LLM利用におけるプロンプト流出リスク：ZDRの限界とデータ保持の全経路
本記事は、大規模言語モデル（LLM）を利用する際のデータプライバシーとデータ保持の複雑な実態を解説しています。多くの利用者が「Zero Data Retention (ZDR)」という概念に頼りがちですが、プロンプト（平文の入力データ）は単一のAI企業に送られるのではなく、「エージェントスタック」と呼ばれる複数のサービス提供者（事業者）を経由します。この経路上の各コンポーネント（トレース、メモリストア、ゲートウェイ、推論プロバイダーなど）は、それぞれ異なるデータ保持ポリシー、保存リージョン、学習利用の条項を持っています。
最大の注意点は、プロンプトを最も長く保持するのは、モデルベンダーの標準ログではなく、通常、APIの手前にある自社側の仕組み（エージェント層のトレースやメモリストア）であるという点です。ZDRは非常に有用な契約ですが、これは「3つの軸（学習利用、保持期間、人によるアクセス）」のうち「1つの軸」と「経路上の1事業者」に限定されるため、経路全体を完全に保護するわけではありません。
具体的なリスクとして、トレースプラットフォームやメモリ機能は、明示的に削除しない限りプロンプトを無期限に保持する傾向があります。また、ゲートウェイ機能（特にリクエストインスペクションやオブザーバビリティコンソール）は、気づかないうちにペイロード（プロンプト本文）を永続化してしまう可能性があります。さらに、無料エンドポイントを利用する場合、その対価として学習利用権が設定されているケースがほとんどであり、機密性の高いデータ利用には不適当です。
結論として、データが物理的にどこに保存されるかは、モデルベンダー自身ではなく、「誰がサービスを提供しているか（Serving Infrastructure）」という地理的条件に依存します。利用者は、単に「ZDR」という契約に頼るのではなく、データが通過するすべての「ホップ（hop）」におけるデータ保持の仕組みと、そのビジネスモデルを監査することが極めて重要です。
背景
近年、AIエージェントやLLMの利用が一般化する中で、ユーザーはデータプライバシーの確保を強く意識しています。多くの企業が「Zero Data Retention (ZDR)」という概念を安全性の指標として利用しますが、本記事は、実際のAI利用の裏側にある複雑なデータフロー（エージェントスタック）を可視化し、ZDRが適用される範囲の限界を指摘しています。
重要用語解説
- エージェントスタック: LLMの利用を円滑にするために、トレース、メモリ、ゲートウェイなど複数のソフトウェアコンポーネントが連携して構成されるシステム全体を指します。データが通過する経路（ホップ）を構成します。
- Zero Data Retention (ZDR): データが特定の期間や目的に基づいて保持されないことを保証する契約上の取り決めです。しかし、本記事では、ZDRが「対象機能」と「単一の事業者」に限定される点を強調しています。
- トレース/オブザーバビリティ: システムがどのように動作したかを記録し、可視化する技術です。プロンプトやレスポンスの完全なログを保存する機能を持つため、プライバシー上の大きな懸念点となります。
今後の影響
本ニュースは、企業がLLMを導入する際のセキュリティアーキテクチャ設計に大きな影響を与えます。単にプロバイダーの契約に依存するのではなく、自社側のエージェント層やゲートウェイのログ管理ポリシーを徹底的に見直し、データが通過する全経路でのログの永続化を防ぐことが必須となります。