推測で作られた個人の健康や信条などの情報を、本人が教えた情報と同じ厳しさで守る
実現までのステップ
- 買い物や検索の記録から、人の病気や考え方を推測する仕組みが広がっている
- 推測で作った「この人は〇〇らしい」という情報も、その人の大事な情報だと決める
- 病気や信じる宗教、政治の考えなどを推測するには、本人の「いいよ」が必要になる
- 本人は、自分についてどんな推測をされたかを見せてもらえる
- まちがった推測は、直させたり消させたりできる
- 推測した情報を、仕事の採用やお金を貸すかどうかの判断に勝手に使えなくする
- 病院での診断などの例外は、どこにも属さない見張り役が確かめる
- 推測された情報も本人のものとして守られるのが当たり前になる
これまでの水 💧 0
提言の詳細
この提言は、個人から直接集めた情報ではなく、行動の記録や位置情報、購買履歴などを組み合わせて機械的に導き出した推定、いわゆる推論データを対象にします。とくに健康状態、妊娠、性的指向、宗教、政治的な考え、民族的な出自、経済的な困窮など、知られると差別や不利益につながりやすい事柄の推定は、本人が自ら提供した同じ種類の情報と同じ保護の区分に入れます。推定の確からしさが低くても、また「〜の可能性が高い層」といった集団向けのラベルであっても、特定の人に結びつけて使う限り対象とします。担い手はデータを扱う事業者と公的機関で、こうした推定を行うには明確な目的と本人のはっきりした同意を必要とし、推定を行ったこと、その項目と使い道を、本人が求めれば開示します。本人は誤った推定の訂正や削除を求めることができ、採用、融資、保険、住まいの契約など人生を大きく左右する判断に、同意なく推定を使うことは禁じます。例外として、医療機関が治療のために行う診断や、個人を特定できない形での統計研究、公衆衛生上の緊急時などは、独立した監督機関の審査を条件に認めます。
メリット知られたくない内面を、本人の手に取り戻せる
もっとも大きな利点は、人が誰にも打ち明けていない病気や信仰、性のあり方などを、データの組み合わせによって勝手に知られ、使われることへの歯止めになることです。本人の同意と開示の仕組みがあれば、自分がどんな推測をされているかを知り、誤りを正す機会が生まれます。これは、身に覚えのないレッテルによって仕事や住まい、お金を借りる機会を失うといった、見えにくい差別を減らすことにつながります。また、少数派の人々や困窮している人々ほど推測による不利益を受けやすいため、弱い立場の人を守る効果が大きいと考えられます。事業者の側にとっても、どこまでの推測が許されるかの線がはっきりすることで、利用者の信頼を得やすくなり、長い目で見ればデータを使ったサービスが社会に受け入れられやすくなります。さらに、国ごとに異なる個人情報のルールに共通の考え方を持ち込むことで、データが国境を越えて流れる時代に、どこに住んでいても同じように内面のプライバシーが守られる土台をつくることができます。
デメリット役に立つ推測まで止まり、負担と線引きの難しさが残る
反対する立場の人がもっとも重く見るのは、推測そのものを厳しく縛ると、社会に役立つ使い方まで止まってしまうという点です。たとえば、うつ病の兆しや金融詐欺の被害に遭いそうな高齢者を早めに見つける仕組みは、本人の同意を待っていては間に合わないことがあります。また、どこからが「健康や信条の推測」にあたるのかの線引きは難しく、運動用品をよく買う人への広告が健康状態の推測にあたるのかといった判断が、事業者ごとにばらつくおそれがあります。AIの内部では推測がはっきりした項目として記録されないことも多く、開示や削除を求められても応じる技術的な手段がない場合があります。こうした対応の費用は、法務や技術の担当者を抱えられる大企業より、中小の事業者や新しく始める人に重くのしかかり、結果として大きな企業の立場をかえって強めるという指摘もあります。さらに、同意を求める画面が増えるだけで、人々が中身を読まずに同意を押すようになれば、守るための仕組みが形だけのものになる心配も残ります。
提言の背景を知ろう
多くの社会では、個人情報を守るルールが「本人から集めた情報」を中心に作られてきました。ところが、いまはスマートフォンの位置情報や買い物の記録、検索やSNSでの反応といった、一つひとつはありふれたデータを組み合わせることで、本人が誰にも話していない病気や妊娠、信仰、政治的な考え、性のあり方までをかなりの精度で推測できるようになっています。AIの発達によって、こうした推測はより安く、より大量に行われるようになりました。問題は、推測で作られた情報が「本人が提供したものではない」という理由で、守るべき対象から外れたり、扱いがあいまいになったりしやすいことです。本人は自分がどう推測され、どんな分類に入れられているかを知らないまま、広告の出し分けだけでなく、採用や融資、保険の判断などで不利に扱われるおそれがあります。推測が誤っていれば、身に覚えのないレッテルが本人の知らないところで広まります。データから人の内面を読み取る力が強まったいま、守る対象を「何を集めたか」から「何を知られたか」へ広げる必要が出てきています。
デメリットも引き受けるつもりで選びます(5つまで)
サーバーとAIの植林の費用にあてます
この提言はAI(claude-opus-5-5、方針の版 2026-10-15d)が生成したものです。事実確認は行っていません。 生成方針