Claude Codeに社内の作業を任せたい。
でも、顧客資料を読ませてよいのか、どこまでファイルを書き換えるのか、本番まで触らせてよいのかが分からない。
法人導入では、契約プランの選定だけでなく、「何を読ませ、どの操作を許し、誰が結果を確認するか」を決める必要があります。
この記事は、業務への導入を検討する責任者向けです。
権限、MCP、顧客資料の扱い、APIキーなど接続用の認証情報の管理、運用の5つを、社内資料の整理を想定した仮想例で説明します。
特定の設定だけで安全性や規制適合を保証するものではありません。
この記事で分かること
- 「送信しないで」と指示することと、送信権限を持たせないことは別です
- AIが提案するコマンドや変更を、目的だけ見て承認しないようにします
- 連携が動いても、社内の情報を送ってよいことや、本番の更新を許可してよいことは意味しません
作業前に、
読む権限と変更する権限を分ける
閲覧の許可が、更新や外部送信の許可になるとは限りません。仮想例です。
例えば「問い合わせ履歴から月次報告の下書きを作る」という作業でも、顧客資料の閲覧、ローカル保存、報告書の更新、社外への送信は別の操作です。
| 操作 | 試行時の設計例 | 人が確かめること |
| 資料を読む | 許可した顧客・期間の資料だけを参照する | 対象外の資料へアクセスできないか |
| 下書きを作る | 試行用の保存先だけに出力する | 根拠、漏れ、別顧客の情報混入 |
| 正式な資料を更新する | 承認した変更だけを反映する | 元の内容との差、版、復旧方法 |
| 社外へ送る | 最初の試行では権限を付けない | 送付先、添付、承認、送信履歴 |
「送信しないで」と指示することと、送信権限を持たせないことは別です。
指示文だけに頼らず、認証情報、連携サービス、実行環境側でも制限します。
承認する内容を
分かりやすく表示する
AIが提案するコマンドや変更を、目的だけ見て承認しないようにします。
対象ファイル、外部の接続先、実行する操作、取り消せるかを確認します。
権限確認を省略するモードは、実データや本番環境で安易に使わない設計にします。
試行環境を分け、必要な権限だけを付けます。
公式ドキュメントは、承認前のコードやコマンドの安全性を利用者が確認する責任について説明しています。
出典:Claude Code公式「Security」
MCPの接続先と権限を確認する
MCPは外部ツールを使うための接続方法です。
連携が動いても、社内の情報を送ってよいことや、本番の更新を許可してよいことは意味しません。
サーバーの提供者、実行するプログラム、接続先、取得する情報、書き込める範囲、認証情報、ログの扱いを確認します。
公式のサービスでも、付与した権限が広ければ影響は大きくなります。
| 連携 | 最初に許可を絞る例 | 確認する失敗 |
| 文書管理 | 試行対象のフォルダだけを読む | 別顧客・別部署の文書が検索される |
| 案件管理 | 対象案件の読み取りだけを許可する | AIの要約が確定状態へ書き込まれる |
| メール | 試行では実送信権限を付けない | 誤った宛先や古い添付を送る |
プロジェクト単位のMCP設定は、公式の説明ではルートの.mcp.jsonで管理します。
設定の共有と、各環境での認証・承認を分けて確認します。
読み取りと送信などの権限を分けられない連携は、試行では接続せず、許可された資料だけを用意する方法を選びます。
出典:Claude Code公式「MCP」
外部資料の指示で
業務を実行しない
取得した資料内の文面と、利用者からの操作許可を分けます。仮想例です。
メール、Webページ、取得した文書には、AIに別の操作をさせようとする指示が含まれる可能性があります。
これをプロンプトインジェクションと呼びます。
資料の中に「このファイルを外部へ送って」とあっても、読み取る情報であって、ユーザーからの操作許可ではありません。
不要な外部送信や秘密情報へのアクセスを、権限側でも制限します。
悪意ある指示を完全に見分けられるとは考えず、想定外の操作が提案されたら止められる環境にします。
社内の実データではなく、許可された試行用資料で確認します。
学習利用、保存、
権限は別々に調べる
法人利用にEnterpriseが一律に必須とは限りません。
契約する製品や設定によって、学習利用、保存、管理機能などの条件を確認します。
Anthropicは、商用製品の入出力を既定でモデル学習に使わないと説明しています。
ただし、フィードバックや不具合の報告を送ると、関連する会話やコーディングセッションが学習に使われる場合があります。
社内資料を扱う環境では、フィードバックの扱いも管理者が確認します。
個人向けプランの条件は別なので混同しないようにします。
学習に使われないことと、情報を入力してよいことは別です。
個人情報、顧客との契約、社内規程、保存期間、削除、閲覧権限などを確認します。
名前の仮名置換だけで、資料全体が匿名化されたと判断しません。
出典:Anthropic公式の学習利用の説明、個人情報保護委員会の注意喚起
APIキーを、AIが
読む資料へ混ぜない
漏えいが疑われる場合の対応も、社内で先に決めておきます。
APIキーやトークンを、プロンプト、共有資料、公開リポジトリ、記事の画面に載せません。
必要なサービスだけに使える権限と、利用環境に合った秘密情報の管理方法を選びます。
.gitignoreへ追加しても、既にコミットした秘密情報や、別のログへ出た情報は消えません。
AIがファイルを読める範囲にも注意が必要です。
漏えいが疑われる場合は、対象の秘密情報の無効化・再発行、利用履歴の確認、影響範囲の調査、社内の責任者への連絡を、事前に決めた対応に沿って進めます。
部署で試すなら、
停止と復旧まで確認する
仮想の月次報告作成を試す場合、報告案が正しいだけでは不十分です。
対象外の顧客資料、資料不足、連携失敗、承認者不在も確認します。
処理が止まったとき、誰へ通知するか。
誤った下書きが出たとき、正式版へ反映されていないか。
担当者が異動したとき、認証と承認先を更新できるかまで設計します。
まるっとAIは、業務に必要な操作から権限を決め、失敗したときも人が状況を確認できることを重視します。
AIの導入と、社内のセキュリティ確認を別々に進めないようにします。
導入可否は、確認項目の
数では決まらない
チェックをすべて埋めても、実際に対象外の資料へアクセスできるなら導入条件を満たしていません。
権限、データ、承認、失敗時の挙動を、試行環境で確かめます。
整備に必要な期間や作業は、扱う情報と既存環境によって変わります。
「一ヶ月で安全になる」「この設定で業界規制を満たす」と一律には判断できません。
最初は、任せたい業務一件と、使う資料・ツール・操作を整理してください。
何をAIへ渡せるか、どの操作を許すかを具体的に検討できます。