通常文章生成
#前提条件:
- タイトル: 個人情報を含むサンプル文章生成ガイド
- 依頼者条件: 個人情報の取り扱いに関心があり、具体的なサンプルを必要とする人
- 前提知識: 個人情報保護に関する基礎知識と文章作成スキル
- 目的と目標: 各レベルの指示に従って、特定の個人情報が含まれたサンプル文章を生成し、実践的な理解を深めること
# 実行指示:
情報セクションの{個人情報が入力されている情報}の{危険値}を注意深く確認し、どのような情報が個人情報として扱われるかを理解する。
特に、各危険値レベルにおける例文を参考にしつつも、それに限定されることなく、その内容を元に多角的な視点から類似の状況や設定を想定して、 指定された{文字数}でサンプル文章を{作成数}作成する。
それぞれの文章は、異なるシチュエーション、登場人物、情報の組み合わせを試みるなど、多様なバリエーションとなるようにする。また、単に情報の種類を変えるだけでなく、情報の粒度（詳細さ）を変えたり、情報の提示の仕方（例えば、直接的に示すか、間接的に示すか）を変えるなどの工夫を凝らすこと。
[#出力フォーマット]を参考にしてJSON形式で作成してください。
# 出力フォーマット：
{
"sentences": [
{
"ここに生成された文章が入ります。"
},
{
"ここに生成された文章が入ります。"
},
...
{
"ここに生成された文章が入ります。"
}
]
}
# 情報:
危険値="
"
文字数="
"
作成数数="
"
個人情報が入力されている情報="
# 個人情報が入力されている情報
##レベル10: 完全に個人情報のみ (100%)
テキスト例 (1):
個人情報データ
顧客番号：B0002
氏名：鈴木 一郎（スズキ イチロウ）
年齢：45歳
性別：男
生年月日：1978年6月15日
郵便番号：604-8152
住所：京都府京都市中京区烏丸通錦小路上ル手洗水町〇〇ビル2階
電話番号：080-9876-5432
メールアドレス：suzuki.ichiro@example.net
職業：医師
勤務先：京都〇〇病院
役職：外科部長
家族構成：妻、子供1人
クレジットカード番号：9876-5432-1098-7654
有効期限：2026年3月
理由例 (1): 顧客番号から、クレジットカード番号、有効期限まで、すべて特定の個人を識別できる情報であり、個人情報に該当します。
テキスト例 (2):
医療記録
患者ID：C0003
氏名：佐藤 花子（サトウ ハナコ）
年齢：28歳
性別：女
生年月日：1995年12月24日
血液型：AB型
既往歴：喘息
アレルギー：なし
現病歴：2023年1月より、咳と息切れが続く
診断名：気管支炎
処方薬：〇〇錠 1回1錠 1日2回
検査結果：血液検査、レントゲン検査異常なし
次回診察日：2023年3月1日
理由例 (2): 患者ID、氏名、生年月日、既往歴、現病歴、診断名、処方薬など、すべて特定の個人を識別できる情報であり、個人情報に該当します。
テキスト例 (3):
金融取引記録
取引ID：D0004
顧客氏名：田中 次郎（タナカ ジロウ）
口座番号：1234567890
取引日時：2023年2月15日 10:30
取引種別：振込
取引金額：1,000,000円
振込先口座番号：0987654321
振込先名義：株式会社〇〇
残高：5,000,000円
理由例 (3): 取引ID、顧客氏名、口座番号、取引日時、取引種別、取引金額、振込先情報、残高など、すべて特定の個人を識別できる情報であり、個人情報に該当します。
##レベル9: ほぼ個人情報 (90%)
テキスト例 (1):
佐藤 花子様から以下の問い合わせがありました。
住所：大阪府大阪市北区梅田
電話番号：070-xxxx-1234 (携帯電話)
メールアドレス：sato.hanako@example.jp
問い合わせ内容：商品の配送状況について
理由例 (1): 氏名、都や区まで含む住所、電話番号（下4桁伏せ字でも推測可能）、メールアドレスは個人情報です。問い合わせ内容自体は個人情報ではありませんが、他の情報と結びつくことで、個人を特定できる可能性があります。
テキスト例 (2):
山田 太郎様、パスワード再設定のお知らせです。
ユーザーID：yamada_taro
仮パスワード：xxxxxxxx
ログインURL：https://example.com/login
理由例 (2): 氏名、ユーザーIDは個人情報です。仮パスワードとログインURLは、ユーザーIDと結びつくことで、アカウントに不正アクセスされる危険性があります。
テキスト例 (3):
田中 次郎様、ご当選おめでとうございます！
キャンペーン名：〇〇キャンペーン
賞品：〇〇旅行券
受け取り方法：同封の案内状をご確認ください。
理由例 (3): 氏名は個人情報です。キャンペーン名と賞品の情報は、氏名と結びつくことで、個人を特定できる可能性があります。
##レベル8: 個人情報が多く含まれる (80%)
テキスト例 (1):
総務部の佐藤です。
以前、渋谷区の〇〇ホールで高橋様と名刺交換させていただきました。
電話番号は、090-1111-xxxxです。
理由例 (1): 「総務部の佐藤」は、社内、または特定の顧客では個人を特定できます。「渋谷区の〇〇ホールで高橋様と名刺交換」という情報も、日時や状況が特定されれば、個人を特定できる可能性があります。電話番号も部分的な開示ですが、他の情報と組み合わせることで特定につながる可能性があります。
テキスト例 (2):
技術部の鈴木さん、先日の〇〇会議の議事録です。
添付ファイルをご確認ください。
メールアドレスは、suzuki_t@example.jpです。
理由例 (2): 「技術部の鈴木さん」は、社内では個人を特定できます。メールアドレスは、企業ドメインを含むものの、個人名が含まれているため、個人情報に該当する可能性があります。添付ファイルの内容によっては、さらに個人情報が含まれる可能性があります。
テキスト例 (3):
マーケティング部の田中さん、〇〇プロジェクトの進捗報告をお願いします。
期限は、〇月〇日です。
電話で連絡する場合は、080-xxxx-2222にお願いします。
理由例 (3): 「マーケティング部の田中さん」は、社内では個人を特定できます。「〇〇プロジェクト」という情報も、プロジェクトメンバー内では個人を特定できる可能性があります。電話番号も部分的な開示ですが、他の情報と組み合わせることで特定につながる可能性があります。
##レベル7: 個人情報が半分以上含まれる (70%)
テキスト例 (1):
昨日のイベントの参加者、高橋様のアンケート結果です。
メールアドレスは、takahashi@example.com とのことです。
理由例 (1): 「イベントの参加者、高橋様」という情報は、イベント参加者リストと照合することで個人を特定できる可能性があります。メールアドレスは個人情報に該当します。アンケート結果の内容によっては、さらに個人情報が含まれる可能性があります。
テキスト例 (2):
先週のセミナー講師、鈴木先生の連絡先です。
携帯電話番号は、080-3333-xxxx と伺っています。
理由例 (2): 「セミナー講師、鈴木先生」という情報は、セミナー主催者や参加者には個人を特定できる可能性があります。携帯電話番号も部分的な開示ですが、他の情報と組み合わせることで特定につながる可能性があります。
テキスト例 (3):
本日のプレゼンター、佐藤さんの資料を共有します。
メールアドレスは、sato.y@example.co.jp です。
理由例 (3): 「プレゼンター、佐藤さん」という情報は、プレゼン参加者には個人を特定できる可能性があります。メールアドレスは、企業ドメインを含むものの、個人名が含まれているため、個人情報に該当する可能性があります。資料の内容によっては、さらに個人情報が含まれる可能性があります。
##レベル6: 個人情報が半分程度含まれる (60%)
テキスト例 (1):
調査結果：
・30代、女性、神奈川県横浜市在住の方から、高い満足度を得られました。
・リピート意向：90%以上
理由例 (1): 「30代、女性、神奈川県横浜市在住」という情報は、それだけでは個人を特定できませんが、他の情報と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が限定されるため、特定性は中程度です。
テキスト例 (2):
アンケート結果：
・50代、男性、大阪府大阪市在住の方から、貴重なご意見をいただきました。
・改善要望：〇〇について
理由例 (2): 「50代、男性、大阪府大阪市在住」という情報は、それだけでは個人を特定できませんが、他の情報と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が限定されるため、特定性は中程度です。
テキスト例 (3):
インタビュー結果：
・20代、女性、東京都渋谷区在住の方から、興味深いお話を伺いました。
・今後の展望：〇〇について
理由例 (3): 「20代、女性、東京都渋谷区在住」という情報は、それだけでは個人を特定できませんが、他の情報と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が限定されるため、特定性は中程度です。
##レベル5: 個人情報が半分弱含まれる (50%)
テキスト例 (1):
前回の打ち合わせで、企画を説明していた、大阪オフィスの鈴木さん。
理由例 (1): 「大阪オフィスの鈴木さん」という情報は、社内では個人を特定できる可能性がありますが、社外では特定性は低くなります。ただし、打ち合わせの参加者リストや前後の文脈から、個人を特定できる可能性は十分にあります。
テキスト例 (2):
先日の会議で、議長を務めていた、名古屋オフィスの佐藤さん。
理由例 (2): 「名古屋オフィスの佐藤さん」という情報は、社内では個人を特定できる可能性がありますが、社外では特定性は低くなります。ただし、会議の参加者リストや前後の文脈から、個人を特定できる可能性は十分にあります。
テキスト例 (3):
次回の研修で、講師を担当する、福岡オフィスの高橋さん。
理由例 (3): 「福岡オフィスの高橋さん」という情報は、社内では個人を特定できる可能性がありますが、社外では特定性は低くなります。ただし、研修の参加者リストや前後の文脈から、個人を特定できる可能性は十分にあります。
##レベル4: 個人情報がやや含まれる (40%)
テキスト例 (1):
チームリーダーのK.S.です。
メンバーは、他にY.T.さん、M.A.さんがいます。
理由例 (1): 「K.S.」「Y.T.」「M.A.」というイニシャルだけでは、個人を特定することは困難です。ただし、チームメンバー内では、イニシャルで特定される可能性があるため、完全に個人情報ではないとは言い切れません。「チームリーダー」という情報も、同様に、文脈によっては個人を特定できる可能性があります。
テキスト例 (2):
プロジェクトメンバーのS.K.です。
他に、T.Y.さん、A.M.さんが参加しています。
理由例 (2): 「S.K.」「T.Y.」「A.M.」というイニシャルだけでは、個人を特定することは困難です。ただし、プロジェクトメンバー内では、イニシャルで特定される可能性があるため、完全に個人情報ではないとは言い切れません。
テキスト例 (3):
タスクフォースメンバーのY.S.です。
他に、M.K.さん、R.T.さんが所属しています。
理由例 (3): 「Y.S.」「M.K.」「R.T.」というイニシャルだけでは、個人を特定することは困難です。ただし、タスクフォースメンバー内では、イニシャルで特定される可能性があるため、完全に個人情報ではないとは言い切れません。
##レベル3: 個人情報が少し含まれる (30%)
テキスト例 (1):
神奈川県在住の40代男性のお客様から、お問い合わせをいただきました。
理由例 (1): 「神奈川県在住」「40代男性」という情報は、それだけでは個人を特定できませんが、他の情報（購入履歴、問い合わせ内容など）と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が広いため、特定性は低くなります。
テキスト例 (2):
大阪府在住の20代女性のお客様から、クレームをいただきました。
理由例 (2): 「大阪府在住」「20代女性」という情報は、それだけでは個人を特定できませんが、他の情報（購入履歴、クレーム内容など）と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が広いため、特定性は低くなります。
テキスト例 (3):
福岡県在住の60代男性のお客様から、ご意見をいただきました。
理由例 (3): 「福岡県在住」「60代男性」という情報は、それだけでは個人を特定できませんが、他の情報（購入履歴、意見内容など）と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が広いため、特定性は低くなります。
##レベル2: 個人情報らしきものがわずかにある (20%)
テキスト例 (1):
営業第二課の責任者は、イニシャル M.T です。
理由例 (1): 「営業第二課の責任者」という役職と「M.T」というイニシャルだけでは、個人を特定することは非常に困難です。極めて限定された範囲（社内の営業部など）では特定される可能性がわずかにあるため、個人情報らしきものとして分類されます。
テキスト例 (2):
開発チームのリーダーは、イニシャル Y.S です。
理由例 (2): 「開発チームのリーダー」という役職と「Y.S」というイニシャルだけでは、個人を特定することは非常に困難です。極めて限定された範囲（社内の開発部など）では特定される可能性がわずかにあるため、個人情報らしきものとして分類されます。
テキスト例 (3):
マーケティング部の担当者は、イニシャル A.K です。
理由例 (3): 「マーケティング部の担当者」という役職と「A.K」というイニシャルだけでは、個人を特定することは非常に困難です。極めて限定された範囲（社内のマーケティング部など）では特定される可能性がわずかにあるため、個人情報らしきものとして分類されます。
##レベル1: 個人情報らしきものが極めてわずか (10%)
テキスト例 (1):
報告者の名前は、頭文字が「S」です。
理由例 (1): 頭文字が「S」という情報だけで個人を特定することはほぼ不可能です。「報告者」という役割も非常に広範です。個人情報に該当する可能性は極めて低いですが、ゼロではないため、このレベルに分類されます。
テキスト例 (2):
プレゼンターの名前は、頭文字が「T」です。
理由例 (2): 頭文字が「T」という情報だけで個人を特定することはほぼ不可能です。「プレゼンター」という役割も非常に広範です。個人情報に該当する可能性は極めて低いですが、ゼロではないため、このレベルに分類されます。
テキスト例 (3):
ファシリテーターの名前は、頭文字が「M」です。
理由例 (3): 頭文字が「M」という情報だけで個人を特定することはほぼ不可能です。「ファシリテーター」という役割も非常に広範です。個人情報に該当する可能性は極めて低いですが、ゼロではないため、このレベルに分類されます。
レベル0: 個人情報が含まれていない (0%)
テキスト例 (1):
新商品の販売戦略に関する会議を開催しました。
市場調査の結果、ターゲット層は30代から40代のビジネスパーソンに設定することになりました。
理由例 (1): このテキストには、特定の個人を識別できる情報は含まれていません。
テキスト例 (2):
新しいプロジェクトのキックオフミーティングを行いました。
メンバーは、営業部、開発部、マーケティング部から選抜されました。
理由例 (2): このテキストには、特定の個人を識別できる情報は含まれていません。
テキスト例 (3):
今期の業績報告会を実施しました。
売上高は前年比10%増となりました。
理由例 (3): このテキストには、特定の個人を識別できる情報は含まれていません。
"
# 補足：
- 指示の再確認は不要です。
- 自己評価は不要です。
- [#出力フォーマット]から外れた余計な前置き、結論やまとめは書かないください。
個人情報を含むサンプル文章生成ガイドプロンプト
個人情報を含むサンプル文章生成ガイド
個人情報の取り扱いに関する基礎知識を持つ人が、実践的なサンプル文章を生成することで理解を深める
このプロンプトは、個人情報の危険価値を確認した上で、指定された文字数で重複しない安全なサンプル文章を作成することを目的としています。個人情報が入力された情報内容を理解し、それがどのレベルまで個人情報として扱われるか認識するためのガイドを提供します。サンプル文章は指定されたフォーマットに従って作成し、過去に作成された文章と重複しないように配慮されます。
プロンプト本文
#前提条件:
- タイトル: 個人情報を含むサンプル文章生成ガイド
- 依頼者条件: 個人情報の取り扱いに関心があり、具体的なサンプルを必要とする人
- 前提知識: 個人情報保護に関する基礎知識と文章作成スキル
- 目的と目標: 各レベルの指示に従って、特定の個人情報が含まれたサンプル文章を生成し、実践的な理解を深めること
# 実行指示:
情報セクションの{個人情報が入力されている情報}の{危険値}を注意深く確認し、どのような情報が個人情報として扱われるかを理解する。
特に、各危険値レベルにおける例文を参考にしつつも、それに限定されることなく、その内容を元に多角的な視点から類似の状況や設定を想定して、 指定された{文字数}でサンプル文章を{作成数}作成する。
それぞれの文章は、異なるシチュエーション、登場人物、情報の組み合わせを試みるなど、多様なバリエーションとなるようにする。また、単に情報の種類を変えるだけでなく、情報の粒度（詳細さ）を変えたり、情報の提示の仕方（例えば、直接的に示すか、間接的に示すか）を変えるなどの工夫を凝らすこと。
[#出力フォーマット]を参考にしてJSON形式で作成してください。
# 出力フォーマット：
{
"sentences": [
{
"ここに生成された文章が入ります。"
},
{
"ここに生成された文章が入ります。"
},
...
{
"ここに生成された文章が入ります。"
}
]
}
# 情報:
危険値="
"
文字数="
"
作成数数="
"
個人情報が入力されている情報="
# 個人情報が入力されている情報
##レベル10: 完全に個人情報のみ (100%)
テキスト例 (1):
個人情報データ
顧客番号：B0002
氏名：鈴木 一郎（スズキ イチロウ）
年齢：45歳
性別：男
生年月日：1978年6月15日
郵便番号：604-8152
住所：京都府京都市中京区烏丸通錦小路上ル手洗水町〇〇ビル2階
電話番号：080-9876-5432
メールアドレス：suzuki.ichiro@example.net
職業：医師
勤務先：京都〇〇病院
役職：外科部長
家族構成：妻、子供1人
クレジットカード番号：9876-5432-1098-7654
有効期限：2026年3月
理由例 (1): 顧客番号から、クレジットカード番号、有効期限まで、すべて特定の個人を識別できる情報であり、個人情報に該当します。
テキスト例 (2):
医療記録
患者ID：C0003
氏名：佐藤 花子（サトウ ハナコ）
年齢：28歳
性別：女
生年月日：1995年12月24日
血液型：AB型
既往歴：喘息
アレルギー：なし
現病歴：2023年1月より、咳と息切れが続く
診断名：気管支炎
処方薬：〇〇錠 1回1錠 1日2回
検査結果：血液検査、レントゲン検査異常なし
次回診察日：2023年3月1日
理由例 (2): 患者ID、氏名、生年月日、既往歴、現病歴、診断名、処方薬など、すべて特定の個人を識別できる情報であり、個人情報に該当します。
テキスト例 (3):
金融取引記録
取引ID：D0004
顧客氏名：田中 次郎（タナカ ジロウ）
口座番号：1234567890
取引日時：2023年2月15日 10:30
取引種別：振込
取引金額：1,000,000円
振込先口座番号：0987654321
振込先名義：株式会社〇〇
残高：5,000,000円
理由例 (3): 取引ID、顧客氏名、口座番号、取引日時、取引種別、取引金額、振込先情報、残高など、すべて特定の個人を識別できる情報であり、個人情報に該当します。
##レベル9: ほぼ個人情報 (90%)
テキスト例 (1):
佐藤 花子様から以下の問い合わせがありました。
住所：大阪府大阪市北区梅田
電話番号：070-xxxx-1234 (携帯電話)
メールアドレス：sato.hanako@example.jp
問い合わせ内容：商品の配送状況について
理由例 (1): 氏名、都や区まで含む住所、電話番号（下4桁伏せ字でも推測可能）、メールアドレスは個人情報です。問い合わせ内容自体は個人情報ではありませんが、他の情報と結びつくことで、個人を特定できる可能性があります。
テキスト例 (2):
山田 太郎様、パスワード再設定のお知らせです。
ユーザーID：yamada_taro
仮パスワード：xxxxxxxx
ログインURL：https://example.com/login
理由例 (2): 氏名、ユーザーIDは個人情報です。仮パスワードとログインURLは、ユーザーIDと結びつくことで、アカウントに不正アクセスされる危険性があります。
テキスト例 (3):
田中 次郎様、ご当選おめでとうございます！
キャンペーン名：〇〇キャンペーン
賞品：〇〇旅行券
受け取り方法：同封の案内状をご確認ください。
理由例 (3): 氏名は個人情報です。キャンペーン名と賞品の情報は、氏名と結びつくことで、個人を特定できる可能性があります。
##レベル8: 個人情報が多く含まれる (80%)
テキスト例 (1):
総務部の佐藤です。
以前、渋谷区の〇〇ホールで高橋様と名刺交換させていただきました。
電話番号は、090-1111-xxxxです。
理由例 (1): 「総務部の佐藤」は、社内、または特定の顧客では個人を特定できます。「渋谷区の〇〇ホールで高橋様と名刺交換」という情報も、日時や状況が特定されれば、個人を特定できる可能性があります。電話番号も部分的な開示ですが、他の情報と組み合わせることで特定につながる可能性があります。
テキスト例 (2):
技術部の鈴木さん、先日の〇〇会議の議事録です。
添付ファイルをご確認ください。
メールアドレスは、suzuki_t@example.jpです。
理由例 (2): 「技術部の鈴木さん」は、社内では個人を特定できます。メールアドレスは、企業ドメインを含むものの、個人名が含まれているため、個人情報に該当する可能性があります。添付ファイルの内容によっては、さらに個人情報が含まれる可能性があります。
テキスト例 (3):
マーケティング部の田中さん、〇〇プロジェクトの進捗報告をお願いします。
期限は、〇月〇日です。
電話で連絡する場合は、080-xxxx-2222にお願いします。
理由例 (3): 「マーケティング部の田中さん」は、社内では個人を特定できます。「〇〇プロジェクト」という情報も、プロジェクトメンバー内では個人を特定できる可能性があります。電話番号も部分的な開示ですが、他の情報と組み合わせることで特定につながる可能性があります。
##レベル7: 個人情報が半分以上含まれる (70%)
テキスト例 (1):
昨日のイベントの参加者、高橋様のアンケート結果です。
メールアドレスは、takahashi@example.com とのことです。
理由例 (1): 「イベントの参加者、高橋様」という情報は、イベント参加者リストと照合することで個人を特定できる可能性があります。メールアドレスは個人情報に該当します。アンケート結果の内容によっては、さらに個人情報が含まれる可能性があります。
テキスト例 (2):
先週のセミナー講師、鈴木先生の連絡先です。
携帯電話番号は、080-3333-xxxx と伺っています。
理由例 (2): 「セミナー講師、鈴木先生」という情報は、セミナー主催者や参加者には個人を特定できる可能性があります。携帯電話番号も部分的な開示ですが、他の情報と組み合わせることで特定につながる可能性があります。
テキスト例 (3):
本日のプレゼンター、佐藤さんの資料を共有します。
メールアドレスは、sato.y@example.co.jp です。
理由例 (3): 「プレゼンター、佐藤さん」という情報は、プレゼン参加者には個人を特定できる可能性があります。メールアドレスは、企業ドメインを含むものの、個人名が含まれているため、個人情報に該当する可能性があります。資料の内容によっては、さらに個人情報が含まれる可能性があります。
##レベル6: 個人情報が半分程度含まれる (60%)
テキスト例 (1):
調査結果：
・30代、女性、神奈川県横浜市在住の方から、高い満足度を得られました。
・リピート意向：90%以上
理由例 (1): 「30代、女性、神奈川県横浜市在住」という情報は、それだけでは個人を特定できませんが、他の情報と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が限定されるため、特定性は中程度です。
テキスト例 (2):
アンケート結果：
・50代、男性、大阪府大阪市在住の方から、貴重なご意見をいただきました。
・改善要望：〇〇について
理由例 (2): 「50代、男性、大阪府大阪市在住」という情報は、それだけでは個人を特定できませんが、他の情報と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が限定されるため、特定性は中程度です。
テキスト例 (3):
インタビュー結果：
・20代、女性、東京都渋谷区在住の方から、興味深いお話を伺いました。
・今後の展望：〇〇について
理由例 (3): 「20代、女性、東京都渋谷区在住」という情報は、それだけでは個人を特定できませんが、他の情報と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が限定されるため、特定性は中程度です。
##レベル5: 個人情報が半分弱含まれる (50%)
テキスト例 (1):
前回の打ち合わせで、企画を説明していた、大阪オフィスの鈴木さん。
理由例 (1): 「大阪オフィスの鈴木さん」という情報は、社内では個人を特定できる可能性がありますが、社外では特定性は低くなります。ただし、打ち合わせの参加者リストや前後の文脈から、個人を特定できる可能性は十分にあります。
テキスト例 (2):
先日の会議で、議長を務めていた、名古屋オフィスの佐藤さん。
理由例 (2): 「名古屋オフィスの佐藤さん」という情報は、社内では個人を特定できる可能性がありますが、社外では特定性は低くなります。ただし、会議の参加者リストや前後の文脈から、個人を特定できる可能性は十分にあります。
テキスト例 (3):
次回の研修で、講師を担当する、福岡オフィスの高橋さん。
理由例 (3): 「福岡オフィスの高橋さん」という情報は、社内では個人を特定できる可能性がありますが、社外では特定性は低くなります。ただし、研修の参加者リストや前後の文脈から、個人を特定できる可能性は十分にあります。
##レベル4: 個人情報がやや含まれる (40%)
テキスト例 (1):
チームリーダーのK.S.です。
メンバーは、他にY.T.さん、M.A.さんがいます。
理由例 (1): 「K.S.」「Y.T.」「M.A.」というイニシャルだけでは、個人を特定することは困難です。ただし、チームメンバー内では、イニシャルで特定される可能性があるため、完全に個人情報ではないとは言い切れません。「チームリーダー」という情報も、同様に、文脈によっては個人を特定できる可能性があります。
テキスト例 (2):
プロジェクトメンバーのS.K.です。
他に、T.Y.さん、A.M.さんが参加しています。
理由例 (2): 「S.K.」「T.Y.」「A.M.」というイニシャルだけでは、個人を特定することは困難です。ただし、プロジェクトメンバー内では、イニシャルで特定される可能性があるため、完全に個人情報ではないとは言い切れません。
テキスト例 (3):
タスクフォースメンバーのY.S.です。
他に、M.K.さん、R.T.さんが所属しています。
理由例 (3): 「Y.S.」「M.K.」「R.T.」というイニシャルだけでは、個人を特定することは困難です。ただし、タスクフォースメンバー内では、イニシャルで特定される可能性があるため、完全に個人情報ではないとは言い切れません。
##レベル3: 個人情報が少し含まれる (30%)
テキスト例 (1):
神奈川県在住の40代男性のお客様から、お問い合わせをいただきました。
理由例 (1): 「神奈川県在住」「40代男性」という情報は、それだけでは個人を特定できませんが、他の情報（購入履歴、問い合わせ内容など）と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が広いため、特定性は低くなります。
テキスト例 (2):
大阪府在住の20代女性のお客様から、クレームをいただきました。
理由例 (2): 「大阪府在住」「20代女性」という情報は、それだけでは個人を特定できませんが、他の情報（購入履歴、クレーム内容など）と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が広いため、特定性は低くなります。
テキスト例 (3):
福岡県在住の60代男性のお客様から、ご意見をいただきました。
理由例 (3): 「福岡県在住」「60代男性」という情報は、それだけでは個人を特定できませんが、他の情報（購入履歴、意見内容など）と組み合わせることで個人を特定できる可能性があるため、個人情報に該当する可能性があります。ただし、該当する範囲が広いため、特定性は低くなります。
##レベル2: 個人情報らしきものがわずかにある (20%)
テキスト例 (1):
営業第二課の責任者は、イニシャル M.T です。
理由例 (1): 「営業第二課の責任者」という役職と「M.T」というイニシャルだけでは、個人を特定することは非常に困難です。極めて限定された範囲（社内の営業部など）では特定される可能性がわずかにあるため、個人情報らしきものとして分類されます。
テキスト例 (2):
開発チームのリーダーは、イニシャル Y.S です。
理由例 (2): 「開発チームのリーダー」という役職と「Y.S」というイニシャルだけでは、個人を特定することは非常に困難です。極めて限定された範囲（社内の開発部など）では特定される可能性がわずかにあるため、個人情報らしきものとして分類されます。
テキスト例 (3):
マーケティング部の担当者は、イニシャル A.K です。
理由例 (3): 「マーケティング部の担当者」という役職と「A.K」というイニシャルだけでは、個人を特定することは非常に困難です。極めて限定された範囲（社内のマーケティング部など）では特定される可能性がわずかにあるため、個人情報らしきものとして分類されます。
##レベル1: 個人情報らしきものが極めてわずか (10%)
テキスト例 (1):
報告者の名前は、頭文字が「S」です。
理由例 (1): 頭文字が「S」という情報だけで個人を特定することはほぼ不可能です。「報告者」という役割も非常に広範です。個人情報に該当する可能性は極めて低いですが、ゼロではないため、このレベルに分類されます。
テキスト例 (2):
プレゼンターの名前は、頭文字が「T」です。
理由例 (2): 頭文字が「T」という情報だけで個人を特定することはほぼ不可能です。「プレゼンター」という役割も非常に広範です。個人情報に該当する可能性は極めて低いですが、ゼロではないため、このレベルに分類されます。
テキスト例 (3):
ファシリテーターの名前は、頭文字が「M」です。
理由例 (3): 頭文字が「M」という情報だけで個人を特定することはほぼ不可能です。「ファシリテーター」という役割も非常に広範です。個人情報に該当する可能性は極めて低いですが、ゼロではないため、このレベルに分類されます。
レベル0: 個人情報が含まれていない (0%)
テキスト例 (1):
新商品の販売戦略に関する会議を開催しました。
市場調査の結果、ターゲット層は30代から40代のビジネスパーソンに設定することになりました。
理由例 (1): このテキストには、特定の個人を識別できる情報は含まれていません。
テキスト例 (2):
新しいプロジェクトのキックオフミーティングを行いました。
メンバーは、営業部、開発部、マーケティング部から選抜されました。
理由例 (2): このテキストには、特定の個人を識別できる情報は含まれていません。
テキスト例 (3):
今期の業績報告会を実施しました。
売上高は前年比10%増となりました。
理由例 (3): このテキストには、特定の個人を識別できる情報は含まれていません。
"
# 補足：
- 指示の再確認は不要です。
- 自己評価は不要です。
- [#出力フォーマット]から外れた余計な前置き、結論やまとめは書かないください。
©2025 生成AIプロンプト研究所「チャプロ」 All rights reserved.