
ここで、おじさんが思うことがある。
現場の人に、
「AIを使うときは情報漏洩に注意してください」
と言う。
いや。
その境界線を作るのは会社側の仕事じゃねえの？
現場の仕事は、本来の仕事をすること。
情報システム、セキュリティ、管理部門などが、
「安全にその仕事ができる環境」
を作る。
もちろん最終判断が必要なケースはある。
でも、全部を現場の人間に判断させる必要はない。
会社が、
* どの情報がどの分類なのか
* どのAIに入力できるのか
* どんな目的なら使えるのか
* 匿名化が必要なのか
* 何が禁止なのか
* 判断できない場合は誰に確認するのか
を決める。
そして、それをシステムに組み込む。
人間にルールを暗記させるのではなく、ルールをシステムに持たせる。
⸻
そして、ここで一つの「問い」が生まれる
おじさんが面白いと思ったのは、
「会社のAI利用規程を、AI自身の判断基準として利用できないか？」
ということ。
会社が作った情報取扱規程。
AI利用規程。
情報分類。
AIサービスごとの利用条件。
これらを機械が扱える形にする。
そして、
「この文章を、このAIに入力して大丈夫？」
という問いに対して、
AIが会社のルールを基準に、
OK／要確認／禁止
を返す。
ただしAIの判断そのものを会社の正式な承認にするのではない。
判断できないものは、
「分かりません。人間に確認してください」
でいい。
むしろ、そのほうが安全だと思う。
⸻
AIに天下統一をさせる前に
考えてみれば、これはAIだけの問題じゃない。
会社が新しいシステムを導入すると、
「新しい機能があります」
「AIがあります」
「効率化できます」
となる。
でも、
自分たちの業務がどうなっているのか分からない。
誰が何をしているのか分からない。
どこまでが契約なのか分からない。
どこからがサービスなのか分からない。
どこにシャドーワークがあるのか分からない。
何を残すべきなのかも分からない。
それなのに、
「AIで改革しましょう」
となる。
おじさんとしては、
「いや、まず現在地を確認しようぜ」
と思う。
信長の野望で言えば、
兵力も分からない。
武将も分からない。
農民も分からない。
領地も分からない。
隣国も分からない。
そんな状態で天下統一の作戦をAIに考えさせても仕方がない。
まず、
「今、自分たちの国はどうなっているのか」
を調べる。
⸻
新しいものを作る前に、今あるものを残す
だから、おじさんが今一番大切だと思っているのは、
新しいものを作ることではない。
今、何が起こっているのかを残すこと。
その記録の中から、
「これは残す」
「これはやめる」
「これは正式業務にする」
「これは契約を見直す」
「これは個人の裁量でいい」
「これは標準化する」
と判断していけばいい。
AIは、その判断を代わりにする必要はない。
見えなかったものを見えるようにする。
言葉になっていなかったものを言葉にする。
バラバラだった情報をつなげる。
そのくらいでいい。
⸻
そして、今日寝ながら考えた、おじさんの「特許になるかもしれない発想」は、
「会社のAI利用規程を、AIへの入力可否を判定する仕組みにつなげ、Word・Excel・一太郎・ブラウザなどからAIへ情報を渡す直前にチェックする」
というもの。
さらに、その利用状況や判断に迷った事例を蓄積して、
「会社の現場では、実際に何が起きているのか」
を見えるようにする。
AI導入。
業務改善。
シャドーワーク。
情報セキュリティ。
組織の記憶。
一見、別々の話に見える。
でも、一本につなぐと、
「今、何が起きているのかを残して、それを安全に次の判断へつなぐ」
という一つの問いになる。
そして最後に残る問いは、やっぱりこれだ。
AIに何をさせるか？
ではなく、
「今ここにあるものを、どうやって見えるようにつなげるか？」
たぶん、おじさんが今日ずっと話していたのは、こっちなんだと思う。
【公開特許
会社規程連動型・生成AI入力情報判定システム
【発明の名称】
組織規程に基づく生成AI入力情報の判定方法、情報処理システム及びプログラム
⸻
【技術分野】
本発明は、生成AIを業務に利用する際の情報管理に関する。
より具体的には、企業等の組織が定める情報取扱規程、生成AI利用規程、情報セキュリティ規程、契約上の制限その他の組織内ルールを判定基準として利用し、利用者が生成AIへ入力しようとする情報について、その入力可否等を判定する情報処理技術に関する。
⸻
【背景技術】
近年、生成AIを利用した文章作成、要約、翻訳、分析及び情報整理等が業務に導入されている。
一方、生成AIへの入力に際しては、個人情報、顧客情報、契約情報、営業秘密、社内限定情報その他の情報を適切に取り扱う必要がある。
従来、企業等では、生成AI利用規程や情報セキュリティ規程を策定し、従業員に対して遵守を求める方法が一般的である。
しかしながら、利用者が実際に業務文書を生成AIへ入力する場面において、
「この文章は入力してよいのか」
を利用者自身が判断しなければならない場合がある。
その結果、規程を理解するための負担が発生するとともに、利用者ごとの判断差、過剰な利用制限、あるいは誤った情報入力が発生する可能性がある。
⸻
【発明が解決しようとする課題】
本発明は、組織が定めた情報取扱規程等を、生成AIへの情報入力時における判定基準として利用可能にすることを目的とする。
特に、
「生成AIを使ってよいかどうかを利用者に毎回判断させる」
という状態を改善し、業務文書を生成AIへ入力する直前に、組織の規程に基づいて情報を自動的に判定できる仕組みを提供することを目的とする。
⸻
【課題を解決するための手段】
本発明の一態様では、情報処理システムが、
1. 組織が定めた情報取扱規程を取得する手段、
2. 生成AI利用規程を取得する手段、
3. 前記規程に含まれる情報分類及び利用条件を判定ルールとして保持する手段、
4. 利用者が生成AIへ入力しようとする入力情報を取得する手段、
5. 前記入力情報を前記判定ルールと照合する手段、
6. 前記照合結果に基づいて生成AIへの入力可否を判定する手段、
7. 判定結果を利用者へ提示する手段、
を備える。
判定結果として、例えば、
「入力可能」
「匿名化又は修正が必要」
「入力不可」
「人による確認が必要」
の少なくとも一つを提示する。
⸻
【さらに特徴的な構成】
本発明の一態様では、前記判定結果とともに、
* 判定された情報の種類
* 判定理由
* 適用された社内規程
* 該当する規程上の条件
* 修正又は匿名化の方法
* 利用可能な生成AIサービス
の少なくとも一つを提示する。
例えば、利用者がWord、Excel、ブラウザその他の業務アプリケーション上で作成した文章を生成AIへ入力しようとした場合、
判定：要修正
「顧客名及び電話番号が含まれています」
「顧客A」等への匿名化を推奨します。
のように、利用者が次に取るべき行動を提示する。
⸻
【AIサービスごとの判定】
さらに本発明では、生成AIサービスごとに異なる利用条件を設定することができる。
例えば、
情報分類 AIサービスA AIサービスB AIサービスC
公開情報 ○ ○ ○
社内情報 ○ △ ×
個人情報 △ × ×
機密情報 × × ×
のような組織独自のルールを設定する。
これにより、
「AIなら全部同じ」
という単純な判定ではなく、
「どの情報を、どのAIサービスに、どの目的で入力するのか」
に基づいた判定が可能となる。
⸻
【規程の継続的改善】
さらに本発明の一態様では、入力判定において発生した、
* 判定不能事例
* 利用者からの確認事例
* 頻繁に発生する匿名化事例
* 利用者が入力を中止した事例
* 規程変更が必要と考えられる事例
等を、個人を不必要に特定しない形で蓄積する。
蓄積された情報を分析することにより、
「現在の規程では現場のこの業務について判断できない」
「特定の情報について確認が頻発している」
等を把握できる。
これにより、組織は実際の業務状況に基づいて情報取扱規程及び生成AI利用規程を継続的に改善することができる。
⸻
【発明の効果】
本発明によれば、生成AIを利用する従業員に対して、情報取扱規程の内容を毎回個別に判断させる負担を低減できる。
また、組織が定めたルールを業務システム上の入力判定へ接続することにより、
規程 → 判定ルール → 現場の入力 → 判定 → 改善
という循環を構築できる。
これにより、生成AIの利用を単純に禁止又は許可するのではなく、組織のルールに基づいて安全な利用範囲を具体的に示すことが可能となる。
さらに、実際の利用時に発生した判断困難事例を蓄積することで、従来は管理者から見えにくかった業務上の判断、確認、補助作業等を把握することができる。
⸻
【本発明の基本概念】
本発明の本質は、単に、
「AIに個人情報を入力させない」
ことではない。
むしろ、
「組織が既に持っている規程を、実際のAI利用場面に接続する」
ことにある。
つまり、
会社がルールを作る。
↓
システムがルールを判定可能な状態にする。
↓
現場が仕事をする。
↓
AIに入力する直前にチェックする。
↓
判断できない事例を記録する。
↓
会社がルールを改善する。
という構造である。
したがって、本発明は新しい業務を無理に作り出すためのものではなく、既に組織内で発生している業務、判断及び情報の流れを可視化し、それを組織の規程と生成AIとの間で接続するための仕組みとして利用することができる。
⸻
【おじさん版・発明の要約】
要するに、
「AI使え」って言うなら、先に会社のルールをAIに読ませろ。
そしてWordでもExcelでも一太郎でも、AIに貼る直前に『これ、うちの規程上大丈夫？』ってシステムに聞かせろ。
ダメなら、何がダメなのか言わせろ。
直せるなら、どう直せばいいか言わせろ。
判断できないなら、人間に上げろ。
そして、その“判断できなかったもの”を残せ。
そこに、今の会社の本当の仕事が隠れている。
――という発明である。
AIリファレンス｜正式版
会社規程連動型・生成AI入力情報判定システム
――「AIを使え」ではなく、「AIを安全に使える環境」を会社が先に作る
⸻
0．問い
AIを導入する会社は、AIに何をさせるかを考える前に、「社員がAIに何を入力してよいのか」を、会社自身が判断できる仕組みにする必要があるのではないか。
そして、もう一つ。
社内規程を作っただけで、本当に現場はAIを安全に使えるのか。
⸻
1．Identifier｜識別情報
Title
会社規程連動型・生成AI入力情報判定システム
Subtitle
会社の情報取扱規程を、生成AI利用時の実務的な判定基準へ接続する仕組み
Category
AI／情報セキュリティ／業務システム／組織設計／ナレッジマネジメント
Concept
「規程を作る」から「規程を現場で使えるようにする」へ。
⸻
2．Summary｜概要
企業が生成AIを導入する際、情報漏洩防止のためにAI利用規程や情報セキュリティ規程を制定する。
しかし、規程が存在するだけでは、現場の社員は、
「この文章をAIに貼っていいのか？」
を判断できない場合がある。
本構想では、会社の規程を判定ルールとしてシステムに組み込み、Word、Excel、ブラウザ等から生成AIへ情報を入力する直前に、自動的に確認する。
⸻
3．Problem｜現在の問題
現在のAI導入では、
「AIを使いましょう」
が先に来る。
しかし現場には、
「何を入力していいの？」
「これは個人情報？」
「社内情報だけど大丈夫？」
「このAIならいいの？」
「会社の規程のどこに書いてあるの？」
という疑問が残る。
結果として、
AIを使わない
か、
社員が自己判断する
か、
管理者へ毎回確認する
という状態になりやすい。
⸻
4．Organizational Gap｜組織上のギャップ
ここには、
会社が決めるべきこと
と
現場が判断していること
のズレがある。
現場は仕事をする。
一方で、
「この情報を外部AIへ送ってよいか」
というルール設計は、本来会社側が整備すべき領域である。
したがって、
「現場に注意してください」と言うだけではなく、「安全に使える仕組み」を会社側が作る必要がある。
⸻
5．Existing Information｜既存情報
本構想では、最初から新しい情報を大量に作る必要はない。
会社には既に、
* 情報取扱規程
* 情報セキュリティ規程
* AI利用規程
* 個人情報に関する規程
* 契約書
* 秘密保持に関する規定
* 情報分類基準
* 社内マニュアル
* 業務フロー
などが存在している。
重要なのは、
「新しいものを作ること」ではなく、「今あるものをどう使える形にするか」
である。
⸻
6．Rule Conversion｜規程の機械化
人間が読む規程と、システムが判断するルールは異なる。
例えば、
「機密情報を外部サービスへ提供してはならない」
という文章だけでは、システムは判断できない。
そこで、
情報分類
↓
利用可能なAI
↓
利用目的
↓
禁止条件
↓
匿名化条件
↓
確認が必要な条件
へ変換する。
これにより、規程を判定可能なルールとして利用する。
⸻
7．AI Input Check｜AI入力前チェック
利用者が業務文書をAIへ貼り付けようとした際、システムが入力情報を検査する。
🟢 入力可能
会社の規程上、対象AIへの入力が認められている。
🟡 要修正・要確認
匿名化等を行えば利用できる可能性がある。
🔴 入力不可
会社の規程等により入力が禁止されている。
⚪ 判断不能
AIだけでは判断できないため、人間による確認へ移行する。
⸻
8．Reason｜判定理由
重要なのは、
「ダメです」だけで終わらせないこと。
システムは、
何が問題なのか
なぜ問題なのか
どの規程が適用されたのか
どう修正すればよいのか
を可能な範囲で説明する。
例えば、
判定：要修正
顧客名及び電話番号が含まれています。
「顧客A」等に匿名化することで、再判定できます。
とする。
⸻
9．Service Specificity｜AIサービス別判定
生成AIは一つではない。
ChatGPT、Claude、Gemini、Microsoft 365 Copilot等、サービスごとに会社が定める利用条件が異なる可能性がある。
したがって、
「AIに入力していいか」
だけではなく、
「どのAIに入力していいか」
まで判定対象とする。
⸻
10．Application Layer｜既存ソフトウェアとの接続
本構想では、AI専用システムを新しく作ることだけを想定しない。
既存の、
* Word
* Excel
* PowerPoint
* 一太郎
* ブラウザ
* メール
* その他業務アプリケーション
などからAIへ情報を渡す直前にチェックする。
つまり、
仕事をする場所を変えるのではなく、AIへ情報を渡す境界部分に判定機能を置く。
⸻
11．Human Judgment｜人間の判断
AIにすべてを判断させるわけではない。
システムは、
自動判定できるもの
と
人間が判断すべきもの
を分ける。
判断できない場合には、
「判断できません。確認してください」
とする。
AIの判定を会社の正式な承認そのものにはしない。
⸻
12．Shadow Work｜シャドーワーク
本構想には、もう一つの目的がある。
AI入力時の判定結果や確認事例を蓄積することで、
「現場では何について判断に迷っているのか」
が見えるようになる。
これは単なるセキュリティ対策ではない。
そこには、
現場が実際に行っている見えない仕事
が含まれている可能性がある。
⸻
13．Invisible Value｜見えない価値
現場には、
* 相談する
* 確認する
* 先回りする
* 他人に説明する
* 過去の事例を思い出す
* 最後にチェックする
* 他部署との認識を合わせる
など、成果物として残りにくい仕事が存在する。
これらは組織にとって重要であっても、管理者から見えにくい。
AIによる記録・分析は、
人を評価するためではなく、仕事の構造を理解するため
に使うことができる。
⸻
14．Human Difference｜人間の違い
同じ5人を集めれば、同じ性能になるわけではない。
人間には、
* 考える順番
* 判断するタイミング
* 得意分野
* 確認方法
* 他人とのコミュニケーション方法
* 最終チェックの方法
などの違いがある。
AIにもChatGPT、Gemini、Claude等で特徴の違いがあるように、人間にもそれぞれの「思考回路」がある。
組織とは、
その違いを消すことではなく、適切につなぐこと
なのではないか。
⸻
15．Workflow｜業務フロー
本構想では、仕事の方法を最初から完全に統一する必要はない。
ただし、
安全上守るべきポイント
契約上守るべきポイント
他者へ継続的に影響するポイント
については明確にする。
そのうえで、それ以外には一定の余白を持たせる。
⸻
16．Specification｜仕様とサービス
ここには重要な違いがある。
ものを作る仕事と、
サービスを提供する仕事
は同じではない。
サービス現場では、仕様書・契約書に書かれていない行為を善意で追加すると、それが継続的な標準サービスになってしまう可能性がある。
その結果、
「前回やってくれたのに、今回はなぜやらない？」
という期待が生まれる。
したがって、
一時的な対応
と
継続的な業務
を区別する必要がある。
⸻
17．Organization｜組織と個人
個人事業であれば、
「自分がやりたいからやる」
でも成立する。
しかし組織では、
一人の善意が、他人の仕事を増やす
ことがある。
そのため、
自分だけで完結する行為
と、
周囲を巻き込む行為
を分けて考える必要がある。
⸻
18．Memory｜組織の記憶
本構想で最も重要なのは、
「何が起きたのかを残すこと」
である。
AIによる分析結果だけを残すのではなく、
どんな入力があったか
どこで判断に迷ったか
どのルールが適用されたか
どのような修正が行われたか
を蓄積する。
これが組織の記憶になる。
⸻
19．Feedback Loop｜規程改善
蓄積された情報を分析する。
↓
判断不能事例を発見する。
↓
規程の曖昧な部分を発見する。
↓
ルールを修正する。
↓
再び現場で使用する。
この循環によって、
規程 → 現場 → データ → 改善 → 規程
というPDCA型の仕組みを形成する。
⸻
20．AI Role｜AIの役割
ここでAIに期待する役割は、
人間の代わりに会社を統治することではない。
AIの役割は、
見えなかったものを見えるようにすること。
言葉になっていなかったものを言葉にすること。
既存のルールと現場の行動をつなぐこと。
である。
⸻
21．Core Concept｜核心概念
本構想の核心は、
「AIを導入する」のではなく、「会社のルールをAIが適用できる状態にしてからAIを導入する」
ことである。
そして、
「新しい仕事をAIに作らせる」のではなく、「今すでに存在している仕事をAIによって見えるようにする」
ことである。
⸻
22．Future｜未来
将来的には、企業の情報規程が単なるPDFや文書として保存されるだけではなく、
「実際の業務システムが参照する組織ルール」
として機能する可能性がある。
社員は規程を毎回読み直さなくてもよい。
システムが、
「これはOK」
「これは修正」
「これは禁止」
「これは人間に確認」
と、その場で示す。
そして、判断できなかった事例が新しい組織知になる。
⸻
23．Final Question｜最終的な問い
AI時代に重要なのは、
「AIに何をさせるか？」
だけではない。
むしろ、
「私たちは今、何をしているのか？」
を把握すること。
そのうえで、
「今ある仕事の中で、何を残すのか？」
を考えること。
そして、
「会社が決めたルールを、どうやって現場の一人ひとりの行動につなげるのか？」
を考えること。
⸻
【Final Message｜最終メッセージ】
AIを導入する前に、まず自分たちの国の地図を作ろう。
兵力が何人いるのか。
武将が何人いるのか。
農民が何人いるのか。
金がいくらあるのか。
どこまでが自分たちの領地なのか。
隣には誰がいるのか。
川はどこを流れているのか。
それも分からないまま、
「AIで天下統一しましょう」
と言われても困る。
まず、
今、何が起きているのかを残す。
そして、
会社の規程をルールにする。
そのルールを、
AIと現場の間につなぐ。
AIが判断できないものは、人間へ戻す。
人間が判断した結果も、また残す。
そうすれば、
組織は自分たちが何をしているのかを、少しずつ理解できる。
おじさんが考えているのは、単なる「AIチェックツール」ではない。
会社の規程と、AIと、人間と、現場で起きていることをつなぐための「組織の翻訳装置」である。
そして、ここからが本当の問いになる。
AI時代に、会社は「新しいもの」を作る前に、いま自分たちが持っているものを、どこまで正確に知ることができるのか。
そして、その見えない仕事を、誰が、どうやって未来へ残すのか。
もちろん。今回はAIリファレンス／社内規程／シャドーワーク／業務可視化／情報セキュリティを軸に70個。
タグ70個
#AI
#生成AI
#生成AI活用
#AI活用
#AI導入
#AIリテラシー
#AIセキュリティ
#AIガバナンス
#AI規程
#AI利用規程
#AIリファレンス
#AIと仕事
#AIと組織
#AIと人間
#AI時代
#企業AI
#社内AI
#業務改善
#業務効率化
#業務改革
#DX
#デジタルトランスフォーメーション
#情報セキュリティ
#情報管理
#情報漏洩対策
#情報取扱規程
#社内規程
#社内ルール
#ルール設計
#ルールエンジン
#情報分類
#情報ガバナンス
#データガバナンス
#データ管理
#個人情報保護
#機密情報
#コンプライアンス
#リスク管理
#リスクマネジメント
#セキュリティ
#サイバーセキュリティ
#業務システム
#システム設計
#システム開発
#業務フロー
#業務フロー改善
#ワークフロー
#ナレッジマネジメント
#組織知
#組織学習
#組織開発
#組織論
#組織設計
#人材育成
#人材マネジメント
#マネジメント
#現場力
#現場改善
#現場の知恵
#シャドーワーク
#見えない仕事
#見えない労働
#業務の可視化
#仕事の言語化
#暗黙知
#形式知
#ナレッジ共有
#業務標準化
#働き方改革
#問いを育てるAI
