Copilot とデータ分類：Microsoft 365 で情報を保護する

By Mirko Peters · 2026-03-17 · Updated 2026-03-24

Microsoft 365 の Copilot によって AI がデータ保護をどのように強化するかを解説します。データ分類、アクセス制御、Microsoft 365 Copilot の機能について学びましょう。

Automatically translated with AI from the original post. Read the English original

Microsoft 365 Copilot を業務に取り入れるとき、問いは「生産性をどう高められるか」だけではありません。「利用しながら、どうやってデータを保護するか」も同じように重要です。多くの組織が AI ツールの導入を急ぐ中、Copilot とデータ分類の関係は中心的なテーマになっています。Copilot は社内の情報を参照して動作するため、セキュリティ、分類、厳格なガバナンスはもはやオプションではなく、導入成功の土台だからです。

以降のセクションでは、Copilot を安全に導入するうえでデータ分類がどのような基盤になるかを見ていきます。誰が何を閲覧できるか、情報にどのようにタグが付けられるか、リスクをどう管理するかがその中心です。Copilot の機能、コンプライアンス上の義務、AI のセキュリティ上の落とし穴から、プライバシー、アクセス制御、実際の Microsoft 365 環境向けの高度なガードレールまで取り上げます。機密データへの管理を緩めることなく Copilot で生産性を高めたいのであれば、まさに適切な場所にいます。

1. Copilot は、明示的なラベルがなくても機密データの文脈を推測できます。最新の Copilot は文脈上の手がかりを使い、正式なデータ分類タグが付いていない場合でも、機密情報の可能性が高いものを検出します。
2. 自動提案は分類の正確性を高めることも、損なうこともあります。Copilot の提案はラベル付けを高速化しますが、学習データ由来の偏りをデータ分類の体系に持ち込む可能性があります。
3. Copilot のモデルは匿名化の弱点を検出できる場合があります。「匿名化された」データセットにおいて、標準的な分類器が見逃すパターンを認識し、再識別のリスクを特定することがあります。
4. Copilot を分類に使うと人の作業負荷は減りますが、ガバナンスの必要性は高まります。Copilot は新しいデータや特定分野のデータを誤分類することがあるため、人によるレビューは依然として不可欠です。
5. Copilot は組織固有の分類ルールを素早く学習できます。少数の例を与えるだけで独自の秘密度の定義に適応し、データ分類ポリシーの展開を加速します。
6. 複数のモダリティに対応する Copilot は、テキスト、画像、コードをまたいでデータを分類できます。これにより、複数の形式にまたがる機密コンテンツを同時に見つけ出す、統合されたデータ分類のパイプラインが実現します。
7. プライバシーを保護する Copilot の機能も登場しつつあります。デバイス上での推論、差分プライバシー、セキュアエンクレーブといった技術により、Copilot は生の機密データの露出を最小限に抑えながら分類を支援できます。

Microsoft 365 Copilot とデータ分類の理解

Microsoft 365 Copilot が与える影響を本当に理解するには、その仕組みの核心、つまり組織のデータへのアクセスに目を向ける必要があります。ただし、すべての情報が同じ重要度を持つわけではありません。そこで登場するのがデータ分類です。この組み合わせは単なる技術的な細部ではなく、情報漏えい、コンプライアンス違反、善意の誤操作から事業を守る戦略そのものです。

Copilot は AI を使い、お気に入りのアプリの中で事実、ドキュメント、文脈をまとめ上げます。しかし、その力は参照できる情報に完全に依存します。問題はここにあります。ファイルやコミュニケーションに適切なラベルが付けられず、適切に管理されていなければ、Copilot はそのギャップを映し出し、増幅させてしまいます。したがって、賢いデータ分類は「あれば望ましい」ものではなく、Copilot を安心して使うためのガードレールなのです。

まず Copilot 自体の概要を確認し、そのうえで、データを分類すること、秘密度ラベルを設定すること、適切なガバナンスを確立することがそれぞれなぜ重要なのかを掘り下げます。これらの基礎が、組織のために機能する Copilot を実現するために必要なセキュリティ、コンプライアンス、自動化のアプローチすべての土台になります。

Microsoft 365 Copilot：機能と統合

Microsoft 365 Copilot は、Word、Excel、Outlook、Teams といったアプリで人々の働き方を変える AI 機能を提供します。ユーザーのプロンプトを解析し、エンタープライズデータを活用することで、繰り返し作業の自動化、インサイトの提示、コンテンツの提案、さらには메일や会議メモの下書きまで行います。

Copilot は、既存の Microsoft 365 セキュリティモデルの中で動作し、既存のアクセス許可、コンプライアンス設定、ポリシーを尊重します。Copilot が対話するのは、そのユーザーが既にアクセスできるコンテンツに限られるよう設計されています。この統合は Microsoft Graph API を利用して Copilot と組織のデータを接続し、ワークロード全体で信頼境界と監査証跡を維持します。

Copilot 環境のためのデータ分類の基本

Microsoft 365 におけるデータ分類とは、機密性や業務への影響に基づいて、情報を「機密」「社内限定」「公開」などのレベルに分類するプロセスです。データを分類すると、情報の保護、共有、監査の方法を決めるルールを適用できるようになります。

これは単なる IT のチェックボックスではなく、スマートなデータガバナンスの中核です。適切に実装された分類は、情報を閲覧または利用できるユーザーを制限し、規制への準拠を確保し、データの取り扱い責任を明確にします。散在していて分類されていないファイルの上に Copilot を載せると、情報が制御不能に拡散したり、誤って公開されたりするリスクがあります。Copilot に合わせたデータアクセス、所有権、持続可能なガバナンスについてさらに掘り下げるには、Microsoft 365 のデータガバナンスの課題を扱ったこの解説をご覧ください。

秘密度ラベルと安全なデータ処理

秘密度ラベルは、特定の情報を Copilot (および M365 のその他の機能) にどのように扱わせるかを、組織が指示する手段です。「極秘」のようなラベルを適用すると、暗号化、共有制限、さらには透かしの表示まで設定され、権限のない人の目からデータが自動的に保護されます。

たとえば「機密」ラベルが付いたドキュメントは、組織のネットワーク外に送信できず、Copilot もそれを尊重します。これらのラベルはメール、ファイル、Teams などにわたってコンテンツとともに移動し、DLP および監査と連携して、人がコラボレーションしている間も、情報が移動している間も、データを安全に保ちます。

秘密度ラベルが Microsoft Purview やドキュメントのライフサイクル管理とどのように組み合わさって混乱を防ぐのかを理解するには、Purview でドキュメントの混乱を止めることを扱ったこのエピソードをご覧ください。

Copilot 導入におけるデータセキュリティとガバナンス

Copilot を最大限に活用するには、データセキュリティとガバナンスにも真剣に取り組む必要があります。Copilot はユーザーのアクセス権を広げるわけではなく、現在のセキュリティ体制をそのまま映し出します。良くも悪くも、です。だからこそ、セキュリティフレームワークやガバナンスモデルは単なる書類ではなく、安全で生産性の高い AI 統合を支える基盤になるのです。

確かなガバナンスを築くには、データの所有者、ライフサイクル全体での保護方法、そして Copilot による利用を規定するポリシーを文書化することが重要です。機密性の高いコンテンツを露出させたり、コンプライアンスに違反したりすることなく、従業員の生産性を高めたいところです。セキュリティ制御、最小特権のアクセス、プロセス監査が連携して、リスクのある行動をインシデントになる前に検出します。

今後は、Copilot が規制上の義務にどう対応するか、コンプライアンスツールにどう焦点を当てるか、そして先回りしたガバナンスのアプローチが監査担当者とエンドユーザーの双方を満足させられることを示す具体的な内容を取り上げていきます。自動化と学習を通じて Microsoft 365 のガバナンスを実践したい場合は、ガイドが不足していても、Copilot とエンタープライズアーキテクチャに関する最近のポッドキャストの議論を見てみると、良い出発点になるでしょう。

コンプライアンスと規制要件への対応

コンプライアンスとは、Copilot の利用が GDPR、HIPAA、SOX などの法的要件や業界標準に確実に沿っていることを意味します。Microsoft 365 Copilot は、Microsoft Purview の制御、秘密度ラベル、データ保持ポリシーを活用して、組織のコンプライアンス境界の内側で動作するように設計されており、義務を果たせるよう支援します。

これには、データの所在、監査、DLP ルールを適切に構成し、公開されるべきでないデータを Copilot が表示したり処理したりしないようにすることが含まれます。たとえば、GDPR への準拠では、個人データをユーザーの同意と明確な保護のもとで扱うことが求められます。Copilot は M365 の監査ログと暗号化を活用して、準拠を証明し、必要に応じて調査を可能にします。

複雑な保持設定や急速なコラボレーションによって生じるコンプライアンスのずれを管理するには、定期的な評価が欠かせません。Microsoft 365 のコンプライアンスのずれについて解説したこちらの記事では、ポリシーが存在するかどうかだけでなく、ユーザーの行動やバージョン管理の結果も測定することが重要な理由が説明されています。

Microsoft Defender for Cloud などのツールを使った継続的なコンプライアンス監視により、問題が発生した時点で検出、報告、修復でき、多くの作業を自動化して手作業を減らせます。プロアクティブなコンプライアンス管理について詳しくは、Defender for Cloud のガイドをご覧ください。

AI のセキュリティリスクと Copilot の責任ある利用

Copilot の導入を進めるなら、AI によってデータが漏えいしたり悪用されたりする新たな経路に注意が必要です。Copilot は強力ですが、セキュリティの防御線の隙を狙う脅威も同様に強力です。データ漏えい、プロンプトインジェクション、シャドー AI は単なる流行語ではなく、注意を怠れば現実の リスクになります。

Copilot を安全に使うには、強力な技術的統制だけでは不十分で、責任ある AI の原則とリアルタイムの監視が必要です。公平性や透明性といった AI の倫理ガイドラインは、プロセスに組み込まれ、実際に検証されて初めて機能します。さらに、インシデントが大きくなる前に検知して封じ込められるよう、監視と対応計画を準備しておく必要があります。

次のセクションでは、現在の攻撃パターン、Copilot を責任を持って活用する方法、AI が想定外の動きを見せた際の対応に焦点を当てます。シャドー IT と AI エージェントのリスクへの対処について実例と戦略を知りたい場合は、こちらのディスカッションで Microsoft 365 の AI ガバナンスの進化を掘り下げています。また、最小特権での Copilot 展開と DLP について段階的に知りたい場合は、Copilot のセキュリティを包括的に解説したこちらの記事をご覧ください。

AI の一般的なセキュリティリスク：データ漏えいとシャドー AI

• データ漏えい: 分類とアクセス制御が弱い場合、Copilot が意図せず機密情報を表示または共有してしまうことがあります。これにより規制違反や事業上のリスクが生じます。
• シャドー AI: 組織内で非公式かつ承認されていない AI ソリューション（「AI を使ったシャドー IT」）は、監視されないアクセス、不十分なログ記録、追跡されないデータ利用につながり、潜在的なリスクを拡大させます。シャドー IT のリスクとガバナンスについての詳細は、こちらをご覧ください。
• プロンプトインジェクション: 攻撃者や内部の利用者が AI へのプロンプトを操作し、本来アクセスすべきでないデータにアクセスしたり、Copilot をポリシーの境界を回避するよう誘導したりする可能性があります。
• サードパーティ統合のリスク: Microsoft 以外の製品や、ガバナンスが不十分なアプリやコネクタとの統合は、新たなデータ漏えいの経路を生み出すおそれがあります。
• コンプライアンスの死角: AI による自動化が「目の届かない場所」で動作すると、データの管理責任、保持、監査の要件を見落とすおそれがあります。この問題は、こちらで取り上げたように、ガバナンスの効いていないプラットフォームによって一層拡大します。

責任ある AI の実践

1. 透明性の確保: 明確なログ記録と定期的なユーザーへの情報開示により、Copilot の動作を可視化します。これにより監査が容易になり、ユーザーの信頼も高まります。
2. 説明責任の明確化: AI のガバナンスの責任を専任の役割に割り当て、Copilot が何をしたかだけでなく、誰がルールを設定したかも追跡します。
3. 公平性とプライバシーの推進: 強力な秘密度ラベルと DLP ポリシーを使い、Copilot が有害、偏った、または個人情報を含む内容を生成または共有しないようにします。
4. コンテンツフィルターの導入: 事前のコンテンツフィルタリングを実装し、Copilot の出力を公開前にコンプライアンス違反やポリシー違反がないか確認します。
5. 意思決定ポイントでの制御: AI エージェントの安全なガバナンスに関するこのディスカッションで提案されているように、ユーザー エクスペリエンスのプレーンとコントロール プレーンを分離してください。これにより、事後ではなく操作が行われた時点でポリシーを適用できます。

Copilot プロンプトの監視とインシデント対応

1. プロンプトの監視: Copilot のユーザー プロンプトと応答を継続的に追跡し、異常、不適切なコンテンツ、過剰なデータアクセスがないか確認します。自動化ツールを使用して外れ値をフラグ付けします。
2. アラートとログの設定: Copilot の操作を詳細にログ記録するために、Purview Audit または Sentinel を使用します。リスクの高い環境では拡張監査モードを有効にすると、積極的な調査に役立ちます。Purview Audit に関するガイダンスはこちらにあります。
3. インシデント対応プレイブック: インシデントのトリアージに関する詳細なワークフローを作成します。制限されたファイルへのアクセスなど、疑わしい Copilot のアクティビティに対しては、役割、エスカレーション パス、影響を制限するための分離手法を定義します。
4. フォレンジック分析: 情報漏えいが疑われる場合に備えて、プロンプトとデータのやり取りの流れを文書化して分析します。フォレンジック分析ツールを組み込み、入力から AI の出力までの痕跡を追跡します。
5. ユーザー フィードバックのループ: ユーザーに対して、Copilot の不適切な使用や予期しない結果をフラグとして報告するよう促します。このフィードバックを、継続的な改善のためにセキュリティおよびコンプライアンスのレビュー プロセスに直接つなげます。

Microsoft Purview と DLP による機密データの保護

Microsoft Purview とデータ損失防止 (DLP) は、Copilot を機密性の高いワークロード全体で活用する組織にとって、単に役立つだけではなく、不可欠な存在です。これらのソリューションにより、機密情報の所在を把握し、保護ポリシーを適用し、人的ミスまたは AI 主導のワークフローのいずれによるものであれ、データが外部に流出する前にリスクのある動作を検出できます。

Purview はデータ環境の目と頭脳と考えてください。クラウドからエンドポイントまで機密情報を検出、ラベル付け、追跡します。一方、DLP は盾の役割を果たし、Copilot 対応のワークフローや Power Platform の自動化を含め、未承認のデータ移動をブロックまたはアラートします。両者が重なるのは偶然ではありません。Copilot がデータをより深く理解するほど、適切な情報だけがアクセスできる状態にしておく必要があるからです。

次回は、Purview のスキャンと分類機能を詳しく解説したうえで、既定の環境からコネクタのガバナンスまで、Copilot の穴を埋める DLP 戦略を探っていきます。DLP と Copilot がどのように連携するかについては、Copilot エージェントのガバナンスに関するこの詳細解説をぜひお聴きください。特に、堅牢なセキュリティ モデルを求める開発者やアーキテクトにおすすめです。

データの検出と分類のための Microsoft Purview

Microsoft Purview は、Microsoft 365 環境全体に対して、ポリシーに基づく自動化された検出と分類を提供します。データ リポジトリをスキャンし、組み込みまたはカスタムの分類子を使って機密情報を特定し、秘密度ラベルを適用して、Copilot が適切にタグ付けされたコンテンツのみを処理するようにします。

継続的な監視により、新たに作成または移動された機密データが可視化され、コンプライアンスと監査のためのレポート ダッシュボードが提供されます。Purview は単純なファイル スキャンにとどまらず、ライフサイクル管理システムや DLP ポリシーと連携して、監査への備えと規制への適合を確実にします。Purview による強固なコンプライアンス基盤の構築について詳しくは、「Purview シールド」の構築方法をご覧ください。

Copilot のための効果的なデータ損失防止戦略

1. DLP ポリシーのセグメント化: Copilot 対応アプリにおけるコネクタとユーザー操作の両方を対象とした、きめ細かい DLP ポリシーを作成します。コネクタを「Business」「Non-Business」「Blocked」に分類し、データが流出する経路を制限します。
2. 既定の環境の制御: 既定の Power Platform 環境と Copilot 環境を強化します。これらは管理されていないデータ共有の「何でも詰め込める場所」になりがちです。環境ごとの制限とアラートを設定し、異常なフローを検出します。
3. テストと監視: 特に新しい Copilot の自動化を展開する際は、DLP ルールの事前確認と否定的テスト（想定外の動作を意図的に確かめるテスト）を実施してください。サイレントな障害や意図しないデータ漏えいを防げます。事前のテストにより、問題を早期に発見できます。
4. 予防的なガバナンス: DLP を後付けの機能ではなく、中核となるセキュリティアーキテクチャの一部として扱ってください。ポリシーの適用、アラート、継続的なレビューを、進化する Copilot の利用状況に合わせて調整します。こうした戦略については、Power Platform 開発者向けの解説で詳しく取り上げており、適応型 DLP 戦略のガイドでも扱っています。

Copilot のセキュリティのためのアクセス制御とアクセス許可

Copilot が「本来行うべきこと」だけを、それ以上でも以下でもなく実行できるようにするには、強力なアクセス制御が欠かせません。AI アシスタントが数秒で作業を自動化できる環境では、「誰が何にアクセスできるのか」を明確に把握し、そのアクセス許可がどのように適用・確認されているかを正確に理解しておく必要があります。

Microsoft 365 Copilot は既存のセキュリティモデルを尊重します。つまり、条件付きアクセス、Entra ID、ロールベースの割り当てによって、Copilot がアクセスできるデータが直接決まります。今日設定したアクセス許可の境界が、明日の Copilot の到達範囲の上限になります。

次回は、認証からロールベースのアクセスまでの主要な制御の仕組みに加え、最小特権の原則を実装する具体的な方法と、継続的なアクセス許可の整理について解説します。条件付きアクセスの設定が複雑に感じられる場合は、ポリシーの信頼性に関する問題と ID の負債についての解説、または 拡張可能なセキュリティにおける Entra ID の役割の解説が、背景の理解に役立ちます。

Microsoft 365 Copilot におけるアクセス制御の仕組み

1. 条件付きアクセスポリシー: Copilot を利用できるユーザーと、その利用条件を定義します。除外設定が広すぎることを防ぐようルールを調整し、デバイスのコンプライアンスにも対応してください。最良の結果を得るには、条件付きアクセスポリシーのギャップを詳しく解説した内容などのガイダンスに従ってください。
2. ロールベースのアクセス制御 (RBAC): Copilot の利用権限をユーザーのロールに合わせます。権限の肥大化のリスクを減らすため、必要最小限の Microsoft 365 ロールとスコープのみを割り当ててください。
3. Entra ID との統合: Entra ID を使用して ID を管理し、多要素認証を適用して、トークンの使用状況を監視します。「ID の負債」を避けるため、この Entra ID のガバナンスに関するポッドキャストで取り上げられているように、割り当てのロジックを定期的に確認して更新してください。
4. 認証コンテキスト: 機密性の高いワークロードに対する Copilot の操作には、より強力な認証を要求し、リスクへの露出をさらに抑えます。
5. 継続的な監視: アクセスのパターンと変更を追跡し、アラートと分析を用いて、セキュリティのベースラインからの逸脱を検出します。

Copilot のアクセス許可と最小特権の管理

1. 最小特権の適用: Copilot のデータアクセスを、ユーザーの役割に必要な範囲に厳密に制限し、過剰または不要なアクセス許可を防ぎます。
2. 定期的なアクセス許可のレビュー: Microsoft 365 管理センターや PowerShell などのツールを使って、定期的な監査をスケジュールしてください。古いアクセス権や管理者のいないアクセス権を整理し、攻撃対象領域を縮小します。
3. ロールの整合: Copilot のアクセス許可は個人ではなく職務に対応づけてください。動的グループを利用すると、保守が容易になり、手作業によるミスも減らせます。
4. 多要素認証: 認証情報が盗まれた場合の不正アクセスを防ぐため、特権を持つすべての Copilot ユーザーに対して MFA を必須にしてください。
5. ハイジーンの自動化: スクリプトとガバナンスの自動化を使って、リスクのあるアカウントやアクセス許可を検出し、組織の変化にすばやく対応します。自動化のガイドが完璧でなくても、アクセス許可のハイジーンと Copilot に関する最近のポッドキャストの知見を確認することは、コンプライアンスの維持に役立ちます。

Copilot 利用におけるデータの所在地とプライバシーへの影響

データがどこに「存在」し、どのように保護されるかは、単なる書類上の問題ではありません。データ所在地の要件は法的な拘束力を持ち、Microsoft 365 での Copilot の展開と管理の方法に影響します。国や契約によっては、データを特定の国境内にとどめることや、特定の処理基準に準拠することが求められます。

同時に、顧客、規制当局、社内チームからのプライバシーへの期待により、個人データや機密データは慎重に扱う必要があります。ここでつまずくと、訴訟、評判の低下、あるいは新しいテクノロジーの導入禁止にもつながりかねません。

このセクションでは、Microsoft 365 Copilot における所在地の管理機能の概要を紹介し、プロンプトと出力を扱う際の実践的なプライバシーのベストプラクティスを解説します。これらの義務の背景にある「理由」を理解すれば、管理策の導入は、安全な Copilot 展開に向けた確かな一歩になるはずです。

データ所在地ポリシーへの準拠

Microsoft 365 Copilot の時代におけるデータ所在地とは、現地の法律および契約上の要件を満たすために、組織のデータを指定された地理的リージョンに保存して処理することを指します。この管理策は、無許可の越境データフローに対する懸念への対処に役立ちます。

管理者は、テナント単位でデータの保存場所を選択して所在地を構成し、組み込みの M365 ツールでこれらの設定を適用します。データの移動を定期的に監視することで、Copilot が許可されたリージョン内での処理が承認されたコンテンツのみを扱うようにでき、法的義務と顧客への約束を遵守し続けられます。

プライバシー保護と安全なデータ処理

1. 組み込みの監査証跡: Microsoft 365 で包括的な監査ログを有効にし、Copilot が使用するデータに誰がアクセスまたは変更したかを追跡します。これにより、規制対応のフォレンジック調査を支援します。
2. 秘密度ラベルの継承: Copilot Notebooks などで生成された AI の出力に既定でラベルが付与されるようにし、管理されていない「シャドウデータ」の作成を防ぎます。リスクと管理策の詳細については、こちらの Copilot Notebooks のガバナンスに関する分析をご覧ください。
3. 設計段階からの安全なストレージ: 暗号化と厳格に制限されたストレージを活用し、Copilot であれ人であれ、無許可の共有やダウンロードを防ぎます。
4. データの最小化: Copilot のタスクに必要最小限の個人データや機密データだけが公開されるようにワークフローを設計し、プライバシー法とユーザーの期待の両方を尊重します。
5. レビューと共有のゲート: コンプライアンス担当者およびデータ所有者によるレビューが完了するまで、AI が生成したコンテンツの自動公開、共有、エクスポートを制限し、何も見落とされないようにします。

データ分類とセキュリティのための Copilot の高度な機能

Copilot をさらに高度に活用するということは、リスクに対応するだけでなく、リスクを先読みすることを意味します。Microsoft 365 Copilot には、基本的なコンプライアンスを超える安全機能が備わっています。高度なコンテンツガードレール、コンテキストに基づく応答フィルター、そして保護対象のマテリアルを検出する仕組みや、冗長、古い、または重要性の低い (ROT) 情報を、リスクになる前に除外する仕組みなどです。

こうした高度な管理策に投資している組織では、Copilot が日常業務でより中心的な役割を担うようになっても、情報漏えいやコンプライアンス違反が減少しています。コツは、検出を自動化して手作業によるレビューを最小限に抑えつつ、変化する規制や事業上の期待に対応し続けることです。

次に、Copilot のポリシーを認識した自動応答、フィルタリング戦略、そして継続的なデータクリーンアップの重要性（機密データを古いゴミの上に積み重ねないために）について説明します。上級レベルの DLP、RBAC、エージェントの分離に関する詳細なプレイブックをお探しの場合は、こちらの Copilot ガバナンスのリソースに、実践的なガードレールが数多く掲載されています。

Copilot の応答の安全性とコンテンツガードレール

1. ポリシーの自動適用: Copilot の応答は、エンタープライズのコミュニケーションコンプライアンス、DLP、自動ラベリングのポリシーでフィルタリングされ、事業上重要なデータや規制対象データの漏えいを防ぎます。
2. コンテンツフィルター: 組み込みおよびカスタムのフィルターにより、危険なキーワード、保護対象の情報、不適切な言葉遣いを含む Copilot の応答にフラグを立てたりブロックしたりするため、外に出るべきでないものが漏れることはありません。
3. 継続的な監視: Copilot のワークロードは、ポリシー違反や異常なコンテンツ生成がないか継続的に監視され、問題の可能性がある場合は管理者に即座に通知されます。
4. 役割と契約の管理: ガバナンスでは、契約、ライセンス、役割の割り当てを技術的な管理と統合し、適切な承認と業務上の必要性を持つユーザーだけが高度な Copilot 機能を利用できるようにします。展開戦略の詳細については、この Copilot ポリシーガイドをご覧ください。
5. ユーザーからのフィードバックとエスカレーション: ユーザーは、疑わしい出力を簡単に報告できる手段を備えており、それにより迅速かつ体系的な確認と対応が行われます。

保護された素材の検出と ROT データの最小化

1. 自動コンテンツスキャン: Copilot が非構造化ファイルを処理したり表示したりする前に、Purview および統合ツールを使用して、それらのファイルに保護された素材が含まれていないかスキャンします。
2. 分類と編集: 自動または機械学習ベースのラベルと編集ルーチンを適用し、ファイル、チャット、AI の出力に含まれる機密データを隠すことで、露出リスクを低減します。
3. ROT の特定: システム全体のスキャンを使用して、冗長、古い、または些細な（ROT）データを定期的に検出し、その情報を移動または削除することで、AI の運用を効率化し、法的リスクを低減します。
4. レコード保持の自動化: Copilot によって生成された、または Copilot が関与したコンテンツを認識する保持および削除のスケジュールを適用し、長期にわたるコンプライアンスの維持を容易にします。
5. 共同ガバナンス: 人事、法務、IT の各チーム間の連携を促進し、コンプライアンス文化を維持するとともに分類の精度を高めます。これが監査対応とリスク管理をどのように支えるかについてのヒントは、組織が Purview で監査対応可能な ECM を構築する方法をご覧ください。

6. Microsoft 365 Copilot の利用と Microsoft Copilot におけるデータ保護

   Microsoft Copilot とは何か、また Microsoft 365 Copilot とどのような関係がありますか？

   Microsoft Copilot は、Microsoft 365 エコシステム全体に統合された AI ツールで、Microsoft 365 アプリおよび Microsoft 365 サービスでの生産性向上の作業を支援します。Microsoft 365 Copilot は、大規模言語モデルと、Microsoft 365 テナント内の組織データ、Microsoft Graph、その他の複数のデータソースを組み合わせて、応答、要約、提案コンテンツを生成します。実際には、Copilot と Microsoft 365 Copilot が連携し、既存の業務システムを置き換えることなく、Microsoft 365 の生産性アプリ全体にある既存データから関連情報を表示します。

   Copilot は機密データをどのように扱い、データ保護をどのように確保しますか？

   Copilot のデータ保護は、データ保護補遺や Microsoft Purview のデータ分類などのエンタープライズ ポリシーと管理によって統制されています。Microsoft Purview やその他のセキュリティおよびプライバシーの管理を使用して、管理者は組織のデータを分類およびラベル付けし、Copilot が定められた範囲内で動作するようにできます。これらの保護により、データが意図せず漏えいすることを防ぎ、Copilot が許可されたデータソースと、適切に取り扱われた既存データからのみ出力を生成するようにします。

   Copilot は Microsoft Graph やその他のデータソースを通じてデータにアクセスできますか？

   はい。Copilot は、Microsoft Graph を通じてアクセスされるデータや、テナント向けに構成された複数のデータソースにアクセスできますが、アクセスはアクセス許可とポリシーによって管理されます。Microsoft 365 テナント内のデータが承認されていない場合、そのクエリでは Microsoft Graph が使用されません。管理者は Copilot がクエリできるデータソースを制限でき、Copilot が適切なデータだけで動作し、一般的なデータが不適切に表示されることを避けられます。

   Copilot を使用する際に、データが意図せず漏えいしないようにするため、組織はどのような対策を取れますか？

   データ漏えいを防ぐため、データガバナンスとセキュリティの更新を定期的に実施し、Microsoft Purview を介して秘密度ラベルを適用し、データ保護補遺とテナントレベルの管理を構成してください。また、Microsoft 365 の Copilot チャットとエージェントの利用を、承認されたユーザーとデータソースに制限してください。Microsoft 365 Copilot チャットと Copilot チャットの構成の使い方に関するトレーニングと明確なポリシーも、データが意図せず漏えいするリスクを低減します。

   EU データ バウンダリは、Copilot と組織データにどのように影響しますか？

   EU Data Boundaryは、テナントのデータとCopilotのデータが、規制要件を満たすために特定の地理的リージョン内にとどまるよう支援するオプションです。EU Data Boundaryおよび関連するデータガバナンス機能を使用すると、組織はMicrosoft 365 CopilotのデータやMicrosoft Graphを通じてアクセスされるデータの保存場所と処理場所を管理できます。これにより、コンプライアンスを支え、国境を越えたデータのリスクを減らせます。

   Copilot Chat、Microsoft 365 Copilot Chat、その他のCopilotの違いは何ですか？

   Copilot Chatは、一般に、さまざまなMicrosoftツール内にある会話型AIインターフェイスを指します。Microsoft 365 Copilot Chatは、Microsoft 365のサービスやアプリと統合され、組織のデータ、メール、ドキュメント、Microsoft Graphのデータに基づいて質問に回答します。その他のCopilotやAIツールは特定のタスク向けに調整されている場合がありますが、Microsoft 365 Copilotは、Microsoft 365のエコシステムとエンタープライズデータを活用し、サービス全体でコンテキストを理解した支援を提供します。

   管理者は、Copilotがどのデータから回答を生成するかをどのように制御できますか？

   管理者は、Microsoft Purview、秘密度ラベル、条件付きアクセス、テナントレベルの設定などのデータガバナンスツールを使用して、Copilotが利用できるデータソースとMicrosoft 365アプリを指定できます。これらの制御を構成し、Microsoft Graphで適切なアクセス許可を設定し、複数のデータソースを精査することで、管理者はCopilotが適切なデータのみから回答を生成し、制限されたデータや一般的なデータを公開しないようにできます。

   Copilotはユーザーデータやトレーニングデータを保存しますか？また、Microsoftはそのデータをどのように保護していますか？

   Microsoftは、明示的に許可されない限り、CopilotとMicrosoft 365 Copilotが顧客コンテンツを基盤モデルのトレーニングに使用しないよう保護策を講じていると説明しています。Microsoftは、Microsoft 365 Copilotのデータや既存のデータの取り扱いを管理するため、契約上の確約、セキュリティおよびプライバシーの管理機能、データ保護補遺を提供しています。さらに、セキュリティ更新と監視によって組織のデータを保護し、データが意図せず漏えいしないよう支援します。

   ユーザーは、日常の生産性タスクでMicrosoft 365 Copilotを安全に使用するにはどうすればよいですか？

   ユーザーは、組織のポリシーに従い、Microsoft Purviewを使って機密性の高いコンテンツにラベルを付けて分類し、承認されたMicrosoft 365アプリ内でMicrosoft 365 Copilotを使用する必要があります。Copilot ChatやMicrosoft 365のエージェントを使用する際は、秘密情報や外部の機密情報を送信しないようにし、共有する前に出力内容を確認してください。Microsoft Learnのリソースや社内ITからのガイダンスを活用すると、Microsoft 365サービス全体でセキュリティと生産性のベストプラクティスを取り入れやすくなります。