ChatGPTの学習とは？させない設定と自社データを学習させる方法を解説

「ChatGPTに学習させない設定」と「ChatGPTに自社データを学習させる方法」。正反対に見えるふたつが、どちらも「chatgpt 学習」という同じ言葉で検索されています。検索結果に並ぶページの中身がばらついているのは、この言葉が指すものがひとつではないからです。

社内導入の相談でよく出てくるのが、「学習させない設定にしたうえで、社内資料は参照させたい」という要望。結論から言えば、このふたつは両立します。ただし両立させるには、何が学習で何が学習ではないのかを、先に切り分けておく必要があります。

本記事では、生成AIの社内活用を支援してきた立場から、混同されやすい3つの「学習」を整理し、それぞれの設定手順と選び方をまとめました。

ChatGPTの「学習」は3つの別物を指している

検索結果の1ページ目に、オプトアウトの設定手順を解説するページ、自社データの学習方法を解説するページ、そしてモデルの仕組みを図解するページが同居しています。これは検索エンジンがこの語の意図を絞りきれていない状態で、裏を返せば、読み手側も自分がどれを知りたいのか整理できていないことが多い領域だといえます。

分けると3つです。ひとつ目は、自分が入力した内容がOpenAI側のモデル改善に使われるかどうかという話。ふたつ目は、自分の業務に合わせてChatGPTに情報を渡し、回答の精度を上げるという話。みっつ目は、ChatGPTというモデルがそもそもどうやって作られたのかという話。

同じ「学習」でも、主語が違います。ひとつ目とみっつ目の主語はOpenAI、ふたつ目の主語は利用者。ここを取り違えたまま設定をいじると、「学習させない設定にしたのに、社内資料を読ませてよいのか」という、答えの出ない問いに迷い込みます。

入力がモデル改善に使われる「学習」

利用者が入力した文章や画像が、OpenAI側でモデルを良くするための材料として使われる場合があります。「学習させない」「オプトアウト」と呼ばれているのは、この経路を止める設定のこと。オプトアウトは入力を止める設定ではなく、渡した入力を改善に使わせない設定である点は、あとで効いてくるので覚えておいてください。

自分の業務に合わせて情報を渡す「学習」

社内マニュアルや商品情報を読ませて、自社向けの回答をさせたい。この用途は、厳密にはモデルを書き換えていません。回答のたびに資料を読ませているだけで、モデル本体は誰が使っても同じままです。呼び名は学習でも、実態は参照です。

モデルそのものが作られた「学習」

大量のテキストを使った事前学習と、その後の調整によってChatGPTは作られています。仕組みの話は最後のほうで扱いますが、ここを知っておくと、なぜ利用者側の操作でモデルが変わらないのかが腑に落ちます。

経営者

社内マニュアルを覚えさせたいのですが、学習させない設定にしていると、それもできなくなるのでしょうか。

Writers-hub
編集部

いえ、別物なので両立します。オプトアウトで止まるのは、入力がOpenAI側の改善に使われる経路だけ。社内資料を参照させる処理は、その経路とは無関係に動きます。むしろ、オプトアウトを済ませてから資料を渡すほうが、社内の説明はつけやすくなるでしょう。

関連記事：AIの倫理的問題とは？主な論点と企業がとるべき対策を事例で解説

ChatGPTに学習させない設定の手順

まず、多くの人が最初に知りたいオプトアウトから片づけます。個人向けのプラン（無料版とPlus、Proを含む）では、設定画面のトグルをひとつ切り替えるだけで完了します。

もうひとつ、都度使える手段が一時チャットです。履歴に残らず、既定ではモデル改善にも使われません。取引先名や見積金額など、その場限りで扱いたい情報を入れるときに向いています。さらに、OpenAIのプライバシーポータルからは、個人データの削除などのリクエストを送ることもできます。

なお、ビジネス向けのプランとAPI経由の利用では、既定で入力内容がモデルの訓練に使われません。社内で人数分の契約を検討している段階なら、個人アカウントを全員でオプトアウトさせるより、はじめから法人向けの契約に寄せるほうが管理は楽になります。

※ 設定項目名と各プランの取り扱いは、OpenAIが公表しているデータの利用方針に基づいています。仕様は更新されることがあるため、社内ルールを定める際は最新の記載を確認してください。

関連記事：ChatGPTに学習させない設定方法｜オフにしても残るリスクと防ぎ方

学習させない設定だけでは防げないこと

ここが実務でいちばん誤解される部分です。オプトアウトを済ませた組織ほど、「もう安全になった」という空気ができあがり、入力の中身に対するチェックが緩みます。しかし、学習を止めることと、情報が外に出ないことは同じではありません。

• 設定をオフにした時点より前に、すでに入力してしまった内容
• 個人アカウントで業務データを扱う、いわゆるシャドーITの利用
• 共有端末にログインしたままの状態で、他人が履歴を閲覧すること
• 画面共有やスクリーンショットを経由した、二次的な持ち出し
• 業務委託先や退職者の端末に残ったままのチャット履歴

並べてみるとわかるとおり、どれも設定画面の外側にある問題です。学習させない設定は、機密を入力してよい根拠にはなりません。オプトアウトは前提条件であって、対策そのものではないと捉えるのが実態に近いはずです。

では、何を決めておけばよいのか。支援に入った企業で最初に整えるのは、たいてい次の項目でした。

• 入力してよい情報と、絶対に入れない情報の線引き（顧客名、未公開の数値、人事情報など）
• 個人アカウントの業務利用を認めるかどうかの方針
• 利用してよいアカウントの発行と、退職時の停止手順
• 生成物をそのまま外部に出す前の確認者と確認範囲
• 判断に迷ったときの相談先

線引きの粒度は業種で変わります。とくに、取引先との守秘義務契約に「第三者提供」の条項がある場合、生成AIへの入力が該当するかどうかは法務の判断が要る領域です。技術部門だけで決めきらないほうが、あとで揉めません。

関連記事：ChatGPTの情報漏洩はどこで起きる？3つの経路と設定・ルールでの止め方

自社データをChatGPTに学習させる5つの方法

ここからは逆方向の話、つまり「学習させる」側に移ります。冒頭で触れたとおり、「学習させる」の実体は、モデルの書き換えではなく参照先の追加。この前提で見ると、手段の選び方がずいぶん整理されます。

カスタムインストラクションとメモリで前提を渡す

毎回打ち込んでいた前提条件を、設定として保存しておく方法です。業種、想定読者、避けたい言い回しといった「毎回同じ注文」を登録すると、以降の会話にそのまま効いてきます。渡せる情報量は限られるものの、着手のコストがほぼゼロという点は見逃せません。

プロジェクトでファイルと指示をまとめる

案件や業務の単位でファイルと指示をひとまとめにできる機能です。提案書のたたき台づくりのように、参照する資料が決まっている作業と相性がよく、会話をまたいでも前提が保たれます。個人の作業効率を上げるだけなら、ここまでで足りてしまうことも少なくありません。

GPTsに社内資料を持たせる

指示文と参照ファイルをセットにした専用のChatGPTを作り、リンクを共有して部署内で使う方法。開発なしで着手でき、共有まで含めて半日ほどで形になります。まず小さく試すなら、この選択肢がもっとも現実的でしょう。ファイル数が増えすぎると狙った箇所を拾わなくなるため、目的ごとに分けて作るのがコツです。

RAGで社内の情報源に接続する

質問のたびに社内の文書を検索し、見つかった内容を根拠として回答させる仕組みです。資料が更新されれば回答も追随しますし、どの文書を根拠にしたかも示せるため、全社規模で使うならこの形が本命でしょう。ただし、検索の精度は元の文書の整理具合に大きく左右されます。命名も構造もばらばらな共有フォルダをそのままつないでも、期待した精度は出ません。

ファインチューニングで出力の型を固定する

学習用のデータを与えて、モデルの振る舞いそのものを調整する方法です。出力の形式や口調を安定させたいときに効果を発揮します。

実際のところ、多くの企業にとって最初の一歩はGPTsかプロジェクトで十分です。いきなりRAGの構築に踏み込んで、社内文書の整理が終わらないまま止まってしまう例を、これまで何度も見てきました。

どの方法を選ぶにせよ、先に決めるべきは技術ではなく用途のほうです。誰のどの業務を、どれだけ短くしたいのか。そこが曖昧なまま作った仕組みは、作った本人しか使わないもので終わります。

ChatGPTがどのように学習してきたのか

利用者側の操作でモデルが変わらない理由は、作られ方をたどると見えてきます。ざっくり言えば、大量のテキストを読ませて「次に来る言葉」を予測できるようにした段階があり、その後に、人にとって望ましい答え方へ調整する段階が続きます。

前半は事前学習と呼ばれ、文章の並びから言葉同士の関係を捉えていく工程。後半では、模範となる応答例を学ばせたうえで、人間の評価を手がかりに応答の傾向を整えます。この二段構えによって、単に次の単語を当てるだけの仕組みが、対話として成立する応答を返すようになりました。

もうひとつ、モデルには知識の締め切りがあります。訓練に使われたデータより後の出来事は、そのままでは知りません。最新情報を扱わせたいなら、検索機能を使うか、資料を渡して読ませるか。いずれにしても、外から与える形になります。

勉強を助ける「学習モード」という別の意味

ここまでとは別に、勉強のための機能としての「学習」もあります。OpenAIが提供する学習モードは、答えをすぐ出すのではなく、質問を返しながら段階的に理解を進めさせる仕組みです。従来の使い方が「答えをもらう」だったとすれば、こちらは「考える過程に付き合わせる」に近い設計。

学生の利用が念頭に置かれた機能ではありますが、社内研修との相性も悪くありません。新しい業務知識を身につけてもらう場面で、答えを配るより、問いを返してもらったほうが定着するという実感は、研修に関わったことがある方なら思い当たるところがあるはずです。

学習モードが登場（OpenAI公式）

ChatGPT に学習モードが登場。質問、スキャフォールディング、フィードバックによってユーザーを導き、学びを深めます。段階的な問題解決をサポートする、新しい学習体験です。

🌐 openai.com

外部リンク

ChatGPTの学習に関するよくある質問

最後に、社内で説明する場面で繰り返し出てくる質問をまとめました。上長への説明資料を作るときの下敷きとしても使えます。

ChatGPTの学習は、止める設定と渡す仕組みを分けて考える

「chatgpt 学習」という言葉には、モデル改善への利用、業務に合わせた参照先の追加、そしてモデル自体の作られ方という3つの話が混ざっています。混乱の原因は、この3つが同じ言葉で呼ばれていること。分けてしまえば、やるべきことは単純です。

止める側は、データコントロールのトグルをオフにして、必要に応じて一時チャットを併用する。これは数分で終わります。渡す側は、まずGPTsやプロジェクトで小さく試し、全社に広げる段階でRAGを検討する。そして両者の土台として、入力してよい情報の線引きを文書にしておく。この順番で進めれば、設定と運用が食い違うことはまずありません。

とはいえ、ルールを作ることと、現場で使われる状態を作ることの間には距離があります。合同会社Writers-hubでは、生成AIの社内活用について、利用ルールの設計から業務への組み込み、定着支援までを一貫して行っています。自社だけで進めるのが難しいと感じたら、現状の使われ方を整理するところからご相談ください。