Claude Cowork 法務・情シスが安心する 貼ってはいけない情報の境界（概念）

生成AIの進化により、エンジニアの生産性は劇的に向上しました。特にAnthropicがリリースしたClaude Codeは、ターミナルから直接リポジトリを操作し、コードの修正からテスト、デプロイの準備までを完結させる「エージェント型」のツールとして注目を集めています。

しかし、企業の法務部門や情報システム部門（情シス）にとって、Claude Codeは「ブラックボックス」に見えがちです。「リポジトリ内の情報をすべて外部に送信しているのではないか？」「ソースコードに含まれる秘密情報が学習に使われないか？」という懸念は、導入を阻む大きな壁となります。本記事では、IT実務担当者の視点で、Claude Codeを安全に運用するための「情報の境界線」と、具体的なガードレールの敷き方を詳説します。

【情シス・法務向け】Claude Codeのデータプライバシーと安全性

まず、管理部門が最も懸念する「データが学習に使われるかどうか」という点について、公式の仕様に基づき整理します。

Anthropicのデータ取り扱いポリシー

Claude Codeは、AnthropicのAPI（Messages API）を介して動作します。公式の「Commercial Terms」によれば、APIを通じて送信されたデータがAnthropicのモデル学習に使用されることは、明示的にオプトアウト（拒否）の設定をせずとも、デフォルトで「学習には利用されない」と定義されています。これはブラウザ版の無料プラン（Claude.ai）とは大きく異なる、法人利用における大前提です。

ローカル実行とアクセス権限

Claude Codeは、ユーザーのローカル環境の権限を引き継いで動作します。つまり、そのエンジニアがアクセスできないファイルにClaude Codeが勝手にアクセスすることはありません。ただし、リポジトリ全体をコンテキストとして読み取るため、意図しないファイル（古いメモ書きや設定ファイル）がプロンプトに含まれるリスクは存在します。

貼ってはいけない「情報の境界線」：4つのリスクカテゴリ

実務上、Claude Codeに「読み取らせてはいけない」あるいは「プロンプトに含めてはいけない」情報の境界線は、以下の4つに分類されます。

特に、バックオフィス系のシステム構築においては、会計データや給与データがリポジトリ付近のテストデータとして存在するケースがあり、注意が必要です。例えば、給与ソフトからfreeeへの仕訳連携などを自社開発している場合、開発環境に本番同等のデータが混入していないかを厳格に管理しなければなりません。

Claude Codeを守る「技術的な壁」の構築手順

「触れてはいけない情報」を定義したら、次はそれをClaude Codeに物理的に読み取らせないための設定を行います。

1. .gitignore と CLAUDE.md による二重のガード

Claude Codeはデフォルトで .gitignore に指定されたファイルを無視しますが、それだけでは不十分な場合があります。プロジェクトのルートに CLAUDE.md を配置し、Claude Codeに対する「行動指針」を明文化します。

CLAUDE.md
Security Rules

DO NOT read any files in the tests/fixtures/ directory containing PII.

DO NOT access .env or any file ending in .secrets.

Before suggesting any network-related changes, warn the user about security implications.

2. –ignore-file オプションの活用

起動時に明示的に無視するファイルを指定することも可能です。法務・情シスが指定する「機密ディレクトリリスト」をファイル化し、常に読み込ませる運用が推奨されます。

claude --ignore-file .claudeignore

3. スキル（Skills）の制限

Claude Codeには「コマンドを実行する」「ファイルを編集する」といったスキルが備わっています。情シス側の懸念として「AIが勝手に外部の未知のURLにデータを送信するスクリプトを書いて実行してしまわないか」という点があります。これに対しては、実行前の「承認フロー」を仕組みとして組み込む必要があります。

【実務編】法務を安心させる「承認フロー」と運用ルール

ツールを導入するだけでなく、運用ルールをセットにすることで法務の承認を得やすくなります。

プルリクエスト（PR）運用の徹底

Claude Codeが生成したコードを直接 main ブランチにマージすることは絶対に避けなければなりません。以下のフローを標準化します。

• Step 1: Claude Codeがローカルでブランチを作成し、コードを修正。
• Step 2: Summary of changes コマンドで変更内容を人間が確認。
• Step 3: GitHub等へPushし、別のエンジニア（またはテックリード）がレビュー。
• Step 4: セキュリティスキャン（SnykやGitHub Advanced Security）をCI/CDで回す。

特に、SaaS連携などの複雑なアーキテクチャを扱う場合、AIは「動くコード」は書きますが「最もセキュアなコード」を優先するとは限りません。例えば、SaaSアカウント管理の自動化をClaude Codeで実装する際、APIキーの扱いがハードコードされていないか、人間の目によるチェックが不可欠です。

非エンジニアとの役割分担

法務や情シスがGitを直接見ることが難しい場合、Claude Codeに「今回の変更によるセキュリティ的な影響をMarkdownで要約せよ」と指示を出し、その内容をドキュメントとして共有する運用も有効です。

SaaS・会計・労務リポジトリでのClaude Code活用事例

具体的な業務DXのシーンで、どのようにClaude Codeを「安全に」使いこなすかの事例を紹介します。

事例：経費精算データの自動クレンジングスクリプト作成

「楽楽精算」と「freee会計」のデータを突合させるための変換スクリプトをClaude Codeで作る場合、以下のようなディレクトリ構成とルールを適用します。

/project-root
├── scripts/ (Claude Codeが編集する場所)
├── mapping_logic.py
├── .gitignore (ここに raw_data/ を含める)
├── CLAUDE.md (「raw_dataの中身は絶対に見るな」と記述)
└── raw_data/ (本物のCSV。Claude Codeからは不可視)

このように、「ロジック」と「実データ」を分離し、実データをClaude Codeの視界から完全に消すことが、最大の防御となります。この手法は、「CSV手作業」を滅ぼすアーキテクチャを構築する際にも非常に有効です。

まとめ：ガードレールを敷いてClaude Codeの出力を最大化する

Claude Codeは、正しく制約をかければ、法務・情シスが懸念する「情報の流出」を防ぎつつ、開発速度を数倍に高める強力な武器になります。大切なのは「AIを信頼すること」ではなく、「AIがミスをしても致命傷にならない仕組み（境界線）」をシステム的に構築することです。

• データ保護: API経由の送信データは学習に使われないことを再確認する。
• 技術的遮断: .gitignore、CLAUDE.md、--ignore-file を組み合わせて、機密情報へのパスを物理的に断つ。
• プロセス管理: 人間によるレビューと、CIでの自動セキュリティチェックを必須とする。

これらの対策を講じることで、エンタープライズ環境においてもClaude Codeの恩恵を安全に享受することが可能になります。まずは、機密情報を含まない小さなユーティリティの作成から、法務・情シスと共に「成功体験」を積み重ねていくことをお勧めします。