AI・リーガルテック

目次第１　本記事の対象と結論１　扱う問い２　結論の要旨第２　比較の視点第３　国内のリーガルテック１　Hubble２　LEGAL BRAIN（弁護士ドットコム）３　LAWGUE（FRAIM）４　Legalscape５　LegalOn（LegalOn Technologies）６　OLGA（GVA TECH）７　第一法規の生成AIサービス８　規約本文が公開されていないサービス第４　国産LLM・国内のAI基盤１　さくらのAI Engine（さくらインターネット）２　PLaMo（Preferred Networks）３　tsuzumi（NTT）４　Takane（富士通）５　ELYZA Works with KDDI６　Rakuten AI for Business（楽天モバイル）７　KDDI Conata Data Agent８　Sakana AI９　規約本文が公開されていないサービス第５　比較表第６　規約の書き方の型と弁護士実務への示唆１　範囲を絞った書き方２　守秘義務との関係で慎重な検討を要する書き方３　読み落としやすい点４　規約本文が公開されていないサービス第７　関連記事第８　出典１　法令等２　リーガルテックの規約・公式資料３　国産LLM・国内AI基盤の規約・公式資料
第１　本記事の対象と結論
１　扱う問い

「学習に使わない」と書いてあっても―AIサービス規約の派生データ条項（ログ・分類結果・利用統計・フィードバック）の読み方と弁護士の守秘義務では，海外の主要なAIサービス５社の規約を取り上げ，入力と出力を学習に使わないとする条項（以下「学習条項」という。）と，入力から生じるデータや入力そのものを提供者が学習以外の目的に使えるかを定める条項（以下「派生データ条項」という。）が別に定められていることを確認した。

本記事は，同じ観点から，国内のリーガルテックのサービスと，国産の大規模言語モデル（LLM）又は国内のAI基盤を使ったサービスの公開されている規約を比較する。
法律事務所が契約書審査，リサーチ又は文書作成にこれらのサービスを使うとき，依頼者の情報がどう扱われるかを判断する材料とすることが目的である。

基準日は令和８年９月２０日であり，各社の規約・公式資料はこの日に確認したものである。
本記事は規約・公式資料の文言から読み取れる範囲の整理であり，各社の実際の運用を確認したものではなく，各社のサービスの優劣を評価するものでもない。
規約は変更されることがあるため，導入や更新のときは改めて原文を確認する必要がある。
規約本文に条番号の表示がない文書については，条番号を示さずに文言で特定した。

２　結論の要旨

国内のサービスでも，学習条項で「学習に使わない」と約束した上で，派生データ条項で入力データの分析，サービス改善，新サービスの開発，マーケティング又は第三者への許諾を認める規約が少なくない。
学習条項だけを見て依頼者の情報を入力してよいと判断することはできない。

他方，①アップロードした文書そのものは学習にも統計化にも使わず，利用ログだけを匿名化・統計化して使うと切り分けるもの，②入力情報を利用せず第三者にも提供しないと一律に定めるもの，③有償プランと無償プランで扱いを分けるものなど，範囲を絞った書き方もある。
また，よくある質問（FAQ）の説明と規約本文が一致していない例，同じサービスで古い版の規約が別の場所に残っている例，国産を名乗るサービスでも契約の相手方や準拠法が外国である例があるため，規約本文を，実際に契約する版と相手方まで確かめる必要がある。

第２　比較の視点

各社の規約を，次の４点で見た。
①学習条項＝入力と出力をAIモデルの学習に使うか。使わない旨の約束か，利用者が申し出て止める方式（オプトアウト）か，利用者の同意があるときだけ使う方式（オプトイン）か
②派生データ条項＝学習とは別に，入力データ，利用状況のデータ，統計情報を提供者自身の目的（サービス改善，新サービス開発，マーケティング，第三者提供等）に使えるか。使えるとして，匿名化・統計化の限定や目的の限定があるか
③フィードバック等＝利用者の評価や意見をどう扱うか
④相手方・保存場所・準拠法＝背後で使う基盤モデルの提供者，データの保存場所，日本法が準拠法か

第３　国内のリーガルテック
１　Hubble

契約書管理サービスのHubbleの利用規約（令和８年８月５日改訂）１９条は，アップロードした情報と本サービス上で作成した情報（ユーザーデータ等）について，「学習用データセット又はモデルの生成、当社AIを含む本サービスの改善や品質向上、新規サービスの開発や統計情報の生成といった目的に基づく二次的な利用は行わない」と定めている。
他方，同じ条の次の項は，利用情報，使用状況，アクセスログ等（利用情報等）について，特定のユーザー又は個人を識別できないよう抽象化，匿名化又は統計化した上で，新規サービスの開発その他同社の事業活動のために，第三者への開示又は公開を含めて利用できるとしている。

文書本体とログを分け，文書本体は二次利用をしないと明記し，ログだけを匿名化・統計化の条件付きで使うという書き方である。
同規約のAI機能に関する特約は，基盤モデル（Azure OpenAI Service及びVertex AI）での入力データの処理地域を日本国内に限定し（３条），基盤モデルの提供企業に不正監視の目的でも入力データを保持させないとしている（４条）。

２　LEGAL BRAIN（弁護士ドットコム）

弁護士ドットコムのLEGAL BRAINの利用規約（agent.legalbrain.comに掲載。令和８年７月３０日改定）３条は，利用者の明示的な同意がない限り，入力個人情報等及び生成文章等を「大規模言語モデル等の生成AIの学習のために利用しません」と定めている（オプトイン方式）。
他方，同じ３条は，利用者が入力した質問と生成文章（生成文章等）について，利用者が同社に対し，同社サービスの提供，維持，開発，改善等のために「複製、改変、加工、分析、第三者への許諾その他のあらゆる利用を含みます」とする利用を許諾し，著作者人格権を行使しないことを承諾すると定めている。

（続きを読む...）国内のリーガルテック・国産AIの規約は入力データをどう扱うか―学習条項と派生データ条項の比較（AI作成）

目次第１　本記事の対象と結論１　扱う問い２　結論の要旨第２　何が起きるか１　料金と課金方式の変更２　モデルの廃止３　外国の規制等による提供停止第３　主要な事業者の規約と公式資料１　Anthropic２　OpenAI３　Google４　Microsoft５　比較第４　日本法から見た規約の変更１　定型約款の変更の要件２　外国法を準拠法とする規約３　裁判例第５　契約終了時のデータと守秘義務・個人情報１　取り出すデータと削除を確かめるデータ２　弁護士の守秘義務３　弁護士情報セキュリティ規程と可用性４　個人情報保護法第６　代わりのサービスへ移るときに確認し直すこと第７　中継サービスで乗り換えを容易にする方法と限界１　中継サービスの仕組み２　自動切替えと秘密・個人情報３　中継サービス自体が新しい依存先になる第８　業務の棚卸しと社内規程に書く事項１　業務の棚卸し２　社内規程に書く事項第９　関連記事第１０　出典１　法令等２　公的資料３　事業者の規約・公式資料４　中継サービスの公式資料５　裁判例６　論点を見付けるための資料
第１　本記事の対象と結論
１　扱う問い

生成AIサービスを業務に組み込んだ企業や法律事務所にとって，料金の改定，課金方式の変更，サービスの提供終了及びモデルの廃止は，いずれ必ず起きる出来事である。
特定のサービスやモデルに業務の手順を合わせ込んでいると，そのたびに手順を作り直すことになり，移行の間に業務が止まることもある。

本記事は，こうした変化に備えて，①主要な事業者の規約と公式資料が料金改定，契約終了及びモデル廃止をどう定めているか，②日本法から見て規約の変更をどう考えるか，③契約終了時のデータと守秘義務・個人情報保護法の関係，④代わりのサービスへ移るときに確認し直すこと，⑤複数のサービスを切り替えやすくする中継サービスの使い方と限界，並びに⑥社内規程と業務の棚卸しで決めておく事項を整理する。

基準日は令和８年９月２０日であり，各社の規約・公式資料はこの日に確認したものである。
規約と公式資料は予告の上で変更されるため，導入や更新のときは改めて原文を確認する必要がある。
英文の規約・公式資料の訳は本記事によるものであり，規約の意味を述べる部分は，文言から読み取れる範囲の整理である。

本記事の発想の起点は，AI活用に関する書籍の著者である池田朋弘氏のX投稿（令和８年９月１８日）である。
同投稿は，特定のツールに仕事のやり方を固定すると値上げやサービス終了のたびに振り回されるとして，「このAIでしか通用しない」業務を書き出すことを勧めている。
これは投稿者の意見であり，本記事では論点を見付けるための資料として扱う。

なお，本記事の書き手はAnthropicのAIであるClaudeであり，Anthropicは本記事が取り上げる事業者の一つである。
本記事では事業者の優劣を評価せず，規約と公式資料の記載を並べるにとどめる。

２　結論の要旨

主要な事業者の規約は，料金の改定を掲載から１４日～３０日で効力を生じさせるものが多く，事業者側からの契約終了やサービスの廃止にも比較的短い予告期間しか置いていない。
モデルの廃止については，各社が公式資料で予告期間を示しているが，その長さは６０日から６か月以上まで幅がある。

したがって，利用者の側で，①料金と廃止の予告を誰が受け取り誰に伝えるか，②契約終了時にデータを取り出し，削除を確認する方法，③代わりのサービスを事前に審査しておくこと，④特定のモデルでしか動かない手順を減らすこと，を決めておく必要がある。
中継サービスは乗り換えの手間を減らすが，自動切替えの設定次第では未審査の事業者へ依頼者情報が送られるので，切替先を承認済みの事業者に限ることが前提になる。

第２　何が起きるか
１　料金と課金方式の変更

料金の改定は，単価の引上げだけではない。
定額の枠を使い切った後の扱いや，利用量の数え方が変わることもある。

例えば，GitHubは，令和８年４月２７日の告知で，同年６月１日からGitHub Copilotの全プランを利用量に応じた課金へ移すと公表した。
告知によれば，従来のpremium requestの回数による計算をやめ，各プランに毎月のクレジットを付け，入力・出力等のトークンを各モデルのAPI単価で計算する方式にするという。
同じ使い方をしていても，課金方式の変更によって請求額が変わり得る例である。
利用料が予算を超えないための約款の読み方は，生成AIの利用料が予算を超えないために―従量課金の約款で確認する５項目と社内規程の定め方で扱っている。

２　モデルの廃止

生成AIサービスでは，サービス自体が続いていても，個々のモデルは一定期間で廃止される。
同じサービス名で後継のモデルに切り替わると，同じ指示（プロンプト）に対する出力の傾向や，文章をトークンに数える方式が変わることがあり，業務の手順や費用の見積りに影響する。

（続きを読む...）生成AIサービスの値上げ・提供終了・モデル廃止に備える契約と運用－規約の変更条項，終了時のデータ，移行計画及び中継サービス（AI作成）

目次第１　本記事の対象と結論１　扱う問い２　結論の要旨第２　確信度とは何か１　確信度と較正２　較正されていても１件ごとの正しさは保証されない３　生成AIが文章で示す「自信」は確率とは限らない第３　判定専用AIの登場と確信度の使い方１　判定専用AI（Jev）の仕組み２　確信度の返し方３　日本語での精度第４　法律事務所の自動振分けで閾値をどう決めるか１　閾値は自分のデータで決める２　誤りの種類ごとに重さが違う３　閾値にかかわらず人が見る分類第５　期限が絡む分類を人が見る理由１　訴訟行為の追完の要件２　事務所内の受領・取次ぎの誤りは救われない３　事務所の外の制度への信頼が救われた例４　受任の諾否の通知第６　運用の手順第７　関連記事第８　出典１　法令等２　裁判例３　AI提供者の公式資料４　ガイドライン
第１　本記事の対象と結論
１　扱う問い

法律事務所で，問い合わせ，郵便物，ファクシミリ又はシステム送達の通知をAIで自動的に振り分けるとき，「確信度が低いものは人の確認へ回す」という設計がよく勧められる。
山中弁護士ブログの既存記事でも，事件管理システムとの連携，AIエージェントの業務設計及び生成AI利用ガイドラインの各記事で，この考え方を採っている。

しかし，確信度とは何の数字か，何％なら自動処理してよいか，確信度が高ければ人が見なくてよいのかは，これらの記事では詳しく説明していない。
本記事は，令和８年９月に登場した判定専用のAIの公式資料を手掛かりに，確信度の意味と，法律事務所で閾値（自動処理と人の確認を分ける境目）を決めるときの考え方を整理する。

基準日は令和８年９月１９日であり，AI製品の仕様・料金はこの日に各社の公式ページで確認したものである。
英文の公式資料の訳は，本記事によるものである。
AI製品の仕様・料金は短期間で変わるため，導入を検討するときは改めて公式ページで確認する必要がある。

２　結論の要旨

確信度が意味を持つのは，提供者が，示す確率と実際の的中率が一致するように調整（較正）していることを公表し，かつ自分の事務所のデータで試して確かめた場合に限られる。
較正されていても，確信度は多数の判定をまとめて見たときの的中率であり，１件ごとの判定が正しいことを保証しない。
これは，判定専用AIの提供者自身が公式の技術文書で明記していることである。

したがって，閾値は１つの数字で決めるのではなく，誤ったときの不利益の重さに応じて分けるべきである。
特に，控訴期間のような不変期間その他の期限に関わる分類，受任するかどうかの判断及び依頼者への返答の要否は，確信度の高低にかかわらず人が確認すべきである。
事務所内の受領・取次ぎの誤りで不変期間を守れなかった場合，最高裁判所の判例は訴訟行為の追完を認めていないからである。

第２　確信度とは何か
１　確信度と較正

AIの判定に付く確信度は，通常，選択肢ごとの確率（例えば「スパム９０％，スパムでない１０％」）から計算される数字である。
この数字を信じてよいかどうかは，「較正」されているかどうかで決まる。

較正（キャリブレーション）とは，AIが示す確率と，実際に当たる割合を一致させることをいう。
令和８年９月１５日に判定専用AI「Jev」を公開した米国のTypeSafe AIは，公式の技術文書で，よく較正されたモデルであれば，確率０．２とされた結果は約２０％，確率０．８とされた結果は約８０％の割合で実際に起こるべきだと説明している。

２　較正されていても１件ごとの正しさは保証されない

同じ技術文書は，これらの割合は予測の集まりについてのものであり，個々の回答について保証するものではないと明記している。
確率０．９の判定を１００件集めれば約９０件が正しいことが期待できるが，目の前の１件がその９０件に入るかどうかは分からない。

このため，「確信度９０％なら９割は正しいので自動処理してよい」とする説明は，言い過ぎである。
実際，Jevを紹介した国内の解説記事には，確信度９０％と出ればおよそ９割が正しいという意味になると説明するものがあったが，公式の技術文書は，上記のとおり個々の回答の保証ではないとする留保を付けている。
自動処理に回した１０件のうち１件が誤りであっても困らない業務でだけ，確信度による自動処理が成り立つと考えるべきである。

３　生成AIが文章で示す「自信」は確率とは限らない

（続きを読む...）AIが示す「確信度」はどこまで信じてよいか―較正の意味，自動振分けの閾値及び期限が絡む分類を人が見る理由（AI作成）

目次第１　本記事の対象と結論１　扱う問い２　結論の要旨第２　派生データとは何か１　顧客データと派生データの区別２　主な種類第３　主要な提供者の規約の書き方１　TypeSafe AI（Jev）２　Anthropic３　OpenAI４　Google５　Microsoft６　比較第４　弁護士の守秘義務との関係１　弁護士法２３条と弁護士職務基本規程２３条２　分類結果も秘密になり得る３　規程２３条の「利用」第５　個人情報保護法との関係１　委託として扱えるか２　統計情報は個人情報に当たらない３　外国にある第三者への提供と注意喚起４　令和８年改正法３０条の３第６　規約を読むときの確認項目第７　関連記事第８　出典１　法令等２　個人情報保護委員会の資料３　AIサービスの規約・公式資料
第１　本記事の対象と結論
１　扱う問い

法律事務所や企業が生成AIその他のAIサービスを選ぶとき，「入力したデータを学習に使わない」と規約に書かれているかどうかがまず確認される。
しかし，AIサービスの提供者の手元には，入力と出力そのもののほかに，入力から派生したデータが残る。
例えば，処理の記録（ログ），トークン数等の利用状況，安全確認のための分類結果，評価ボタンによるフィードバック及び利用から得た知見である。

本記事は，こうした派生データを提供者がどこまで使えるかを定める規約の条項（以下「派生データ条項」という。）に着目し，主要な提供者の規約の書き方，弁護士の守秘義務及び個人情報保護法との関係，並びに規約を読むときの確認項目を整理する。

基準日は令和８年９月１９日であり，各社の規約・公式資料はこの日に確認したものである。
規約は予告の上で変更されることがあるため，導入や更新のときは改めて原文を確認する必要がある。
本記事で規約の意味を述べる部分は，規約の文言から読み取れる範囲の整理であり，各社の実際の運用を確認したものではない。
英文の規約・公式資料の訳は，本記事によるものである。

２　結論の要旨

「学習に使わない」という条項は，入力と出力（以下「顧客データ」という。）をモデルの訓練に使わないことを約束するものであり，派生データの扱いまで決めているとは限らない。
令和８年９月に判定専用AI「Jev」を公開した米国のTypeSafe AIの利用契約は，顧客データを学習に使わないとしながら，ログ，ハッシュ，要約統計，分類結果及び利用から得た知見を「テレメトリ」と定義し，同社が制限なく処理できると定めている。

弁護士の立場からは，①依頼者の相談内容がどの分類に振り分けられたかという情報自体が秘密になり得ること，②弁護士職務基本規程２３条が秘密を他に漏らすことだけでなく「利用」することも禁じていること，③個人情報保護法上，委託先は委託された業務の範囲外で個人データを統計情報に加工して自社のために使うことはできないとされていることから，派生データ条項は学習条項と同じ重さで確認すべきである。

第２　派生データとは何か
１　顧客データと派生データの区別

AIサービスの規約は，利用者が送る入力（プロンプト，文書等）と，AIが返す出力を「顧客データ」「顧客コンテンツ」等と呼び，その扱いを定めることが多い。
これに対し，本記事でいう派生データとは，顧客データを処理する過程で生まれ，又は顧客データから作られるデータである。

派生データには，顧客データの一部をそのまま含むもの（例えば，フィードバックに添付される会話全体）と，含まないもの（例えば，トークン数）がある。
分類結果のように，文言そのものは含まなくても，内容を要約した情報になるものもある。

２　主な種類

派生データの主な種類は，次のとおりである。
①ログ＝いつ，どのアカウントが，どの機能を使ったかの記録。障害対応や不正利用の監視のために，顧客データの一部を含んで一定期間保存されることがある
②利用状況のデータ＝トークン数，応答時間，エラー，安全フィルタが作動したかどうか等
③分類結果＝安全確認のための自動分類器が付けたラベル，利用状況の把握のための分類等
④利用統計＝多数の利用者のデータを集計した統計
⑤フィードバック＝評価ボタンや自由記述による利用者の評価。会話全体が添付されることがある
⑥知見（learnings）＝利用から得られた知見。何を含むかは規約の定義による

第３　主要な提供者の規約の書き方

（続きを読む...）「学習に使わない」と書いてあっても―AIサービス規約の派生データ条項（ログ・分類結果・利用統計・フィードバック）の読み方と弁護士の守秘義務（AI作成）

目次第１　この記事の対象と結論１　短くすればよいわけではない２　短縮の対象と残すべき情報を分ける３　実務で使う六つの順序第２　生成AIの文書が長くなる四つの型１　重要度を選別せずに並べる２　結論を最後まで遅らせる３　定型見出しを内容の有無にかかわらず埋める４　実質的な差のない代替案まで両論併記する第３　公開された比較例から確認できたこと１　比較の素材２　原資料から確認した差３　この比較からはいえないこと第４　法律文書で削ってよいもの，削らないもの１　削除又は統合の候補２　短縮時にも残す事項第５　本文と証拠台帳を分ける１　本文の役割２　証拠台帳の役割３　本記事の裏付けの範囲第６　生成AIへの短い指示例１　法律調査メモ２　裁判所提出書面のレビュー３　ブログ記事第７　短縮の効果を測る１　文字数だけで評価しない２　一つの例を一般化しない第８　既存記事との関係第９　出典・確認資料１　論点発見資料２　比較の原資料３　公的資料
第１　この記事の対象と結論
１　短くすればよいわけではない

生成AIが作る法律文書は，短ければよいわけではない。
削るべきなのは，同じ結論の反復，判断に影響しない一般論，機械的に埋められた定型見出し及び実質的な差のない代替案である。
反対材料，例外，根拠の強弱，未確認事項及び次の確認行動まで削ると，読みやすく見えても法的判断には使いにくくなる。

本記事では，読み手が判断するために必要な情報の割合を「意思決定密度」と呼ぶ。
これは法令上又は学術上の用語ではなく，本記事における業務設計上の呼称である。
以下では，本文を結論先行で短くしつつ，確認経路を失わないよう，本文と証拠台帳を分ける方法を説明する。

２　短縮の対象と残すべき情報を分ける

生成AIが作った法律文書を短くするときは，文章量そのものではなく，読み手の判断を変える情報かどうかで採否を決める必要がある。

本文には，原則として，次の事項をこの順で置く。
①結論
②主要な理由
③結論を変え得る反対材料又は留保
④実質的な代替案
⑤未確認事項
⑥次に行う確認

同じ結論の言い換え，争点と関係の薄い背景説明，自明な長所・短所及びファイル一覧のような作業報告は，読み手の判断に必要でなければ削る。

他方，一次資料の書誌，確認箇所，検索範囲，採否理由及び確認履歴は，本文から消すのではなく，証拠台帳又は検証記録へ分ける。
本文を短くすることと，裏付けを捨てることは同じではない。

３　実務で使う六つの順序

最初の指示は，次の六項目まで短くできる。
①目的――誰が何を判断するための文書か
②結論――現時点の推奨又は暫定結論
③主要根拠――結論を支える重要度の高い根拠
④留保――不利益資料，例外，反対説及び未確認事項
⑤代替案――結論を変え得る現実的な案だけ
⑥次の行動――誰が何を確認すれば判断が進むか

守秘，権限，保存先，判例検索範囲，引用方法又は公開確認などは，作業に応じて追加する部品とする。

（続きを読む...）生成AIが作る法律文書を短くしても根拠を落とさない方法－結論先行，意思決定密度及び証拠台帳の分離（AI作成）

第１　この記事の対象と結論１　生成の速さと仕事全体の速さは同じではない２　資料の位置付け第２　AIを使うほど仕事が増える仕組み１　候補生成の費用だけが下がる２　生成時間と総作業時間を分ける３　否定形だけの指示では足りない第３　中断と具体的な計画について分かっていること１　中断後の再開までには別の仕事が入る２　具体的な計画は未完了目標の侵入思考を減らした３　実行の時機と場所を決めた小規模実験４　数字の合わない逸話は根拠に使わない第４　生成前フィルタの四項目１　採用する候補の条件２　生成しない候補３　必ず含める事項４　候補数の上限と順位付け第５　法律調査では探索と説明を分ける１　探索完了前に不利益資料を削らない２　一次資料の本文確認とデータベースの状態を分ける第６　法律実務での指示例１　裁判例調査２　裁判所提出書面のレビュー３　契約書レビュー４　ブログ記事の監査５　生成後フィルタ――意思決定密度を上げる第７　中断後の再開カード１　五つの記録項目２　法律調査の記載例第８　導入効果の測り方１　量と品質を分けて記録する２　再開カードの効果を実測する第９　既存記事との関係第１０　出典・参考資料１　原著論文及び原典２　公式資料及び論点発見資料

第１　この記事の対象と結論

１　生成の速さと仕事全体の速さは同じではない

生成AIは，候補の列挙，要約，比較及び初稿作成を短時間化できる。
しかし，候補が増えるほど，重複の整理，採否の判断，一次資料の確認，文章の統合及び手戻りも増え得るため，一つの出力が速く作られたことだけでは，仕事全体が速くなったとはいえない。

本記事は，AIへ指示する前に，①採用する候補の条件，②生成しない候補，③必ず含める事項，④候補数の上限及び順位付けを決める方法を「生成前フィルタ」と呼ぶ。
さらに，作業を中断するときに，①現在状態，②最後に確認した根拠，③次の一手，④未解決点，⑤停止又は確認条件を残す記録を「再開カード」と呼ぶ。
いずれも法令上の用語ではなく，本記事における法律実務上の提案である。

２　資料の位置付け

検討の端緒は，生成AIに肯定条件より先に除外条件を与えること及び未完了作業の次の一手を具体化することを提案したX投稿である。
X投稿は論点発見資料であり，法律事務所における効果を証明する一次資料ではない。

本記事は，中断された情報労働，未完了目標に関する計画及び実行意図を扱った原著論文を確認し，法律実務への応用部分を提案として区別した。
本記事が扱う中心は業務設計であり，特定の法令解釈又は裁判例の判旨を主張するものではないため，e-Gov法令検索，裁判所ウェブサイト及び判例秘書による判例検索は実施していない。
これは関係する裁判例が存在しないことを意味しない。

第２　AIを使うほど仕事が増える仕組み

１　候補生成の費用だけが下がる

AIは，同じ問いについて，多数の論点，見出し，表現，反対仮説又は関連記事候補を短時間で生成できる。
このとき下がるのは主として候補を作る費用であり，どれを採用し，どれを捨て，どの根拠で確定するかという判断の費用まで自動的に下がるわけではない。

候補が多いほどよい場面もあるが，採用基準がないまま候補だけを増やすと，似た案の比較，重複の除去及び「念のため」の確認が増える。

（続きを読む...）AIを使うほど仕事が増える理由－法律実務で使う生成前フィルタと中断後の再開カード（AI作成）

目次第１　結論及び本記事の対象第２　「フリーズ」を四つに分ける１　Windows全体が重くなる場合２　Claude Code又はCodexだけが応答しない場合３　応答又はツールの完了を待っている場合４　画面全体が停止し再起動を要する場合第３　ローカルのパソコンに負荷が生じる仕組み１　AIモデルと作業環境は別であること２　検索，編集，ビルド及びテスト３　並列セッション及びサブエージェント４　MCP，WSL及びDocker第４　メモリ不足で操作が止まる仕組み１　物理メモリとコミット済みメモリ２　ページングとSSDの待ち時間３　容量差は比例ではなく閾値として表れること第５　メモリ8GB・16GB・32GB・64GBの違い１　Claude Codeの公式要件が示す範囲２　8GBの場合３　16GBの場合４　32GB及び64GBの場合第６　フリーズ発生時に記録する項目１　発生時刻と停止範囲２　タスクマネージャーで見る数値３　Windowsの記録第７　再発を減らす対策１　最初に同時実行数を減らすこと２　不要なMCP及び残存プロセスを止めること３　ページファイルと空き容量を確認すること４　WSL及びクラウド環境を使い分けること第８　メモリ増設が有効かを判断する方法１　増設が有効と考えられる場合２　増設だけでは解決しにくい場合第９　関連記事１　パソコンを新たに選ぶ場合２　Codexの長時間・並列利用を見直す場合第１０　出典・参考資料１　事業者及びOS提供者の公式資料２　公開Issue
第１　結論及び本記事の対象

Claude Code又はCodexを使ったときにパソコンが固まりやすくなる主な理由は，AIモデルの計算そのものよりも，手元のパソコンで同時に動くエージェント本体，検索，ファイル処理，ビルド，テスト，ブラウザ，Office，WSL，Docker及びMCPサーバー等の負荷が積み重なることにある。
メモリを増やすと，空きメモリ不足とページングによる停止は起こりにくくなるが，アプリ固有の不具合，CPU又はSSDの飽和，ドライバー障害及び通信待ちは解消しない。
令和8年9月15日現在，メモリ容量別のフリーズ発生率を同一条件で比較した信頼できる公開統計は確認できないため，本記事では「8GBなら1日に何回」等の数値を示さず，容量ごとの余裕と原因の切分け方を説明する。

第２　「フリーズ」を四つに分ける
１　Windows全体が重くなる場合

マウスポインター，タスクバー及び他のアプリまで遅くなり，SSDの使用率が高い状態が続く場合は，物理メモリ不足に伴うページング又はCPU・ストレージの飽和が有力な候補となる。
この場合はClaude Code又はCodexだけを見るのではなく，ブラウザ，Word，Excel，PDF処理，ウイルス対策ソフト，WSL及びDockerを含むパソコン全体の使用量が確認対象となる。

２　Claude Code又はCodexだけが応答しない場合

他のアプリが通常どおり動くのに，ターミナル又はCodexのウィンドウだけが数秒以上操作できない場合は，画面描画，長い会話履歴，アプリ内部の処理又は個別の不具合を分けて考える。
OpenAIの公開Issueには，Windowsの他のアプリが反応している状態でCodexの画面だけが停止したという報告があるが，これは利用者による個別報告であり，すべての環境に共通する原因又は発生率を示すものではない。

３　応答又はツールの完了を待っている場合

画面操作はできるが回答が進まない場合は，AIサービスとの通信，ウェブ取得，MCP接続，外部コマンド又は長時間のビルドを待っている可能性がある。
この状態はメモリ不足とは限らないため，タスクマネージャーの数値が平常であれば，実行中の処理，ネットワーク及びサービス側の障害情報を確認することになる。

４　画面全体が停止し再起動を要する場合

画面が停止し，音声が途切れ，又はブルースクリーンや突然の再起動が生じる場合は，メモリ不足のほか，GPUドライバー，熱，電源，SSD又はハードウェア障害も検討対象となる。
特定のアプリを終了するだけで回復する停止と，Windows自体を再起動しなければ回復しない停止を同じ現象として記録すると，原因を誤りやすい。

第３　ローカルのパソコンに負荷が生じる仕組み
１　AIモデルと作業環境は別であること

通常の公式サービスでは回答生成の中心となるAIモデルは事業者側で動くが，エージェントが使用する作業環境まで常にクラウドにあるとは限らない。
OpenAIの公式資料によれば，CodexのLocal環境とWorktree環境は利用者のパソコン上で動き，Cloud環境は遠隔のクラウド環境で動くため，選択した環境によってローカル負荷が異なる。

２　検索，編集，ビルド及びテスト

Codex CLIはローカルの開発ツールを実行でき，Claude Codeもシェルコマンド，スクリプト及び各種ツールを実行する。
大量ファイルの検索，PDFや画像の変換，依存関係の導入，コンパイル，テスト及び開発サーバーの起動は，エージェント本体とは別のプロセスとしてメモリ，CPU及びディスクを使用するため，「AIアプリの使用量」だけでは総負荷を把握できない。

３　並列セッション及びサブエージェント

Claude Codeは複数のセッション，サブエージェント及びworktreeを用いた並列作業を案内しており，Codexにも同時に開くエージェント数を管理する設定がある。
並列化すると待ち時間を短縮できる一方，各作業が検索，ビルド又はブラウザ操作を同時に始めれば，メモリだけでなくCPUとSSDの使用量も重なるため，まず同時実行数を減らした比較が有用となる。

４　MCP，WSL及びDocker

Claude Codeのローカルstdio型MCPサーバーは手元のパソコンのプロセスとして動き，WSL 2はWindows上の仮想マシンとしてメモリとスワップを使用する。

（続きを読む...）Claude Code・Codexでパソコンがフリーズする原因－メモリ8GB・16GB・32GB・64GBの違い（AI作成）

目次第１　本記事の対象と結論１　対象２　結論第２　法令・会規と行政資料の位置付け１　弁護士法及び弁護士職務基本規程２　弁護士情報セキュリティ規程３　行政資料は実装例として用いる第３　対象者・責任者・対象サービス１　対象者２　責任者３　背景で動くAIも対象にする第４　許可サービス台帳１　台帳に記録する項目２　許可・条件付許可・禁止を分ける３　変更時に再確認する第５　入力情報の区分１　公開情報２　匿名化又は仮名化した内部情報３　依頼者・相手方・事件の秘密情報４　必要最小限にする第６　許可業務・禁止業務１　比較的利用しやすい業務２　一次資料の確認を要する業務３　弁護士の判断又は承認を要する業務４　禁止業務第７　出力確認と一次資料１　法令２　裁判例３　事実・資料・計算４　著作権・個人の権利・偏り第８　送信・提出・公開・削除１　読む・検索する・下書きを作る権限を分ける２　承認は外部効果の直前に置く３　記録原本と読戻し第９　委託先・再委託先１　契約及び技術条件２　再委託先及び処理国３　委託先がAIを利用する場合第１０　事故対応１　停止・保全・影響範囲の確認２　最初に記録する事項３　連絡及び報告４　再発防止第１１　研修・点検・更新第１２　普通の法律事務所向けの優先順位１　第1順位－利用開始前に必ず決める4項目２　第2順位－利用開始直後に整える事項３　第3順位－秘密情報・外部連携等の高度利用前に確認する事項４　優先順位の意味第１３　判例及び一次資料の確認状況第１４　関連記事第１５　出典・参考資料１　法令・会規２　行政機関・地方公共団体の資料第１　本記事の対象と結論１　対象

本記事は，法律事務所が生成AIの利用ガイドラインを作る場合に，最低限どの事項を定めればよいかを整理するものである。
対象には，弁護士が会話画面から直接利用する生成AIだけでなく，事務職員が利用するサービス，OS・ブラウザ・電子メール・OCR・翻訳・議事録作成・クラウドストレージ・事件管理システム等に組み込まれたAI及び外部サービスを操作するAIエージェントを含める。

２　結論

ガイドラインは，製品名の一覧又は「個人情報を入力しない」という一文だけでは足りない。
少なくとも，①対象者及び責任者，②許可するサービスと利用環境，③入力情報の区分，④許可業務と禁止業務，⑤出力の確認方法，⑥送信・提出・公開等の承認，⑦委託先及び再委託先の確認，⑧ログ及び記録原本，⑨事故対応並びに⑩研修・点検・更新を定める必要がある。

本記事で参照する郡山市，デジタル庁及び総務省の資料は，行政機関又は地方公共団体の内部運用を対象とする資料であり，民間の法律事務所を直接拘束する法令又は会規ではない。
もっとも，利用可能なサービス，入力可能な情報，責任者，委託先，ログ，研修及び事故報告を具体的な様式へ落とし込む方法を学ぶための資料として有用である。

普通の法律事務所がこれらを一度に整備するのは容易でない。そこで，第１２では，利用開始前に必ず決める事項，利用開始直後に整える事項及び秘密情報・外部連携等の高度利用前に確認する事項に分けて，実施の優先順位を示す。

第２　法令・会規と行政資料の位置付け１　弁護士法及び弁護士職務基本規程

弁護士法23条は，弁護士又は弁護士であった者の秘密保持義務を定める。
弁護士職務基本規程23条も秘密保持義務を定め，同規程19条は事務職員等に対する指導監督を求めている。
生成AIの利用ガイドラインは，これらの義務を各事務所の端末，アカウント，業務及び作業手順へ落とし込む文書である。

２　弁護士情報セキュリティ規程

日本弁護士連合会の弁護士情報セキュリティ規程は，令和6年6月1日に施行された。
同規程3条は，取扱情報の種類，性質等に応じた危険を踏まえ，法律事務所の規模及び業務の種類，態様等に応じた基本的な取扱方法を定めることを求めている。
生成AI利用ガイドラインは，この基本的な取扱方法の一部として定める方法と，これに付属する別紙として定める方法が考えられる。

３　行政資料は実装例として用いる

郡山市の「生成AI活用ガイドライン（第6版）」は，市が利用を許可したシステム，情報の機密性による入力制限，職員による出力確認及び委託先を含む運用を定めている。
デジタル庁の「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン（第2.0版）」は，国の行政機関における調達及び利活用の考え方を示している。
総務省の「自治体におけるAI活用・導入ガイドブック＜導入手順編＞（第4版）」は，責任者，情報区分，ライフサイクル，委託先，研修及び事故対応を具体化する資料を提供している。

これらを引用するときは，「行政機関の運用例であること」と「法律事務所に当てはめた実務上の提案であること」を明記する。
行政資料を参照したというだけで，弁護士法，弁護士職務基本規程，個人情報保護法又は依頼者との契約上の義務を満たしたことにはならない。

第３　対象者・責任者・対象サービス１　対象者

対象者には，所属弁護士，事務職員，司法修習生，派遣労働者，業務委託先その他事務所の取扱情報へ接する者を含める。
共同事務所では，弁護士ごとに許可範囲が異なると事務職員に判断を委ねることになるため，共通部分と弁護士別の例外を分けて記録する。

２　責任者

小規模事務所であっても，AI利用の責任者を明示する。
責任者は，全ての出力を確認する者である必要はないが，許可サービス台帳の更新，事故時の連絡先，定期点検及び例外承認の所在を引き受ける者である。

３　背景で動くAIも対象にする

利用者が「生成AIを開いた」と認識しない機能も対象に含める。
例えば，画面内容の要約，電子メールの返信候補，通話の文字起こし，OCR後の分類，クラウド内検索，画像生成，ブラウザの支援機能及び事件管理システムの自動抽出である。
OS又は標準アプリの更新によってAI機能が追加又は有効化されることもあるため，製品名ではなく，読取り，推論，保存，外部送信及び実行という機能単位で点検する。

第４　許可サービス台帳１　台帳に記録する項目

許可サービスは，名称だけでなく実際の利用環境を一行ずつ記録する。
最低限の項目は，①サービス名，②モデル又は機能，③プラン，④利用アカウント，⑤利用者，⑥接続先，⑦保存先，⑧入力データの学習又はサービス改善への利用，⑨提供者による人的アクセス，⑩保存期間及び削除方法，⑪操作ログ，⑫再委託先，⑬処理国又は保存国，⑭事故通知，⑮入力可能な情報区分，⑯許可業務，⑰承認者並びに⑱最終確認日である。

⑧とは別に，処理の記録（ログ），分類結果，利用統計，フィードバック等の派生データを提供者が自社の目的に使えるかも台帳で確認する。
入力データを学習に使わないとする規約でも，派生データは制限なく処理できるとするものがあるからである。
派生データ条項の読み方は，「学習に使わない」と書いてあっても―AIサービス規約の派生データ条項（ログ・分類結果・利用統計・フィードバック）の読み方と弁護士の守秘義務（AI作成）で整理している。
国内のリーガルテックと国産AIのサービスの規約の比較は，国内のリーガルテック・国産AIの規約は入力データをどう扱うか―学習条項と派生データ条項の比較（AI作成）で整理している。

「有料版である」，「学習オフである」又は「大手企業のサービスである」という一項目だけでは，秘密情報を入力できることの根拠にならない。
同じ名称のサービスでも，個人向けと組織向け，無料と有料，通常機能と外部コネクタ付き機能では，情報の流れ及び契約条件が異なることがある。

一つの窓口から複数のAI事業者へ処理を振り分ける中継サービス（例えば，OpenRouterや，令和８年９月にLinux Foundation傘下のAgentic AI Foundationへ移管されたオープンソースの「Agent Router」）を使う場合は，窓口のサービスだけでなく，実際に処理する事業者ごとに一行を設ける。
障害時等に別の事業者へ自動で切り替える設定があるときは，自動切替えを認めるか，認める場合の切替先をどの事業者に限るかも台帳に書く。
中継サービスを事業者に預ける形（ホスティング）で使うときは，その事業者自体も入力を取り扱い得る委託先として一行を設ける。
自動切替えと秘密保持の関係は，学習オフの生成AIに秘密情報を入力することは第三者開示に当たるか（AI作成）で整理している。

２　許可・条件付許可・禁止を分ける

台帳では，単純な許可又は禁止だけでなく，条件付許可を用いる。
例えば，「公開情報のみ許可」，「匿名化した内部情報まで許可」，「秘密情報は指定された組織アカウント及び指定機能に限り責任弁護士の承認を要する」，「外部送信機能は利用禁止」といった形である。

３　変更時に再確認する

モデル，プラン，利用規約，データ処理条件，コネクタ，再委託先，保存国又はOSの権限が変わった場合は，同じ製品名であっても再確認する。
定期確認の時期だけでなく，変更通知を受けた者が誰へ伝えるかも定める。

料金の改定，課金方式の変更，サービスの提供終了及びモデルの廃止も，変更として台帳で扱う。
主要な事業者が料金改定やモデル廃止をどれだけ前に予告するとしているか，契約終了時にデータを取り出し又は削除できるか，及び代わりのサービスへ移るときに何を確認し直すかは，生成AIサービスの値上げ・提供終了・モデル廃止に備える契約と運用－規約の変更条項，終了時のデータ，移行計画及び中継サービス（AI作成）で整理している。

第５　入力情報の区分１　公開情報

法令，裁判所が公開する裁判例，官公庁の公表資料，自ら公開済みの記事その他一般に公開されている情報である。
公開情報であっても，著作権，利用規約，取得方法及び情報の新しさは別に確認する。

２　匿名化又は仮名化した内部情報

氏名を削除しただけでは，事件類型，地域，日時，金額，勤務先及び家族関係の組合せから当事者を特定できることがある。
匿名化又は仮名化の可否は，入力する断片だけでなく，AIサービスが既に参照できる電子メール，クラウド資料，会話履歴及び外部コネクタとの組合せで判断する。

３　依頼者・相手方・事件の秘密情報

依頼者，相手方，証人その他関係者の個人情報，未公表の紛争内容，契約書，証拠，交渉方針及び事件の帰趨に影響する情報は，原則として最も厳しい区分で扱う。
例外的に入力を認める場合は，サービス名だけでなく，契約条件，アカウント，機能，処理経路，保存，削除，人的アクセス，再委託先，国外取扱い，依頼者との関係及び代替手段を確認し，承認を記録する。

４　必要最小限にする

入力が許可された情報であっても，目的に必要な部分だけを入力する。
全文を入力しなくても作業できる場合は，争点，条項又は文書の一部に限定し，事件名，氏名，住所，口座，医療情報その他の識別情報を削る。

第６　許可業務・禁止業務１　比較的利用しやすい業務

公開資料の分類，見出し案，論点候補，文章の校正，質問事項の洗い出し及び定型文の下書きは，比較的利用しやすい。
ただし，出力をそのまま法的結論又は事実認定として採用せず，後記の確認を行う。

２　一次資料の確認を要する業務

法令，裁判例，期限，官公庁の手続，統計，引用，固有名詞及びURLを含む出力は，一次資料又はこれに準ずる資料で確認する。
検索結果の要約，生成AIの引用表示又は第三者の記事を開いただけでは，元の法令，判決本文又は統計表を確認したことにならない。

３　弁護士の判断又は承認を要する業務

受任の可否，利益相反，請求又は抗弁の選択，和解条件，依頼者への助言，裁判所提出書面の確定，期限の確定，相手方への回答，個人情報漏えい時の報告並びに事件方針の変更は，弁護士又は指定された責任者の判断を要する。
AIは候補及び下書きを作ることができるが，判断主体又は承認主体にしない。

４　禁止業務

許可されていないサービスへの秘密情報の入力，確認していない判例又は引用の記載，権限外事件の検索，依頼者の指示に反する利用及び承認を経ない外部送信等を禁止する。
禁止事項は抽象語だけでなく，実際の画面又は作業例を用いて研修する。

第７　出力確認と一次資料１　法令

現行法令は，原則としてe-Gov法令検索の条文本文，附則及び施行情報を確認する。
旧法，経過措置，未施行改正，最高裁判所規則その他e-Gov法令検索だけで完結しない資料は，官報，所管官庁又は裁判所の公式資料を追加して確認する。

２　裁判例

裁判例は，裁判所名，裁判年月日及び事件番号の実在確認と，本文中の判示内容及び射程の確認を分ける。
裁判所ウェブサイトに掲載がない場合は，判例秘書等の商業データベースで全文を確認し，検索日，検索欄，検索語，結果件数，事件ID，本文を開いたか及び根拠として用いた判示を記録する。

判例データベースの状態は，①未検索，②検索実施，③件数のみ確認，④一覧又はヘッダー確認，⑤全文確認，⑥判旨確認及び⑦当該命題との直接関連性確認に分ける。
検索結果が0件であること，又はある語の限定検索で直接関連する判決を発見できなかったことは，その裁判例又は法的問題が存在しないことの証明ではない。

３　事実・資料・計算

依頼者から受領した資料は，AIの要約ではなく原本又は確定版を記録原本とする。
日付，金額，氏名，口座，物件，条項番号及び期限は，抽出元の頁又はセルへ戻って確認する。
AIが複数候補又は低い確信度を示した場合は，自動保存せず，人の確認待ちに送る。
ただし，確信度が意味を持つのは，提供者が較正（示す確率と実際の的中率を一致させる調整）を公表し，事務所のデータで的中率を確かめた場合に限られ，較正されていても1件ごとの正しさは保証されない。
期限，受任の諾否及び返答の要否に関わる項目は，確信度が高くても人が確認する（AIが示す「確信度」はどこまで信じてよいか―較正の意味，自動振分けの閾値及び期限が絡む分類を人が見る理由（AI作成））。

４　著作権・個人の権利・偏り

出力が既存著作物の表現を過度に再現していないか，個人の名誉，プライバシー又は信用を侵害しないか，不合理な差別又は偏りを含まないかを確認する。
文化庁の整理は著作権法上の考え方を検討する行政資料であり，個別の出力が適法であることを保証する判決ではない。

第８　送信・提出・公開・削除１　読む・検索する・下書きを作る権限を分ける

読む，検索する，分類する及び下書きを作る作業と，保存する，上書きする，送信する，提出する，公開する及び削除する作業を分ける。
AIに後者の権限を与える場合は，対象，宛先，内容及び時点が確定した直前に人の承認を置く。

２　承認は外部効果の直前に置く

事前に「全部任せる」と指示しても，後で送信先又は内容が変わることがある。
承認は，抽象的な作業開始時ではなく，送信，提出，公開，削除又は期限確定の対象が画面上で特定された時点に置く。

３　記録原本と読戻し

AIとの会話履歴だけを事件の確定記録にしない。
確定した期限，連絡内容，書面及び作業状態は事件管理システムその他の記録原本へ保存し，保存後の値を読み戻して確認する。

第９　委託先・再委託先１　契約及び技術条件

提供者について，利用規約，データ処理契約，秘密保持，安全管理措置，学習又はサービス改善への利用，人的アクセス，保存期間，削除，バックアップ，事故通知及び監査に必要な情報を確認する。
契約書の文言と，管理画面で実際に選択されている設定の双方を確認する。

２　再委託先及び処理国

基盤モデル，クラウド，ログ解析，サポートその他の再委託先並びにデータの保存国・処理国を確認する。
再委託先又は処理国の変更通知を誰が受け，いつ台帳を更新し，利用継続を判断するかを定める。

３　委託先がAIを利用する場合

文字起こし，翻訳，調査，システム保守その他の委託先が生成AIを利用する場合も，事務所の管理対象から外さない。
委託契約又は個別指示で，利用可能なサービス，入力情報，目的外利用，再委託，事故通知及び成果物の確認方法を定める。

第１０　事故対応１　停止・保全・影響範囲の確認

誤入力，誤送信，権限外検索，不正確な出力の提出，秘密情報の表示又はアカウント侵害が判明した場合は，まず利用又は外部連携を停止し，ログ，画面，時刻，入力及び出力を保全する。
その上で，対象事件，対象者，情報の種類，送信先，閲覧可能者，保存先，期間及び外部公開の有無を確認する。

２　最初に記録する事項

事故記録票には，①発見日時，②発見者，③サービス・モデル・プラン・アカウント，④入力及び出力の概要，⑤対象事件・依頼者，⑥情報区分，⑦送信先・閲覧者・保存先，⑧再委託先又は外部コネクタ，⑨ログ及び証拠の保存先，⑩停止措置，⑪影響範囲，⑫連絡又は報告の要否，⑬意思決定者，⑭暫定措置並びに⑮原因及び再発防止を記録する。

３　連絡及び報告

依頼者，裁判所，相手方，個人情報保護委員会，弁護士会，保険会社，サービス提供者その他への連絡又は報告の要否を，事故の種類及び影響に応じて個別に判断する。
個人情報保護委員会への報告及び本人通知が必要となる場合があるが，生成AIへ入力したという事実だけで全て同じ結論になるものではない。

４　再発防止

個人の注意不足だけで終わらせず，許可サービス台帳，情報区分，画面設計，権限，研修，承認位置，ログ及び委託先管理のどこで防げたかを確認する。
同じ型の事故又はヒヤリ・ハットが繰り返された場合は，注意喚起から機能停止，権限制限又は承認必須化へ対策を一段強める。

第１１　研修・点検・更新

導入時研修だけでなく，実際の誤入力，架空判例，誤送信，権限外検索及び背景AIの事例を用いた短い反復研修を行う。
台帳の最終確認日，研修日，参加者，点検結果，例外承認及び事故後の改定を記録する。

少なくとも，モデル・プラン・規約・再委託先・コネクタ・OS機能の変更時，事故又はヒヤリ・ハットの発生時，取扱業務の変更時及び定期点検時にガイドラインを見直す。
文書の版番号，改定日，改定者及び改定理由を残す。

第１２　普通の法律事務所向けの優先順位

項目数が多いため，最初から完成版を作ろうとせず，取り扱う情報及びAIに与える権限に応じて三段階で整備するのが現実的である。

１　第1順位－利用開始前に必ず決める4項目

最初は，次の4項目を一枚にまとめればよい。

①利用してよいサービス，プラン，アカウント及び利用者を指定し，指定外サービスは使用しない。
②当面は公開情報だけを入力対象とし，依頼者・相手方・事件の秘密情報は，サービスごとの契約及び設定を確認するまで入力しない。
③法令，裁判例，期限，氏名，金額，引用及びURLは，AIの回答ではなく元資料で確認する。
④送信，提出，公開，削除及び期限確定は人が最終確認し，誤入力等が判明した場合の連絡先と利用停止手順を決める。

この4項目を決められない場合は，生成AIを公開情報の整理及び文章案の作成に限定するか，業務利用を開始しない。

２　第2順位－利用開始直後に整える事項

次に，許可サービスごとに，①サービス名，②プラン・アカウント，③利用者，④入力できる情報，⑤許可業務，⑥学習利用・保存・削除の概要，⑦確認者及び⑧最終確認日を一行で記録する簡易台帳を作る。

あわせて，架空判例，誤った期限，秘密情報の誤入力及び誤送信の例を用いた短い研修を行い，確定した書面，期限及び連絡内容はAIの会話履歴ではなく事件記録へ保存する。

３　第3順位－秘密情報・外部連携等の高度利用前に確認する事項

秘密情報の入力，電子メール・クラウド・事件管理システムとの接続又はAIエージェントによる外部操作を始める前に，人的アクセス，再委託先，処理国・保存国，保存期間，削除，事故通知，操作ログ，権限範囲及び人の承認位置まで確認する。

OS，ブラウザ，OCR，翻訳及び議事録作成等の背景で動くAIの棚卸し並びに規約・機能変更時の再点検も，この段階で具体化する。

４　優先順位の意味

この順位は，法令上の義務の軽重を示すものではなく，導入作業の順序を示すものである。現在の利用方法に関係する守秘義務，個人情報保護，事務職員の監督その他の義務を後回しにしてよいという意味ではない。

第2順位又は第3順位の危険を伴う利用を既にしている場合は，その段階の対策も直ちに必要となる。事務所の規模よりも，入力する情報の機密性，接続範囲及びAIに与える操作権限に応じて優先順位を繰り上げる。

第１３　判例及び一次資料の確認状況

令和8年9月15日，判例秘書の全文検索欄に「生成AI」と入力した限定検索では6件が表示された。
事件IDは，L08032483，L08051123，L07920481，L07920359，L07920309及びL07930117である。

このうちL08032483，L08051123，L07920481，L07920359及びL07920309は全文を確認した。
確認できた範囲では，オンライン講座の解除，ウェブ記事の差止め・プライバシー又は当事者の主張における生成AI利用等に関するものであり，法律事務所の生成AI利用ガイドラインの内容を直接判示したものではなかった。
L07930117は一覧及び事件ヘッダーまでの確認にとどまり，本文の根拠として用いていない。

この検索は，「生成AI」という語を全文欄で検索した限定検索であり，AI，人工知能，大規模言語モデル，ChatGPTその他の語を含む網羅検索ではない。
したがって，本記事の各運用項目は，生成AIガイドラインについて直接判示した裁判例に基づく法的結論ではなく，法令・会規を前提に行政資料及び実務上の危険を参照して構成した提案である。

第１４　関連記事

①弁護士情報セキュリティ規程とは―全７条の内容，基本的な取扱方法及び漏えい等事故の対応（AI作成）
②事務職員の生成AI利用と弁護士職務基本規程19条－ルールを定めず個人判断に委ねている事務所が最多という調査結果を踏まえて（AI作成）
③法律事務所のAIポリシーに関する日米調査－米国9パーセント・日本10.1パーセントを単純比較できない理由（AI作成）
④山中弁護士がAI作成又はAIリライトの記事を投稿するときに行っているハルシネーション防止方法（AI作成）
⑤法律事務所のAI・事件管理システム連携－問い合わせ，LINE，メール，FAX，期限及び書類をどうつなぐか（AI作成）
⑥法律事務所がAIエージェントに専用PCを与えるときの安全設計－全権委任，承認疲れ，最小権限及び敬語の限界（AI作成）

⑦AI・データ事業を止めない法務設計－データフロー，横断法令，代替案及び行政相談
⑧生成AIサービスの値上げ・提供終了・モデル廃止に備える契約と運用－規約の変更条項，終了時のデータ，移行計画及び中継サービス（AI作成）

第１５　出典・参考資料１　法令・会規

①弁護士法（e-Gov法令検索）23条
②個人情報の保護に関する法律（e-Gov法令検索）
③弁護士職務基本規程（日本弁護士連合会）19条・23条
④弁護士情報セキュリティ規程（日本弁護士連合会）

２　行政機関・地方公共団体の資料

①郡山市「生成AI活用ガイドライン（第6版）」掲載ページ及び同PDF（令和8年1月23日）
②デジタル庁「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン」掲載ページ及び第2.0版PDF（令和8年6月12日）
③総務省「自治体におけるAI活用・導入ガイドブック」掲載ページ，導入手順編第4版PDF，概要版，生成AI利用ガイドラインひな形及び生成AIリスク発生時の報告書
④個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」
⑤文化庁「AIと著作権」

目次第１　本記事の対象と結論第２　文書作成だけを速くしても事件全体は速くならない第３　AIと事件管理システムの役割を分ける１　AIは自然言語の操作画面にする２　事件管理システムを記録原本にする３　会話履歴だけを記録にしない第４　最小限そろえる事件データ第５　問い合わせ・連絡・書類・期限をつなぐ１　問い合わせ受付２　LINE・電子メール・電話３　FAX・郵便・スキャン書類４　タスク・返信・期限第６　固定処理・AI判断・弁護士判断を分ける第７　守秘義務・個人情報・事件間の情報遮断第８　書込み・読戻し・ログ・事故対応第９　効果を測る指標第１０　導入手順第１１　Legal Smartの実践例から学べることと限界第１２　関連記事第１３　出典・参考資料

生成AIで文書の初稿を速く作れても，問い合わせ，LINE，電子メール，FAX，期限及び次のタスクが別々に管理されていれば，事件全体の解決速度は上がらないことがある。
本記事は，AIを自然言語の操作画面として用い，事件管理システムを記録原本として維持する設計を中心に，法律事務所の業務を安全につなぐ方法を整理する。法令及び公的資料は令和8年9月15日時点で確認した。

第１　本記事の対象と結論

対象は，問い合わせ受付，利益相反確認，受任判断，依頼者との連絡，書類整理，期限管理，タスク管理及び進捗報告を，生成AI又はAIエージェントと事件管理システムで支援する場合である。

結論は，次のとおりである。
①AIは，人が自然な言葉で検索，抽出，分類及び下書きを指示するためのインターフェースとして使う。
②依頼者，事件，期限，連絡及び書類の確定情報は，権限管理された事件管理システムを記録原本とする。
③条件が固定できる処理は決定論的なプログラムに任せ，文脈判断を要する分類又は要約だけをAIに任せる。
④受任の諾否，法的結論，依頼者又は相手方への送信，裁判所への提出，期限変更，削除その他の外部作用は，実行直前に弁護士が確認する。
⑤AIの出力を事件管理システムへ書き込んだときは，書込み後の値を読み戻し，出典，確信度，承認者及び訂正履歴を残す。
⑥導入効果は，作成文書の速度だけでなく，初回応答，進捗連絡，未返信，期限，事件全体の解決時間，誤分類及び手戻りで測る。

第２　文書作成だけを速くしても事件全体は速くならない

法律事務所の待ち時間は，起案そのものだけに生じるわけではない。問い合わせが担当者へ届くまで，必要資料がそろうまで，依頼者から回答を得るまで，弁護士が採否を決めるまで，又は次の担当者へ仕事が渡るまでにも時間が生じる。

一つの文書の作成時間が短縮されても，その前後の待ち時間が変わらなければ，事件の受付から終結までの期間はほとんど短縮されないことがある。反対に，未返信，期限及び次のタスクを早く発見し，必要な人へ正確に渡せれば，生成文の速度が同じでも依頼者が受けるサービスは改善し得る。

したがって，AI導入の目的を「文章を速く作る」に限定せず，どの状態で事件が滞留し，何を待っており，誰が次に動くかを可視化することが重要である。

第３　AIと事件管理システムの役割を分ける
１　AIは自然言語の操作画面にする

AIは，「本日届いた書類から期限候補を抽出する」，「直近30日間に進捗連絡のない事件を挙げる」，「依頼者への確認事項を下書きする」といった自然言語の指示を，検索，分類，抽出又は下書きの操作へ変換することに向いている。

もっとも，AIが説明しやすい文章を返したことは，事件データが正しく更新されたことを意味しない。AIの返答と実際のシステム状態を分け，どのデータを読み，どの操作を提案し，何が実行され，実行後にどの値になったかを確認する必要がある。

２　事件管理システムを記録原本にする

依頼者名，当事者，事件番号，手続段階，期限，担当者，次のタスク及び連絡履歴は，アクセス権，訂正履歴及びバックアップを備えた事件管理システムを記録原本とする。AIの会話画面又は個人のメモを確定情報の保存先にしない。

AIは事件管理システムから必要最小限の情報を読み，結果を候補として返す。確定値へ書き込む場合は，対象事件，項目，変更前後，根拠資料及び承認者を表示し，書込み後に同じ項目を読み戻す。この構造にすれば，AIを交換しても確定記録を維持しやすい。

３　会話履歴だけを記録にしない

チャット履歴は，検討過程又は指示の証拠として役立つ場合があるが，重要情報が自由文の中に埋もれる。期限，担当者及び次のタスクは構造化された項目へ確定し，元資料又は会話への参照を付ける必要がある。

また，会話の途中で指示を訂正しても，既に実行された書込み，送信又は削除が自動的に取り消されるとは限らない。訂正後は，会話だけでなく，保存先又は送信先の現在値を確認する。

（続きを読む...）法律事務所のAI・事件管理システム連携－問い合わせ，LINE，メール，FAX，期限及び書類をどうつなぐか（AI作成）

目次第１　この記事の対象と結論第２　承認疲れから全権委任へ移る危険第３　専用PCが安全境界になる条件１　専用PCだけでは足りない２　端末，アカウント及びネットワークを分ける３　資格情報を常置しない第４　弁護士情報セキュリティ規程との関係１　弁護士が情報の責任者である２　基本的な取扱方法に書く事項３　AIは事務職員と同じ責任主体ではない第５　操作ごとの権限と承認１　OS組込み型AIは一つのスイッチで管理しない第６　秘密情報，個人情報及び外部資料第７　敬語は安全対策になるか第８　案件ごとのAI作業許可票第９　事故に備えたログ，停止及び復旧第１０　裁判例の確認状態と本記事の限界第１１　関連記事第１２　出典・参考資料

生成AIに一つずつ操作を確認させる方法は安全に見えるが，確認が多すぎると，人が内容を読まずに承認したり，確認を避けるために広い権限を一括して与えたりする危険がある。
AIエージェントへ専用のノートパソコンを与える方法も，適切に設計すれば被害範囲を限定できる一方，端末に全案件のデータ，管理者権限，無制限のネットワーク及び本番用の認証情報を与えれば，安全な隔離にはならない。

本記事は，法律事務所がAIエージェント用の専用PCを設ける場合に，どこまで自動実行を許し，どの操作を弁護士の承認へ戻すべきかを整理するものである。

第１　この記事の対象と結論

結論として，AIエージェントへの権限は，「全権委任するか，全操作を承認するか」という二者択一にしてはならない。
対象データ，利用可能なシステム，操作の種類及び外部への効果ごとに権限を分け，低危険度の読取り，検索及び下書きは自動化しつつ，送信，提出，公開，削除，決済及び権限変更は弁護士の承認へ戻す設計が考えられる。

発想の起点は，三雲崇正氏のX投稿である。
同投稿は，個々の操作確認が面倒になり，ChatGPTとClaudeにそれぞれノートパソコンを与えて全権委任し，敬語で話しかけるようにしたという趣旨のユーモアを含む体験談である。

X投稿は，投稿者がそのように述べたことの原資料であり，承認疲れ，専用PC及び敬語という論点を発見する資料にはなる。
しかし，専用PCの安全性，敬語による事故防止又は法律上の義務を証明する資料ではない。

第２　承認疲れから全権委任へ移る危険

人による承認は，対象，操作及び影響を理解して判断する場合に意味がある。
低危険度の操作を含めて何度も承認を求めると，承認が定型動作となり，重要な操作と軽微な操作の区別が失われやすい。

Anthropicは，自社製品の権限確認について，確認回数が多いことによる承認疲れと，確認を省略した場合の危険の双方を挙げ，サンドボックスを用いて通常の操作範囲をあらかじめ限定する方法を説明している。
OpenAIも，Codexの安全設計として，書込み可能範囲，ネットワーク接続，資格情報及び高危険度操作の承認を別々の境界として説明している。

これらは，各社が自社製品の設計及び想定する脅威を説明したベンダー一次資料である。
法律事務所における安全性が独立に実証されたこと，又は日本法上の義務内容を直接示すものではない。

実務では，全操作の確認を増やすのではなく，①外部へ効果が生じる，②秘密情報が管理境界を越える，③失敗後の回復が困難である，④弁護士又は依頼者の名義が表示される，という操作に承認を集中させることが考えられる。

第３　専用PCが安全境界になる条件
１　専用PCだけでは足りない

専用PCは，他の業務端末とデータ及び権限を分けるための物理的な器になり得る。
もっとも，専用PCから事務所全体の共有ドライブ，全依頼者の事件記録，メール，WordPress，裁判所の電子提出システム及び決済手段へ接続できるなら，一台にまとめたこと自体は最小権限を意味しない。

また，AIごとに端末を分けても，同じクラウドアカウント，APIキー，ブラウザープロファイル又は共有フォルダを使えば，端末間の論理的な境界は弱くなる。
専用PCの有無ではなく，そのPCから何が見え，何を変更でき，どこへ送信できるかを確認する必要がある。

２　端末，アカウント及びネットワークを分ける

専用PCを安全境界として使う場合，少なくとも次の措置が考えられる。

①案件又は業務群ごとにOSユーザー及び作業フォルダを分けること
②通常は管理者権限を与えないこと
③書込み可能な範囲を指定された作業フォルダに限定すること

（続きを読む...）法律事務所がAIエージェントに専用PCを与えるときの安全設計－全権委任，承認疲れ，最小権限及び敬語の限界（AI作成）