投稿者 global-ai-media 
グローバルSaaSベンダーが顧客データを自社のAIモデル学習に利用する方針を相次いで打ち出しています。本記事では、Atlassianの動向を題材に、日本企業が直面するデータ保護とコストのトレードオフ、そして実務におけるガバナンス対応の要点を解説します。
SaaSベンダーによるAI学習へのデータ利用の潮流
JiraやConfluenceなどのコラボレーションツールを提供するAtlassian（アトラシアン）が、ユーザーのデータをAIの学習に利用するという新たなデータ収集ポリシーへの移行を報じられました。日本のソフトウェア開発やプロジェクト管理の現場でも広く導入されているツールですが、今回の変更における最大のポイントは、法律による制約がある地域や特定の高額プランを契約している顧客を除き、デフォルトで顧客のメタデータ等がAIの学習対象になり得るという点です。
このような「ユーザーデータを自社のAIモデル学習に活用する」という動きは、一部の企業に限らず、多くのグローバルSaaS（クラウドサービス）ベンダーで急速に進んでいます。ベンダー側にとっては、ユーザーの実際の良質なデータをAIの精度向上に役立てることで、自社製品の競争力や付加価値を高めるという明確な狙いがあります。
コストとデータ保護のトレードオフ
今回の報道で注目すべきもう一つの側面は、「追加のコストを負担して上位プランを契約することで、データの学習利用を回避できる」というビジネスモデルが一般化しつつあることです。企業が自社の機密情報を守るためには、より高額なエンタープライズ向けのライセンスを契約するか、あるいは煩雑なオプトアウト（データ利用の拒否）の手続きを部門ごとに徹底するなどの対応が求められます。
日本の企業文化においては、コスト削減のために部門単位で安価なクラウドサービスを導入するケースや、IT部門の管理が及ばないシャドーITが依然として少なくありません。しかしAI時代においては、ライセンス費用を抑えた結果として自社の業務データやソースコードがベンダーのAI学習に利用され、間接的に競合他社などへ情報が漏洩するリスクを抱えることになりかねません。
日本企業が直面するガバナンスの課題
日本国内では、著作権法第30条の4により、AIの機械学習を目的としたデータ利用が比較的柔軟に認められています。しかし、これはあくまで「著作物」の扱いに限った話であり、企業が扱う「営業秘密（トレードシークレット）」や「個人情報保護法に抵触するデータ」の保護とはまったく別の問題です。自社の機密データが他社のAIモデルに組み込まれ、意図せず第三者に出力されてしまうリスクは、コンプライアンス上極めて重大なインシデントに発展する恐れがあります。
また、日本企業の多くは、法務や知財、IT部門がクラウドサービスの利用規約を導入時に一度だけ確認し、その後の規約変更を見落としがちです。生成AIの急速な発展に伴い、SaaSベンダーのデータ利用に関する規約は現在頻繁にアップデートされているため、導入後も継続的なモニタリングが不可欠となっています。
日本企業のAI活用への示唆
今回の動向を踏まえ、日本企業がSaaSおよびAIを活用する上で押さえておくべき実務的な要点と示唆を整理します。
【1. クラウドサービスの利用規約・ポリシーの定期的な棚卸し】導入済みのSaaSについて、AI学習へのデータ利用に関する最新のポリシーを確認してください。特に、ソースコードやプロジェクトの仕様書など、機密性の高い情報を扱うツールの規約変更には敏感になる必要があります。
【2. オプトアウト手順の確立と社内周知】データの学習利用がデフォルトでオン（同意状態）になっているサービスが増加しています。組織全体、あるいはプロジェクトごとにオプトアウトの設定を確実に行うプロセスを標準化し、現場のエンジニアや業務担当者に周知・徹底することが重要です。
【3. セキュリティとコストのバランスの再評価】「無料プランや安価なプランは、データを提供する対価である」という認識を組織内で持つべき時期に来ています。機密データを扱う業務においては、データ保護（学習利用の除外）が明記された上位のエンタープライズプランへの投資を、必要なセキュリティコストとして適切に予算化する経営判断が求められます。
SaaSの進化によって業務効率化やプロダクト開発のスピードが向上する一方で、AI時代のデータガバナンスは新たなフェーズに入っています。グローバルベンダーの動向を冷静に見極め、自社の貴重な情報資産を守りながらテクノロジーの恩恵を最大限に引き出すための、戦略的な運用体制を構築していきましょう。