AIの学習利用をオフにすると何が変わるか、設定の範囲を確認する

公開日

2026年10月25日

AIサービスの学習利用設定は、その設定が対象とするデータを、モデルの改善や学習へ使うかを制御するものです。入力を使って回答を作る処理、会話履歴の保存、安全対策のログ、外部サービスへの送信まで、同じ設定で止まるとは限りません。確認するときは「何に使わないか」に加え、対象のアカウント、機能、データの種類、適用開始時点をそろえます。

とくに、設定変更前の会話にも適用されるのか、別途フィードバックを送った場合はどうなるのかを分けて確認します。設定画面にオフと表示されたことは、その画面の状態を確かめた証拠です。過去の保存データが消えたことや、既に学習へ使われた情報がモデルから取り除かれたことの証拠にはなりません。

以下では、2026年10月19日に確認したOpenAIの公式資料を具体例として、サービス選定や社内運用で使える照合方法を説明します。実際の契約や管理画面を操作した記録ではなく、他社のサービスにも同じ設定や適用条件があるとするものではありません。

「利用」を目的ごとに読み分ける

同じ入力文でも、使われる目的によって確認する資料が変わります。回答生成は、その依頼に応じた出力を作る処理です。モデル学習は、将来の応答能力などを調整するための利用です。会話履歴やファイルの保存は、後で参照したり処理を続けたりするための保持です。このほか、濫用の検知、障害対応、利用状況の集計などがあります。

提供者が「学習に使わない」と説明していても、サービスを提供するための処理は行われます。OpenAIの法人向けプライバシー説明では、Business、Enterprise、APIなどの業務データを初期設定では学習に使わないことと、明示的な共有へのオプトインがある場合の扱いを示しています。同時に、安全対策の処理やサービス別の保持・閲覧条件を別に説明しています。非学習という条件を、非保持や無人処理と同じ意味に広げないようにします。

社内で設定を点検するときも、一行の「データ利用なし」では情報が足りません。「提供者のモデル改善への利用」「自社が依頼する追加学習」「会話を使った応答の個別化」など、似て見える利用を分けます。とくに、自社が明示的に学習用データを送る機能を使う場合は、通常のチャットの設定とは別に、その処理の目的と条件を確認します。

ChatGPTの設定を、確認できる範囲で読む

Data controls in ChatGPTでは、「Improve the model for everyone」をオフにすると、新しい会話をモデル学習に使わないと説明しています。サインインしている場合はアカウントを通じて端末間で適用され、サインアウト時はブラウザに選択が保存されるという違いがあります。管理されたワークスペースでは、利用者が変更できる項目や組織側の制御も確認します。

ここで確認できるのは、対象となる新しい会話への設定の効果です。同資料は、オフにしても保存済みの会話が削除されたり非表示になったりするわけではないことも説明しています。したがって、「オフにしたので以前送った資料も消えた」とは報告できません。履歴の削除やファイルの削除が必要なら、それぞれの仕様と操作結果を別に確認します。

さらに、モデル改善へのデータ利用の説明では、学習利用をオプトアウトしていても、回答への評価などのフィードバックを自ら送ると、関連する会話全体が学習に利用されることがあると説明しています。一方、同じ資料は、Business、Enterprise、Edu、APIの入出力を初期設定ではモデル改善に使わず、法人向けプランでは回答へのフィードバックも別途の合意がない限り関連する会話の学習を認めるものではないとしています。つまり、フィードバックの扱いは利用している契約形態によって変わります。業務で個人用アカウントを使う可能性がある組織は、設定をオフにする手順だけでなく、どの契約でフィードバックを送ると何が共有されるかも利用者へ案内しておきます。

この確認は、特定製品の画面を暗記することが目的ではありません。「新しい会話」という適用時点、「アカウント」という範囲、「フィードバック」という別の共有操作を、区別して読めることが重要です。

架空の設定表を、変更前後で埋める

次は、架空の会社が問い合わせの回答案作成にAIを使う前に、利用条件を点検する例です。利用者は法人用のワークスペースを使う予定ですが、研修で個人用アカウントを使った履歴もあるとします。実在企業の導入状況や、管理画面の検査結果ではありません。

この表では、どの欄も「オフ」とだけ書かないようにします。たとえば、新規会話への非学習が確認できても、既存会話への遡及適用が資料にないなら、後者は未確認です。履歴が残っていることは、非学習設定が失敗した証拠にはなりません。別の制御を見ている可能性があるため、設定の目的へ戻って切り分けます。

架空例で、利用者が法人用ワークスペースへ移った後も、ブラウザの別タブでは個人用アカウントを開いていたとします。この場合、法人契約の条件を確認した記録だけでは、そのタブへの入力条件を説明できません。送信直前に利用中のワークスペースを確認する手順が必要です。アカウントの取り違えを、入力欄への注意書きだけで防げるとは考えず、組織で使える管理機能や利用ルールを合わせて検討します。

既存データは、時間を区切って扱う

設定変更の記録には、少なくとも変更時刻と対象範囲を残します。その前に送ったデータ、その後に新しく送るデータ、設定変更をまたいで続ける処理を分けると、照会が具体的になります。

提供者への確認も、「過去データは大丈夫ですか」ではなく、次のように対象を絞ります。変更前に保存した会話の今後の利用は止まるか、既に処理済みのデータへどの措置が及ぶか、削除する場合に会話と添付は同じ処理か、管理者が保持する記録はどうなるか、といった問いです。公開資料に答えがないときは、期待する挙動を勝手に補わず、対象データの利用や追加送信を保留する範囲を決めます。

この際、問題の説明のために秘密を含む会話全文をサポートへ転送しないようにします。まず日時、機能、データの種類などで照会し、実データが必要になった場合は、提供先と送信範囲を組織として確認します。

自社の記録にも限界があります。設定画面の保存や管理記録は、設定を確認した証拠になりますが、提供者の内部処理を直接検証したことにはなりません。契約上の約束、公開仕様、管理画面の状態、実際の送信経路という異なる証拠を組み合わせ、確認した範囲を報告します。

APIや接続機能は、別の設定単位まで見る

OpenAI APIのデータ管理資料は、学習への利用とは別に、濫用監視のログや機能の動作に必要なアプリケーション状態を説明しています。同資料は、濫用監視のログを初期設定で最長30日保持すること、Responses APIのアプリケーション状態にも初期設定の保持期間があることを示しています。チャットの設定を確認しただけでは、API側で任意に有効にできるデータ共有の設定や、使用する機能の保持条件まで確認したことになりません。

自社アプリにAPIを組み込む場合は、アプリの管理者が、送信先組織やプロジェクト、利用する機能、任意のデータ共有設定を照合します。社内アプリが独自に保存する入力・出力・診断ログも、提供者の学習設定とは別に管理します。提供者が学習に使わなくても、自社の監視サービスへ本文を複製していれば、その保存と閲覧の条件が残ります。

外部接続についても同じです。AIサービス側の非学習条件が、検索先や接続先の第三者へ自動的に適用されるとは考えません。接続先へ何が渡り、どの利用条件が適用されるかを確認します。接続を使わないときと、外部へ情報を送るときで、確認すべき経路が変わります。

設定を有効な管理策にするには、変更できる人、変更を見直す時期、プランや機能の追加時の確認者を決めておきます。最終的な記録は「全データ利用を停止」ではなく、「このアカウントのこの機能について、新規入力のモデル改善への利用を対象資料と設定で確認。既存データの削除と外部接続先は別確認」のように、分かっている範囲を示します。これなら、設定の効果を過大に説明せず、残る確認を次の担当者へ引き継げます。

AIに渡したデータが残る場所と、削除までの管理は「AIに渡したデータはどこに残るか 分類から削除までの管理」で解説しています。

OS内蔵AI・端末内AI・クラウドAIのデータ経路と保存先の確かめ方は「OS内蔵AI・端末内AI・クラウドAIのデータ経路と保存先を確かめる」で解説しています。