---
title: "データ・AI利活用における留意事項とは？【DS検定リテラシー】"
description: "データ・AI利活用における留意事項とは、データやAIを使うときに守るべき倫理・法律・セキュリティの理解です。DS検定で問われる定義、具体例、似た概念との違い、選択肢の見分け方を整理します。主要な混同パターンや実務での読み取り方も確認します。"
last_modified_at: "2026-06-28"
canonical_url: "https://stemtazoo.github.io/ds/data-ai-precautions/"
section: "ds"
---
DS検定トップ
＞ データ・AI利活用における留意事項とは？【DS検定リテラシー】
（数理・データサイエンス・AI リテラシーレベル モデルカリキュラム対応）
## まず結論
データ・AI利活用における留意事項とは、
**データやAIを使うときに守るべき倫理・法律・セキュリティの理解**です。
DS検定では、
- 個人情報保護
- AI倫理
- データバイアス
- セキュリティ
が重要テーマです。
## 直感的な説明
データやAIは便利ですが、
**使い方を間違えると社会的リスクになる**
ということを理解する分野です。
- 個人情報の流出
- 差別的AI
- 説明できないAI
- データ改ざん
これらを防ぐ視点が問われます。
## 定義・仕組み（スキルセット完全整理）
### 学修目標
- 個人情報保護法やEU一般データ保護規則（GDPR）など、データを取り巻く国際的な動きを理解する
- データ・AIを利活用する際に求められるモラルや倫理について理解する
- データ駆動型社会における脅威（リスク）について理解する
- 個人のデータを守るために留意すべき事項を理解する
## 3-1. データ・AIを扱う上での留意事項
### ELSI
- Ethical, Legal and Social Issues
倫理・法的・社会的課題を指します。
### 個人情報保護・GDPR
- 個人情報保護法
- EU一般データ保護規則（GDPR）
- 忘れられる権利
- オプトアウト
### データ管理
- データのねつ造
- 改ざん
- 盗用
- プライバシー保護
### AI社会原則
- 公平性
- 説明責任
- 透明性
- 人間中心の判断
### バイアス問題
- データバイアス
- アルゴリズムバイアス
### AIサービスの責任論
- AIの判断責任は誰が負うのか
### 負の事例
- データ・AI利活用における失敗事例
## 3-2. データを守る上での留意事項
### 情報セキュリティの三要素
- 機密性（Confidentiality）
- 完全性（Integrity）
- 可用性（Availability）
### セキュリティ対策
- 匿名加工情報
- 暗号化
- パスワード管理
- 悪意ある情報搾取
### 情報漏洩事例
- セキュリティ事故の実例理解
## どんな場面で問われる？
DS検定では：
- 相関と因果よりも「倫理問題」が出ることがある
- 情報セキュリティ三要素は頻出
- GDPRの内容
- AIの説明責任
- バイアスの問題
## よくある誤解
❌ データを匿名化すれば安全
→ 再識別リスクがある
❌ AIは中立
→ データ次第で偏る
❌ セキュリティはIT部門の仕事
→ 利用者全員の責任
❌ 法律は海外の話
→ GDPRは日本企業にも影響
AIの開発・提供・利用で求められる基本的な取組は、内閣府の[人工知能関連技術の研究開発及び活用の適正性確保に関する指針](https://www8.cao.go.jp/cstp/ai/ai_guideline/ai_guideline.html)で確認できます。
## まとめ（試験直前用）
データ・AI利活用の留意事項のポイントは：
- 倫理・法律（ELSI）
- 個人情報保護・GDPR
- AIバイアス
- 情報セキュリティ三要素
DS検定では、
**「安全に使えるか？」**
という視点が問われます。