Microsoft 365 Copilot のセキュリティリスク: 知っておくべきこと

By Mirko Peters · 2026-03-21 · Updated 2026-03-24

Microsoft Copilot のセキュリティを解説します。Microsoft 365 で機密データに対するリスクを特定して軽減する方法と、Copilot のセキュリティリスクに備える AI のベストプラクティスを紹介します。

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

Titelbild: Microsoft 365 Copilot Security Risks: What You Need to Know

Microsoft 365 Copilot は、大幅な生産性向上を約束して多くの組織に広まりました。しかし、現実的なセキュリティ上の懸念があることを無視するわけにはいきません。Copilot は AI とクラウド上のデータを組み合わせるため、IT チームやビジネスリーダーが見過ごせない新たなリスクが生まれます。AI の応答を通じて機密データが漏えいする場合も、規制当局の監視が強まる場合も、シャドー IT が野放しになる場合も、これらの危険を把握することが最優先です。このガイドでは、Copilot がもたらす主な脅威、強力なガバナンスとデータ制御の重要性、そして従来のセキュリティの手法を見直す必要に迫られる実際の侵害事例について、実践的な知見を紹介します。コンプライアンス、ユーザー教育、業界固有の保護策についても整理し、Copilot の力を安心して活用できるようにします。Copilot 環境を安全かつコンプライアンスに適合した状態に保つうえで、本当に重要なポイントを見ていきましょう。

Microsoft 365 Copilot のセキュリティリスクに関する意外な事実 8 選

データの所在地が曖昧になる場合があります: Microsoft 365 Copilot はテナントのデータ境界を尊重しますが、処理にはグローバルな AI サービスエンドポイントが関与することがあります。その結果、規制対象データについて、想定外の国境をまたぐデータ処理リスクが生じる可能性があります。
プロンプトから機密情報が漏れる場合があります: ユーザーが入力する自然言語のプロンプトには、機密性の高い語句やデータが含まれることがあり、それらがモデルのコンテキストに取り込まれる場合があります。プロンプトが保存またはログに記録されると、意図せず情報が開示されるリスクが高まります。
サードパーティ製コネクタは攻撃対象領域を広げます: Copilot は多数のアプリやコネクタと統合されます。侵害されたコネクタがあると、標準的な境界を越えて Microsoft 365 の集約データが露出する可能性があります。
モデルのハルシネーションにより、誤った情報が権威あるものに見えてしまう場合があります: Copilot はもっともらしいものの不正確な内容(ハルシネーション)を生成することがあります。その内容が社内文書に由来するように見えるため、ユーザーを誤らせ、コンプライアンス上またはセキュリティ上の判断ミスにつながる可能性があります。
きめ細かなアクセス制御は依然として複雑です: 従来の ACL や秘密度ラベルは、AI の利用場面に自動的に適用されるわけではありません。そのため、ポリシーとその適用が明示的に構成されていない限り、機密に分類されたデータでも Copilot の出力に影響を与える可能性があります。
テレメトリとログが意図した以上の情報を明らかにする場合があります: Copilot のトラブルシューティングのために収集される診断データ、利用データ、テレメトリには、攻撃者がユーザーの行動、特権アカウント、重要度の高い標的を把握するのに役立つメタデータが含まれている場合があります。
サプライチェーンとモデル更新のリスク: 基盤モデルやサードパーティ製コンポーネントの定期的な更新により、新たな脆弱性が生じたり、データの使われ方が変わったりする可能性があります。AI の動作へのパッチ適用は、ソフトウェアへのパッチ適用とは同じではありません。
自動化によって内部脅威が増幅されます: Copilot はデータの集約や要約を加速させます。そのため、正当なアクセス権を持つ内部の人間が、手作業では作成しにくい機密データセットを Copilot によって素早くまとめてしまう可能性があります。

Microsoft 365 Copilot のセキュリティリスクを理解する

Microsoft 365 Copilot は、メール、ドキュメント、チャットなど、組織内のデータ全体にアクセスし、AI を使って回答の提供、プロセスの自動化、新しいコンテンツの生成まで行えるツールです。これは非常に強力ですが、その力には注意すべき点があります。Copilot を魅力的にしている機能そのものが、従来のコラボレーションツールでは見えにくい独自のセキュリティリスクももたらします。

課題は、技術的な脆弱性だけにあるわけではありません(もちろん脆弱性も存在します)。Copilot が情報をどのように取り込み、変換し、ときには本来組織の外に出るべきでなかった情報を共有してしまうかという点にもあります。機密データが隙間から漏れるリスク、プロンプトエンジニアリングによる攻撃でコンテキストが侵害されるリスク、あるいは突然コンプライアンス違反と判断される環境になるリスクがあります。日常的なユーザーの行動やアクセス許可の設定も、新しい視点で管理されなければ、大きな死角を生む可能性があります。

次のセクションでは、Copilotのリスクの正体を詳しく見ていきます。中核的な技術的脅威であるデータ漏えいやプロンプトインジェクションから、コンプライアンス上の頭痛の種、そして企業でAIアシスタントを本格的に使い始めるに当たって生じる特有のサイバーリスクまでを取り上げます。目的は全体像を把握し、Copilotのセキュリティとガバナンスの体制を整えることの緊急性を理解していただくことです。それぞれの領域を掘り下げ、何が危機にさらされているのか、そして防御を強化するにはどこから着手すべきかを確認していきましょう。

中核的なセキュリティ脅威：データ漏えい、プロンプトインジェクション、モデル反転

データ漏えい：Copilotは、応答を生成するためにメール、チャット、ファイルからデータを取得する過程で、機密情報を意図せず公開してしまうことがあります。従来型のアプリとは異なり、Copilotのコンテキストを考慮した出力は複数のソースの情報を混在させがちで、偶発的な漏えいのリスクが高まります。特に、ノートブックの出力などの派生コンテンツに適切な秘密度ラベルが付与されていない場合、ガバナンスの効かないコンテンツのシャドウデータレイクが生まれかねません。標準的な管理策では、AIが生成したデータがその後どこに流れるかを追跡しきれないことが多く、封じ込めは困難です。
プロンプトインジェクション攻撃：攻撃者（あるいは不注意なユーザー）が、Copilotの推論を書き換えたり、本来開示すべきでない情報を明かさせたりするよう設計されたプロンプトを作成することがあります。この「プロンプトインジェクション」と呼ばれる脆弱性は、事前に発見するのが特に困難です。しかも一般的なフィッシングとは異なり、信頼されたCopilotのインターフェース内で動作します。Copilotが広範なアクセス許可、つまり実際のユーザー権限と同等かそれを上回るアクセスレベルで動いている場合、これらの攻撃は従来のDLPやアクセス境界を迂回する可能性があります。
モデル反転：十分に巧妙なクエリを繰り返すことで、攻撃者はCopilotの基盤モデルの学習に使われた機密データを再構築できる可能性があります。社内でしか利用できないと考えていた情報、たとえば顧客の詳細、企業秘密、規制対象のデータなどが、断片をつなぎ合わせて復元されるおそれがあるのです。標準的なITの管理策やDLPルールはこのリスクを想定していないことが多く、従来のポリシーに頼っていると、安全だという誤った思い込みを抱きやすくなります。

こうしたCopilot特有の脅威には、新たな発想とより厳格な管理策が求められます。実行時の監視から、AI出力へのラベルの既定適用、そして実質的にコンテキストを考慮したガバナンスまでが必要です。これらのリスクを放置すると、従来の監査証跡には現れないような新しい形のシャドーITやデータ損失に対して、扉を大きく開けたままになってしまいます。

Copilotにおけるコンプライアンス上の課題と規制リスク

規制対象データのAI処理：Copilotは、機密情報と公開情報を区別することなく、PHI、PII、財務記録などの規制対象データに基づいてコンテンツを処理・生成することがあります。秘密度ラベルが継承されない、またはAI出力がガバナンスの対象になっていない場合、HIPAA、GDPR、FISMAに容易に抵触するおそれがあります。適切なAIガバナンスとは、ラベルとDLPポリシーを派生したAIコンテンツのすべてに拡張する管理策を実装することです。この点は、こちらのガバナンスガイドで解説しています。
データの所在地と転送：Copilotの背後にあるAIモデルは地域の境界をまたいで動作する可能性があり、データの所在地や主権に関する懸念を引き起こすおそれがあります。Copilotが準拠した管轄区域に保存されたデータとのみやり取りしていることを確認する方法、そしてAIが生成したコンテンツが意図せずその境界の外へ移動しないようにする方法が必要になります。
監査性と監視：Copilotがデータソースを組み合わせるため、監査に対応できる記録を維持するのが難しくなることがあります。自動保存、共同作成、共同編集などの機能によってバージョン履歴が圧縮され、データの全体的な流れが見えにくくなり、保持ポリシーの効果も制限されます（詳細はこちら）。ガバナンスは静的なダッシュボードにとどまらず、ユーザーの行動やAIコンテンツの残存状況を能動的に監視する段階へ進まなければなりません。
規制当局の監視と金融分野のリスク: 規制監督が強化されている業界では、Copilot が金融情報や医療データなどの機密データにアクセスし、処理し、さらには操作を提案することで、コンプライアンス違反のリスクが高まる可能性があります。規制当局は、データへのアクセス、利用、変換について明確な記録を求めています。適切なログ記録と報告の仕組みがなければ、Copilot によってその管理が複雑になる恐れがあります。

つまり、Copilot がもたらすのはセキュリティリスクだけではありません。コンプライアンスチームが、ラベル付け、監視、そして潜在的な違反への対応の進め方を見直す必要があるということです。

AI アシスタント特有のサイバーリスクを探る

従来の Microsoft 365 アプリとは異なり、Copilot のような AI アシスタントは、その動作の仕組みそのものによって新たなサイバーリスクをもたらします。Copilot は組織内の膨大なデータを取り込み、統合するため、操作を受けやすくなります。機密情報を引き出すために細工されたプロンプトや、ソーシャルエンジニアリングに利用するために応答を「汚染」しようとする試みなどが考えられます。複数のデータセットをまたいで作業できるため、一度のクエリで組織全体のコンテキストが露出するという、新たな攻撃対象領域が生まれます。

Copilot は、新しいタイプのシャドー IT リスクとしても機能する可能性があります。自律型の AI エージェントが、既存のガバナンスによる強制や明確な可視性がないまま機密データにアクセスし、そのデータに対して操作を行うおそれがあるためです。そのため、基本的なアプリ制御を超える安全対策が必要です。AI ワークロードの管理とコンプライアンスを維持するには、リアルタイムのコンテキスト監視と、強制適用される Purview ポリシーが求められます。

Copilot のセキュリティを支えるデータ保護とガバナンス戦略

Copilot を展開するということは、ビジネス全体を支えるのと同じデータの上に、AI の入口を設けることを意味します。だからこそ、堅牢なデータ保護とガバナンスの戦略は任意ではなく、最初の防御線となります。Copilot がデータを取得、統合、再利用する独自の仕組みにより、ラベル付け、アクセス制御、ポリシーの自動化に関する運用手順を更新する必要があります。

このセクションは、Copilot の導入に伴って機密情報を安全に保つためのロードマップです。秘密度ラベルでデータを分類する実践的な方法、Copilot のワークフローを特に考慮したガバナンスの枠組みの設計、過剰な公開を防ぐための厳格なアクセス許可モデルの採用について説明します。また、Copilot の速度と複雑さに対応するには、これらの制御を自動化し、定期的に見直すことが欠かせない理由も確認していきます。

Microsoft 365 の制御の選択、構成、自動化を見直すことで、攻撃対象領域を減らすだけでなく、コンプライアンス上の負債も軽減できます。これらの戦略は、リスクの高いデータが想定外の経路で組織の外に出る前に、Copilot を大規模に安全かつ監査可能な形で利用するための基盤となります。

Copilot でのデータ漏えいを防ぐ秘密度ラベルの活用

ビジネスデータに対応する秘密度ラベルを定義する: まず、Microsoft 365 環境内に存在するデータの分類（機密、社内限定、公開など）を整理することから始めます。各階層に対応する秘密度ラベルを作成し、Copilot が特権情報とそれ以外の情報を区別できるようにします。
共有コンテンツと AI 生成コンテンツにラベルを適用する: Copilot を通じてドキュメントやメールを作成、編集、共有する際は、秘密度ラベルの付与を必須にします。特に Notebooks のように派生コンテンツを生み出す AI 出力には、既定のラベル付けルールと定期的なコンプライアンスレビューが必要です（詳細はこちら）。
秘密度ラベルとデータ損失防止 (DLP) を統合する: 秘密度ラベルのシステムを DLP ルールと同期させ、「機密」とラベル付けされたデータが管理された境界の外に出ないようにします。ラベル付けと DLP を連携させ、Copilot をより適切に制御するための実践的なガイドはこちらです。
ラベルの適用状況を継続的に監視し、監査する: Purview などのツールを使用して、誰がラベルを付与、編集、または回避しているかを監査する監視を設定します。レポートを自動化し、ラベルの誤りや無視されたポリシーがデータ漏えいに発展する前に検出します。
ラベル付けポリシーとリスクについて Teams で教育する: ラベルを展開するだけでは不十分です。エンドユーザーと管理者には、機密データを認識し、Copilot への依頼がどれほど「無害」に見えても、ラベルを削除、上書き、無視しないようにするための的を絞った教育が必要です。ラベルの付け忘れは、誤った漏えい、シャドー IT、コンプライアンス上の問題を生む隙になります。

DLP と環境制御を調整して、イノベーションとセキュリティのバランスを取る方法について詳しくは、このDLP 戦略のエピソードをお聴きください。

Copilot 導入のためのデータガバナンスのベストプラクティス

データ管理者の役割を定める: Copilot で管理されるデータに責任を持つ担当者を、名前を付けて割り当てます。担当者は、データのライフサイクル、ポリシーの遵守、リスクの見直しを監督します(詳しくはこちら)。
ライフサイクル管理を自動化する: ユーザーデータと AI が生成したコンテンツの両方について、アーカイブ、保持、安全な破棄のプロセスを整備します。
Copilot 固有のガバナンスポリシーを実装する: アクセス許可、ラベル付け、監視のポリシーを拡張し、Copilot のワークフローと出力を対象に含めます(実践的な手順はこちら)。
包括的な監査証跡を維持する: コンプライアンスと法的調査の目的で、すべての Copilot へのアクセスとデータ操作がログに記録されていることを確認します。

Copilot 環境における過剰な権限付与の防止

すべてのユーザーとゲストのアクセス許可を監査する: 古くなったゲストアカウントを含め、Copilot と基盤となるデータソースにアクセスできる人を確認します(実績のある戦略)。
最小特権の原則を適用する: すべてのロールに、必要最小限のアクセス権だけを割り当てます。多すぎても少なすぎてもいけません。Copilot はリスクのある構成を増幅しうるため、この点はさらに重要です。
特別なアクセス許可に期限を設ける: 一時的なアクセスやプロジェクト単位のアクセスには有効期限を設定し、作業が終わったら不要な権限を削除します。
条件付きアクセスで適用を強制する: 例外を最小限に抑えた、包括的で監視された条件付きアクセスポリシーを実装します。詳しくはこちらのガイドをご覧ください。
孤立したアクセス権を継続的に見直して削除する: コンプライアンス違反や侵害の問題になる前に、過剰または不適切なアクセス許可を見つけて整理するため、定期的かつ自動化された確認を実施します。

Copilot の IT リスクを最小限に抑えるアクセス制御モデル

ロールベースのアクセス制御 (RBAC): 個々のユーザーではなくロールごとにアクセス許可を割り当て、一貫性と監査可能性を確保します。RBAC は、チームや担当業務が変わっても権限の肥大化を防ぐのに役立ちます(トレーニング手法)。
属性ベースのアクセス制御 (ABAC): 部署やプロジェクトなどのユーザー属性に基づき、動的かつ状況に応じたアクセスを使用します。Copilot がワークフローを自動化するにつれて、より細かい制御が可能になります。
ポリシーベースのアクセス制御: データの機密性、ユーザーのリスクプロファイル、業務上のニーズに結び付けた明示的なポリシーで、アクセス判断を階層的に適用します。このモデルは適応性が高く、予測できない権限の拡大を防ぐのに役立ちます(ここで解説しています)。

Copilot における実際のインシデントとセキュリティの脆弱性

セキュリティ制御が紙の上でどれほど強固に見えても、実際の攻撃や事故によって新たな弱点が露呈することがあります。特に Copilot のように大きな変化をもたらすものを導入する場合はなおさらです。文書化されたインシデントや既知の脆弱性を確認することは、他の組織の失敗を繰り返さないために欠かせません。

このセクションでは、Copilot を利用する環境で侵害、誤用、予期しないデータ露出が発生した事例を、根拠に基づいて紹介します。どこで問題が起きたかだけでなく、攻撃者が使うパターンや、脅威がすり抜けた運用上のギャップも確認できます。過剰に共有されたプロンプトでも、誤って構成されたアクセス許可でも、これらの事例は Copilot が環境にもたらす現実的な課題を浮き彫りにします。

他社で起きた失敗から直接学ぶことで、ギャップを埋め、環境を先回りして守る力が身につきます。あなたが次の教訓の当事者になる前に、ぜひ備えてください。

Copilot のセキュリティに影響した実際のインシデントを検証する

コンセントフィッシングと OAuth の悪用: ある実際の Microsoft 365 の侵害では、攻撃者がユーザーに悪意のあるアプリの同意要求を送信しました。一度承認されると、これらのアプリはパスワードの変更や MFA の適用後も機密データにアクセスでき、Copilot の文脈では、そのデータを中継することさえできました。この解説記事では、トークンの窃取と OAuth の悪用が従来の防御をどのように回避するかを説明しています。
ガバナンスの分断によるデータ漏えい: 複数のチームが、一貫性のない Copilot ポリシーのもとで運用している環境は、シャドー AI の活動の温床になりました。統一されたガバナンスがなければ、ID のドリフトやコラボレーションの乱立によって、データ漏えいや自動化の失敗のリスクが増幅されます（詳しくはこちら）。
分類ラベルのない AI 生成コンテンツによる監査の空白: Copilot の出力が分類ラベルなしで保存または共有され、機密性の高い議論が適切な権限を持たないユーザーに見えてしまい、監査証跡も途切れてしまった組織があります。その是正には多くの時間と手間がかかりました。
自動化フローでの権限の過剰付与: Copilot と連携した Power Automate フローが、特定のユーザーに意図せず過剰な権限を与え、会社のポリシーに違反するデータ移動を実行できる状態になっていました。脅威アクターは、権限の低いアクションを連鎖させてこのフローを悪用し、データの持ち出しに至りました。

こうした実際の攻撃の連鎖から、Copilot は ID、自動化、ポリシーの各サイロにまたがる弱点を増幅しうることがわかります。その結果、セキュリティチームは事後に何が起きたのかを再構築するのに苦労することになります。

Copilot で明らかになった一般的なセキュリティの脆弱性

プロンプトインジェクションの欠陥: 攻撃者は細工したプロンプトを使い、Copilot に制限されたデータを開示させたり、意図しない操作を実行させたりします。
過剰なデータ露出: Copilot の既定のアクセス許可により、ユーザーや AI エージェントが本来見るべきではない機密コンテンツへのアクセスが許可される場合があります。
ログと監査証跡の不足: 多くの組織では、Copilot の操作を詳細なレベルで記録していないため、インシデント調査で空白が生じます。
AI エージェントに対するガバナンスの弱さ: Copilot や同様のツールは自律的に動作できるため、多層的なマルチプレーンの制御がなければ、データが制御されないまま流出しやすくなります。

Copilot のセキュリティ失敗から得た重要な教訓

リアルタイムのポリシー適用を優先する: セキュリティの失敗は、制御が紙の上には存在していても、実際に監視されながら適用されるレイヤーに組み込まれていないことで起きることが少なくありません。各アクセスポイントと自動化ポイントで、リアルタイムに機能するポリシーが必要です（詳しい戦略はこちら）。
ライフサイクルと所有者の責任を組み込む: 一度設定して放置する静的な制御に頼らないでください。データと自動化の所有者を定め、組み込みのレビューポイントを設けて、ドリフトや所有者のいないアクセス許可を見つけられるようにします。
ID と自動化の管理を強化する: AI と自動化は人による設定の不整合を増幅し、誤って構成されたアクセス許可を重大なリスクの経路に変えてしまいます。AI フローも、他の特権プロセスと同様に扱い、定期的にチェックしてください（実践的な解決策はこちら）。
IT 部門だけでなく全ユーザーに教育を行う: セキュリティ侵害は、プロンプトの誤解、意図しないデータ共有、Copilot のフィードバックの読み違いから発生することが多くあります。良い結果を得るには、幅広いユーザーへのトレーニングと理解の促進が欠かせません。

Microsoft 365 Copilot を保護するためのベストプラクティス

Copilot の保護は、「設定したら放置してよい」作業ではありません。Copilot は動的な AI 機能を備えており、その性質上、監視、ガバナンス、プロセスの自動化を通じて継続的な注意が必要です。プラットフォームが進化する中でリスクが見過ごされないよう、ツール、ポリシー、そして人によるワークフローを組み合わせることが成功の鍵です。

本セクションでは、実績のある Copilot セキュリティのベストプラクティスを順に解説します。最新の脅威検出とコンプライアンス監視の導入から、ガバナンスの自動化、ライフサイクル管理の確立まで、環境を常に把握する方法を紹介します。Copilot を十分に活用するには、セキュリティと説明責任を四半期ごとのチェックリストではなく、日々の運用の一部にすることが重要です。

検出、可視化、柔軟なガバナンスが備われば、組織は新たな脅威や新興の脅威に先んじて対応しながら、Copilot の力を安心して引き出すことができます。

Copilot の脅威検出のための監視ソリューションの導入

Microsoft Purview 監査ログを有効にする: テナント全体を監視できるよう、Purview の高度な監査ログを有効にします。これにより、Copilot へのアクセスと操作をすべて詳細に追跡できます。ユーザーのアクティビティにとどまらず、AI とのやり取りの痕跡も収集できます(監査ガイド)。
Microsoft Defender によるリアルタイム監視を統合する: Microsoft Defender for Cloud を導入し、Copilot のシナリオに合わせたアラートポリシーと組み合わせます。自動トリガーとインシデントチケットを活用して、不審なプロンプトやデータの流れを素早く洗い出します(コンプライアンス監視の戦略)。
データ移動の継続的な監視: 継続的な監視を行い、通常のパターンから外れた Copilot の要求やデータアクセスの急増を検出します。Defender と Purview のデータを取り込んだ Power BI のダッシュボードで、リスクの全体像と対応ワークフローを一目で把握できます。
セキュリティ、人事、法務の連携: ユーザーのアクティビティ、Copilot のログ、コンプライアンスポリシーを結び付けられる監視チームを編成します。早期警告のためには、「気づいたら声を上げる」文化が欠かせません。この点については、こちらのコンプライアンスの概要でも取り上げています。

Microsoft Purview を活用した高度なコンプライアンス監視

コネクタ環境の境界で DLP ポリシーを適用する: Purview の Copilot 向け DLP を使い、業務用コネクタと非業務用コネクタの間でデータが漏えいしないようにします(主要な構成)。
データのタグ付けと分類を自動化する: Purview を構成してファイルやメッセージに自動でラベルを付与し、Copilot が必須の制御を削除したり無視したりできないようにします。
テナントの分離を徹底する: ポリシーレイヤーでカスタムコネクタや HTTP コネクタをブロックし、AI を通じた意図しないデータの相互利用を防ぎます。
監査に対応できる ECM を維持する: SharePoint と Copilot 全体でドキュメントの監査証跡を拡張し、コンプライアンスに耐えうる運用を実現します(監査の戦略)。

ガバナンスの自動化: 手作業による Copilot ポリシーの抜け漏れを減らす

アクセスレビューとアクセス許可の割り当てを自動化する: 手作業の確認に頼らず、PowerShell スクリプトや組み込みのワークフローなどを使って、定期的かつスケジュールに沿ったアクセス許可の監査を実施します。この方法により、不要に残った過剰な特権や、忘れられた例外的なアクセス権のリスクを大幅に減らせます(ガバナンスの原則)。
リアルタイムのポリシー適用を設定する: 不適切な共有やプロンプトのパターンなど、リスクの高い Copilot のアクティビティに反応する自動トリガーを構築します。アクセス許可のリセット、ポリシーの強制更新、セキュリティチームへのアラート送信などを行えます。
最小特権のために Entra のロール管理を統合する: Copilot に関連する ID とロールの割り当てを自動で管理し、昇格したアクセス権は必要な人にのみ、必要な期間だけ付与されるようにします。
コンプライアンスのギャップを随時監視して解消する: 適応型の自動化ダッシュボードを使い、重要な Copilot のワークフロー内で発生するポリシーのずれや対応の遅れを可視化します。ポリシーへの準拠は定期的な作業ではなく、継続的なプロセスとして扱います。
監査とトレーニングのためにすべてを文書化する: ポリシー変更とインシデント対応の両方について詳細な自動化ログを保持し、コンプライアンスを支え、説明責任を高め、今後のユーザートレーニングに役立てます。

結局のところ、効果的なガバナンスは自動化だけ、あるいはポリシーだけで成り立つものではありません。人為的なミスとAIによる予想外の動作の両方に備えるには、その組み合わせが欠かせません。

Copilot のセキュリティに向けたライフサイクル計画と変更管理

Copilot の資産ライフサイクル全体を把握する: 展開、日常運用、アップグレードやパッチの適用サイクル、廃止までの各段階を文書化してください。この可視化により、新機能や新しい利用シナリオに対してセキュリティ設定が遅れることを防げます。
変更の承認とテストを自動化する: Copilot の構成変更は段階的に展開し、自動検証の手順とリアルタイム監視を組み合わせてください。これにより、急ぎの変更によるリスクを抑えられます。
定期的にポリシーを見直す: Copilot のすべてのポリシー、アクセス許可、データ分類の構造を定期的に再評価してください。「いつか実施する」ではなく、カレンダーに予定として登録しましょう。

Copilot に関する業界固有のセキュリティ上の考慮事項

Copilot のセキュリティリスクは、すべての企業で同じではありません。業界によっては、問題が起きた場合の影響が大きく、規制の基準も高くなります。医療、金融サービス、その他の厳格な監督下にある分野で働いている場合、有効にする Copilot の機能はいずれも、無視できない新たな法務上およびコンプライアンス上の課題に関わることになります。

このセクションでは、そうした固有のニーズに焦点を当てます。HIPAA、HITECH、GLBA、SOX などのフレームワークに Copilot のセキュリティを適合させるための具体的なガイダンスと、監査や規制当局への対応を滞りなく進めるための実践的な手順を紹介します。目的は、コンプライアンス要件の厳しい分野の IT リーダーが、AI を導入しても、見栄えだけでなく実際に機能する統制を設計できるよう支援することです。

以下のサブセクションでは、医療と金融に合わせた実行可能なヒントを紹介します。コンプライアンス上の落とし穴にはまらず、Copilot の展開から価値を得られるようにするためのものです。

Copilot で医療コンプライアンス要件を満たす

PHI のリスク評価を詳細に実施する: Copilot の展開状況を監査し、保護対象保健情報（PHI）がどのようにアクセス、処理、保存されているかを確認してください。この対象範囲のマッピングには、Copilot に接続されたすべてのエンドポイントを含める必要があります。
DLP と秘密度ラベルを Copilot の出力にも適用する: Copilot が生成したすべてのドキュメントとチャットが、HIPAA に準拠したラベル付けに従うように義務付けてください。DLP ルールは、PHI を含む外部への送信を認識してブロックできる必要があります（医療分野での DLP）。
Copilot のワークフローを医療以外のデータから分離する: 患者のケアと無関係なデータソースを Copilot が取り込んだり参照したりできないよう環境を分割し、意図しない相互汚染を防いでください。
医療スタッフにロールベースのアクセス制御を適用する: スタッフの役割（医師、看護師、管理者など）ごとに Copilot の機能を制限し、必要なシステムとのやり取りのみを許可してください。
すべての Copilot アクセスを監視、ログ記録、監査する: レポートの生成であれ助言の提示であれ、Copilot へのアクセスはすべてログに記録し、監査し、コンプライアンス担当者がレビューする必要があります。

リスクの高いワークフローでは、明示的な人による確認がない限り、AI が PHI に対して何らかの操作を行わないようポリシーを構成してください。また、Copilot がアクセスできる内容と生成できる内容を医療スタッフが正しく理解できるよう、トレーニング資料を共有してください。

Copilot の展開における金融サービスのセキュリティを強化する

データフローを GLBA、PCI-DSS、SOX の規則に照らしてマッピングする: 顧客の金融記録、取引ログ、監査証跡に触れる Copilot の連携を特定してください。すべてのデータフローを文書化し、それぞれを該当するコンプライアンス統制にひも付けてください（ゼロトラストのガイダンス）。
ゼロトラストと継続的アクセス評価を徹底する: 適応型 MFA とリアルタイムのリスクスコアリングを用いて、継続的なアクセス検証モデルを採用し、リスクの高い Copilot セッションを遮断してください。
テナントの分離により機密性の高い環境を隔離する: 取引、リスク管理、バックオフィスの Copilot 機能を同じ環境で実行しないでください。テナントやセッションを個別に分離すると、データの漏えいを防ぐのに役立ちます。
ログ記録、アラート、証拠収集を強化する: 金融データには可能な限り最高レベルの監査を適用すべきです。Sentinel と Purview を調整し、Copilot に関連するすべての操作について、リアルタイムのアラートと改ざんできない証拠を提供できるようにしてください。
特権アクセスに重点を置いたスタッフのセキュリティトレーニング: 財務部門のスタッフに、機密性の高い顧客データに関わる Copilot のプロンプトを見分ける方法を教育します。また、高額取引のすべてについて「実行前の確認」ポリシーを導入します。

厳格なデータ境界を設定し、継続的な認証チェックを活用することで、金融機関はコンプライアンス違反による罰金や顧客の信頼喪失のリスクを負うことなく、Copilot の価値を引き出せます。

ユーザートレーニングと意識向上による Copilot セキュリティの強化

どれほど厳格な技術的対策を講じても、日々システムを使うユーザー自身によってセキュリティが損なわれることがあります。Copilot を使えば、スタッフが AI を活用するのがこれまで以上に簡単になります。しかし、その利便性も、ユーザーがリスクの所在を理解していなければ問題になりかねません。エンドユーザートレーニングとセキュリティ意識の醸成は、もはや人事部門のチェックリスト項目ではなく、中核となる要件です。

適切なトレーニングが任意ではない理由を、このセクションで解説します。Copilot のセキュリティは、すべてのユーザーが AI の動作、安全なプロンプトの条件、そして不注意な行動（機密情報をプロンプトに貼り付ける、Copilot の警告を無視するなど）がデータ漏えいリスクを増大させる理由を理解しているかどうかにかかっています。最も問題になりやすい領域を取り上げ、体系的な教育プログラムと実践的な演習によって、セキュリティを前提とした行動へどのように転換できるかを紹介します。

セキュリティの境界線は、ファイアウォールやポリシーだけでなく、ユーザーの意識にも及びます。その意識を活かして、より良く安全な Copilot の成果を実現しましょう。

Copilot のセキュリティリスクを高めるユーザー行動の理解

プロンプトへの機密データの過剰な入力: ユーザーが機密情報を Copilot の質問に直接貼り付けると、その情報がより広範な AI 処理の対象になる可能性があります。
セキュリティ警告やポリシー通知の無視: Copilot に組み込まれたセキュリティプロンプトを無視したり、DLP の通知を回避したりすると、死角が生まれ、情報漏えいにつながるおそれがあります。
Copilot の出力内容のレビューなしの共有: AI が生成したコンテンツを、機密データの有無を確認せずにそのまま転送または保存すると、シャドーデータのリスクが拡大します。
同僚から入手した未承認のプロンプトの再利用: メールスレッドや Teams チャットから収集したプロンプトをコピー＆ペーストすると、特に規制の厳しい分野で、同様の情報漏えいが重複して発生するおそれがあります（ガバナンスに関する考察）。

エンドユーザー向け Copilot セキュリティトレーニングプログラムの設計

ユーザーの役割とデータアクセスに応じたトレーニングの分割: フロントラインスタッフ、専門職、管理者など、役割ごとにカスタマイズしたトレーニングモジュールを作成し、各チームの Copilot 機能とリスクプロファイルに合ったガイダンスを提供します。
「プロンプト衛生」と AI セーフティの基礎の習得: 安全なプロンプトの作成方法、AI によるデータの想起の仕組み、機密性の高い詳細を含めるべきでない場面について、ユーザーを教育します。
ソーシャルエンジニアリングとプロンプト攻撃のシミュレーション: 定期的な「レッドチーム」テストを実施し、Copilot に関連するプロンプトインジェクションやフィッシングの試行をユーザーに送ります。実際のユーザーの判断を振り返り、トレーニングの実用性を高めます。
ライブウォークスルーと FAQ セッションで補完: 動画教材を配布するだけでは不十分です。実際の場面を見せ、難しい Copilot の利用ケースについて質問できるライブセッションを開催します。
継続的なコミュニケーションで定着を図る: 定期的なリマインダー、短く簡潔な注意喚起、Copilot 専用の「今週のヒント」配信を活用し、セキュリティに関する意識を維持します。
ガバナンスの効いた Copilot ラーニングセンターへの資料の集約: 部門ごとに分断された古い文書は避けます。この Copilot ラーニングセンターのガイドで説明しているとおり、すべてのリソースを最新の状態に保ち、アクセスしやすくします。
成果の評価と改善: クイズ、シミュレーション、フィードバックのループを活用し、トレーニングがどの程度定着しているか、どこに追加のサポートが必要かを測定します。

Copilot におけるサードパーティ統合のリスク管理

サードパーティのプラグインや接続済みアプリで Copilot の機能を拡張することには魅力がありますが、統合が増えるたびに、リスクが入り込む新たな経路が生まれます。こうした外部コネクタは、データ防御に思わぬ穴を開け、想定しなかった攻撃経路を作り出す可能性があります。善意だけでは、これらのギャップを埋めることはできません。

このセクションでは、サードパーティのアクセス許可とプラグイン連携によって生じる追加的な複雑さに焦点を当てます。社内で行う作業と同様に、これらの接続を確認することが重要である理由を解説します。以降のサブセクションでは、サードパーティ製アプリのアクセス許可を評価し制限する方法と、外部の過失や侵害がCopilot環境に波及しないようサプライチェーンを保護するための指針を紹介します。

Copilotにおけるリスク管理は、接続されたすべてのシステム、特に自社で直接管理していないシステムを含めたチーム全体の取り組みです。

Copilot利用時のサードパーティアプリのアクセス許可の評価

接続されたすべてのアプリとプラグインを監査する: Copilotに接続されているサードパーティアプリを定期的に一覧化し、どの程度のデータおよびAPIへのアクセスが許可されているかを確認します（攻撃者がOAuthの同意をどのように悪用するかを確認する）。
信頼できるアプリに限定してユーザーの同意を制限する: Entra ID（Azure AD）を設定し、未検証または未承認のアプリにユーザーが同意できないようにして、シャドーITのリスクを軽減します（対処手順はこちら）。
アプリの動作とデータフローを監視する: 異常なデータ量、API呼び出しの急増、または想定外のアプリ間データ共有に対してアラートを設定します。
孤立した権限や未使用の権限を直ちに取り消す: 過去30～90日間使用されていないアプリのアクセスは、例外なく削除すべきです。

Copilot連携におけるサプライチェーンリスクの軽減

新しいコネクタについては厳格な審査を実施する: サードパーティのコネクタを導入する前に、アクセス許可、データフロー、ベンダーの実績についてセキュリティレビューを必須とします。
明確な所有者の責任を義務付ける: 各サードパーティ連携を管理し、定期的に確認する社内の担当者を割り当てます。外部ツールが見えないインフラになってしまわないようにしてください（適用のためのパターン）。
データ転送の範囲を制限する: 最小権限かつコンテキストに基づく許可を用いて、外部アプリが参照または変更できる内容を制限します。
サプライチェーンのずれと攻撃の兆候を監視する: アクティビティログを継続的に確認し、新しいコネクタ、変更されたアクセス許可、失敗したコンプライアンスチェックを検出します。迅速な封じ込めには自動アラートが不可欠です。
契約上のセキュリティ確約を求める: 戦略的な連携については、すべてのベンダー契約にセキュリティ、インシデント対応、コンプライアンスの要件を盛り込みます。

新たなリスクにも引き続き注意を払ってください。ガバナンスの強度は、結局のところ最も弱いサプライチェーンパートナーと同程度です。ドキュメントだけでなく、適用される統制と責任の明確化こそが、新たな侵入経路を確実に閉じてくれます。

インシデント対応とCopilot固有のフォレンジック

Copilotが環境に導入されると、インシデント対応は常に変化し続けるものになります。AIを活用した侵害やデータ露出は、従来の対応手順では扱いきれないことが多く、脅威は巧妙で動きが速く、一見無害なプロンプトの中に隠れている場合もあります。そのため、問題が発生した際に対応するための、Copilotを前提とした新しい戦略が必要です。

このセクションでは、事前の備えに焦点を当てます。具体的には、不正なCopilot活動を検出する方法、露出を封じ込める方法、そしてCopilot固有のインシデント対応をチームに浸透させる方法を扱います。標準的なM365のフォレンジックだけでは限界があります。Copilotでは、AIによるコンテキストの融合、生成された出力、広範囲に及ぶアクセス許可によって新たな追跡対象が生まれるためです。

インシデント対応にセキュリティ統制と同じくらいCopilot固有の視点を取り入れることで、封じ込めの迅速化、より賢明な復旧、そしてAIを悪用した将来の攻撃に対して防御を継続的に強化する学習のフィードバックループへとつながります。

Copilot活動を通じた不正なデータアクセスの検出

Copilotの利用ログから外れ値を分析する: Purviewまたはお使いのセキュリティダッシュボードで利用ログを確認し、Copilotのプロンプト頻度の異常、不自然なコンテンツの要求、通常と異なる時間帯の活動を探します（Purviewの監査の詳細）。
機密データへのアクセスを追跡する: 通常のパターンから外れて高価値のデータタグ（PII、PHI、財務記録）にアクセスしたCopilotセッションにフラグを立てます。
挙動の異常検知アラートを設定する: 機械学習ベースのツールを使用して、Copilot の動作が組織の通常のパターンから逸脱した場合に検出し、通知を受け取れるようにします。
Copilot のプロンプトとデータのエクスポートイベントを関連付ける: Copilot への連続したクエリの直後に大量のダウンロードやファイル共有が発生していないか監視します。これは情報漏えいの兆候である可能性があります。

Copilot のセキュリティイベントに対するインシデント対応計画の策定

Copilot 向けのインシデント対応プレイブックを作成する: Copilot 特有のインシデントを調査し対応するための専用プレイブックを用意します。対象は、AI が生成したデータ、ロールに基づく不正利用、プロンプトを起点とする情報露出です(実践的な展開チェックリスト)。
影響を受けたコンポーネントを封じ込めて隔離する: 影響を受けたユーザーやワークフローについて、関連する Copilot または接続済みアプリのアクセス許可を直ちに取り消します。調査が完了するまで、共有を凍結し、AI フローをブロックします。
AI のコンテキストを考慮した的確なトリアージを実施する: 高度なログを使用して、セッションのコンテキスト、追跡された AI 生成の出力、インシデントに至るまでのアクセス許可の流れを再構成します。
関係者および影響を受ける当事者へ早期に通知する: 疑われる、または確認された Copilot に起因する情報漏えいについては、規制当局への通知ガイドラインに従ってください。特に個人情報、保護対象保健情報、金融データが関係する場合は重要です。
復旧のためにフォレンジック分析を活用する: 環境のログ、バックアップ、AI 出力の追跡機能を使用して、不正な変更や露出をロールバックし、監査に対応できる証拠を提供します。
徹底的な教訓レビューを実施する: 解決後、インシデントのパターン、ポリシーの不備、そして露出の原因となったユーザーの行動を振り返り、今後のガバナンス更新に役立てます。
Copilot のポリシー、トレーニング、自動化を更新する: 教訓を活かして、秘密度ラベル、監視、ユーザートレーニングを強化し、侵害が発生した後も環境の防御を高めます。

インシデント対応の最善の結果は、より賢く、より堅牢な Copilot の展開と、次に現れるかもしれない AI を悪用した攻撃に対応できるチームです。

チェックリスト: Copilot のセキュリティ態勢を強化する手順

継続的な監視を実装します。Microsoft Purview などのソリューションを使用して、Copilot 関連のセキュリティイベントをリアルタイムで脅威検出し、自動応答を行います。
ガバナンスとライフサイクルの管理を自動化します。秘密度ラベル、データアクセス、アクセス許可セットを定期的にレビューし、必要な権限のみが付与されていることを確認します。
Copilot に特化した必須のユーザー意識向上とセキュリティトレーニングを実施します。安全なプロンプトの使い方と、データ漏えいにつながる危険な行動の認識に重点を置きます。
サードパーティの統合を厳格に審査し、継続的に監視します。API およびコネクタのアクセス許可を確認し、サプライチェーンやアプリに起因する脆弱性を最小限に抑えます。
Copilot 専用のインシデント対応計画を策定します。フォレンジックへの備えを含め、侵害を迅速に特定、封じ込め、復旧できるようにします。より深い戦略については、AI のガバナンスと管理のスケーリングに関するこちらのガイドをご覧ください。チェックリスト: Microsoft 365 Copilot のセキュリティリスク
このチェックリストを使用して、環境に導入された Microsoft 365 Copilot のリスクを評価、軽減、監視します。
1. ガバナンスとポリシー
  - Microsoft 365 Copilot の利用ポリシーを文書化し、許可されるデータの種類とユースケースを明記している。
  - Copilot がアクセスするコンテンツに、承認済みのデータ分類と取り扱いルールを適用している。
  - Copilot の管理者、データ所有者、レビュー担当者の役割と責任を定義している。
2. データアクセスと最小化
  - Copilot 関連のサービスアカウントと統合に、最小特権の原則を適用している。
  - Copilot がインデックス化またはアクセスできるデータソース(SharePoint、OneDrive、Exchange、Teams)を監査している。
  - 不要な場合に Copilot が高リスクや機密性の高いデータセットにアクセスできないよう、データ最小化ルールを適用している。
3. データプライバシーとコンプライアンス
  - Copilot の構成が関連する規制(GDPR、HIPAA、CCPA など)に準拠していることを確認している。
  - 個人情報を含む可能性のある出力に対して、個人データの検出と編集のポリシーを設けている。
  - サードパーティへのデータ共有とテレメトリの設定を確認し、必要に応じて制限している。
4. 認証とアクセス制御
  - Copilot の管理者権限または構成権限を持つすべてのアカウントに対して MFA を適用している。
  - 場所、デバイスのコンプライアンス状態、リスクレベルによって Copilot へのアクセスを制限する条件付きアクセスポリシーを作成済み。
  - サービスプリンシパルとアプリのアクセス許可を確認済み。シークレットと証明書は定期的にローテーションしている。
5. 監視とログ記録
  - Copilot 関連のアクティビティ、クエリ、データアクセスイベントについてログ記録を有効化済み。
  - Copilot の異常な利用パターン（大量のデータ要求、通常と異なる時間帯の利用、情報漏えいの兆候など）に対するアラートを設定済み。
  - ログとアラートを定期的に確認するスケジュールを定め、調査を担当する所有者を割り当てている。
6. 出力の安全性とコンテンツフィルタリング
  - Copilot の出力を確認・サニタイズし、生成されたコンテンツを通じて機密データが漏えいしないようにする仕組みを用意している。
  - テンプレートとガードレールを設定し、社内の機密情報、資格情報、独自の知的財産が出力に現れないようにしている。
  - Copilot の出力内容を検証し、生成された推奨事項を無条件に信頼しないよう、ユーザーへのトレーニングを実施している。
7. モデルとプロンプトのセキュリティ
  - Copilot が使用する LLM モデルを管理し、各モデルのデータ取り扱いに関する保証内容を文書化している。
  - プロンプトインジェクション対策と入力検証を実施し、機密コンテキストの漏えいや有害なプロンプトの実行を防止している。
  - 리스クの高いシナリオにおいて、ハルシネーションや不正確な出力をテストし、是正プロセスを定義している。
8. サードパーティ製統合
  - Copilot で使用しているサードパーティ製アプリやコネクタの一覧を管理し、それぞれのセキュリティ態勢を評価している。
  - 契約および DPA の条項を確認し、データ保護と責任に関する条件が適切であることを確かめている。
  - ポリシーで承認されていない外部サービスへデータを送信するコネクタは、利用を制限するか、分離している。
9. エンドポイントとデバイスのセキュリティ
  - Copilot を利用するエンドポイントが、パッチ適用、ウイルス対策、デバイスのコンプライアンスの基準を満たしていることを確認している。
  - エンドポイントにデータ損失防止 (DLP) を適用し、Copilot の機密性の高い出力がコピーまたは保存されることを防止している。
10. インシデント対応と復旧
  - インシデント対応計画に Copilot 固有のシナリオ（データ漏えい、モデルの悪用、情報の持ち出し）を含めている。
  - Copilot へのアクセスの無効化、トークンの取り消し、影響を受けたデータソースの分離について、プレイブックと封じ込め手順を定義している。
  - Copilot からアクセス可能なデータを含むシステムについて、バックアップと復元の手順を検証している。
11. トレーニングと意識向上
  - Copilot の安全な利用、データ分類、不審な出力の報告について、ユーザー向けトレーニングを定期的に実施している。
  - Copilot の構成、監視、安全な統合の方法について、管理者向けトレーニングを実施している。
12. 継続的な見直し
  - Microsoft 365 Copilot のセキュリティリスクと対策に特化した、定期的なリスク評価を実施している。
  - Copilot の機能、モデル、統合が変更された際には、ポリシーと管理策を更新している。

Microsoft 365 Copilot のセキュリティリスクとデータセキュリティ

組織が把握しておくべき主な Microsoft Copilot のセキュリティリスクは何ですか。

主な Microsoft Copilot のセキュリティリスクには、内部データへの意図しないアクセス、プロンプトを通じた機密データの露出、Microsoft 365 テナントのアクセス許可の設定ミス、Copilot のデータに対する管理策の不足などがあります。Microsoft 365 サービスや Microsoft Teams に統合された AI ツールである Copilot は、セキュリティとコンプライアンスの設定、Microsoft Entra ID の制御、データ分類ポリシーが適用されていない場合、機密情報を表示してしまう可能性があります。

Microsoft 365 Copilot はどのようにデータにアクセスし、機密データへのアクセスをどのような管理策で制限できますか。

Copilot は、Microsoft Graph と Microsoft 365 アプリケーション内のサービス API を経由して組織のデータにアクセスします。データへのアクセスは、テナントレベルのアクセス許可、Microsoft Entra 認証、ロールベースのアクセス制御によって管理されます。Microsoft Purview 情報保護、データ分類、条件付きアクセスポリシーなどのセキュリティ対策により、機密データや秘密データへの Copilot のアクセスを制限し、データ露出のリスクを低減できます。

ユーザーが AI ツールにプロンプトを入力した際、Microsoft 365 Copilot が機密データや秘密データを露出させる可能性はありますか。

はい。ユーザーが機密データをプロンプトに貼り付けたり、社内データが露出するような要約を依頼したりすると、Copilot によるデータ漏えいが発生する可能性があります。Microsoft Purview、機密データのタグ付け、厳格な Copilot 利用ポリシーを使うことで、ユーザーが意図せず機密データを露出させることを防止できます。セキュリティ責任者は、スタッフに安全なプロンプトの使い方を教育するとともに、危険なプロンプトの動作を検出する監視を実施すべきです。

セキュリティチームは、Microsoft Copilot を保護し、データ露出を減らすためにどのような対策を講じることができますか。

セキュリティチームは、データ分類を実施し、Microsoft Purview 情報保護を導入して、Microsoft Entra ID の条件付きアクセスを適用し、Copilot向けにテナントレベルのアクセス許可を構成する必要があります。アクセスログの監視、最小特権の原則の適用、Microsoft 365 サービス全体でのデータ損失防止（DLP）ポリシーの有効化、Copilot のデータセキュリティ制御の統合により、機密データへのアクセスを最小限に抑え、プライバシーとセキュリティの目標を整合させることができます。

EU データ境界とデータ所在地は、ヨーロッパで Microsoft Copilot を利用する際にどのような影響がありますか？

EU データ境界とデータ所在地の設定は、Copilot のデータや処理されたコンテンツの保存場所と処理場所を決定します。ヨーロッパで Microsoft 365 を利用している組織は、Copilot の処理が地域のデータ所在地要件に準拠していることを確認し、Microsoft 365 テナントでデータ所在地の構成を適用する必要があります。これらの設定を Microsoft Purview および現地のコンプライアンスツールと組み合わせることで、規制上のリスクを軽減し、プライバシーとセキュリティに関する義務を果たせます。

Copilot のデータセキュリティにおいて、Microsoft Entra ID とアクセス管理はどのような役割を果たしますか？

Microsoft Entra ID は、Copilot および他の Microsoft 365 サービスの認証と承認を制御します。適切に構成された Entra ポリシー、条件付きアクセス、多要素認証、特権 ID 管理により、Copilot の機能や、そこに表示されるデータにアクセスできるユーザーを制限できます。これらのアクセス制御は、内部データへの不正アクセスを防ぎ、組織全体で Microsoft Copilot の安全な利用を徹底するために不可欠です。

顧客データや社内データの漏えいを防ぐために、組織はユーザーのプロンプトやトレーニングをどのように扱うべきですか？

組織は、Microsoft Copilot の利用に関する明確なポリシーを策定し、ユーザーがプロンプトに含められるデータの種類を制限するとともに、プライバシーとセキュリティのベストプラクティスに関するトレーニングを提供する必要があります。Microsoft Purview のツールを使って顧客データと社内データを分類し、リスクのあるプロンプトをブロックまたは警告する DLP ルールを実装して、機密データを AI ツールに貼り付けることの危険性についてユーザーに周知してください。

Copilot はユーザーのデータを保持しますか？また、企業は Copilot のデータ保持とプライバシーをどのように管理できますか？

Copilot は、プロンプトを処理し出力を生成します。その内容は、サービス品質とコンプライアンスのためにログに記録される場合があります。保持ポリシーは、テナントの設定、サービス契約、Microsoft 365 の構成によって異なります。企業は、Microsoft 365 のテナント設定を確認し、データ保持と削除のルールを適用し、ガバナンスには Microsoft Purview を利用するとともに、Microsoft のサービスドキュメントを参照して、適切な Copilot のデータ保持とプライバシー制御を確立する必要があります。

セキュリティおよびコンプライアンスチームは、Microsoft 365 内での Copilot のアクセスと操作をどのように監視し、監査していますか？

セキュリティおよびコンプライアンスチームは、Microsoft 365 の監査ログ、Microsoft Purview の監査ソリューション、そして Microsoft Graph を経由した機密リソースへのアクセスを記録する監視連携を使って、Copilot のアクティビティを監視できます。SIEM への取り込みを実装し、機密データへの異常なアクセスについてアラートを設定し、定期的なコンプライアンスレビューを実施することで、不正利用の検出、セキュリティとプライバシーのポリシーの徹底、Microsoft 365 環境における Copilot 利用のガバナンスの実証に役立ちます。