AIベンダーデューデリジェンスと契約審査のチェックポイント｜導入企業・提供企業別の実務論点
こんにちは。LegalAgent 代表弁護士の朝戸です。
事業部から「このAIツールを導入したい」という稟議が上がってくる。添付されているのは料金表と機能紹介資料で、セキュリティチェックシートは従来のSaaS用のまま。法務としてどこまで確認すればよいのか分からない。AIサービスの導入審査に関する相談は、おおむねこの形で始まります。
機能や価格だけでAIサービスを選ぶことに慎重であるべき理由は、生成AI、AIエージェント、議事録AI、契約レビューAI、チャットボット、コード生成AIといったサービスが、業務の中核情報に接続されることが多いからです。通常のSaaS契約と同じ感覚で、利用料金、契約期間、SLA、サポートを見るだけでは審査として足りません。入力データが学習に使われるのか、ログがどこまで残るのか、モデルやサブプロセッサが変更されるのか、出力結果の誤りに誰が責任を持つのか、顧客から預かった情報を入力してよいのかまで確認して、初めてAIサービスの審査になります。
加えて、AIサービスの利用に関する公的ガイダンスや個別法は更新される可能性があります。AI事業者ガイドライン、個人情報保護法、著作権法、業界ごとの監督指針、利用するサービスの規約を、導入時点の最新情報に照らして確認する必要があります。
検討を始める前に社内で揃えておく前提
ベンダーに質問を投げる前に、まず自社側の前提を固めます。次の五点が埋まっていないと、ベンダーの回答を評価する基準がなく、審査が資料の受け取りだけで終わります。
- AIに入力するデータに含まれる秘密情報・個人情報・第三者著作物の有無
- 出力結果の利用者、利用する業務、利用してよい範囲
- 外部送信・学習利用・ログ保存・再利用について契約と社内ルールで説明できる状態か否か
- 利用規約・プライバシーポリシー・社内ポリシー・ベンダー契約の前提の整合
- AIの回答をそのまま採用しないための最終判断者とレビュー手順
AIベンダーデューデリジェンスとは
AIベンダーデューデリジェンスとは、AIサービスを導入又は販売する前に、サービス提供者の技術、データ管理、セキュリティ、法務、運用体制、契約条件を確認する作業です。
一般的なSaaSの審査では、セキュリティチェックシート、利用規約、DPA、SLA、サポート体制、料金表を確認することが多いです。AIサービスでは、これに加えて、モデルの性質、入力データの扱い、学習利用、出力結果、ログ、プロンプト、RAGで参照するデータ、外部モデル提供者、サブプロセッサ、生成物の権利関係まで確認対象が広がります。
同じ「議事録AI」という名前でも、音声データを一時処理するだけのサービスと、改善目的で保存するサービス、外部の基盤モデルに送信するサービス、海外サーバーで処理するサービス、管理者がログを閲覧できるサービスとでは、リスクがまったく違います。契約レビューAIでも、契約書本文を学習に使わない設計なのか、匿名化して利用するのか、顧客ごとのナレッジを分離しているのかで評価が変わります。製品カテゴリではなく、個別のデータフローを見なければ判断できません。
この確認は法務部だけの仕事ではありません。データフローの技術的な確認には情報システムやセキュリティの知識が、業務上の重要度の評価には事業部の知識が要るからです。個人情報保護担当、購買、経営層も含め、導入する業務の重要度に応じて確認の深さを変える形が現実的です。
契約審査が問題になる場面
AIベンダー契約の審査が問題になるのは、AIサービスが企業の情報流通と判断プロセスに入り込むからです。
通常のツールであれば、データを保存・表示するだけのことが多いです。AIサービスは違います。入力された情報を読み、要約し、分類し、推論し、文章を作り、次のアクションを提案します。AIエージェント型であれば、外部ツールを呼び出し、メールを作成し、チケットを更新し、ファイルを検索し、ワークフローを進めることもあります。
このとき、契約書上の責任分界が曖昧だと、問題発生時の説明が行き詰まります。AIが誤った顧客回答を作成した場合、サービス提供者はどこまで責任を負うのか。従業員が誤って顧客情報を入力した場合、ベンダーはどこまで削除に対応するのか。モデル変更により出力品質が下がった場合、利用企業は解除できるのか。障害で業務が止まった場合、SLAはどう適用されるのか。契約書に答えがなければ、事故の後にゼロから交渉することになります。
AIサービスの裏側に複数の事業者が関わっている点も、審査を難しくします。アプリ提供者、基盤モデル提供者、クラウド事業者、音声認識サービス、翻訳サービス、監視ツール、分析ツールが連携している場合、データがどこに流れるのかを契約書だけから読み取ることは困難です。契約文言に加えて、セキュリティ資料、ホワイトペーパー、管理画面、DPA、サブプロセッサ一覧、FAQ、営業説明資料を突き合わせ、契約と実際の運用が矛盾していないかを見ます。
審査項目を業務に沿って並べる
審査の起点は、利用目的と対象業務です。AIサービスを社内文書作成に使うのか、契約レビューに使うのか、顧客対応に使うのか、採用に使うのか、医療・金融・労務のような高リスク領域に使うのかで、必要な審査の深さが変わります。
続いて入力データの種類です。秘密情報、個人情報、顧客情報、契約書、ソースコード、財務情報などを入力するのかを確認します。顧客から預かった情報を入力する場合は、顧客との契約上の再委託、第三者提供、目的外利用の問題も検討対象になります。
学習利用の有無は、審査項目の中でも最も落とせません。入力データやログが、基盤モデルの学習、サービス改善、評価、プロンプト改善に使われるのかを確認します。「学習には使わない」と説明されている場合でも、契約条項、設定画面、プラン条件、サブプロセッサの条件が一致しているかまで見ます。営業説明と契約書が食い違っている場合、事故時に会社を守るのは契約書の方です。
データ保存と削除では、入力データ、出力、プロンプト、添付ファイル、音声、ログがどこに保存され、いつ削除され、管理者が削除できるのかを確認します。契約終了時のデータ返還・削除、バックアップからの削除に要する期間も対象です。
セキュリティでは、認証、アクセス制御、暗号化、監査ログ、脆弱性管理、インシデント通知、SOCレポート、ISMS、データセンター所在地、サブプロセッサを確認します。AIサービス特有の問題として、プロンプトインジェクション、権限外データ参照、意図しない外部送信、管理者権限の濫用も検討します。
出力結果の扱いでは、正確性保証の有無、利用者による確認義務、第三者権利侵害時の補償、禁止用途、出力の権利帰属、商用利用の可否を確認します。AIの出力は誤りを含むことがあるため、業務フロー上どこに人間の確認を置くかを、契約審査とあわせて決めます。
運用面では、モデル変更、機能変更、規約変更、料金変更、サービス終了、ベンダーロックイン、データ移行を確認します。AIサービスは進化が速く、導入時に問題がなくても半年後に仕様が変わる可能性があります。変更通知と解除権を契約で確保しておくと、変わった後の選択肢が残ります。
見落とされやすいのがPoCやトライアルの段階です。正式導入前だからという理由で、実データや顧客資料を試験環境に入れてしまうケースがあります。トライアル規約の方が本契約よりデータ利用条件が緩いこともあるため、検証段階で利用できるデータ、匿名化の要否、検証終了後の削除、成果物の扱いを事前に決めておきます。
社内稟議に載せる評価基準も揃えておくと、審査が進みます。価格、機能、セキュリティだけでなく、学習利用の有無、重要データの入力可否、事故時の通知、契約終了時の移行、外部説明のしやすさを同じ表で比較します。導入部門が便利さを語り、法務・情報システム部門がリスクだけを指摘する構図では議論が止まります。共通のチェック表は、この対立を「同じ基準で比較する」形に変えるための道具です。
導入企業と提供企業では守るべきものが違う
導入企業側の第一のリスクは、入力データと業務依存です。AIサービスに業務が深く入り込むほど、サービス停止、モデル変更、出力品質低下、料金改定の影響を受けやすくなります。顧客対応や契約レビューのように対外的責任につながる業務では、人間の確認と代替手段を用意しておく必要があります。
導入企業側では、自社の顧客との契約も見直しの対象になります。顧客から受領したデータをAIサービスに入力することが、秘密保持義務、個人情報の処理、再委託、国外移転、利用目的制限に反しないか。AIベンダーとの契約だけを見ていると、自社が顧客に対して負っている義務との矛盾を見落とします。
提供企業側では、利用者への説明と責任制限が中心になります。AIサービスの出力は完全ではないため、どの用途で使えるのか、どの用途では使ってはいけないのか、利用者が確認すべき事項は何かを明確にする必要があります。説明が弱いまま販売すると、利用者がAI出力を過信し、トラブル時に責任を問われる可能性があります。
提供企業側のもう一つの課題は、サブプロセッサと基盤モデル提供者の管理です。自社がすべてのモデルを直接運用していない場合、下流のサービス利用規約、データ処理条件、学習利用、障害時対応、権利侵害補償が、自社の顧客契約と整合しているかを確認します。下流の条件が自社の顧客への約束より緩ければ、その差分は自社が負うことになります。
双方に共通するのは、AIベンダー契約を一度締結して終わりにしないことです。仕様変更が頻繁に起こり得る以上、重要なAIサービスについては、更新時、機能追加時、利用部署拡大時、入力データ変更時に再レビューする運用が必要になります。
AIによる契約レビューの使いどころと限界
生成AIは、AIベンダー契約の初期レビューにかなり使えます。利用規約、DPA、セキュリティ資料、FAQ、サブプロセッサ一覧を読み、入力データ、学習利用、ログ保存、国外移転、責任制限、補償、解除、変更通知の論点を抽出できます。
限界もはっきりしています。AIに契約書だけを読ませても、十分なレビューにはなりません。AIベンダー契約の審査で問われるのは、契約書と実際の利用場面の接続だからです。どの部署が使うのか、何を入力するのか、顧客情報を含むのか、出力を社外に出すのか、代替手段はあるのか。この情報を与えなければ、出力は一般論に流れます。
AIサービスの規約は頻繁に更新されることがあり、AIの回答が古い規約や古いガイドラインを前提にしている可能性もあります。レビュー時には、現在公開されている規約、管理画面、公式資料、AI事業者ガイドライン、個人情報保護法、著作権法などの最新情報を確認する必要があります。
LegalAgentでは、AIベンダー契約を見るとき、条項の有利不利の判定に加えて、導入企業の業務フローと突き合わせます。どの情報を入れてよいのか。誰が承認するのか。出力を誰が確認するのか。事故時に誰が説明するのか。契約審査は、この運用を作るための入口だと位置づけています。
AIベンダー契約の審査をご依頼いただく場合
AIサービスの導入審査は、単発のスポット相談としてもお受けしていますが、導入後の規約変更や利用拡大まで追いかける形では、継続的な法務支援の枠組みが向いています。