AI・リーガルテック

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４　サンドボックスを一つの箱と考えない５　作業量と分離したい範囲に応じた選択第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１　専用PCの運用を始める前の確認第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）

目次第１　AIエージェント用パソコンの結論第２　OSより先に決める三つの条件１　エージェントに操作させる対象２　Apple向けアプリを開発するか３　AIをクラウドと手元のどちらで動かすか第３　Windowsが適する場合１　既存の業務環境を維持する場合２　Linuxの開発ツールを併用する場合３　NVIDIA製GPUを利用する場合第４　Macが適する場合１　Apple向け開発を行う場合２　Apple siliconでローカルAIを動かす場合３　macOSの環境を既に使っている場合第５　ローカルAIではハードウェアを比較する１　WindowsとMacの双方で動くソフト２　NVIDIA製GPUとApple siliconの違い３　保存容量第６　AIエージェントの安全性はOSだけでは決まらない１　権限とネットワークの管理２　業務ごとに作業範囲を限定する第７　購入時の選び方１　クラウド型AIを中心に使う構成２　ローカルAIを中心に使う構成３　迷う場合の結論４　Officeのライセンスと購入時の記録第８　出典・参考資料１　AIエージェント及びOSの公式資料２　ローカルAI及びGPUの公式資料３　業務ソフト及びWindows互換性の公式資料
第１　AIエージェント用パソコンの結論

AIエージェントを利用するだけであれば，WindowsとMacのいずれも選択できる。
令和８年９月１５日現在，主要なAIエージェントは両方のOSに対応しているため，普段使う業務ソフト，開発対象及びローカルAIの利用方法から選ぶのが合理的である。

Word，PDF，スキャナその他の既存のWindows環境をそのまま自動化するならWindowsが適している。
iPhone又はMac向けアプリを開発するならMacが必要となり，ローカルAIを重視するならNVIDIA製GPUとApple siliconのどちらに対応するソフトを使うかが分岐点となる。

第２　OSより先に決める三つの条件
１　エージェントに操作させる対象

クラウド側のAIモデルが同じでも，エージェントが読み書きするファイル，実行するコマンド及び操作するアプリは手元のパソコンに依存する。
既存の業務を自動化する場合は，その業務が現在安定して動いているOSを維持する方が，移行時の互換性確認を減らせる。

２　Apple向けアプリを開発するか

AppleのXcodeは対応するmacOS上で動作し，iOS，iPadOS，macOS，watchOS及びvisionOS向けのSDKとSimulatorを提供している。
これらのアプリをAIエージェントにビルド又は検証させることが主目的であれば，Macを選ぶ理由は明確である。

３　AIをクラウドと手元のどちらで動かすか

ChatGPT等のクラウド型サービスを中心に使う場合は，モデルの計算能力よりもブラウザ，Office及び多数の資料を同時に扱えるメモリが重要となる。
大規模言語モデルを手元で動かす場合は，モデルの容量，量子化方式，メモリ又はVRAM，SSD容量及び利用するライブラリへの対応を先に確認する必要がある。

第３　Windowsが適する場合
１　既存の業務環境を維持する場合

Microsoft OfficeはWindowsとMacの双方で提供されているが，既存のアドイン，マクロ，フォント，印刷設定，スキャナ及び業務ソフトまで同一に動作するとは限らない。
Windows中心の環境で蓄積した文書と周辺機器をAIエージェントに操作させる場合は，Windowsを継続する方が移行リスクを抑えやすい。

関連する既存記事として，IT関係のメモ書きがある。

２　Linuxの開発ツールを併用する場合

Windows Subsystem for Linux（WSL）を使えば，Windows上でLinuxディストリビューション，Bash及びLinux用ツールを利用できる。
WindowsではUnix系の開発環境を使えないという説明は，現在のWSLを考慮すると正確でない。

３　NVIDIA製GPUを利用する場合

NVIDIAのCUDAを前提とするAIソフトを使う場合は，対応するNVIDIA製GPUを搭載したWindowsが有力な選択肢となる。
Docker Desktopも，Windows，WSL 2及びNVIDIA製GPUの組合せによるGPU利用を案内している。

第４　Macが適する場合
１　Apple向け開発を行う場合

XcodeによるApple向けアプリのビルド，Simulatorによる確認及び実機デバッグを継続的に行うなら，Macを選ぶのが直接的である。

（続きを読む...）AIエージェントを使うならWindowsとMacのどちらがよいか－用途別のパソコン選び（AI作成）

目次

1　結論及び本記事の対象
2　プロンプトキャッシュの基本

2.1　照合対象はユーザーの質問文だけではないこと
2.2　先頭部分の一致が重要であること
2.3　キャッシュヒットは回答の再利用ではないこと

3　キャッシュ効率を変え得る要素

3.1　ツール、プラグイン及びスキル
3.2　動的情報の置き場所
3.3　モデル、推論設定及び文脈圧縮

4　長時間・並列利用におけるタスク設計

4.1　メインタスクとワーカータスクを分けること
4.2　必要な能力だけを各タスクへ渡すこと
4.3　heartbeatを短くし、停止条件を定めること

5　弁護士業務で削ってはいけないもの

5.1　出典及び証拠の階層
5.2　秘密情報の入力判断
5.3　人による承認及び外部作用の統制

6　使用量を測定し、原因を切り分ける方法

（続きを読む...）弁護士がCodexを長時間・並列利用する際の使用量管理－プロンプトキャッシュ、プラグイン、heartbeat及び監査ログ（AI作成）

法律事務所が依頼者へGoogle口コミを依頼すること自体は，一律に禁止されているわけではない。しかし，実際の体験に基づく任意の投稿であること，謝礼又は割引と交換しないこと，満足した依頼者だけを選別しないこと，事件内容又は受任関係を無断で公表しないことが重要である。

口コミへの返信は公開される。低評価に反論するためであっても，相談又は受任の有無，事件の内容，依頼者から受けた説明，費用の支払状況その他の秘密を，依頼者の投稿以上に明らかにすべきではない。

口コミ代行業者が架空の投稿を行い，又は口コミの件数・内容に応じて報酬を受ける場合，Googleのポリシー，弁護士広告及び第三者との提携関係を併せて検討する必要がある。

目次

第１　この記事の結論
第２　Googleが認める口コミ依頼と禁止する利益提供

１　口コミを依頼すること
２　謝礼，割引その他の利益を付けない
３　肯定的な依頼者だけを選別しない
４　景品表示法のステルスマーケティング規制

第３　弁護士業務広告との関係

１　自ら掲載する「依頼者の声」
２　架空口コミ及びAI生成口コミ
３　口コミ数又は星の数を成果として広告する場合

第４　守秘義務及び個人情報

１　口コミ投稿を依頼する場面
２　返信で受任関係を認めない

（続きを読む...）法律事務所のGoogle口コミ対応－依頼，謝礼，返信，守秘，広告及び証拠保存（AI作成）

目次

第１　この記事の結論第２　LLMO，GEO及びAI検索対策の意味１　用語は統一されていない２　取得から受任までは別の段階である第３　Googleが必要ないと説明している施策１　llms.txt及びAI専用ファイル２　AIのためだけの文章分割及び書換え３　AI専用の構造化データ第４　法律情報で優先すべき内容１　一般論の再要約より固有資料を優先する２　裁判例は実在だけでなく射程を確認する第５　LLMO・GEOの効果をどう測るか１　指標を一つにまとめない２　Google検索と外部AIサービスの流入を分ける３　固定質問による観測の限界４　競合サイト登場後の変化をどう検討するか第６　業者資料及び研究論文の読み方１　増加率だけでは判断しない２　GEO研究が測ったもの３　買い手調査の「好む」と「した」を区別する４　検索結果の多様性は掲載枠の保証ではない５　第三者推計と実測の指標をそろえる６　AI生成記事の割合と検索での掲載を区別する７　士業事務所の成功事例を読むときの確認事項第７　弁護士広告としての確認１　AI検索対策も広告規程の外にはない２　専門性，実績及び依頼者の声３　口コミを操作しない第８　LLMO・SEO業者へ委託する場合１　契約前に確認する事項２　非弁提携との境界３　広告関連記録を保存する４　無料試用・自動更新と解約方法を確認する第９　山中弁護士ブログで優先する施策第１０　一次資料及び判例の位置付け第１１　関連記事第１２　ベンダーの成功事例を測定資料として読むときの注意第１３　出典・参考資料

法律事務所のAI検索対策では，AIに引用されるための特殊なファイルを増やすことよりも，読者に役立つ固有の情報を，一次資料へ戻って確認できる形で公開し，その効果を問い合わせ及び受任まで追跡することが重要である。

Googleは，生成AI検索についても従来のSEOの基本が有効であり，Google検索に表示されるためにllms.txt，AI専用テキスト，専用Markdown，特別なschema.orgマークアップ又は細かな文章分割を行う必要はないと説明している。他方で，ChatGPT，Claudeその他のサービスがウェブページを取得する方法はGoogleと同一とは限らない。

また，法律事務所のウェブサイトは弁護士業務広告となり得る。第三者評価，依頼者の声，解決実績，「専門家」等の表示及び外部業者への委託は，表示の正確性だけでなく，依頼者の同意，守秘義務，報酬の連動，管理権限及び広告関連記録の保存まで含めて検討する必要がある。

第１　この記事の結論

法律事務所が行うべきAI検索対策は，次の順序で考えるのが適切である。

どの依頼者のどの疑問に答えるかを決める。
法令，裁判例，官公庁資料その他の根拠を確認する。
山中弁護士ブログにしかない開示文書，整理，実務経験又は比較を加える。
読者が原資料へ移動できるよう，資料名，日付，頁及びURLを示す。
通常の検索，Googleの生成AI検索及び外部AIサービスからの流入を区別して測る。
表示回数や引用数だけでなく，問い合わせ，相談，受任及び回収売上まで確認する。
広告表示，外部委託，口コミ及び制作記録を弁護士自身が管理する。

LLMO又はGEOという名称の施策であっても，この順序を省略して，AI回答への掲載数だけを成果と評価すべきではない。

第２　LLMO，GEO及びAI検索対策の意味

１　用語は統一されていない

LLMOはLarge Language Model Optimization，GEOはGenerative Engine Optimization，AEOはAnswer Engine Optimizationの略称として用いられることが多い。いずれも，生成AI又は回答型検索に自らの情報が発見，参照又は表示されやすくなるようにする取組を指すが，法律上又は国際標準上の統一した定義があるわけではない。

（続きを読む...）法律事務所のLLMO・GEO対策－Google公式見解，効果測定，弁護士広告及び外注先管理（AI作成）

第１　記事の対象と結論第２　三つの試験を区別する１　脆弱性診断２　ペネトレーションテスト３　AIセーフティに関するレッドチーミング第３　試験権限を契約で具体化する１　承諾の主体と対象２　許容行為と禁止行為第４　環境，データ及び停止条件を決める１　試験環境とデータ２　停止条件と緊急連絡３　変更管理第５　秘密情報，個人データ及び証拠を管理する１　取得を最小化する２　試験記録を証拠として保全する第６　報告，開示，改修及び検収を一続きにする１　報告書の必須項目２　脆弱性情報の開示３　改修と再試験を検収条件にする第７　AIシステムで追加すべき試験項目第８　契約前チェックリスト第９　関連記事第１０　出典・参考資料１　法令・ガイドライン２　公的資料
第１　記事の対象と結論
本記事は，生成AI，検索拡張生成（RAG）及びAIエージェントを含むAIシステムについて，脆弱性診断，ペネトレーションテスト又はAIセーフティに関するレッドチーミングを外部事業者へ委託する場合の契約事項を整理するものである。

結論は，①「診断を実施する」とだけ定めず，対象資産，許される行為，利用アカウント，試験時間及び第三者サービスとの境界を明示すること，②本番環境の利用，実データへの接触及び高負荷試験を原則から切り離して個別承認事項とすること，③異常時の停止条件及び連絡経路を実施前に確定すること，④発見した秘密情報及び個人データの取扱い並びに試験記録の保全・削除を定めること，⑤報告書の内容，改修期限及び再試験を検収条件に結び付けること，⑥AI固有の評価だけでなく通常の認証・認可及びクラウド設定も試験対象にすることである。
第２　三つの試験を区別する
１　脆弱性診断
脆弱性診断は，ウェブアプリケーション，API，クラウド設定又はネットワーク等について，既知の脆弱性や設定不備を一定の手順で検出し，その有無と改善方法を報告する業務である。
網羅性を重視する検査であっても，契約上の対象外資産又は禁止された手法まで試せるわけではない。
２　ペネトレーションテスト
ペネトレーションテストは，想定する攻撃者の目的を置き，実際の攻撃に近い方法で防御を回避できるかを確認する試験である。
脆弱性の列挙だけでなく，権限昇格，横移動又は重要情報への到達可能性を検証するため，業務停止，データ変更及び第三者環境への波及のリスクが大きく，許可する手法と停止条件を特に明確にする必要がある。
３　AIセーフティに関するレッドチーミング
AIセーフティ・インスティテュートの「AIセーフティに関するレッドチーミング手法ガイド（第1.10版）」は，AIシステムのリスクシナリオと攻撃シナリオを作成し，攻撃の実施記録，結果報告及び改善後のフォローアップまでを一連の工程として示している。
対象には，モデルの出力だけでなく，RAG，外部ツール，入出力データ及び運用方法を含むAIシステム全体を置く必要がある。

AIレッドチーミングと通常のセキュリティ試験は重なるが，同一ではない。
有害出力，誤情報，プロンプトインジェクション又はモデルの安全機能回避を調べても，テナント間のデータ分離，APIの認可，クラウドの権限又は秘密鍵の管理が安全であることは証明できないため，契約書では両者の範囲を別々に記載する必要がある。
第３　試験権限を契約で具体化する
１　承諾の主体と対象
不正アクセス行為の禁止等に関する法律2条4項は，不正アクセス行為を定義する際に，アクセス管理者又は一定の場合の利用権者の承諾を得てする行為を除外しており，同法3条は不正アクセス行為を禁止している。
したがって，試験実施者に対する包括的な「許可」があるだけで足りると考えず，各システムのアクセス管理者を確認し，誰が，どの資産について，どの方法を承諾できるかを文書化する必要がある。

承諾のない試験は，ツールが脆弱性診断用であっても不正アクセス行為になり得る。東京地裁平成２９年４月２７日判決（平成２６年特（わ）第９２７号）は，「脆弱性検査ツールとして海外で配布されているソフトウェア」を使って他社のサーバーにSQLインジェクションを繰り返した行為を，アクセス制御機能による「特定利用の制限を免れることができる指令」の入力による不正アクセス行為と認定している。ペネトレーションテスト用のオープンソースのツールの中には，自ら所有するか書面で明示の許可を得たシステムにだけ使うよう明記しているものがあるが，そうしたツールをAIエージェントに組み込んで多数のECサイトを攻撃した例も報告されている（セキュリティ企業Gambit Securityの2026年9月22日の報告）。承諾の範囲を文書で特定することは，委託者だけでなく受託者を守るためにも必要である。

対象は，ドメイン名，IPアドレス，APIエンドポイント，クラウドプロジェクト，アプリケーションの版，モデル，RAGのデータストア，外部ツール，試験用アカウント及び権限ロールで特定する。
子会社，共同利用先，クラウド事業者又は連携SaaSが管理する部分は，委託者の承諾だけで試験できるとは限らないため，対象から除外するか，必要な第三者承諾を別途取得する。
AIエージェントの試験では，対象アプリケーションに加え，共有キャッシュ，パッケージ配布基盤，DNS，認証情報及び共有保存先等の依存先を一覧にする。
各依存先について，管理者，接続目的，許される読み書き，保存される情報，試験許諾の有無及び対象外部分を対応させる。
一つのシステムの管理者による承諾を，連携先又は第三者のシステムへの包括的な試験許諾として扱わない。

（続きを読む...）AIシステムの脆弱性診断・レッドチーミングを外部委託する契約――権限範囲，試験環境，停止条件，秘密保持及び脆弱性開示（AI作成）

第１　この記事の対象と結論第２　全情報共有と管理役への集中の二者択一にしない第３　コンテキストを三層に分ける１　全作業に共通する規律２　案件又は記事に固有の文脈３　担当者ごとの個別作業指示４　Source・State・Knowledge・Taskを分ける５　作業ファイルをPLAN・SPEC・TODO・KNOWLEDGEに分ける第４　統括役と担当者の役割を分ける１　統括役が保持する判断２　担当者へ渡すべき目的３　独立査読に渡さない情報４　担当者に識別名を付け，他の担当者の報告を検証すべき主張として扱う５　業務棚卸しと，新しい指示を受け入れる余力６　並列にする仕事と順番を守る仕事第５　権限と人の承認を作業ごとに置く１　読む権限と外部へ作用する権限を分ける２　承認は実行の直前に置く３　実装層は固定条件・人の操作・文脈判断で選ぶ４　AIを操作画面，事件管理システムを記録原本にする５　承認疲れと専用PCの限界６　WordPress等の本番書込みは一つの経路に集約する第６　完了条件を成果物だけで終わらせない１　完了条件に根拠と未確認事項を含める２　外部作用を伴う作業は読戻しまで含める３　担当弁護士の理解を完了条件に含める４　サービス変更後も同じ基準で検証し，業務を再構成する５　完了までに人が使った時間を記録する第７　失敗の徴候を記録して設計を直す１　長期失敗はコンテキスト量だけでは説明できない２　状態台帳，チェックポイント及び復旧経路を置く３　失敗記録を個別指示の追加で終わらせない４　失敗を評価データセットへ戻す５　スキルの更新・統合・廃止を管理する第８　法律事務所で使う指示のひな形１　最初に渡す短い中核２　必要な作業だけに追加する項目３　本文と証拠台帳を分ける第９　既存記事との関係第１０　出典・参考資料

第１　この記事の対象と結論

本記事は，法律事務所が複数のAIエージェント又は複数の会話を使って調査，起案，査読及び確認を分担させる場合に，何を全員へ共有し，何を担当ごとに限定し，どの判断を弁護士へ戻すかを整理するものである。
結論として，全員へ全情報を渡す方法と，統括役だけが目的を持つ方法の二者択一にする必要はない。
共通規律，案件文脈及び個別作業指示の三つに分け，担当者には必要最小限の目的と固定条件を渡し，戦略変更，最終的な法的判断及び対外的な操作を統括役又は弁護士へ戻す設計が考えられる。

発想の出発点は，鈴木大貴氏のX投稿である。
同投稿は，AIエージェントによる自律組織を設計する際に，会社又はプロジェクト全体の目的を全実装者へ持たせるか，管理役だけに持たせるかという問いを提示したものであり，法律事務所での効果や法的義務を実証した資料ではない。

OpenAIのMulti-agent公式資料は，各サブエージェントが独自のコンテキストを持ち，統括エージェントが結果をまとめる仕組みを説明し，独立した作業には明確な問いと期待する結果を与えること，短い作業及び相互に依存する工程は統括側に残すことを案内している。
また，OpenAIのモデル向け公式ガイドは，期待する成果，成功条件，制約，許される副作用，根拠のルール及び出力形式を明示し，停止条件を置くことを推奨している。
これらは製品及びプロンプト設計に関する一次資料であるが，法律事務所の業務管理としての有効性又は法令・会規への適合性を直接証明するものではない。

本記事の三層構造，役割分担及びチェックリストは，これらの資料と既存の運用を踏まえた実務上の提案である。
裁判例を根拠とする法的命題は扱っていないため，裁判所ウェブサイト又は判例秘書による裁判例の確認は行っていない。

第２　全情報共有と管理役への集中の二者択一にしない

全員に全ての情報を渡すと，各担当者は全体の目的を理解しやすい一方，長い指示の反復，無関係な情報への引きずられ，秘密情報の拡散及び独立査読の弱体化が起こり得る。
特に，起案の経緯，暫定評価及び採用予定の結論まで査読担当へ渡すと，査読が起案者の筋書きを再確認する作業になりやすい。

反対に，統括役だけが目的を持ち，担当者へ断片的な作業だけを渡すと，担当者の出力が局所的には正しくても，依頼者の目的，記事の検索意図又は事件全体の戦略から外れることがある。
担当者が前提の誤り又は重要な例外に気付いても，なぜその作業をしているかが分からなければ，問いを修正して統括役へ戻すことができない。

そこで，目的を全て渡すか全く渡さないかではなく，担当者が誤った問いを検知するために必要な範囲の「なぜ」を共有する。
その上で，起案履歴，暫定的な心証，他の担当者の未確定意見及び担当作業に不要な秘密情報は原則として渡さない方法が考えられる。

第３　コンテキストを三層に分ける
１　全作業に共通する規律

第1層は，案件を問わず変えない共通規律である。
例えば，①確認済みの事実，資料の記載，推論及び不明点を区別すること，②法令はe-Gov法令検索，裁判例は裁判所ウェブサイト又は利用可能な判例データベースの原文で確認すること，③依頼者情報及び秘密情報の入力範囲を守ること，④保存，送信，提出，公開又は削除を勝手に行わないこと，⑤根拠を確認できない事項を推測で埋めないことが含まれる。

この層は，個別の担当者にも原則として共通させる必要がある。
もっとも，共通規律を長大にしすぎると，具体的な作業指示が埋もれるため，常に守る固定条件に限って置くことが望ましい。

２　案件又は記事に固有の文脈

第2層は，当該案件又は記事に固有の文脈である。
①達成しようとする目的，②基準時，③使用してよい資料，④主要な争点又は検索意図，⑤対象外，⑥誰のための成果物か，⑦結論が変わる条件を記載する。

この層は，担当作業が全体目的から外れないために必要である。

（続きを読む...）法律事務所のAIエージェント業務設計－目的・コンテキスト・権限・完了条件をどう分けるか（AI作成）

目次第１　本記事の前提と結論１　「山中弁護士レベル」の意味２　結論第２　知財訴訟でAIの影響が早く現れる理由１　争点と提出物が対応表にしやすい２　大量の技術・法律資料を同時に扱う３　AIの有用性は確認されても，そのまま使える水準とは限らない第３　侵害論と無効論に関する業務への影響１　クレームチャートの初稿は大きく速くなる２　無効資料調査は候補発見から証拠化まで分けて考える３　反論候補は増えるが，主張の絞り込みが重要になる第４　証拠収集，秘密管理及び損害論への影響１　公開情報の整理と相手方内部資料の取得は別問題である２　損害額の集計と複数シナリオの試算は速くなる３　秘密資料をAIへ入力する前の統制が必要である第５　技術説明，控訴・審決取消及びSEP訴訟への影響１　技術説明資料は作りやすくなるが，理解させる責任は残る２　控訴・審決取消訴訟では早期の争点固定が一層重要になる３　SEP訴訟ではデータ分析と交渉支援の比重が高まる第６　商標・意匠・著作権・営業秘密等への影響１　商標・意匠事件２　著作権事件３　営業秘密・ソフトウェア事件第７　弁護士の作業量，報酬及び組織への影響１　時間単価型の書面作成は圧力を受ける２　少人数事務所の対応範囲は広がるが，専門家連携は消えない３　若手育成を自動化任せにしない第８　知財訴訟でAIを使うための実務設計１　AIへ渡す前に事件資料を固定する２　出力を命題単位で検証する３　人が決める事項を先に定義する第９　まとめ第１０　出典・参考資料１　法令・裁判所資料２　AI利用・研究資料
第１　本記事の前提と結論
１　「山中弁護士レベル」の意味

本記事では，「山中弁護士レベルのAI作成書面」を，公開された一次資料及び依頼者から適法に提供された資料を基に，論点，事実，証拠及び出典を対応させた実務上利用可能な書面の初稿を短時間で作成できる水準という仮定で用いる。
これは，特定のAIが日本の知財訴訟で既にこの水準へ達したという実証結果を述べるものではない。
また，AIが裁判結果を予測し，弁護士に代わって最終判断をするという前提でもない。
以下のAI利用例も，この仮定と必要な資料・機能が利用できることを前提とする。

調査の基準日は令和８年９月１３日である。
特許権侵害訴訟を中心に，審決取消訴訟，標準必須特許（SEP）訴訟，商標・意匠・著作権・営業秘密等の紛争及び知財弁護士の業務モデルへの影響を検討する。
特許出願書類の作成そのものは本記事の主題ではなく，AIの能力と人材育成を検討するために必要な範囲で参照する。

２　結論

最も大きく短縮される可能性が高いのは，①大量資料の分類，②特許請求の範囲と対象製品の対比表の初稿，③先行技術候補の探索と差分表，④相手方主張への反論候補の列挙，⑤売上げ・数量・経費資料の集計，⑥準備書面，証拠説明書及び技術説明資料の初稿，⑦外国語資料の仮訳である。
いずれも，知財訴訟に固有の法的判断そのものというより，複数資料を一定の軸で対応付ける作業である。

他方，①争う特許・請求項・構成要件の選択，②技術者からの聴取と証拠の発見，③クレーム解釈，均等論，進歩性及び記載要件の評価，④秘密資料をどこまで開示するかの判断，⑤専門家・裁判所への技術説明，⑥和解・ライセンス条件の交渉，⑦AI出力の検証及び最終責任は，弁護士の中核業務として残る。
したがって，仕事が一律に消えるのではなく，「文章を作る時間」から「証拠を収集・保全し，主張を選び，技術と事業を理解し，結果に責任を負う時間」へ配分が変わると考えられる。

弁護士業務全般への影響は，山中弁護士レベルのAI作成書面が普及した場合に大きな影響を受ける弁護士の業務分野で説明している。
本記事は，そのうち知財訴訟を工程別に詳しく扱うものである。

第２　知財訴訟でAIの影響が早く現れる理由
１　争点と提出物が対応表にしやすい

東京地方裁判所知財部の特許権侵害訴訟の審理要領は，原則として，侵害の有無と無効論を扱う侵害論の後，侵害の心証が得られた場合に損害論へ進む二段階審理を示している。
同裁判所の侵害論の審理モデルでは，対象製品又は方法の特定，構成要件充足性，無効の抗弁，これに対する反論・訂正による対抗主張及び技術説明が順番に配置されている。
各段階で，主張，認否，証拠及び次の反論を対応付ける必要があるため，構造化と差分抽出を得意とするAIの影響が表れやすい。

２　大量の技術・法律資料を同時に扱う

特許訴訟では，特許請求の範囲，明細書，図面，出願経過，対象製品の仕様，ソースコード，実験結果，先行技術文献及び裁判例を横断する。
商標・意匠・著作権事件でも，画像，広告，販売履歴，利用態様，制作過程及び市場資料の整理が必要になる。
AIは，資料ごとの用語の揺れを吸収し，候補となる対応関係を広く示す点で有用になり得る。
もっとも，資料に存在しない事実を推測で補えば，整った表や文章であるほど誤りを見落としやすい。

３　AIの有用性は確認されても，そのまま使える水準とは限らない

令和８年５月掲載の最高裁長官記者会見によれば，民事裁判における試行では，当事者間の主張整理に一定の有用性があった一方，出力をそのまま使える水準ではなかったとされる。
同会見は，裁判官の判断作用にAIを用いることは相当でないとし，ハルシネーション，機密性，個人情報，倫理及び利用者側の力量も課題として挙げる。

（続きを読む...）山中弁護士レベルのAI作成書面が普及した場合の知財訴訟－弁護士業務への影響（AI作成）

目次第１　この記事の対象と結論１　想定するAI作成書面２　結論第２　影響の大きさを分ける条件１　影響が大きくなりやすい条件２　業務全体の代替を抑える条件第３　全分野に共通して変わる業務１　相談前後の情報整理２　調査，起案及び査読３　依頼者側の内製と価格の比較第４　書面作成の比重が高く影響が特に大きい分野１　紛争処理の定型化が進んでいる分野２　企業内で反復される法務分野３　資料審査と申請書面が中心となる分野第５　専門判断と証拠評価も大きく変わる分野１　技術・規制資料を大量に扱う分野２　専門資料と事実評価が結論を左右する分野３　生活関係と身体拘束を扱う分野第６　書面以外の中核が残る分野１　対話と即時判断が成果を左右する業務２　危機，国境又は公共判断を伴う業務第７　法律事務所の収益と人員配置への影響１　若手の初稿作成から工程管理へ移る２　報酬は作業量から検証範囲へ移る３　個人の処理能力と事務所全体の体制・利益を分ける第８　新たに増える弁護士業務１　AI成果物の検証と事故対応２　法務工程と利用環境の設計第９　関連記事１　業務代替の条件と人が担う役割２　裁判所提出書面の検証３　非弁護士によるAI法務支援サービス第１０　出典・参考資料１　法令２　司法機関・所管行政機関の公表資料３　職能団体の委員会・会員による解説４　学術文献５　国内の事業者資料と本人の公開投稿
第１　この記事の対象と結論
１　想定するAI作成書面

本記事における「山中弁護士レベルのAI作成書面」とは，依頼者又は担当弁護士が整理した資料を基礎に，事実，証拠，法令及び裁判例を対応させ，人が原典と記録を確認した上で，裁判所への提出又は依頼者への提供を検討できる初稿を作成する状態をいう。
AIが単独で正しい書面を完成させるという意味でも，特定の製品又は利用者について品質を保証する意味でもない。
本記事は，令和８年９月１３日を調査基準日として，この水準の書面作成支援が広く利用可能になった場合に，どの弁護士業務がどの工程で影響を受けるかを整理するものである。

２　結論
(1)　書面工程は全分野で変わる

影響を受けない業務分野は，原則としてない。
相談票，時系列表，調査メモ，契約書，意見書，訴状，準備書面，申立書，報告書その他の文章を作る工程は，全分野に存在するためである。
ただし，書面作成時間が短くなることと，事件処理全体が代替されることは同じではない。

(2)　分野ごとの差は書面外の仕事から生じる

影響が特に大きいのは，入力資料が電子化され，文書の型が安定し，反復件数が多く，正誤を原典又は証拠で検査しやすい分野である。
これに対し，事実の発見，供述の信用性評価，依頼者の意思形成，交渉，現場対応，尋問及び最終判断の比重が大きい分野では，準備書面や検討記録は強く変わっても，業務全体の代替は進みにくいと考えられる。

(3)　実証研究が示す範囲

２０２６年公表の無作為化比較試験では，米国の上級法科大学院生１３７人が６種類の法律課題に取り組み，２種類のAIツールによる生産性の有意な向上が６課題中５課題で確認された。
上昇幅は課題により約５０％から１３０％であったが，秘密保持契約書の起案では有意な改善が確認されなかった。
参加者は実務弁護士ではなく，課題は訴訟関連に偏り，使用されたのは２０２４年時点の米国向けツールであるから，この数値を日本の各業務分野へそのまま当てはめることはできない。

第２　影響の大きさを分ける条件
１　影響が大きくなりやすい条件

本記事では，①資料が検索可能な電子データである，②求める成果物と評価基準を言語化できる，③同種案件又は同型書面が多い，④引用，数値及び要件を原典で検証できる，⑤成果物の中心が文章である，⑥依頼者又は企業の法務部門が一定部分を内製できる，という条件が多いほど影響が大きいと整理する。
大量記録の分類，時系列化，比較，抜け漏れ候補の抽出及び複数文書の統合は，特定の実体法分野に限られず，この条件を満たしやすい。

２　業務全体の代替を抑える条件

①記録に現れない事実を面談又は現場で見つける必要がある，②供述，感情又は関係性の評価が結論を左右する，③交渉相手又は裁判所の反応に応じて方針を変える，④身体拘束，保全，事故又は不祥事に即時対応する，⑤専門家として説明し責任を負う，という条件が多い分野では，人の関与が中核に残る。
AIが質問案，論点表又は書面案を作れるようになっても，どの事実を重視し，どの選択肢を勧め，どこで譲歩又は停止するかという意思決定までは，自動的に決まらない。

第３　全分野に共通して変わる業務
１　相談前後の情報整理

相談票，メール，契約書，録音の文字起こしその他の資料から，当事者，日付，金額，争いのない事実，矛盾候補及び不足資料を抽出する工程は短くなると考えられる。
東京弁護士会の機関誌LIBRAに掲載された会員執筆記事も，初回相談の資料から時系列，法的論点，追加聴取事項及び証拠候補を整理する利用例を示している。
これは個別執筆者による実務解説であり，東京弁護士会全体の拘束的な判断を示すものではない。

（続きを読む...）AIで変わる弁護士業務３０分野―書面作成・証拠評価・交渉への影響（AI作成）

第１　結論と本記事の射程１　結論２　本記事の対象・基準日・資料の位置付け第２　最初に契約関係と損害経路を分ける１　契約当事者間の責任２　契約関係のない第三者に対する責任３　製造物責任法が問題となる場合第３　補助／支援型AIでは人の最終判断が中心となる１　補助／支援型AIの意味２　弁護士業務支援AIの想定事例３　開発者・提供者の責任が限定されるとは限らない第４　依拠／代替型AIでは業務プロセス全体を評価する１　該当性を判断する二つの要素２　利用者の義務は構築・運用・監視へ移る３　開発者・提供者に求められる説明と設計第５　AIエージェントでは権限と連鎖を調べる１　責任追及の対象となる者２　カスタマーサポートの想定事例３　権限が広いほど事故経路を細分化する４　長期運用では単発精度と一貫性を分ける第６　責任主体を分ける実務上の確認表第７　初動で保存すべき証拠１　まず現状を固定する２　証拠の保有者と取得負担を対応させる３　調査の拡張条件と停止条件を決める４　利用量・キャッシュ異常では原因を分けて保存すること５　PC操作を伴う事故で確認する事実と記録第８　消滅時効を早期に確認する１　契約上の請求２　不法行為上の請求３　製造物責任上の請求第９　裁判例の蓄積と本記事の限界１　AI民事責任を正面から判断した裁判例２　カーナビルート案内事件第１０　関連記事第１１　出典１　法令２　裁判例・公的な裁判例一覧３　所管行政機関の解説・手引き４　技術的な研究・事業者資料５　関連記事
第１　結論と本記事の射程
１　結論

AIの誤回答，誤判定又は自律的な動作によって損害が発生しても，AIの利用者，利用者の使用者，開発者，提供者又は製造業者のうち一者だけが常に責任を負うわけではない。
まず，被害者との契約関係，AIを組み込んだ業務の設計・運用，誤出力から損害までの人の関与，開発者・提供者による説明及び安全措置，並びに製造物への組込みの有無を分けて検討する必要がある。

経済産業省の「AI利活用における民事責任の解釈適用に関する手引き〔第1.0版〕」は，AIを「補助／支援型AI」と「依拠／代替型AI」に分ける。
補助／支援型AIでは，最終判断をする利用者が本来負う注意義務を果たしたかが中心となり，AIを使っただけで注意義務の水準が上下するものではないと整理されている。
依拠／代替型AIでは，個々の出力を人が毎回再判断することよりも，必要な精度・安全性を備えた業務プロセスを構築し，継続的に監視・改善することが中心となる。

もっとも，この二分類は法令上の要件ではなく，経済産業省の研究会が現行法の解釈を整理するために示した分析枠組みである。
契約条項，具体的な利用場面，損害の種類及び証拠によって結論は変わり，最終的な法解釈は裁判所が行う。

２　本記事の対象・基準日・資料の位置付け

本記事は，令和８年９月７日現在の日本法を前提に，業務でAIを利用した結果として顧客，取引先その他の第三者に損害が生じた場面を主な対象とする。
著作権，個人情報，営業秘密，弁護士法その他の業法それ自体の詳しい要件は，損害賠償責任の前提となる範囲に限って扱う。

経済産業省の手引きは，不法行為法上の論点を中心に，製造物責任法にも触れた所管行政機関の解説・手引きである。
新たなルールを創設するものではなく，掲載された事例も全て架空であり，契約責任は具体的な契約内容を別途確認する必要があると明記されている。
したがって，本記事も，同手引きの記載を判例又は拘束力のある規範として扱わない。

第２　最初に契約関係と損害経路を分ける
１　契約当事者間の責任

顧客がAIを導入した事業者から誤った説明を受けた場合，顧客と事業者との契約内容に応じて，民法４１５条の債務不履行責任が問題となる。
AI利用企業とAI提供者又は開発者との間では，利用規約，業務委託契約，SaaS契約，品質保証，サービス水準，利用目的，免責・責任制限，補償，ログ保存及び再委託の条項が出発点となる。

損害の範囲については，民法４１６条の通常損害・特別損害の区別が問題となり，債権者側にも損害の発生又は拡大に関する過失があれば，民法４１８条による調整があり得る。
そのため，「AIが誤った」という事実だけでは足りず，誰がどの性能を約束し，どのリスクを説明し，どの確認作業を担当すると合意したかを契約書と実際の運用の双方から確認する必要がある。

２　契約関係のない第三者に対する責任

契約関係のない第三者が損害を受けた場合は，民法７０９条の不法行為責任が中心となる。
具体的には，権利又は法律上保護される利益の侵害，故意又は過失，損害及び因果関係を個別に検討する。

従業員が事業の執行についてAIの誤出力を利用して第三者に損害を与えた場合は，民法７１５条の使用者責任が問題となり得る。
利用者，提供者その他の複数人の行為が共同して損害を生じさせた場合は，民法７１９条の共同不法行為が問題となり得るが，各主体が自動的に連帯責任を負うわけではない。

被害者側の確認不足又は損害拡大への寄与がある場合は，民法７２２条２項の過失相殺が問題となり得る。
ただし，AIであること又は誤回答の可能性が十分に表示されていなかった場合まで，利用者に一律の確認義務があったと扱うことはできない。

３　製造物責任法が問題となる場合

（続きを読む...）AI利活用に伴う民事責任－補助／支援型AI・依拠／代替型AI・AIエージェントで誰が責任を負うか（AI作成）

目次

第１　二つの調査１　日本の調査２　米国の調査３　比較の前提－母集団も設問も違う第２　ポリシー及び研修の整備率は見かけ上近いが単純比較できない第３　利用率に関する数値も単位が違う第４　阻害要因として上位に現れた項目が違う第５　法律特化型を選ぶ理由第６　裁判所提出書面へのAI由来の誤りの混入第７　「日本は少ないから安全」とは言えない第８　実務上の含意第９　関連記事出典・参考資料
第１　二つの調査
１　日本の調査

2026年9月5日に福岡市で開催された第24回弁護士業務改革シンポジウム第2分科会の配布資料のうち，資料2-1は，日本弁護士連合会弁護士業務改革委員会事務職員関連小委員会による「事務職員と生成AIに関するアンケート調査　報告書」である。
調査は2026年3月23日から同年4月27日までの間に行われ，有効回答は223件である。
対象は「主に事務職員を雇用する会員，または生成AIの利用に関心のある会員」であり，全弁護士の縮図ではない。
配布資料は日本弁護士連合会のウェブサイトで公開されている。

この報告書は，母数が設問ごとに異なる。
有効回答223件がそのまま母数になるのは一部の設問だけであるから，本記事では数値を挙げるときに母数を併記する。

２　米国の調査

同じ分科会の資料2-3は「アメリカの法律事務所における生成AIの利用状況」と題する7枚のスライドであり，米国の法律実務メディアの記事2本を出典として印字している。
この2本を実際に取得して照合した結果，資料2-3が掲げる数値の転記に誤りはなかった（2026年9月6日確認）。
ただし，2本は別のレポートを紹介した記事であり，資料2-3はこれを1枚の資料の中で混在させている。

第1のレポートは，リーガルテック企業グループが公表した2026年の業界レポートである。
1,300名を超える回答者を対象に，2025年9月19日から同年10月18日までの間に実施された調査に基づく。
第2のレポートは，別の法務システム企業が公表した2025年の業界レポートであり，2026年1月までに集計されたもので，中規模事務所を主な対象とする。

ここで注意を要するのは，資料に「2026年」と表示された数値の調査時点が2025年秋であることである。
記事の公表が2026年3月であるため，資料の年表示は公表年に基づいている。
実際の調査時点との間に半年程度のずれがある。

なお，資料2-3の最終スライドには出典行が印字されておらず，引用元の記事2本のいずれにも対応する記載を確認できなかった項目がある。
本記事では，その項目は取り上げない。同じ資料の中でも，裏付けの有無が項目ごとに異なることがある。

３　比較の前提－母集団も設問も違う

日米の数値を並べるときは，次の3点を踏まえる必要がある。

①日本の調査は「事務職員を雇用する会員又は生成AIに関心のある会員」223名を対象とし，米国の調査は法律専門職1,300名超を対象とする。母集団の性質が違う。
②日本の調査は事務所単位で導入状況を尋ね，米国の調査は個人の利用状況を尋ねている設問がある。単位が違う。
③調査時点は日本が2026年春，米国が2025年秋である。

したがって，以下の比較は，順序と構造の比較として読むべきものであり，小数点以下の差を論じるためのものではない。

第２　ポリシー及び研修の整備率は見かけ上近いが単純比較できない

二つの調査の中では，AIに関するポリシー及び研修の整備に近い項目が置かれている。ただし，質問文，回答単位，母集団及び調査時点が一致するものではないため，統計上の整備率を直接比較できるものではない。

米国の第1のレポートによれば，書面化され実際に運用されているAIポリシーがある事務所は9パーセント，策定中が24パーセント，非公式なものにとどまるものが10パーセント，正式なポリシーがなく策定する予定もないものが43パーセントである。

（続きを読む...）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）

第１　WGの目的と検討対象１　何を検討する場か２　公表済みのDSSと今後の改訂第２　開催日と公開資料第３　企業AXと組織をめぐる論点１　企業AXの定義案は何を変えるのか２　全社員がAIを構築するという結論なのか３　組織知の共有と人の管理負荷４　日本AISIのCAIOガイドが示す責任分担第４　個人の能力と学習機会１　事前意見に共通すると整理された三つの能力２　AX推進人材の役割と当日の補足意見３　若手の学習機会は減るのか４ 第5回で整理された四つの能力と経験の共有５ 役割・タスク別の評価と疑似OJT第５　検討内容を業務に当てはめる際の留意点第６　出典・参考資料１　開催情報及び事務局の討議資料２　会議後に公表された議事要旨３　公表済み標準の案内・公開発表
第１　WGの目的と検討対象

本記事は，令和８年１０月５日現在，経済産業省の公式開催一覧で確認できる第1回から第5回までを対象とする。
各回の事務局資料，第3回・第4回の議事要旨及び第5回資料2から，検討の経過と主要な論点を整理する。
第5回の資料3は「後掲」と表示されており，公開された議事要旨は確認できないため，資料2の事前意見整理を当日の総意として扱わない。

１　何を検討する場か

AX時代におけるスキルのあり方検討ワーキンググループ（以下「本WG」）は，AIを前提とする企業変革と，そのための組織の役割や個人のスキルを検討する場である。
「Society5.0時代のデジタル人材育成に関する検討会」の下に置かれ，企業が自社の状況に応じて変革を検討・実行できるよう，未来社会の姿，企業像，組織と個人のスキルを報告書に整理することを目的としている（第1回事務局資料5頁～6頁）。

当初のゴールイメージは，大企業及び成長志向の企業を前提とし，3年～5年後を見据えたものであった（同資料20頁）。
第3回では，報告書の想定読者として，経営層，事業責任者，人事・人材育成・DX／AX推進担当者のほか，自らの仕事・役割・学び方・キャリアを考える個人が挙げられている（第3回事務局資料19頁）。

２　公表済みのDSSと今後の改訂

デジタルスキル標準（DSS）は，個人の学習や企業の人材確保・育成の指針であり，全てのビジネスパーソンを対象とする「DXリテラシー標準」と，DXを推進する人材を対象とする「DX推進スキル標準」で構成される。
IPAは2026年4月16日にver.2.0の公開を発表しており，本WGの第1回開催日である同月21日より前に公表された版である（IPAの公開発表）。

これに対し，本WGの議論は，次期DSS改訂や今後の関連施策の検討に活用する位置付けである（第1回事務局資料6頁・20頁）。
したがって，公表済みのDSS ver.2.0と，本WGで議論されている能力・役割の案とは区別して読むことになる。

第２　開催日と公開資料

各回の開催日と，事務局資料に示された主な検討内容は次のとおりである。
回次のリンク先では，当該回の配布資料と議事要旨の掲載状況を確認できる。

回次・公式開催ページ
開催日
主な検討内容

第1回
2026年4月21日
WGの目的・進め方，3年～5年後の未来社会像

第2回
2026年6月1日
AXの定義案，目指す企業像，人材の役割分担や資源の再配置

（続きを読む...）AX時代におけるスキルのあり方検討ワーキンググループの資料・論点（AI作成）