2026年1月27日
ムラリ・マニは、運動の幾何学に関する博士号取得から、初期のHDTVへのチップセットの統合まで、人生のほとんどをエンジニアとして過ごしてきた。しかし、キャリアを始めて約10年後、彼は物理的なメカニズムから、より複雑でリスクも高い、プライバシーエンジニアリングという目に見えないアーキテクチャへと研究対象を移した。
臨床試験に携わるグローバルヘルスケア企業の上級プライバシー責任者、そして後に医療機器部門と遺伝子検査スタートアップ企業のコンプライアンス責任者として、彼は最も機密性の高いデータの一つである医療データに対する保護策を構築した。しかし、その保護策は、患者のプライバシーを危険にさらすことなく、医師や研究者が新たな治療法に関する知見を得られるような仕組みになっていた。
マニにとって、プライバシーエンジニアリングの目標は常に、信頼を築き、人々を守りながら、イノベーションを促進することだった。現在、彼はマスターカードのプライバシー、AI、データ責任担当副社長を務めており、人工知能によって生データがより強力になり、より多くの情報を明らかにするようになる中で、同社の取引データやその他の機密情報を保護する責任を担っている。
世界がデジタル化するにつれ、データはもはや単なる生活の副産物ではなくなった。それは人生そのものだ。私たちの買い物、習慣、行動、そしてアイデンティティ。その結果、プライバシーエンジニアの仕事はより重要になり、同時に飛躍的に難しくなった。データはより速く移動し、国境をより容易に越え、人間には見えないパターンを検出できるAIシステムのおかげで、誰も想定していなかったような方法で組み合わせられるようになった。
世界各国の政府は、そうした情報の利用方法や処理場所に関する規制を強化しており、プライバシー、セキュリティ、主権をめぐる世界的な議論が巻き起こっている。しかし、人々の情報を保護するということは、単に法令遵守の問題だけではなく、データがどのように利用され、悪用され、あるいは誤解される可能性があるかを予測することでもある。
マニは社内の様々なチーム（製品・ソフトウェア開発者、データサイエンティスト、AI専門家、弁護士など）と連携して仕事をしているが、データプライバシーに関してはエンジニアの視点からアプローチし、Mastercardの組織構造にプライバシーを組み込むための斬新な方法を模索している。
そして、エンジニアらしく、彼は自分の役割を説明するのに自動車の比喩を用いる。「私の仕事は、実際にデータを管理しているチームを支援し、彼らと話し合い、制御を実装することなんです」と彼は言う。「製品開発チームが最新のエンジンと技術機能を搭載した車両を開発していると想像してみてください。そして、プライバシーを重視する立場から、私はシートベルトやサイドミラーといった標準的な安全機能を追加するとします。」しかし、時にはエアバッグやアンチロックブレーキシステムが必要になることもある。そうすることで、誰もがより安全に保護されるからだ。
遺伝子検査のスタートアップ企業を辞めた後、マニは新たな挑戦を求めていた。彼は、Mastercardがプライバシー技術に投資していること、特にダブリンに拠点を置く「データトラスト」であるTrūataを通じたデータ匿名化への取り組みに興味をそそられた。TrūataはIBMとの合弁事業として始まり、現在ではMastercardの全社的なデータリソースに統合されている。（ウェストチェスター郡の自宅からニューヨーク州パーチェスにあるMastercard本社まで車で20分という通勤時間も、彼にとって有利に働いた。）
マニはすぐに、決済データは非常に強力な情報源であると同時に、その構成も独特であることを悟った。2024年、マスターカードは1590億件の取引を処理したが、その情報はデータ分析に活用される際には匿名化され、集計される。しかし、マスターカードはトークン化（クレジットカード番号を固有のプレースホルダーに置き換えること）などの技術も使用しており、カードデータがハッキングされた場合でも個人を特定できないようにしている。
これらはプライバシー管理の例であり、大きく2つのカテゴリーに分類されます。技術的な制御はシステム自体に組み込まれています。例えば、データを使用する前に匿名化するといったことです。管理統制は、従業員に何かがおかしいと感じたときにそれを認識できるように訓練するなど、人やプロセスに依存している。そして、状況によっては両方が必要となる場合もある。
マニの仕事は、これらの制御機能を構築して組み込み、匿名化されたデータに迅速にAccessし、国内外の様々な規制に準拠して安全に処理できるようにすることです。
例えば、目的制限、つまりデータを収集した目的以外には使用しないという制限は、実施が難しい。時には、訓練を通して強制されることもある。しかし、企業はますます、データが不正な目的で使用されることを防ぐための技術的な制御策に目を向けるようになっている。「データを商品として作成することはできますが、プラットフォームはそれを別の目的で使用することを阻止します」とマニは述べています。
Mastercardのエンジニアたちは、データプロファイリングのためのソフトウェアツールを開発している。これは、血液検査が体内で何が起こっているかを明らかにするのと同様に、膨大なデータセットをスキャンして、その発生源、感度、特性を特定するものだ。同社はまた、識別情報を含むデータベースと匿名化されたデータベースを別々に管理しており、アナリストが両方に同時にAccessできないようにすることで、再識別を防ぐための安全策を講じている。
マニ氏によれば、今日、世界的なプライバシーにおける最大の課題の一つはデータローカライゼーション、つまり、現地で得られたデータは特定の国の国境内に留まることを義務付ける法律である。データエンジニアたちは、Mastercardがこれらのルールを自動的に適用できるように、データに数十種類の属性をタグ付けするツールの開発に取り組んでいる。将来的には、データに契約上の要件や顧客の嗜好を反映させるためのタグ付けが可能になり、例えば、オープンバンキング口座の保有者が、第三者との口座データや取引データの共有に関する期間限定の同意を付与、取り消し、または更新できるようになる。
「大規模な制御を導入することで、大規模な分析が可能になる」と彼は述べている。
Mastercardは、合成データ（実際のデータを模倣し、基となる顧客情報とは一切関連しない人工的に生成されたデータセット）など、プライバシー保護のための他の技術を常に模索している。合成データはデモやサードパーティ製ツールのテストおよび評価に役立つが、マニ氏はAIモデラーは実世界のトレーニングデータを好むと注意を促している。
いわゆるクリーンルームを利用することで、Mastercardとそのパートナー企業はデータを一時的に統合し、分析を実行した後、データを削除することができる。マルチパーティ計算技術を用いることで、企業は基となる情報を他のパートナーと共有することなく、これらの統合されたデータセットから洞察を得ることができる。
プライバシーの問題は元々複雑だったが、AIはそれを三次元チェスのようなものに変えつつある。従来の分析手法では、カード所有者をカードの利用頻度に基づいて分類することがある。AIは、人間が決して探そうと思わないような複雑な行動パターンや兆候を検出できる。その力は、再特定されるリスクを高め、マニが言うところの「不気味さ」という要素も増大させる。
「AIは、私たちがまだ知らないような複雑なシグナルを何でも見つけ出すことができる」と彼は述べ、ある大手小売業者のデータ分析ソフトウェアが、無香料ローションのような一見無害な購入履歴に基づいて、女性が妊娠していることを推測し、出産予定日を推定できた事例を挙げた。
MastercardのAIチームは、すべての利用事例を精査し、承認されたものに対して厳格な管理体制を適用している。リスクの高いアプリケーションは、本番環境に移行する前に停止されます。また、すべてのアルゴリズムには、透明性（AIシステムがどのように動作し、どのようなデータを使用するかを示すこと）、可観測性（動作を監視して問題を発見し修正すること）、およびバイアスを検出するツールが組み込まれているため、人々はその出力を信頼できる。
世界規模でプライバシー管理を構築することの複雑さにもかかわらず、マニが自分の仕事で最も気に入っているのは、周りの人々だ。「何よりも、素晴らしい人たちと一緒に仕事ができ、毎日新しいことを学べるからです」と彼は言います。「そして私は、そのような環境の中で貢献し、新しいアイデアを生み出し、同時にプライバシーの保護にも役立てることができるのです。」
1月28日のデータプライバシーデーを前に、マニ氏は自身のデジタル上の痕跡を心配する人々に対し、彼が設計するシステムよりもはるかにシンプルなアドバイスをしている。「目立たないようにすること」だと彼は言い、ソーシャルメディアや検索エンジンなどでもそうすることで、オンライン上に残す痕跡を最小限に抑えられると述べている。不要なクッキーは無効にし、自分の居場所を公開せず、世界があなたについて知ることができる情報の範囲を狭めましょう。
これは、マスターカードのデータに対するアプローチの根底にある哲学と同じです。つまり、セキュリティ、完全性、説明責任をネットワークの仕組みに組み込むことで信頼を築くという考え方です。信頼は、設計によって構築されるだけでなく、獲得されるものでもあるのです。
