Blog
生成AIと個人情報、文書の黒塗り、ベンチマークと開発の記録。
法務AIのベンダーロックイン：文書を読むモデルは誰が選ぶか
国内の法務AIが新しいモデルをどう取り入れているかを例に、審査基準やひな形、依頼者情報の扱いを事務所の手元に残すための確認事項をまとめます。
記事を読むオピニオン権威の終わり：AIが文章を書く時代に、主張をどう確かめるか
整った文章は、長く書き手の力量の証しとされてきました。AIがその前提を崩したいま、読み手に残る確かめ方は何か。プラトン『ゴルギアス』の一節から考えます。
記事を読む働き方生成AIの業務利用を明かせない理由：日本と47か国の調査から
日本で職場にAI利用のガイドラインがあると認識している人は30%。KPMGとマイクロソフトの調査、デューク大学の実験から、AIを使ったと明かした人がどう扱われるかを整理します。
記事を読む法律実務弁護士の生成AIガイドライン：所内ルールと点検の記録
東京弁護士会のガイドライン、日弁連AI戦略WGの注意事項、弁護士情報セキュリティ規程を手がかりに、小規模な法律事務所が生成AIの所内ルールに書くことと、残しておく記録を整理します。
記事を読む技術日本語の検出モデルを軽量化し、ブラウザーで動かした方法
約1.1GBの日本語モデルを転送量約167MBにするまでに、どの手順で出力が変わり、どの手順で変わらなかったのか。測った結果と、日本語だけ別のモデルにした理由を説明します。
記事を読む働き方社員がAIの利用を隠す理由：黙っているほうが合理的になる職場の条件
使ったと言えば手抜きと見られ、上司に知られれば禁止されます。守秘義務を負い、個人情報保護法の適用を受ける会社側の事情も含めて、隠れた利用が生まれる仕組みと、管理職がまず打てる手を考えます。
記事を読む法律実務法律文書のPDFをクラウドに送らず黒塗りする方法と確かめ方
黒塗りしたつもりのPDFから氏名が読めてしまう不備は、国内の自治体でも起きています。オンラインのサービスに預ける前に考えたい守秘義務と、黒塗りの確かめ方をまとめました。
記事を読む仕組み元に戻せる匿名化の仕組み：コードと対応表はどこに置かれるか
氏名や番号をコードに置き換え、戻ってきた文書で元に戻す方法です。コードが通用する範囲と、一緒に渡してはいけない1つのファイルを説明します。
記事を読むコンプライアンスマスキングした文書は個人情報か：「容易に照合」と対応表
氏名を消したり記号に置き換えたりした文書は、法律上どう扱われるのか。個人情報保護委員会のガイドラインが示す基準と、「匿名化した」と書く前に確かめることをまとめました。
記事を読むガイドスキャンしたPDFや画像の黒塗り：「見つかりませんでした」の危うさ
スキャンした契約書に、ツールが「個人情報は見つかりませんでした」と表示したとき、何が起きているのか。縦書きや印影など、日本語の文書で読み取りがつまずく場所も挙げます。
記事を読むAIの安全な利用契約書をChatGPTにアップロードしても大丈夫か：先に読むべき条項
学習をオフにするだけでは解決しません。見落とされがちな秘密保持条項、契約書から分かる情報、すでにアップロードした場合の対応をまとめました。
記事を読む技術デモ動画の作成ツールを自作した理由：録画をやめて操作を記録する
既製の画面録画ツールから始めましたが、2つのテーマと複数の言語、毎週変わる画面の組み合わせに追いつけませんでした。何を記録するように変え、手間がどう変わったかを書きます。
記事を読む法務とAI弁護士の守秘義務と生成AI：日本に秘匿特権はあるか
押収拒絶、証言拒絶、公正取引委員会の判別手続は、生成AIとのやり取りをどこまで守るのか。条文と日弁連・個人情報保護委員会の資料から、入力の前に事務所で決めておくことを整理します。
記事を読む法務とAIMicrosoft 365 Copilotと個人情報：文書はどこで処理されるか
Copilotのデータ所在地の約束は、AIが文書を処理する場所まで含むのか。Microsoftの公開資料と個人情報保護委員会のQ&Aをもとに、法律事務所や税理士事務所が確かめておく点を整理します。
記事を読む開発者向けセルフホスト型の個人情報黒塗りAPI：自社サーバーの外に出る通信
文書を自社のサーバーから出さずに、個人情報の検出と黒塗りを自動化する方法です。それでも外に出る通信の中身と間隔、ネットワークに接続できないときの動きを説明します。
記事を読む法務とAIAI契約書レビューの料金は何の対価か：ChatGPTとの違い
LegalOnなど国内の法務AIが使っているモデル、2026年8月の法務省ガイドラインが事業者に勧めていること、事務所や法務部が自分で用意できる部分を整理します。
記事を読む製品の位置づけ個人情報の検出ツールがスキャンに弱い理由：文字認識は誰の担当か
個人情報の検出ツールの多くは、テキストを受け取る前提で作られています。スキャンを文字にする作業は誰の担当なのか、日本語のスキャンで起きることと、当社自身の不具合も含めて説明します。
記事を読む業務の進め方文書をまたいで同じコードを使うには：対応が保たれる範囲
やり取りのたびに呼び名が変わると、AIは一人の人物を二人として読みます。コードが変わらない範囲と、それを決めるもの、対応表の置き場所を説明します。
記事を読む技術日本語の個人情報検出エンジンを自社で作った理由
空白のない行、敬称のない氏名、マイナンバーの検査用の数字、和暦の日付。日本語の文書で、既製のモデルの外に必要だった作業を実装に沿って説明します。
記事を読む製品の位置づけ企業の個人情報保護、4つの方法を比較：得意なことと合わない場面
データ管理基盤、クラウドのAPI、外部委託、手作業の黒塗り。それぞれが何のために作られ、どこで合わなくなるのかを整理し、promptShieldが担う範囲を示します。
記事を読む責任あるAI人が確認する匿名化：AIが自分の出力に責任を持てない理由
確認者の欄に印を押すことは、何を引き受けることなのか。匿名化で人の確認を外せない理由と、確認のときに見るべき場所をまとめました。
記事を読むAIの安全な利用ChatGPTに社内文書を貼り付けて大丈夫か：送る前の4つの確認
有料プランにすれば安心とは限りません。個人情報保護委員会の注意喚起が求める確認事項、生成AIへの入力を条例で禁じた神戸市の例、貼り付ける前に確かめることをまとめました。
記事を読む個人情報保護の実務生成AIで変わる個人情報の守り方：アクセス制御が届かない経路
個人情報の保護は、長くデータベースへのアクセス管理が中心でした。生成AIの利用で、閲覧を許された担当者が文書を社外に出す経路ができています。
記事を読む情報漏えいリスク顧客の文書を生成AIに入力するリスク：会社が問われる4つのこと
生成AIを使えば、機密情報は手間なく社外に出ます。貼り付けた文章の行き先、取引先との契約や個人情報保護法との関係、利用をやめずに済む方法をまとめました。
記事を読むベンチマークPresidioを日本語の文書で測る：読めるまま残った個人情報
架空の日本語の文書8件で、個人情報を1文字ずつ数えて比べました。Presidioを日本語で動かす設定、GiNZAで必要だった対応付け、分野別の結果を載せています。
記事を読む