データガバナンスとは、組織が持つデータの所在・品質・権限・利用のルールを経営の責任で決め、守られているかを確かめ続けることで、データを安全に最大限活用するための仕組みのことです。

デジタル庁は、データを最大限に活用するための経営者の取り組みと位置づけている

国の資料では、データガバナンスはデータを外に出さないための守りの仕組みではなく、データを経営資源として使い切るための経営の取り組みとして書かれています。デジタル庁の「データガバナンス・ガイドライン」は、主に企業の経営者を対象に、保有するデータを最大限に活用して企業価値を高めるための考え方と要点をまとめた資料です(デジタル庁「データガバナンス・ガイドライン」2025年6月20日公表)。

ガイドラインが掲げる目的は、法令や技術の変化に対する「守りの側面だけではなく」、データの利活用による「価値の創出」「相互信頼の醸成」「データ利活用の公正性の確保」などを通じて企業価値を高め続けることです。そのうえで、データガバナンスは「経営者の責任として、強いリーダーシップの下で実施すべき施策」とされました。

担い手として挙がるのは、データについての責任を持つ CDO(Chief Data Officer・最高データ責任者)や専任の部門です。ただし、CDO や専任の部門を置くこと自体は目的ではなく、DX 認証の必須条件でもないと注記されています。

ガイドラインは、データガバナンスを実装するときの柱として次の4つを挙げます。

柱 中身
越境データの現実に即した業務プロセス 法令やルールが変わり続ける国や地域とのデータのやり取りを、業務の流れとして明確にする
データセキュリティ 自社が直接管理できない共有・連携先も含め、ルール・技術・プロセスを組み合わせてデータを守る
データマチュリティ 持続的かつ組織的に、データを最大限に利活用できる企業の総合的な能力を高める
AI などの先端技術の利活用に関する行動指針 データの収集・利活用・結果の公表・第三者への提供の指針を定め、随時見直す

4つ目の柱が AI に充てられているので、AI 導入を進める企業にとって、データガバナンスは AI を業務で使う前提の取り組みとして読めます。

データガバナンスとデータマネジメント・AI ガバナンスの違い

データガバナンスは、現場のデータ管理(データマネジメント)を経営の視点から方向づけ、社外への説明に耐える形にする取り組みです。ガイドラインは、データマネジメントを「主にデータを扱う現場での施策」、データガバナンスを「データを企業の経営資源として如何に有効に活用できるかという観点から、ステークホルダーへの説明に資する活動」と位置づけています(デジタル庁「データガバナンス・ガイドライン」2025年6月20日公表)。

語 指すもの データガバナンスとの関係
データマネジメント データを扱う現場での管理の施策(整備・保管などの実務) データガバナンスが方向づける実務
情報セキュリティ 情報システムを単位にした機密性・完全性・可用性の確保 データガバナンスでは守る単位を「システム」から「データ」へ移す
AI ガバナンス AI の利用で生じるリスクを管理しながら便益を大きくする仕組み AI に渡すデータの扱いで重なる。データの区分が無いと AI の利用審査が決められない
デジタルガバナンス・コード 経済産業省が示す、DX 経営による企業価値の向上を目的とした指針 データガバナンスはこれと整合を図ることが適切とされる

情報セキュリティとの違いは、ガイドラインが繰り返し説明している点です。従来は機密性、つまり「外に出さないこと」を最優先にする傾向があったと書かれ、データセキュリティでは焦点を「情報システム」から「データ」へ移し、データを中心にセキュリティの要件を組み替える発想の転換が必要とされました。

AI ガバナンスの定義と国のガイドラインの中身は、AI ガバナンス の用語ページで整理しています。

データガバナンスで決めるのは、所在・品質・権限・利用の4つ

企業が実務で決める中身は、データがどこにあるか(所在)、正しく新しいか(品質)、誰が触れるか(権限)、何に使ってよいか(利用)の4つに分けると整理しやすくなります。この4区分はガイドラインの章立てではなく、データセキュリティの柱に並ぶ要素を、企業が決める順に当メディアが並べ直したものです(デジタル庁「データガバナンス・ガイドライン」2025年6月20日公表)。

決めること ガイドラインの記述 企業での例
所在 データの所在や取り扱いについて組織横断的な可視化を行い、適切な管理体制を置く どの部門のどのシステムに、どんなデータがあるかの台帳を作る
品質 データの完全性・最新性を担保する。データを生成する主体は、必要な精度に合わせた時刻を付す 人事マスタの更新日と更新者を残し、古いデータを分析に使わない
権限 重要性と共有で生じうるリスクの大きさに応じてレベル分けし、レベルごとの技術的手段とルールを決める 「社外秘」「部門内」「本人と担当者のみ」のように区分を決め、閲覧権限を合わせる
利用 取得したデータの利活用は、データの作成主体に認められた範囲にとどめる。リスクが生じうるデータは確実に廃棄する 応募書類は選考の目的に限って使い、保存期間を過ぎたら消す

権限のレベル分けについて、ガイドラインは脚注で「機密」「秘密」「営業秘密」「社外秘」「その他」のように複数の水準を設けることが望ましいとしています。

守りすぎへの注意が添えられている点も見落とせないところです。データの利活用による価値の創出が本来の目的であることを踏まえ、過度に「守りの固い」運用とならないようにする、という一文があります。AI を使いたい部門が申請のたびに止まる状態は、データガバナンスが機能していない状態の1つと言えるでしょう。

企業がデータガバナンスを始めるときに決めること

始めるときに最初に決めたいのは、責任者、対象の範囲、区分、AI に渡す範囲、記録、見直しのきっかけの6つです。AI については、AI モデルやアルゴリズムが今後も急激に変化していくため、行動指針を策定して随時見直すことがガイドラインの基本の考え方です(デジタル庁「データガバナンス・ガイドライン」2025年6月20日公表)。

決めること 中身
責任者 データの方針を持つ人(CDO や AI 推進室の責任者など)と、データごとの管理者
対象の範囲 どの部門・どのデータから始めるか。全社の棚卸しを待たず、AI を使う業務のデータから着手する
区分 重要性と漏えい時の影響に応じたレベルと、レベルごとの閲覧権限
AI に渡す範囲 学習・参照・入力禁止のどれに該当するか(区分の例は次の節)
記録 AI に使ったデータと理由、入出力のログ、保存期間
見直しのきっかけ 定期の見直しの頻度と、法令・ガイドラインの改訂や AI サービスの規約変更

決めたルールは配って終わりにせず、回し続ける必要があります。ガイドラインは、CDO と各部門、さらにコーポレートガバナンスを担う責任者や部門の間で、データの利活用とリスク対応策の策定、結果の評価、施策の見直しのサイクルを恒常的に回すことを不可欠としました。AI 推進の体制と合わせて決めるなら、CAIO(最高 AI 責任者) の用語ページや AI CoE の記事 も参考になるはずです。

データの区分と AI の仕組みの設計は、作り始めてから決めると手戻りが大きくなります。株式会社overflow の Offers AX は人事業務に特化した AI エージェント開発・伴走支援で、業務ルール・システム基盤・組織力学・意思決定・法務・統制・人・スキルの6領域を5段階で見立てる現状診断を用意しています。AX が進まない構造の1つには「セキュリティ・法務先行型」を挙げ、データの保持期間や持ち出しの制限が先に決まって、機動的に試して直せない状態と捉えています。

仕組みはお客様の既存環境(GCP・Azure・AWS)に構築し、当社環境に顧客データを保持しない方針です。アクセス制御と監査ログまでを設計に含め、AI の出力は下書き・参考情報の位置づけとし、事実認定・合否・処遇は人が判断します。支援の進め方は Offers AX のサービスページ をご覧ください。自社のどのデータから区分と記録を決めるかを相談したい場合は、無料相談を申し込む から日程まで決められます。

AI の導入で新たに要るのは、AI に渡してよいデータの区分と記録

AI を業務に入れると、従来のデータガバナンスに2つの決め事が加わります。1つは学習や参照に使ってよいデータの区分、もう1つは何を AI に使ったかの記録です。ガイドラインの4つ目の柱でも、AI モデルに沿った「学習データ・利用データの収集・整備」が、企業価値を高める取り組みの重要な要素とされています(デジタル庁「データガバナンス・ガイドライン」2025年6月20日公表)。

区分が要る理由として、ガイドラインからは次の3点が読み取れます。

  • 収集した学習・利用データは処理のプロセスが「ブラックボックス」と言われることが多く、個人情報に関わる問題や安全保障上の重大なリスクにつながる可能性がある
  • AI などの分析能力が上がったことで、機微なデータとそうでないデータの区別が難しくなっている。ノウハウなどの非構造化情報も含めて、何が機微なデータかを検討する必要がある
  • 逆に、自社のノウハウに関わるデータを過度に保護して AI 化が遅れ、生産性が劣後することは経営上のリスクになる

記録については、望ましい方向性として、チューニングした AI がブラックボックスにならないよう、学習に用いたデータとともに「何故そのデータを使ったのかといった判断理由等の情報」を社内で管理することが挙がっています。問題が起きたときに説明責任を果たせるよう、AI システムの開発過程・機械学習・利用時の各プロセスで入出力データのログを記録・保存することも、ガイドラインが考慮する点の1つです。

個人情報を含むデータを生成 AI に入力するなら、個人情報保護法の観点も加わります。個人情報保護委員会は、個人情報を含むプロンプトを入力するときは利用目的の達成に必要な範囲内かを十分に確認するよう求めました。本人の同意なく個人データを含むプロンプトを入力し、応答の出力以外の目的で扱われる場合は法に違反する可能性があるため、サービスの提供者が機械学習に利用しないこと等を十分に確認する必要がある、という注意です(個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」2023年6月2日公表)。

これらを企業の決め事に置き換えると、たとえば次のような区分と記録の組み合わせになります。

AI に対する区分の例 対象のデータの例 決めておく記録
学習・調整に使ってよい 公開済みの資料、匿名化した業務データ 使ったデータ、使った理由、時点
参照(検索して回答に使う)だけ許す 社内規程、業務マニュアル 参照先の一覧、閲覧権限との対応
外部の AI サービスに入力しない 個人を特定できる人事データ、取引先の機密 例外を認めた場合の承認者と理由

会社が把握していない生成 AI の利用(シャドー AI)が広がると、この区分はどこでも守られなくなります。区分を決めるのと同時に、使ってよい AI サービスの一覧を示しておくことが欠かせません。

データガバナンスと一緒に使われる用語

データガバナンスの話題では、次の用語がよく並びます(デジタル庁「データガバナンス・ガイドライン」2025年6月20日公表)。

  • データマチュリティ: 組織のデータ成熟度。企業の戦略や事業経営上の重要性に基づき、データを有効に使いこなせる能力のこと
  • CDO(最高データ責任者): 企業経営を支えるデータ責任者。ガイドラインは、CDO の設置などでデータを重要な資産と位置づけ、価値の創出につなげる体制を整えることを経営者の責務としている
  • データセキュリティ: 守る単位をシステムからデータへ移し、ルールや契約などの制度と、それを扱う人材まで含めてデータを守る考え方
  • トレーサビリティ: データのライフサイクルにわたって利用状況を可視化し、可能な限り辿れるようにすること。ガイドラインは越境データの業務プロセスの柱で確保を求めている

AI の側から見た関連の用語には、AI を業務に入れる取り組み全体を指す AX(AI トランスフォーメーション) と、AI に読ませる文章に指示を紛れ込ませる攻撃の プロンプトインジェクション があります。ガイドラインも、AI システムやクラウド型の AI サービスへの外部からの攻撃は日々新たな手法が生まれているとして、留意事項の確認を求めているところです。

社内ガイドラインに入れる項目や利用申請の流れは、生成AIの社内ガイドラインとガバナンスの作り方 の記事にまとめました。試行の時点からデータの区分と記録を始めておけば本番に移るときに審査をやり直さずに済むので、進め方は PoC で止まらない進め方の記事 を、全社の AI 導入のほかの論点は AX 戦略のカテゴリ をご覧ください。