コース一覧
生成AI資格対策(生成AIパスポート+G検定)
個人情報と機密

生成AI資格対策(生成AIパスポート+G検定)

AIと機械学習のきほん、生成AIのしくみ、活用と動向、著作権・個人情報などのリスクと法律、そしてG検定に必要なディープラーニング理論まで、生成AI時代の2大資格の出題範囲を、毎レッスン実際に問題を解きながら学べる対策コースです。前提知識は不要です。約 12.5 時間 (1 日 30 分 × 25 日) で 49 レッスンを修了でき、生成AIパスポートとG検定それぞれの模試で合格ラインを確認して本番に臨めます。

1
試験ガイダンス(2資格の選び方)
0. 2つの資格の違い10分
1. 出題形式と時間10分
2. 学習計画10分
3. 形式を体験10分
2
AIのきほん
0. AIとは15分
1. AIの歴史とブーム15分
2. 機械学習の3分類15分
3. ニューラルネットとDL15分
4. 評価と過学習15分
5. 過去問:AIのきほん15分
3
生成AIのしくみ
0. LLMのしくみ15分
1. 画像生成のしくみ15分
2. マルチモーダル15分
3. RAGと外部知識15分
4. 追加学習の手法15分
5. 過去問:生成AIのしくみ15分
4
活用と動向
0. ビジネス活用15分
1. プロンプトの技法15分
2. 主要サービスの分類15分
3. 動向15分
4. 過去問:活用と動向15分
5
リスクと法律・倫理
0. ハルシネーションとリスク15分
1. 著作権と生成AI15分
2. 個人情報と機密15分
3. AIのセキュリティ15分
4. ガイドラインと法規制15分
5. バイアスと倫理15分
6. 過去問:リスクと法律15分
6
生成AIパスポート仕上げ
0. 模試:生成AIパスポート60分
1. 弱点復習15分
2. 直前チェック15分
3. 受験とG検定への判断15分
7
G検定上乗せ:機械学習の理論
0. 回帰と分類15分
1. 決定木とアンサンブル15分
2. クラスタリングと次元削減15分
3. 勾配降下法15分
4. 正則化と汎化15分
5. 過去問:機械学習理論15分
8
G検定上乗せ:ディープラーニング
0. CNN15分
1. RNNとAttention15分
2. Transformer15分
3. 生成モデル15分
4. 強化学習15分
5. 研究史と人物15分
6. 過去問:DL15分
9
G検定仕上げ
0. 模試:G検定65分
1. 弱点復習15分
2. 直前チェック15分
3. 受験と次のステップ15分

生成AI資格対策(生成AIパスポート+G検定)

012つの資格の違い
02出題形式と時間
03学習計画
04形式を体験
05AIとは
06AIの歴史とブーム
07機械学習の3分類
08ニューラルネットとDL
09評価と過学習
10過去問:AIのきほん
11LLMのしくみ
12画像生成のしくみ
13マルチモーダル
14RAGと外部知識
15追加学習の手法
16過去問:生成AIのしくみ
17ビジネス活用
18プロンプトの技法
19主要サービスの分類
20動向
21過去問:活用と動向
22ハルシネーションとリスク
23著作権と生成AI
24個人情報と機密
25AIのセキュリティ
26ガイドラインと法規制
27バイアスと倫理
28過去問:リスクと法律
29模試:生成AIパスポート
30弱点復習
31直前チェック
32受験とG検定への判断
33回帰と分類
34決定木とアンサンブル
35クラスタリングと次元削減
36勾配降下法
37正則化と汎化
38過去問:機械学習理論
39CNN
40RNNとAttention
41Transformer
42生成モデル
43強化学習
44研究史と人物
45過去問:DL
46模試:G検定
47弱点復習
48直前チェック
49受験と次のステップ

生成AI資格対策(生成AIパスポート+G検定)

個人情報と機密

貼ってよいのかどうか、その場で迷う

顧客からの問い合わせメールを貼り付けて返信案を作らせたい。手が止まるのは、判断の順番を持っていないからです。この回では、何を先に見て、何を後で見るのかという順番を作ります。

似ている用語を先に切り分ける

個人情報保護法まわりの用語は似ていて紛らわしく、そこを狙って出題されます。最低限、次の区別を持っておきます。

用語何を指すか例
個人情報生存する個人に関する情報で、特定の個人を識別できるもの氏名、顔写真、他の情報と容易に照合できるもの
個人データ個人情報データベース等を構成する個人情報顧客管理システムに登録された顧客の情報
要配慮個人情報不当な差別や偏見が生じないよう特に配慮を要する情報人種、信条、病歴、犯罪の経歴
仮名加工情報他の情報と照合しない限り特定の個人を識別できないよう加工した情報氏名を削除しID化した顧客データ
匿名加工情報特定の個人を識別できず、かつ復元もできないよう加工した情報統計的に丸めた属性データ

要配慮個人情報は、原則としてあらかじめ本人の同意を得ずに取得できないと説明されています。他の個人情報より扱いが厳しい点として狙われます。仮名加工情報と匿名加工情報は、復元できるかどうかで切り分けます。

入力という行為が引っかかるところ

個人情報を扱う事業者には、利用目的をできる限り特定してその範囲を超えて取り扱わないこと、本人の同意なく個人データを第三者に提供しないことが求められると説明されています。この2つが、生成AIの利用と正面からぶつかります。

第一に目的外利用です。契約の履行のために取得した顧客情報を、AIサービスに投げて分析させるという使い方は、当初特定した利用目的に含まれていない可能性があります。

第二に第三者提供です。外部のクラウド型サービスに個人データを入力する行為は、事業者の外へデータを渡す行為にあたりうると議論されています。委託として整理できる場合もありますが、その場合は委託先の監督責任が生じますし、サーバーが国外にあれば外国にある第三者への提供という別の論点も加わります。

第三に、入力したデータが学習に使われるかどうかです。これは法律ではなく契約の話で、同じ事業者のサービスでも無償の個人向けプランと法人向けプランで扱いが違うことがあります。規約を読まないまま「このサービスは学習しないはずだ」と思い込むのが最も危険です。

もう一本、個人情報とは別の軸として営業秘密があります。不正競争防止法で保護される営業秘密には、秘密として管理されていること、事業活動に有用な情報であること、公然と知られていないことという要件があると説明されています。ここで効くのが秘密管理性で、社外のサービスに誰でも自由に貼れる状態を放置していると、秘密として管理されていたと言えるかが揺らぎます。未公開の財務情報や開発中の製品仕様は、個人情報でなくても貼ってよい情報ではありません。

判断の順番は、個人情報か、要配慮個人情報か、会社の秘密か、契約上その入力が許されているか、です。この4つを順に見て、どれかで引っかかったら止めます。線引きは組織ごとの規程にも左右されるので、迷ったら法務部門や弁護士に確認してください。

試験ではこう問われる

  • 「入力してよい情報として最も適切なものはどれか」という事例選択が典型です。公開済みの情報や、識別性を落とした情報が正解になります
  • 病歴、信条、犯罪の経歴が選択肢に混ざっていたら要配慮個人情報の問題です。本人の同意なく取得できない、が判断の軸になります
  • 「匿名化すれば何をしてもよい」は誤りです。氏名を消しただけでは他の情報と照合して個人を識別できる場合があります
  • 「入力したデータが学習に使われるかは事業者の規約とプランによる」が正解になります。一律に使われる、一律に使われない、というどちらの断定も誤りです
  • 営業秘密の問題では、秘密管理性が要件に含まれる点が問われます。個人情報保護法の話とすり替えた選択肢に注意します

このレッスンに出てくる用語

意味があいまいなまま進んだ語は、ここから読み直せます。

  • 判断YES/NO 分岐を表す菱形
  • データベースデータを構造化して保存する仕組み
  • 属性インスタンス属性=各インスタンス固有の値(self.name)。
  • 生成AI学習データから新しいコンテンツを作るAIの総称
  • クラウドクラウドはインターネット経由でサーバーリソースを借りる形態。
  • サーバークライアント(ブラウザなど)がリクエストを送り、サーバーがレスポンスを返す。
生田 陸人
監修生田 陸人
ゆめさくエンジニア / 現役ソフトウェアエンジニア監修者プロフィールを見る →
編集 ゆめさく編集部·公開 2026/08/09·更新 2026/08/26

関連レッスン

  • AIのセキュリティ

    プロンプトインジェクションなど、生成AIを狙う攻撃手法と防御を学びます。

  • ガイドラインと法規制

    AI事業者ガイドラインやEU AI Actなど、国内外の枠組みを対応づけます。

  • バイアスと倫理

    データや評価に潜むバイアスと、公平性をめぐる論点を押さえます。

  • 過去問:リスクと法律

    リスクと法律の分野を10問で解き、合格水準に届いているか確認します。

分からないところは Tap (AI先生) に質問できます

24 時間いつでも、あなたのレベルに合わせて日本語で答えます。

復習ミニクイズ

社内で生成AIを業務利用する際の情報の取り扱いについて、最も適切な説明はどれですか。