Data Dynamicsで消し過ぎる原因|Copilot前の削除承認

「Copilot を全社に配る前に、ファイルサーバーの古いデータを片付けておけと言われた」「AIに不要なファイルを選ばせれば早いが、消してはいけない記録まで消えたら誰が責任を取るのか」——生成AIの全社展開を任された情シスや、文書管理を預かる総務・法務の担当から、いま同時に上がっている声です。米国の Data Dynamics は、ファイル置き場に眠る文書や画像などの非構造化データを調べ、分類し、動かす基盤を2012年から手がけてきた会社で、2026年8月31日付の発表で新版 Enterprise 2.0.5 の一般提供を公表しました。発表の軸は、AIに渡す前の段階、つまりデータの層で統制をかけるという考え方です。整理で失敗する原因は、AIの分類の精度よりも、削除を誰が確定するかが決まっていないことにあります。この記事では、社内AIに読ませる前の不要データの整理でこの基盤を使うとき、消し過ぎを防ぐ承認の線、残すべき記録を守る区分、AIの分類根拠と削除の記録の残し方を、定着の順に整理します。
カメ先生AIに読ませる前の掃除というと、要らないファイルを見つけて消す作業だと思われがちなんだ。でも本当に難しいのは見つける方じゃなくて、消すと決める方なんだよ。古くて誰も開いていないファイルの中に、法律で残す義務のある記録が混ざっていることは珍しくないからね。
カメ子AIが「不要」と分類しても、それは消してよいという意味ではない、ということですか。
カメ先生そう。AIが言えるのは「古い」「重複している」「この種類の中身を含む」といった事実までで、残す義務があるかどうかは会社の規程と法律で決まる。だから、分類と削除の確定を別の人、別の手順に分けておくことが要になるんだ。
カメ子分類はAIに任せても、削除のボタンは人が持つ。その分け方を先に決めておく話なんですね。
- Data Dynamics は、ファイル置き場の中身を調べて分類し、隔離・保管・削除まで動かせる基盤。2026年8月の Enterprise 2.0.5 で、AIに渡すデータの選別と、モデル・エージェント・人を同じ枠で扱う期限付き権限を打ち出した
- 消し過ぎの原因は、古さや重複を不要と同一視すること、分類の根拠が残らないこと、持ち主の判断と会社の保存義務がずれることの三つ
- 見える化→隔離・保管→二段の承認による削除、の順で段階的に開き、AIには分類の根拠を書かせ、削除の確定と記録は人の側に残す
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
Data Dynamicsとは:ファイル置き場の中身を調べ、分類し、動かす基盤
Data Dynamics は米国ニュージャージー州に本拠を置く、2012年創業のデータ管理の会社です。主力製品はかつて Zubin という名で紹介され、現在の公式サイトでは Data Dynamics Enterprise という名で説明されています。同社は、銀行・金融、医療、製造、エネルギー、政府機関などに300社を超える顧客を持ち、米国の売上上位20社の4分の1が利用していると公表しています。公開情報の範囲では、2026年に入ってからの被買収や他社への合流の発表は見当たりません。
扱う対象は、社内のファイル共有、各部門の共有フォルダ、オブジェクトストレージ、OneDrive などに置かれた、表の形になっていないデータです。公式の説明では、ファイルの作成日や最終更新日、持ち主などの属性を調べるメタデータ分析と、AI・機械学習・自然言語処理を使って中身から個人情報や機微な業務情報を見つける中身の分析を組み合わせ、分類とタグ付けを行います。全件を開かずに代表となる一部を抜き出して調べる抜き取り調査の仕組みも持っています。
分類の後に動かせる操作の幅が広いのがこの基盤の特徴です。危険度の高いデータを安全な場所へ移す隔離、権限の付け直しと全員に開いた共有の洗い出し、保存期限が近いデータの検出と保管または削除、重複データの検出と削除、ファイルをオブジェクト形式に変えて保管し後から取り出せるようにする保管までが並びます。調べるだけでなく、消すところまで同じ基盤で動かせることが、今回の判断の出発点です。消せる道具であるからこそ、誰が消すと決めるかを先に決めておく必要があります。
2026年8月の Enterprise 2.0.5:AIに渡す前のデータの層で統制する
Enterprise 2.0.5 の一般提供は、2026年8月31日付でサウジアラビアのリヤド発として配信された発表で公表されました。発表は、中東の大型技術展示会である LEAP 2026 の名を冠しています。題は、統制されたAIをデータの層にもたらす、という趣旨です。最高経営責任者のピユシュ・メータ氏は、AIの取り組みが止まるのはモデルの出来が足りないからではない、という趣旨を述べ、止まる原因をデータの側に置いています。
発表に並ぶ機能は大きく四つです。一つ目は、複数の言語の中身をそのまま見つけて分類すること。二つ目は、機微な中身を守ったうえでAIに使うデータの組を選び、不要なデータを計算資源に届く前に外すこと。三つ目は、モデル、エージェント、人を一つの枠で扱う、中身に応じた期限付きの権限で、権限は設計上、期限が来れば失効すると説明されています。四つ目は、自社の信頼できる範囲の中で任意のモデルを動かせることです。
このほか、必要なときに監査の証跡を短時間で出せること、データの危険度を数値で示すこと、クラウド、社内設置、国内に閉じたソブリン環境、外部から切り離した閉域環境のいずれでも一般提供することが挙げられています。証跡が「数分で」出るといった表現は同社の発表上の説明であり、自社の環境で確かめるまでは前提にしないほうが安全です。以降では、この新版の機能を、社内AIに読ませる前の不要データの整理という場面に当てはめて見ていきます。
なぜ今、AIに読ませる前の不要データの整理が問われるのか
Copilot のような社内AIは、使う人が開ける範囲の文書を探して答えを組み立てます。これまでは、古い共有フォルダの奥にある資料は探しにくさに守られていましたが、AIはその奥まで届きます。共有設定の直し方は別の記事で扱っているので繰り返しませんが、権限を直しても残る問題があります。開ける人が正しくても、中身が古い・重複している・保存期限を過ぎている文書が、答えの根拠に紛れ込むことです。
古い価格表や改定前の規程が答えに引かれれば、社員は誤った前提で動きます。同じ提案書の版違いが十も並べば、AIがどれを引くかは運次第になります。保存期限を過ぎた個人情報が残っていれば、AIの答えを通じて再び人の目に触れます。この種のデータは、英語の頭文字から ROT(重複・陳腐化・些末)と呼ばれることがあり、整理の対象として挙がりやすいものです。
一方で、整理を急ぐ現場では、逆向きの失敗が起きます。AIに「古いもの」「使われていないもの」を選ばせ、その結果をそのまま消してしまう失敗です。読ませる範囲を狭める目的の整理が、残す義務のある記録の消失につながると、取り返しがつきません。ここから先は、この消し過ぎがなぜ起きるのかを三つの原因に分けて見ます。
消し過ぎの原因1:古い・重複・使われていないを「不要」と同じに扱う
メタデータ分析が得意なのは、最終更新日、最終アクセス日、同じ中身のファイルの有無といった事実を大量に、速く集めることです。ところが、何年も開かれていないことと、残す必要がないことは別の話です。日本の会社法は会計帳簿や事業に関する重要な資料を10年、法人税法は帳簿書類を原則7年、労働基準法は労働関係の重要な書類を一定期間保存するよう定めています。こうした記録は、普段は誰も開かないのが普通です。
取引先との契約書、品質や安全に関する記録、紛争に備えて残している交信の写しも同じです。むしろ、最もアクセスが少ないフォルダほど、保存の義務で残しているものが集まっていることがあります。重複についても、同じファイルが二か所にあるのは、片方が部門の作業用、片方が正本の保管用という場合があり、機械的に一つにまとめると正本の側が消えることがあります。
つまり、古さ・重複・利用頻度という属性は、整理の候補を挙げる材料としては有効でも、削除の理由そのものにはなりません。削除の理由になるのは、会社の文書の保存規程と法律上の保存義務、そして紛争や調査に備えた保全の有無です。属性から挙がる候補と、規程から決まる削除の可否を、別の工程として分けておくことが、最初に必要な線引きです。
消し過ぎの原因2:AIの分類は確率で、根拠が残らないと誰も確定できない
中身の分析は、文書の中から氏名や口座番号、病歴のような機微な情報、あるいは契約や人事といった種類を見分けます。Enterprise 2.0.5 は多言語の中身をそのまま分類できると説明していますが、どんな分類器も一定の割合で取り違えます。社内の略語が多い文書、表計算の断片、画像化された書類などは、特に判定が揺れやすい種類です。
問題は、取り違えそのものよりも、なぜその分類になったかが記録に残らないことです。たとえば「個人情報を含まない古い議事録」と分類された文書を消した後で、実は退職者の評価が書かれていたと分かっても、どの手がかりでそう判断したかが残っていなければ、同じ誤りを防ぐ手が打てません。承認する人も、根拠が見えない一覧に印を付けるだけになり、確定の責任を実質的に果たせなくなります。
ここで大事なのは、AIに削除の可否を判断させないことと、分類の根拠を必ず書かせることです。分類の結果には、どの属性とどの中身の手がかりからその区分にしたのか、確からしさはどの程度か、を添えて出させます。根拠の付かない分類結果は削除候補に載せない、と決めておくだけで、承認する側が見るべき材料がそろいます。
消し過ぎの原因3:持ち主に削除を任せる設計と、会社の保存義務のずれ
Data Dynamics は、データの持ち主自身が自分のデータを見て、分類し、移し、消せるようにする自助型の設計を前面に出しています。公式の説明では、持ち主が削除、利用の制限、移動を自ら始められるとしています。情シスに依頼が集中しないという意味では合理的な設計ですが、持ち主が「もう使わない」と判断することと、会社として残す義務がないことは一致しない点に注意が要ります。
部門の担当者は、自分の業務で使うかどうかで判断します。しかし保存の義務は、経理、人事、法務といった別の部門の規程や、取引先との契約で決まることが多く、持ち主はそれを知らないのが普通です。異動や退職で持ち主が変わったフォルダでは、今の持ち主が中身の由来を知らないことさえあります。この基盤には持ち主のいなくなったデータの持ち主を規程に沿って移す機能もありますが、移した先の人が由来を知っているとは限りません。
したがって、持ち主の判断だけで削除が完了する流れは、規程上の保存義務を確かめる工程を飛ばすことになります。持ち主の自助は「残したい」「消したい」の意思表示までにとどめ、削除の確定には保存規程を持つ部門の確認を挟む、という二段の形にしておくのが安全です。次の節から、この二段を含めて定着の順に組み立てます。
最初に決める:消さない区分を、削除候補を出す前に定義する
定着の最初の作業は、ツールを動かす前に、何があっても自動では削除候補にしない区分を決めることです。削除候補を出してから除外を考えると、除外の漏れがそのまま消失になるからです。区分は、法律上の保存義務、会社の文書保存規程、紛争や調査に備えた保全、契約上の保存義務の四つの観点で洗い出します。
| 消さない区分 | 例 | 確認する部門 | AIの役割 |
|---|---|---|---|
| 法律上の保存義務 | 会計帳簿・決算関係の資料、税務の帳簿書類、労働関係の書類 | 経理・人事 | 該当しそうな文書を候補として挙げるだけ |
| 社内の文書保存規程 | 取締役会資料、規程類の正本、品質記録 | 総務・文書管理 | 規程の区分に照らした分類の根拠を添える |
| 紛争・調査に備えた保全 | 係争中・係争のおそれがある案件の交信と資料 | 法務 | 保全の指定がある場所を整理対象から外す |
| 契約上の保存義務 | 取引先との契約書と、契約で保存を求められた記録 | 法務・契約管理 | 契約書らしい文書を見つけて確認に回す |
保存年限の数字は業種や書類の種類で変わり、改正もあるため、ここに挙げた例を自社の正解とはせず、自社の保存規程と、顧問の税理士・弁護士の確認を経た一覧を元にすることが前提です。保存規程が古い、あるいはファイルサーバーの実態と対応していない場合は、整理より先に規程の見直しが必要になります。この順番を逆にすると、ツールの設定が事実上の保存規程になってしまいます。
定着の段階1:見える化と抜き取り調査だけで始める
最初の段階では、削除はもちろん、隔離や移動も行わず、読み取りと分類だけを動かします。対象も全社ではなく、共有フォルダの多い一部の部門から始めます。この段階の目的は、どの場所にどの種類のデータがどれだけあり、そのうちどれが古さや重複の候補に当たるかの地図を作ることです。削除の権限を持たない状態で地図を作ることで、誤操作による消失の可能性をなくしたまま実態をつかめます。
抜き取り調査は、分類の精度を確かめる道具として使います。AIが「個人情報なし」「重複」と分類した文書の中から一定数を抜き出し、人が開いて確かめます。取り違えがどの種類の文書に偏っているかが分かれば、その種類は自動の削除候補から外す、あるいは確からしさの基準を厳しくする、といった判断ができます。精度の数字は、ベンダーの説明ではなく、自社の文書で測った結果で決めることが、この段階の成果です。
この段階で、社内AIに読ませない場所の候補もはっきりします。保存期限を過ぎた個人情報が多い場所、版違いが大量に並ぶ場所は、整理が終わるまで社内AIの検索対象から外す、という当面の手当てをとれます。削除を急がず、まず読ませないことで、AI展開の時期と整理の時期を切り離せます。
定着の段階2:削除の前に、隔離と保管をはさむ
次の段階で初めてデータを動かしますが、動かす先は削除ではなく隔離と保管です。この基盤は、危険度の高いデータを安全な保管場所へ移して閉じ込める隔離と、ファイルをオブジェクト形式に変えて保管し、ソフトウェアや手続きを通じて取り出せるようにする保管を持っています。公式の説明では、保管したデータは監査や法的な開示に備えて取り出せるとされています。
削除の前に隔離と保管をはさむ理由は、元に戻せる期間を作るためです。社内AIの検索対象からは外れ、部門の共有フォルダからも見えなくなりますが、必要になれば取り戻せます。この期間に、思わぬ部門から「あのファイルがない」という問い合わせが来れば、その種類の文書を消さない区分に加えるきっかけになります。保管の容量は増えますが、消した後で取り戻せないことの損失と比べれば、多くの場合は払う価値のある費用です。
ただし、隔離や保管の先もデータの置き場であることに変わりはありません。隔離した場所を誰が開けられるか、保管した記録を誰が取り出せるかを決めずに移すと、見えにくい場所に機微なデータを集めただけになることがあります。移す前に、隔離先と保管先の権限を、法務と情シスの限られた人に絞っておきます。
定着の段階3:削除は「持ち主の同意」と「保存責任者の確認」の二段で確定する
削除を開くのは、段階1と段階2で分類の精度と消さない区分が固まってからです。ここでも、AIの分類から削除までを一続きの自動処理にはしません。削除の確定には、持ち主の同意と、保存規程を持つ部門の確認の二つを必ず通す形にします。次の流れが一つの型です。
古さ・重複・中身の種類・保存期限の到来といった根拠と確からしさを、候補ごとに付けて一覧にする。根拠のない候補と、消さない区分に触れる候補は一覧に載せない。
データの持ち主が候補を見て、業務上まだ使うものに印を付ける。持ち主不明の場所は、この段階で止めて総務に回す。
経理・人事・法務など保存規程を持つ部門が、持ち主が消してよいとした候補のうち、自部門の区分に当たりそうなものを確かめる。保全の指定がある案件は法務が外す。
確定した候補は、すぐに消さず保管の期間を置く。その間に問い合わせがなければ削除し、削除の記録を残す。
この型は手間に見えますが、初回にまとめて大量の候補を処理しようとするから重くなるのであって、定着後は保存期限が来た分だけが毎月少しずつ流れる形になります。最初の一巡を小さな範囲で終え、承認の流れが回ることを確かめてから広げるのが、手間を抑える近道です。
AIに判断させず根拠を書かせる:分類の根拠と削除の記録の残し方
後から説明を求められたときに困らないよう、記録は二種類に分けて残します。一つは、AIがなぜその分類にしたかを示す分類の記録、もう一つは、誰がいつどの根拠で削除を確定したかを示す削除の記録です。公式の説明では、この基盤はデータの利用と移動の経過を追える記録を持つとされており、Enterprise 2.0.5 は監査の証跡を必要なときに出せると説明しています。ツールの記録を土台にしつつ、承認の記録は人の側で持つ形にしておくと、ツールを替えても説明が途切れません。
- 分類の記録:対象の場所、使った属性と中身の手がかり、確からしさ、分類した日、使った分類の設定
- 抜き取り調査の記録:抜き出した件数、人が確かめた結果、取り違えの種類
- 削除の記録:対象の一覧、持ち主の同意者と日付、保存責任者の確認者と日付、保管期間、削除を実行した日
- 除外の記録:消さない区分に当たるとして外したものと、その理由
削除の記録は、削除した中身そのものを残すものではなく、何を、なぜ、誰の確認で消したかの記録です。個人情報を消したことを示すために個人情報を残す、という矛盾を避けるため、記録には件名や場所、種類と件数を載せ、中身は載せない形にそろえます。この記録の保存年限も、文書保存規程の中で決めておきます。
期限付き権限で、Copilot・エージェント・人に読ませる範囲を同じ枠で扱う
整理と並んで Enterprise 2.0.5 が打ち出したのが、モデル、エージェント、人を一つの枠で扱う、中身に応じた期限付きの権限です。社内で生成AIを使うと、人のアカウントとは別に、AIのエージェントや連携の仕組みがデータを読みに来ます。これらを人とは別の規則で管理すると、人には閉じた場所がエージェントには開いているといったずれが生まれやすくなります。
期限付きの権限は、例えば特定のプロジェクトの間だけ、あるエージェントにある種類の文書を読ませ、期限が来たら自動で閉じる、といった使い方を想定したものと読めます。発表は権限が設計上期限で失効すると説明していますが、どの単位で期限を設定でき、社内AIの側の権限とどう連動するかは、自社が使う社内AIとの組み合わせで、導入前に実際に試して確かめる必要があります。Copilot の権限は Microsoft の側の設定で決まる部分が大きく、外側の基盤で枠を作っても、それだけで社内AIの読む範囲が変わるとは限りません。
運用上の線としては、整理の対象として隔離・保管に回したデータは、期限付きの権限の対象からも外すこと、エージェントへの権限の付与には人の承認を挟み、期限を必ず付けることの二つを決めておきます。期限のない権限を例外として認める場合は、その一覧を定期的に見直す担当を置きます。
データの行き先:自社モデルの持ち込みと、設置形態の選び方
ファイルの中身を分析する基盤である以上、何が社外に出るかは最初に確かめるべき点です。Data Dynamics は、社内設置、クラウド、両者を組み合わせた形で配置できると説明しており、Enterprise 2.0.5 ではソブリン環境や閉域環境での一般提供も挙げています。また、自社の信頼できる範囲の中で任意のモデルを動かせるとしており、分類に使うAIを社外のサービスに頼らない構成をとれることを打ち出しています。
ただし、社内設置にしたからといって、すべての処理が社内で完結するとは限りません。保守のための接続、利用状況の送信、分類モデルの更新の受け取りなど、外とやり取りする経路があるかどうかは、構成ごとに確かめる必要があります。Microsoft の情報保護の仕組みとの連携をうたっている点も、既存のラベル付けとの二重管理にならないか、どちらを正とするかを決めておく論点になります。
- 分類や中身の分析にどのモデルを使い、そのモデルがどこで動くかを、構成図で確かめる
- 保守や更新のための社外への接続経路と、そこで送られる情報の種類を確かめる
- 隔離先・保管先の置き場所が国内か国外かを確かめ、越境移転の扱いを法務と決める
個人情報を含む文書を扱う以上、委託先の管理や越境移転の扱いは個人情報保護の観点からも整理が要ります。設置形態の選択は、価格や運用の手間よりも、この確認の結果で決めるのが筋です。
費用の増え方と、止め方・やめ方
価格は公開されておらず、公式の説明ではデータの量や会社の規模、使う機能に応じた個別見積とされています。そのため、費用の増え方は自社で見積もる必要があります。対象のデータ量が増えるほど、調査と分類の計算量と、隔離・保管の容量が増える構造だと考えておくのが自然です。保管期間をはさむ運用は安全側ですが、その分だけ保管の容量が一時的に膨らみます。
社内の人の手間も費用に含めます。二段の承認を回すには、持ち主と保存責任者の時間が要ります。初回の一巡で候補を大量に出すと、承認の待ちが積み上がり、結局は誰も見ないまま承認するという形骸化が起きます。毎月の候補の件数に上限を設け、承認の担当が見られる量に合わせることが、費用と品質の両方を守ります。
止め方とやめ方は、導入前に決めておきます。止めるときは、まず削除の工程だけを止め、分類と隔離は続けられるようにしておきます。やめるときに困るのは、保管形式に変えたデータと、隔離した場所の権限、そして分類と削除の記録をどう引き取るかです。保管したデータを元の形式で取り出せること、記録を外に書き出せることを、契約前に確かめておきます。
導入前に確かめる項目一覧
ここまでの論点を、導入の判断の前に確かめる項目としてまとめます。情シスだけで埋められる項目は少なく、総務・法務・経理・人事と一緒に埋めることになります。埋まらない項目が残るうちは、削除を開かないのが原則です。
- 消さない区分(法律上の保存義務・文書保存規程・保全・契約)の一覧が、保存規程を持つ部門の確認を経てそろっている
- 最初の対象範囲が一部の部門に絞られ、段階1は読み取りと分類だけで動かす設定になっている
- 抜き取り調査の件数と、取り違えが見つかったときに自動の候補から外す基準が決まっている
- 隔離先・保管先を開けられる人が限られ、保管の期間が決まっている
- 削除の確定に、持ち主の同意と保存責任者の確認の二段を通す流れが決まっている
- 分類の記録と削除の記録の項目、保存の年限が決まっている
- エージェントへの権限の付与に人の承認と期限を付ける決まりがある
- 分類に使うモデルの動く場所と、社外への接続経路を確かめた
- 止めるときに削除だけを止められること、やめるときにデータと記録を取り出せることを確かめた
- AIが挙げた「三年以上開かれていないファイル」をそのまま一括で削除する
- 持ち主が消してよいと言ったので、保存規程の確認を経ずに削除を確定する
- 抜き取り調査をせず、ベンダーの説明する精度を前提に自動の候補を作る
- 削除の記録に、件名ではなく消した文書の中身の写しを残す
上の失敗は、どれもツールの機能不足ではなく、運用の決めごとが欠けたときに起きます。逆に言えば、決めごとが先にあれば、この基盤の分類と隔離の機能は、AIに読ませる前の整理を大きく速めます。
まとめ
Data Dynamics は、ファイル置き場の非構造化データを調べ、分類し、隔離・保管・削除まで動かせる基盤で、2026年8月の Enterprise 2.0.5 ではAIに渡す前のデータの選別と、モデル・エージェント・人を同じ枠で扱う期限付きの権限を打ち出しました。社内AIに読ませる前の不要データの整理に使える道具ですが、消し過ぎの原因は、古さや重複を不要と同一視すること、分類の根拠が残らないこと、持ち主の判断と会社の保存義務がずれることにあります。消さない区分を先に決め、見える化と抜き取り調査、隔離と保管、二段の承認による削除の順に開き、AIには分類の根拠を書かせ、削除の確定と記録は人の側に残す。この順番を守れば、AIの展開を急ぐ圧力の中でも、残すべき記録を守りながら整理を進められます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
