生成AI「8つの倫理的懸念」を整理【前編】
生成AIの「倫理的リスク」とは結局どういう問題？ “4つの視点”で解説
生成AIの登場はビジネスに変革のチャンスをもたらすと同時に、新たなリスクをも生んだ。企業は、生成AIが引き起こし得る倫理的問題への対策を考える必要がある。懸念となるポイントを整理しよう。
テキストや画像などを自動生成するAI（人工知能）技術「生成AI」（ジェネレーティブAI）が引き起こし得る倫理的問題にどう対処するかは、生成AIをビジネスに活用したい企業にとって大きな課題となっている。例えば、生成AIが出力した内容に誤った情報や有害コンテンツを含んでいたり、著作権侵害に該当したりといったリスクがある。これらは、企業が取り組むべき新たな課題だと言える。
コンサルティング企業Boston Consulting Group（BCG）でマネージングディレクター兼シニアパートナーを務めるタッド・ローズランド氏は、「生成AIがもたらすリスクに対処するには、明確な戦略やガバナンス、責任あるAI活用の取り組みなど、包括的なアプローチが必要だ」と指摘する。企業は具体的にどのようなポイントを考慮すればいいのか。本稿では生成AIがもたらす懸念事項8つのうち、4つを紹介する。
1．有害なコンテンツの生成
生成AIは人間からプロンプト（生成AIへの指示）を受け取り、その情報を基にしてコンテンツを自動生成する。コンサルティング企業PricewaterhouseCoopers（PwC）でクラウドおよびデジタルアナリティクスインサイト担当パートナーを務めるブレット・グリーンスタイン氏は、「生成AIは生産性向上に役立つが、意図せず有害な用途に使用される危険性がある」と語る。例えば、生成AIが作成したメールが意図せず攻撃的な言葉を含んでいたり、誤った内容を含んでいたりする可能性がある。
「生成AIは人間や既存のプロセスを代替するのではなく、あくまで補強するために使用されるべきだ」とグリーンスタイン氏は強調する。その上で同氏は、生成したコンテンツが企業の倫理的要件を満たしており、ブランド価値を毀損（きそん）していないことを確認する必要があるとアドバイスする。
2．著作権の侵害
一般的に生成AIは、インターネットを含む複数のデータソースから画像やテキストのデータを学習する。生成AIが生成した画像やソースコードは、どのデータを基に学習した結果なのかが不明な場合がある。これは金融取引を扱う金融機関や、医薬品の分子生成を手掛ける製薬会社にとって問題となり得る。生成AIを用いて考案した製品が他社の知的財産に基づいていた場合、財務リスクや風評被害が発生するからだ。ローズランド氏は、「生成AIの知的財産や著作権の侵害に関する判例が明確になるまで、企業は生成AIの使用を精査する必要がある」とアドバイスする。
3．データプライバシーの侵害
大規模言語モデル（LLM）の学習データには、個人識別情報（PII）が含まれる場合がある。AI技術の調査機関Montreal AI Ethics Instituteの創設者兼プリンシパルリサーチャーであるアビシェーク・グプタ氏は、「単純なテキストを用いたプロンプトを用いて、PIIをはじめとするデータを引き出すことが可能だ」と指摘する。さらに、従来の検索エンジンの場合とは異なり、消費者が自身の個人情報を探し出して削除を申請することが難しい可能性もある。LLMのトレーニングを実施する企業は、プライバシーに関する法律を順守し、使用するLLMにPIIが含まれていないことや、LLMからPIIを削除する方法を確認する必要がある。
4．機密情報の漏えい
生成AIが登場したことで、AI技術にアクセスできる人の層が広がり、「AIの民主化」が実現しつつある。一方で、生成AIを使用する医療関係者の不注意で患者の機密情報が漏えいしたり、生成AIを活用する企業が意図せずに自社戦略を第三者に公開してしまったりといった事態も起きているとローズランド氏は指摘する。このような不測の事態が発生した場合、組織は顧客の信頼を失うだけでなく、訴訟に直面する可能性がある。
企業は機密情報や保護対象データ、および知的財産を保護するために、生成AIを利用するに当たっての明確なガイドラインやガバナンス方針を確立し、社内で共有するようローズランド氏は呼び掛ける。
後編は、残る4つの懸念を整理して紹介する。
TechTarget発 世界のインサイト＆ベストプラクティス
米国TechTargetの豊富な記事の中から、さまざまな業種や職種に関する動向やビジネスノウハウなどを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 世界のインサイト＆ベストプラクティス
米国TechTargetの豊富な記事の中から、さまざまな業種や職種に関する動向やビジネスノウハウなどを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
技術文書・技術解説
[Jamf Japan 合同会社] MDMだけでモバイルセキュリティは十分？ 不足する対策を16項目でチェック -
事例
[Wrike Japan 株式会社] 世界的な家電メーカーが実践する「クリエイティブプロセス効率化」の方法とは？ -
事例
[Wrike Japan 株式会社] 世界的テクノロジー企業に学ぶ、プロセス標準化とプロジェクト納品自動化の秘訣 -
事例
[Wrike Japan 株式会社] ソニー・ピクチャーズ テレビジョンに学ぶ、次世代サービスデリバリーのヒント -
事例
[Wrike Japan 株式会社] ソミック石川に学ぶ、ICT浸透後に直面した「工数管理」の課題と解決策
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
脱VMwareの前提が崩れる BroadcomのVDDK公開停止で確認すべき点
-
2
AI全部入り「Microsoft 365 E7」に企業が二の足を踏む訳 移行意向はわずか4％
-
3
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
4
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
5
エンジニアが選考を辞退する本当の理由 7割が隠す“面接の違和感”とは
-
6
【基本情報技術者試験】「デュプレックスシステム」と「デュアルシステム」の違いは？
-
7
「Microsoft一択」で本当にいいのか 知らぬ間にライセンス費用が膨らむ真相
-
8
「企業内サーバ環境の利用実態」に関するアンケート
-
9
「有線LAN環境」に関するアンケート
-
10
AWS障害でも補償ゼロの衝撃 サイバー保険で情シスが見落とす「細則の壁」
ホワイトペーパーランキング PR
-
1
生成AIのハルシネーションを防止 回答精度を高めるセマンティックレイヤーとは
-
2
5回聞くだけじゃ足りない？ トヨタ式「なぜなぜ分析」の正しい実践方法
-
3
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
4
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
5
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
-
6
マンガで解説：「ゼロトラスト」「SASE」の必要性とメリット
-
7
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
8
情報セキュリティ対策早分かりガイド：25の自社診断で弱点と解決策を理解
-
9
国税庁の次世代基幹システム「KSK2」稼働開始に向けて、対応すべき変更点とは？
-
10
AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー