生成AIを利用する補助金支援会社のM&Aデューデリジェンス｜顧客機密・著作権・ログを検証

生成AIは、補助金支援会社の作業を速くする一方、従来のクラウドサービスよりもデータの流れが見えにくい道具です。相談メモの要約、申請書のたたき台、審査観点の洗い出し、見積書の比較、議事録、メール案、表計算の式、顧客向け説明資料など、用途は短期間で広がります。ところが、現場で使う人が増えるほど、会社が把握していない個人アカウント、無料版、ブラウザー拡張、会議録サービス、API連携、社内チャットボットが混在します。M&Aで会社を買った後に初めて、機密情報がどのサービスへ入力されていたか、成果物の根拠を再現できるか、顧客との契約に反していないかが判明すれば、価格だけで解決できない問題になります。

本記事は、2026年8月22日時点の公開情報をもとに、生成AIを利用する補助金支援会社の譲渡企業・買い手が行うデューデリジェンス（DD）を実務順に整理したものです。一般的な端末管理、パスワード、GビズID、Jグランツ等の論点は、既存の補助金支援会社の情報セキュリティを譲渡前に整える解説およびGビズIDとJグランツの情報管理DDに譲り、ここでは生成AI固有のデータ利用、著作権、ログ、モデル挙動、利用規程、契約、インシデントに限定します。

補助金支援会社の生成AI DDで最初に出す結論

補助金支援会社 生成AI DDの目的は、AIの性能を採点することではありません。買収後も顧客との約束を守り、成果物の品質を説明でき、問題が起きたときに入力・出力・利用者・時刻・モデルを特定できる状態かを判断することです。結論は、次の五つに分けると経営判断へ接続しやすくなります。

1. 利用継続：現行のツール、設定、契約をそのまま承継できる。
2. 条件付き継続：企業向け契約への移行、学習利用の停止、ログ保存、顧客同意の確認などを前提に継続できる。
3. 利用停止・代替：個人アカウント、規約不明、削除不能、過度な機密入力などにより、クロージング前後で停止する。
4. 過去影響の調査：入力済みデータ、納品済み成果物、外部公開物を遡り、本人・顧客・権利者への対応要否を判断する。
5. 取引条件への反映：是正費用、顧客離脱、再作成、紛争、通知、専門家費用の可能性を、価格調整、エスクロー、補償、前提条件へ配分する。

「AIを使っているか」という二択では不十分です。同じサービスでも、個人向け画面、法人向けワークスペース、API、外部ベンダーが構築した検索拡張（RAG）、自社で追加学習したモデルでは、入力情報の扱い、保存、管理権限、出力の再現可能性が異なります。さらに契約条件や機能は更新されるため、DDでは口頭説明ではなく、基準日時点の契約書、注文書、設定画面、管理コンソールの出力、データ処理条件、サブプロセッサー一覧、監査ログを揃える必要があります。

一般的なIT DDでは見落としやすい六つの生成AI固有リスク

入力の二次利用

プロンプトや添付ファイルが、サービス改善、モデル学習、安全性評価、不正利用監視、人によるレビュー等へ使われる範囲が、契約種別や設定によって変わる。

派生データの残存

元ファイルを削除しても、会話履歴、埋め込みベクトル、キャッシュ、評価用サンプル、バックアップ、監査ログに情報が残る可能性がある。

出力の不確実性

同じ質問でも回答が変わり、制度要件、数値、引用、法令、期限について事実と異なる内容を自然な文章で生成することがある。

権利関係の多層化

入力資料をAIへ渡す権限、サービス提供者に許諾する範囲、出力を顧客へ納品する権利、出力が第三者著作物に類似するリスクを分けて確認する必要がある。

指示の汚染

外部文書やウェブページに埋め込まれた命令をAIが実行するプロンプトインジェクションにより、意図しない情報開示やツール実行が起こり得る。

証跡の欠落

担当者が出力だけを顧客ファイルへ貼り付け、プロンプト、モデル、参照資料、修正履歴を保存しないと、誰が何を確認したか再現できない。

2026年時点の公的な基準をDDの評価軸へ変換する

日本では、AI利用を一つの許認可で包括的に承認する制度ではなく、個人情報、著作権、契約、営業秘密、業法、消費者対応など既存の規律と、AIに関する横断的な政策・ガイドラインを組み合わせて考えます。2025年6月4日に公布・一部施行されたAI法は同年9月1日に全面施行され、政府の推進体制、基本計画、指針、情報収集等の枠組みを定めています。詳細は内閣府の人工知能関連技術の研究開発及び活用の推進に関する法律（AI法）で確認できます。DDでは「AI法対応済み」という一枚の宣言を求めるのではなく、各リスクに対応する具体的な統制へ分解します。

2026年3月31日には、経済産業省がAI事業者ガイドライン第1.2版を公表しています。人間中心、安全性、公平性、プライバシー、セキュリティ、透明性、アカウンタビリティ等を、自社の役割とリスクに応じて実装する考え方は、補助金支援会社のDDにも使えます。ただし、ガイドラインの項目に「対応」と丸を付けるだけでは証拠になりません。例えば透明性なら、利用者への表示、顧客への説明、モデル・参照資料・修正者を追えるログという証拠へ落とします。アカウンタビリティなら、承認者、例外申請、事故時の責任者、取締役会への報告頻度へ落とします。

個人情報保護委員会は生成AIサービスの利用に関する注意喚起を公開し、入力した個人情報が学習データとして利用される可能性を含め、利用規約等を確認する必要性を示しています。補助金支援会社では、代表者氏名や連絡先だけでなく、従業員名簿、賃金、障害・健康に関する情報、取引先担当者、個人事業主の収支、口座情報、面談の発言が含まれ得ます。したがってDDでは、個人情報の有無を質問するだけでなく、どの入力欄、添付、会議録、検索インデックスへ入ったかを確認します。

著作権については、文化庁のAIと著作権についてに、「AIと著作権に関する考え方について」とチェックリスト＆ガイダンスが集約されています。学習段階と生成・利用段階を混同せず、入力資料を利用する権限、生成指示、既存著作物との類似性・依拠性、人の創作的寄与、公開・納品方法を事案ごとに検討することが重要です。「AIが作ったから自由に使える」「著作権法第30条の4があるから顧客資料を何でも学習させられる」という一括判断はDD上の赤信号です。

公的資料を証拠項目へ変換する表

公的な観点	DDで求める証拠	補助金支援会社での確認例
プライバシー	利用目的、データ分類、委託先評価、国外処理、削除手順	賃金台帳や代表者情報を入力したサービスと保存期間
安全性・品質	用途別テスト、禁止用途、人による承認、誤りの記録	公募要領の条件、加点、対象経費、締切を原典で照合した記録
透明性	AI利用表示、モデル情報、参照元、顧客説明	申請書の草稿にAIを使った範囲と最終責任者
セキュリティ	SSO、MFA、権限、コネクター、監査ログ、脆弱性対応	クラウドストレージへ接続したAIが閲覧できる顧客フォルダー
著作権	入力権限、ライセンス、類似性確認、人の編集履歴	過去採択計画書や外注ライター原稿を再利用した範囲
アカウンタビリティ	責任者、承認記録、監査、例外管理、事故対応	無料版の緊急利用を誰が承認し、いつデータを削除したか

DDの出発点はAIツール台帳である

生成AIの利用実態は、経費台帳だけでは捕捉できません。無料アカウント、個人カード、ブラウザー付属機能、文書作成ソフトの追加機能、会議ツールの自動要約、顧客が指定したポータル、外注先のAIまで対象を広げます。譲渡企業は「会社契約のツール一覧」を出すのではなく、「顧客業務に触れ得るAI機能一覧」を作ります。買い手は、DNS・CASB・端末ログ等の技術調査が許される範囲を契約とプライバシーに配慮して決め、アンケート、経費、ブラウザー拡張、APIキー、SSOアプリ、外注先ヒアリングを突き合わせます。

AIツール台帳の推奨項目

項目	記載例	DDで見る理由
管理番号・サービス名	AI-014／文書要約サービス	名称変更や複数契約を区別する
提供者・契約主体	海外事業者／対象会社名義	誰が契約上の権利を持つか確認する
利用形態	法人画面、個人画面、API、組込機能、RAG	同一ブランドでもデータ条件が異なる
利用部門・利用者	申請支援部12名、外注3名	権限と教育対象を特定する
業務用途	面談要約、草稿、見積比較、メール案	許容できる誤りと人の確認水準を決める
入力データ区分	公開、公募資料、社内、顧客機密、個人データ	禁止入力や同意の要否を判定する
添付・接続先	PDF、表計算、CRM、共有ドライブ、メール	プロンプト以外の流入経路を把握する
モデル・バージョン	提供者管理モデル、更新日不明	出力変化と再現可能性を評価する
学習・改善利用	契約上不使用、管理画面で無効	契約文言と設定の双方を確認する
保存期間・削除	会話30日、監査ログ180日、バックアップ別	削除要求と事故調査の両立を確認する
処理国・保存国	契約資料とサブプロセッサー一覧参照	国外取扱いと外的環境を確認する
再委託先	クラウド、監視、サポート、モデレーション	情報が届く主体を追跡する
人による閲覧可能性	サポート時のみ、承認制	機密情報への人的アクセスを評価する
認証・権限	SSO、MFA、管理者2名、外部共有不可	退職者・外注・個人アカウントを排除する
ログ項目・出力方法	利用者、時刻、モデル、添付、出力をCSV出力	事故調査と成果物の再現に必要となる
契約更新・規約変更日	年次更新、重要変更通知あり	クロージング後の条件変化を管理する
顧客契約との整合	匿名化後のみ利用可、個別承認3社	守秘義務と利用許諾を確認する
出力の利用範囲	社内草稿のみ、顧客納品には人の承認必須	著作権・品質・表示の統制を確認する
責任者・承認日	AI管理責任者、2026-05-12承認	例外ではなく統制された利用か判断する
停止・移行手順	会話出力、RAG削除、APIキー失効、代替手順	Day 1に安全に停止できるか確認する

台帳に「不明」と書くこと自体は問題ではありません。DDで危険なのは、不明を推測で埋めることです。規約上の二次利用が不明なら、契約担当者が提供者へ照会し、回答日と回答資料を残します。保存国が一つに限定されないなら、断定せず、契約上の地域、実際のテナント地域、サポートアクセス、サブプロセッサーを別欄にします。M&Aの基準日以後に条件が変わる可能性もあるため、確認日と証拠の版を必ず記録します。

顧客データの流れを一枚で追える状態にする

AIツール台帳が「何を使うか」の一覧なら、データフローは「一件の情報がどこを通るか」の図です。補助金支援会社では、顧客が送った一つの決算書が、メール添付、共有ドライブ、OCR、AIチャット、RAG、草稿、顧客ポータル、バックアップへ複製されます。譲渡企業は代表的な業務を三〜五件選び、実際の画面とログを見ながら流れを描きます。

生成AIを使った申請支援の標準データフロー

1. 取得：顧客が決算書、賃金台帳、見積、図面、事業構想、担当者情報をメール、フォーム、共有リンク等で提供する。
2. 分類：担当者が公開情報、社内限定、顧客機密、個人データ、要配慮情報、認証情報、第三者著作物に分類する。
3. 前処理：必要最小限へ絞り、氏名・口座・社員番号等をマスキングし、OCRや表形式化を行う。元ファイルと加工版を混同しない。
4. 入力：承認済みの法人アカウントまたはAPIから、目的を限定したプロンプトと資料を送る。禁止データは送らない。
5. 外部処理：AI提供者、クラウド基盤、モデレーション、監視、サポート等が契約条件に従って処理する。入力、派生データ、ログの扱いを分ける。
6. 生成：回答、要約、表、コード、画像等が作られる。安全フィルター、検索参照、外部ツール呼出しの有無を記録する。
7. 人による検証：担当者が公募要領、交付要綱、公式FAQ、顧客原資料と照合し、数値・固有名詞・引用・対象経費・期限を確認する。重要成果物は別のレビュー者が承認する。
8. 成果物化：AI出力をそのまま納品せず、編集履歴と根拠を残した申請草稿、議事録、説明資料へ組み込む。
9. 共有：顧客本人が内容を確認し、提出主体・提出権限を明確にしたうえで正式工程へ進む。
10. 保存・削除：案件記録として必要な根拠と承認履歴を保存し、不要な会話、添付、作業用インデックス、個人端末のコピーを定めた期間で削除する。

この流れの各矢印に、データの責任者、処理目的、法的・契約上の根拠、保存期間、国外取扱い、削除方法を付記します。特に見落としやすいのが、会議録AIが参加者の音声を文字化した後に作る要約、検索拡張が文書から作る埋め込み、出力品質を評価するために担当者が付ける「良い・悪い」のフィードバック、AIエージェントが自動で開くメールやクラウドフォルダーです。元のPDFだけを台帳へ載せても、派生データを追えなければ十分なDDにはなりません。

顧客機密と個人情報を「入力前・処理中・出力後」に分けて調べる

補助金支援会社が扱う情報は、単に「個人情報を含む」「含まない」では分類し切れません。新設備の仕様、未発表の商品、資金繰り、借入、原価、主要取引先、従業員配置、工場写真、開発ロードマップ、事業撤退案など、法人情報であっても漏えいすれば競争上の損害が大きいものがあります。顧客との秘密保持契約では、第三者への開示だけでなく、委託、複製、目的外利用、国外保存、再委託、事故通知、返還・削除について独自の条件が置かれることもあります。

個人データについては、個人情報保護委員会の個人情報保護法ガイドライン（通則編）が、安全管理措置、従業者の監督、委託先の監督等を示しています。事業承継の交渉段階で相手会社へ個人データを提供する場面についても、利用目的、取扱方法、漏えい時の措置、交渉不調時の措置等を契約で定める考え方が示されています。生成AI DDでは、買い手へ開示するデータルームの管理に加え、対象会社が過去にAI提供者へ入力した行為が、委託として整理されるのか、第三者提供等の検討が必要なのか、顧客との契約上許されていたのかを個別に確認します。

「学習しない」だけでは安全性の説明にならない

譲渡企業様から「法人版なので学習されません」と説明された場合、買い手は次の言葉を分解します。

• 学習：基盤モデルの重み更新、追加学習、ファインチューニング、評価用データセット作成のどれを指すか。
• サービス改善：障害解析、品質評価、機能改善、安全性評価、不正利用検知のための利用を含むか。
• 保存：会話履歴を非表示にしても、短期保持、セキュリティログ、バックアップ、法的保全が残るか。
• 人の閲覧：サポート、品質管理、モデレーション、委託先担当者が内容へアクセスできる条件は何か。
• 派生データ：埋め込み、インデックス、キャッシュ、評価ラベル、統計情報が削除対象に含まれるか。
• 接続先：AI本体が学習しなくても、プラグイン、コネクター、外部検索、監視サービスが別条件で処理しないか。

設定画面のスクリーンショットは重要ですが、それだけで契約上の保証にはなりません。DD資料には、契約書、データ処理条件、プライバシー文書、注文書、管理設定、サブプロセッサー一覧、削除FAQ、提供者からの回答をひとまとまりで保存します。画面表示と契約が矛盾する場合や、契約階層が分からない場合は、法務担当者が優先関係を確認します。

国外処理と再委託を一段深く確認する

海外の生成AIサービスでは、契約当事者の所在地、データセンター、バックアップ、サポート、モデレーション、クラウド基盤が同じ国とは限りません。個人情報保護委員会の外国にある第三者への提供編は、委託先の選定、委託契約、取扱状況の把握、外国の制度を含む確認等を示しています。DDでは「日本リージョン」と表示されていることだけで終えず、次を確認します。

1. 保存データ、推論処理、監査ログ、サポートアクセス、バックアップの所在を分ける。
2. 提供者自身と再委託先の役割、所在国、変更通知、異議・解約手段を確認する。
3. 顧客への説明や本人同意等が必要なケースについて、実施記録を確認する。
4. 契約上の相当措置、安全管理措置、監査資料、事故通知、再委託管理を確認する。
5. データ移転を停止する必要が生じた場合に、APIキー停止、コネクター解除、データ返還・削除が可能か試験する。

ここで重要なのは、生成AIの利用を国外移転として一律に違法・適法と決めないことです。サービス構成、データ、契約、本人・顧客との関係によって整理が変わります。買い手は、対象会社の判断根拠が文書化され、条件変更を定期的に見直す担当者がいるかを評価します。

マスキングと匿名化を過信しない

氏名だけを削除しても、「特定地域で唯一の設備」「売上規模」「申請時期」「担当金融機関」「製品名」「代表者の経歴」が組み合わされれば、顧客を推測できる場合があります。表計算の非表示列、PDFのメタデータ、画像内の名札、ファイル名、コメント、変更履歴に識別情報が残ることもあります。譲渡企業は、マスキング手順、ダブルチェック、元データへの対応表の保管場所、復元権限を示します。買い手は、実際の資料を用いたサンプル試験で、本文だけでなくメタデータと添付を確認します。

また、仮名化されたデータであっても、対象会社が対応表を持つ場合や、他の情報と容易に照合できる場合の扱いは慎重に検討します。「AIに入れる前に匿名化した」という言葉を、法令上の匿名加工情報と同義に扱ってはいけません。DD報告書では、現場用語と法令用語を区別し、どの加工を行ったか具体的に書きます。

著作権DDは入力・プロンプト・出力・納品を別々に行う

補助金支援の成果物は、顧客の事実、担当者の分析、外注者の文章、公募要領、統計、ウェブ情報、図表、生成AI出力が組み合わさります。著作権DDで「AI利用あり」の件数だけを数えても、権利関係は分かりません。案件ごとに次の四層を確認します。

第一層：AIへ入力する権限

顧客から計画書、図面、写真、マニュアル、競合資料を預かっていても、生成AI提供者へ送信し、契約上定められた処理をさせる権限まで当然に含まれるとは限りません。外注ライターから納品された文章、前任コンサルタントの資料、購入した市場レポート、会員限定データベース、新聞記事、写真素材は、それぞれ利用条件が異なります。譲渡企業は、資料の出所、権利者、契約、AI入力の許容範囲、引用・複製の根拠を一覧化します。

特に、過去の採択申請書を「良い見本」として多数取り込み、社内RAGや追加学習に使う運用は、顧客の秘密保持、個人情報、著作権、目的外利用を同時に検討する必要があります。顧客名を消しただけで、文章・図表・ノウハウを自由に学習へ使えるとは限りません。

第二層：プロンプトと社内テンプレートの権利・秘密性

詳細なプロンプト、評価基準、質問順序、禁止語、レビュー手順、制度別チェックリストは、対象会社の業務ノウハウとして価値を持つことがあります。一方、社員が個人アカウントに保存し、退職時に持ち出せる状態なら、買い手が取得する資産に含まれない可能性があります。プロンプトライブラリーについて、作成者、職務上作成した範囲、外注契約の成果物条項、第三者テンプレートの利用条件、保管場所、アクセス権、退職時の返還を確認します。

プロンプトそのものが常に著作物になるわけではありませんが、秘密情報、ノウハウ、契約上の成果物として保護すべき場合があります。DDでは「著作権があるか」だけでなく、対象会社が継続利用でき、第三者へ開示せず、売買対象として引き渡せるかを確認します。

第三層：生成物の類似性と人の創作的寄与

文化庁の整理では、生成AIと著作権の関係は、学習・開発段階と生成・利用段階を分け、個別事情に応じて考える必要があります。補助金支援会社が生成物を顧客へ納品する場面では、既存著作物との類似性・依拠性、利用者による創作的寄与、利用態様等を確認します。AI出力だから自動的に著作権侵害になるわけでも、AI出力だから自動的に安全になるわけでもありません。

買い手は、公開記事や採択事例に似た文章が長く続く成果物、特徴的な図表、固有の表現、ロゴ・写真、コード等についてサンプル検査を行います。検索だけで完全に判定することはできませんが、引用元がない長文、出典を尋ねても担当者が説明できない箇所、AIが生成した架空の出典、顧客の業種と不自然に異なる固有名詞は優先確認対象です。

第四層：顧客へ渡す権利と責任

顧客契約には、成果物の著作権移転、利用許諾、第三者権利非侵害の保証、再利用、秘密保持、瑕疵対応が定められている場合があります。一方、生成AIサービスの契約では、出力に関する利用条件、非独占性、保証の否認、第三者権利に関する責任分配が置かれます。対象会社が顧客へ広い保証をしているのに、上流のAI提供者から同等の保証や補償を得られない「責任の隙間」を確認します。

経済産業省のAIの利用・開発に関する契約チェックリストは、提供データの利用範囲、AI生成物の利用条件、サービス水準等を検討するための資料です。DDでは、この考え方を対象会社とAI提供者の契約だけでなく、対象会社と顧客、対象会社と外注先、譲渡企業と買い手の契約へ連鎖させます。

著作権のサンプル検査票

検査対象	確認質問	証拠	赤信号
顧客原資料	AI入力・RAG登録を許す権限があるか	顧客契約、個別承認、利用目的	受領した以上自由に使えるとの回答
過去申請書	別顧客の支援へ再利用できるか	秘密保持、著作権条項、匿名化手順	顧客名だけ削除し全件学習
外注原稿	AI入力・改変・再利用の権利があるか	業務委託契約、成果物条項	契約なし、口頭発注
生成文章	根拠と編集者を特定できるか	プロンプト、出力、変更履歴、レビュー	出力のみ保存、出典不明
画像・図表	類似性、ロゴ、人物、素材条件を確認したか	生成履歴、逆画像検索、ライセンス	権利確認なしで広告利用
顧客契約	非侵害保証と責任上限は整合するか	契約、約款、保険、上流補償	無制限保証、上流救済なし

プロンプトログを「漏えい源」と「説明責任の証拠」の両面で評価する

プロンプトログは、顧客機密が蓄積する高リスク資産であると同時に、どの資料を使い、どの指示を出し、誰が出力を確認したかを示す重要な証拠です。「危険だから一切保存しない」とすると品質事故を追跡できず、「念のため永久保存」とすると漏えい時の影響が増えます。用途、案件の重要性、法令・契約、顧客説明、紛争可能性を踏まえ、必要項目と期間を決めます。

最低限残したいログ項目

• 案件番号、利用者、所属、実行日時、タイムゾーン
• サービス、モデル、バージョンまたは提供者が示すモデル識別情報
• システム指示、ユーザープロンプト、テンプレート版
• 添付ファイルの識別子、ハッシュ、分類、マスキング版
• 参照したRAG文書、検索結果、外部ツール、コネクター
• 生成出力、安全フィルター、エラー、再生成の履歴
• 事実確認者、著作権確認者、最終承認者、修正理由
• 顧客へ渡した最終版との対応、提出・公開日時
• 削除予定日、法的保全、事故調査による保存延長

一方、ログへ認証情報、顧客のID・パスワード、マイナンバー、不要な健康情報、秘密鍵、APIキーを残さない入力制御が必要です。ログ閲覧者を通常利用者より狭くし、エクスポート、検索、ダウンロードを監査します。買い手は、ログの存在だけでなく、欠損率、時刻同期、改ざん防止、退職者アカウント、管理者による削除履歴、SIEM等への転送、インシデント時の検索時間を確認します。

シャドーAIはアンケートだけでは見つからない

利用規程で禁止しても、締切前に担当者が個人スマートフォンや無料サービスへ資料を貼り付ける可能性があります。発見活動は、従業員を罰するためではなく、実態を把握して安全な代替手段を用意するために行います。次の情報を、就業規則、プライバシー、労使関係、適用法令に配慮した範囲で組み合わせます。

• 全従業員・役員・外注先への用途別アンケートと匿名相談窓口
• 法人カード、経費精算、請求書、アプリストア購入履歴
• SSOで承認されたアプリ、OAuth接続、APIキー管理簿
• 会社管理端末のブラウザー拡張、インストール済みアプリ
• 情報分類ラベルと外部アップロード警告の記録
• 会議録ボットの参加履歴、チャットへのAI連携
• 外注成果物のメタデータと外注先のAI利用申告

一度でも無断利用が見つかったから直ちに重大事故と決めるのではなく、入力内容、サービス条件、保存、削除、第三者閲覧、顧客契約、出力利用を調べます。反対に、本人が「名前は入れていない」と説明しても、ファイル全体を添付していれば影響は大きい可能性があります。

AI利用規程は「禁止リスト」ではなく意思決定の仕組みにする

AI利用規程の有無は入口にすぎません。現場が読めない長文、すべて禁止、例外承認に数週間かかる規程では、利用が地下化します。良い規程は、業務・データ・ツールの組合せに応じ、誰が何を承認し、何を記録し、どの出力を人が確認するかを明確にします。

規程に必要な十二要素

1. 目的と適用範囲：役員、従業員、派遣、外注、子会社、個人端末を含む範囲。
2. 定義：生成AI、AIエージェント、RAG、追加学習、埋め込み、プロンプト、出力、承認済みツール。
3. データ分類：公開、社内、顧客機密、個人データ、要配慮情報、認証情報、第三者著作物。
4. 用途区分：アイデア、要約、草稿、計算、判断支援、顧客納品、自動実行。
5. 禁止事項：認証情報入力、無承認の顧客機密、虚偽の出典利用、無審査の自動提出など。
6. ツール承認：契約、学習利用、保存、国外処理、ログ、セキュリティを審査する手続。
7. 人の関与：制度要件、金額、期日、法務・税務、顧客表明を誰が原典確認するか。
8. 権利確認：入力権限、出力の類似性、引用、ライセンス、顧客への権利付与。
9. 記録：プロンプト、参照資料、モデル、出力、レビュー、例外、削除。
10. 教育：入社時、定期、モデル更新時、事故後、外注先向けの教育。
11. 事故対応：停止、証拠保全、影響評価、提供者・顧客・当局等への連絡判断。
12. 改定：規約・機能・法令・公募制度の変更を監視し、版と周知記録を残す手続。

四段階の利用承認モデル

区分	例	条件	承認
低リスク	公開公募要領の要点整理、社内アイデア	承認済みツール、原典照合、機密入力なし	包括承認
中リスク	匿名化した面談メモの構成整理	マスキング、ログ、担当者レビュー	部門責任者
高リスク	顧客資料を用いる申請草稿、RAG	顧客契約確認、法人環境、二者レビュー	AI責任者・法務等
原則禁止	顧客認証情報、無審査の自動提出、無承認の個人AI	例外は具体的な代替策と期限を設定	経営レベル

DDでは規程の最終改定日、承認機関、研修受講率、違反・例外件数、例外の期限切れ、ツール台帳との整合を調べます。規程上は顧客機密の入力を禁止しているのに、会社の営業資料で「顧客資料を丸ごとAI分析」と宣伝していれば、統制は機能していません。逆に、違反を記録し、原因を分析し、代替ツールを導入し、再発防止を完了しているなら、事故ゼロを装う会社より管理成熟度が高い場合があります。

譲渡企業が準備する生成AI DD資料

譲渡企業は、買い手から質問が来てから個別に探すのではなく、AI利用の全体像、重大リスク、是正計画を一つの索引で示します。一般的なDD資料一覧は補助金支援会社のM&Aで最初に用意したいDD資料で確認できますが、生成AIについては次の専用フォルダーを設けます。

フォルダー1：ガバナンス

• AI利用方針、利用規程、データ分類基準、例外申請書
• 取締役会・経営会議・リスク委員会の議事録
• AI責任者、情報管理責任者、著作権相談先、事故対応体制
• 研修教材、対象者、受講履歴、理解度テスト、未受講者への措置
• 内部監査、外部監査、改善計画、未完了事項
• AI利用に関する顧客向け説明、ウェブ表示、提案書の標準文

フォルダー2：ツール・技術

• AIツール台帳、構成図、データフロー、RAGのデータソース一覧
• アカウント一覧、役割、管理者、SSO・MFA、退職者削除記録
• APIキー、サービスアカウント、OAuth・コネクターの一覧
• 学習利用、履歴、共有、外部検索、プラグイン等の設定出力
• モデル選定理由、バージョン更新記録、用途別の精度・安全性テスト
• ログ仕様、保存期間、バックアップ、削除試験、停止試験
• 脆弱性、プロンプトインジェクション、データ流出へのテスト結果

フォルダー3：契約

• AI提供者との基本契約、注文書、データ処理条件、SLA、規約の保存版
• サブプロセッサー一覧、変更通知、処理国、監査報告書
• 入力データ・出力・フィードバック・ログに関する利用権限
• 秘密保持、事故通知、削除、監査、補償、責任上限、準拠法
• チェンジ・オブ・コントロール、譲渡禁止、契約移転、解約、データ返還
• 顧客契約のAI関連条項、個別承認、禁止顧客一覧
• 外注先契約のAI利用申告、再委託、成果物権利、事故通知

フォルダー4：案件証跡

• AIを利用した案件数、売上、制度、担当者、顧客区分の集計
• 用途別に選んだ匿名化サンプル案件のプロンプトから納品までの一式
• 人のレビュー記録、誤り・差戻し・顧客修正、再生成履歴
• AI利用を顧客へ説明した記録と、同意・異議・利用停止の記録
• 著作権・類似性確認、引用元、画像・図表・コードのライセンス
• AI利用に起因または関連した苦情、事故、ヒヤリハット、損失

フォルダー5：財務・事業価値

• ツール別費用、API従量費、開発費、保守費、外部専門家費用
• AI導入前後の作業時間、レビュー時間、再作業、粗利への影響
• AI利用を前提にした価格、顧客獲得、解約率、納期、品質指標
• 特定提供者への依存、最低利用額、価格改定、移行費用
• 是正に必要なライセンス差額、再作成、通知、監査、教育費用

資料名には確認日と版を付けます。ウェブ規約は後から変わるため、DD基準日に適用される版をPDF等で保存し、どの注文書と組み合わさるかを索引化します。スクリーンショットにはテナント名、契約プラン、設定項目、取得日時を含め、顧客情報や秘密鍵はマスキングします。

譲渡企業側DD：問題を隠すより影響範囲を先に確定する

譲渡企業側の調査は、AI利用をきれいに見せる作業ではありません。発見した問題を、いつ、誰が、どの案件で、どのデータを、どの設定のツールへ入力し、出力をどう使ったかまで狭める作業です。影響範囲が限定され、是正と顧客対応の手順が明確なら、買い手は条件を設計できます。反対に「全社員が使っているが詳細不明」という状態は、最悪ケースで評価せざるを得ません。

ステップ1：利用者母集団を確定する

役員、正社員、契約社員、派遣、業務委託、退職者を含め、対象期間に顧客業務へ関与した人を確定します。部署名だけでなく、申請書作成、面談、校正、画像制作、営業、採択後支援、システム管理等の役割を付けます。退職者が個人AIアカウントでプロンプトを保有している場合、会社がデータの返還・削除を実行できるか確認します。

ステップ2：利用実態を三方向から照合する

自己申告、技術・経費記録、案件成果物を照合します。例えば担当者は「公開情報だけ」と回答していても、会話タイトルに顧客名があり、成果物にAI特有の架空引用が残る場合があります。逆にドメインへのアクセス記録があっても、私的利用や公開情報の検索だけなら顧客事故とは限りません。証拠を組み合わせて判断します。

ステップ3：リスクのある案件を母数付きで数える

「数件」と書かず、調査対象850件のうちログ確認済み620件、AI利用推定180件、顧客機密入力の可能性12件、確認済み8件、未確認4件というように母数と未確認を示します。制度、年度、担当者、サービス、顧客契約、入力データ区分で切り分け、追加調査の優先順位を決めます。

ステップ4：是正と開示を分ける

企業向け契約への移行、個人アカウント停止、会話削除、コネクター解除、顧客ファイルのRAG除外、規程改定は早期に進めます。ただし、削除によって事故調査の証拠を失わないよう、法務・情報セキュリティ担当者が保全範囲を決めます。買い手への開示は、問題、影響、根拠、実施済み対応、残課題、責任者、期限を一つの課題票にします。

ステップ5：企業価値への効果とコストを再計算する

生成AIで作業時間が減っていても、レビューを過少計上していれば持続可能な利益ではありません。担当者の作業時間、二者レビュー、誤り修正、顧客との再確認、API費、モデル監視、法務・著作権確認を含めた標準原価を計算します。個人の熟練したプロンプトだけに依存する効率は、退職後に失われるため、企業価値としての再現性が低くなります。

買い手側DD：説明資料ではなく実際の案件を通して検証する

買い手は、AI方針の完成度だけでなく、取引後に自社の顧客、ブランド、システムへ波及するリスクを評価します。調査は次の順序で進めます。

1. スコープ：対象会社、子会社、外注、対象期間、AIの定義、顧客業務を決める。
2. 経営ヒアリング：AI利用目的、競争優位、重大リスク、事故、投資計画を確認する。
3. 現場ヒアリング：実際の画面で、資料受領から生成、レビュー、納品まで再現してもらう。
4. 契約レビュー：顧客、AI提供者、外注、売買契約の責任の連鎖を確認する。
5. サンプル検査：高リスク・通常・事故案件を選び、入力、出力、最終版を比較する。
6. 技術検証：権限、ログ、削除、RAG、コネクター、プロンプトインジェクション対策を確認する。
7. 量的評価：影響案件数、顧客売上、是正費用、代替期間、責任上限を試算する。
8. 取引設計：前提条件、表明保証、補償、価格、保留金、PMIへ反映する。

サンプル案件の選び方

無作為抽出だけでは重大リスクを見逃します。最低限、次の層から選びます。

• 従業員・個人事業主の詳細情報を含む案件
• 新製品、図面、原価、特許出願前情報を含む案件
• AI利用割合が高く、納品までの期間が短い案件
• 外注先、会議録AI、RAG、画像生成、AIエージェントを使う案件
• 差戻し、顧客苦情、採択後の説明齟齬があった案件
• AI利用を禁止・制限する顧客の案件
• 売上上位顧客、金融機関・士業から紹介された案件
• 退職者、管理者、最も利用量の多い担当者の案件

赤・黄・緑の判定例

領域	緑	黄	赤
ツール	法人契約、台帳・承認あり	一部機能が未審査	個人・無料版が主力
顧客機密	契約と用途が整合	承認記録に欠損	禁止顧客の資料を入力
学習・保存	契約・設定・削除を確認	バックアップ等が不明	二次利用あり、影響不明
ログ	案件と最終版を追跡可能	一部期間・利用者が欠損	出力のみで入力不明
著作権	入力権限と出力確認あり	確認手順が属人的	他社成果物を無承認学習・納品
品質	原典照合と二者承認	低リスク用途のみ一者確認	AI出力を無確認で顧客提出
事故対応	演習・連絡網・証拠保全あり	手順はあるが未演習	事故を記録せず個人判断で削除

赤が一つあるから取引中止とは限りません。赤の範囲、是正可能性、顧客への影響、買い手の受容力を検討します。ただし、経営陣が無断利用を認識しながら虚偽説明をした場合、個別のAIリスクを超えて、表明保証の信頼性や企業文化の問題になります。

財務DD・企業価値評価へ生成AIの効果と負債を反映する

生成AIは「コスト削減」と説明されがちですが、企業価値へ反映するには再現性と持続性を確かめます。次の四つに分けて正常収益を調整します。

1. 直接費：ライセンス、API、RAG基盤、監視、ログ保存、セキュリティ、法務費。
2. 人件費：プロンプト作成、原典確認、著作権確認、二者レビュー、誤り修正、研修。
3. 移行費：買い手標準ツールへの移行、データ再登録、ログ変換、顧客通知、契約変更。
4. 潜在費用：成果物再作成、顧客値引き・解約、事故調査、通知、紛争、専門家対応。

一方、価値として評価できるのは、承認済みプロンプトだけではありません。権利関係が明確なテンプレート、用途別の評価データ、誤りデータベース、レビュー基準、モデル変更テスト、顧客への説明手順、教育コンテンツ、監査可能なログが組織資産になります。特定社員の個人アカウントに保存された会話は、会社資産として引き渡せない可能性があり、価値から控除して考えます。

契約DD：上流・顧客・M&A契約の責任をつなぐ

AI提供者との契約で確認する条項

条項群	確認ポイント	取引への影響
入力データ	目的、学習・改善、フィードバック、第三者提供、再委託	顧客契約との不一致を判定
出力	利用権、非独占性、禁止用途、権利主張、補償	顧客へ付与する権利との隙間
保存・削除	履歴、ログ、バックアップ、法的保全、削除証明	過去影響の解消可能性
セキュリティ	暗号化、権限、監査、脆弱性、事故通知	Day 1統制と通知義務
サービス変更	モデル変更、機能廃止、規約変更、価格改定	収益性と品質の持続性
監査・情報提供	認証報告、サブプロセッサー、照会、ログ提供	買い手が継続監督できるか
責任	保証否認、責任上限、間接損害、第三者請求	顧客への責任との差額
M&A	譲渡、支配権変更、契約移転、通知、解約	クロージング前同意の要否

顧客契約で確認する条項

顧客との守秘義務が、一般的な外部クラウド委託を許していても、生成AIへの入力まで明確とは限りません。顧客データの利用目的、委託・再委託、国外処理、AI学習、匿名化後の二次利用、成果物の作成方法、AI利用表示、知的財産、事故通知、監査、削除を確認します。顧客ごとに条件が違う場合、CRMや案件台帳へ「AI利用可否」「許容ツール」「許容データ」「承認日」を持たせます。

AI利用を説明していないことが直ちに契約違反になるとは限りませんが、提案書で「専門家が一から作成」と表示しながら実態の大部分をAIへ任せていた場合、契約・表示・顧客期待との整合を検討します。また、顧客から受け取ったアカウント情報をAIへ入力して操作方法を尋ねる行為は、認証情報の漏えいにつながるため、利用規程で明確に禁止します。

売買契約で検討する論点

以下は条項の完成文ではなく、弁護士等と個別契約へ落とすための論点です。

• 定義：生成AIサービス、AI機能、提供データ、AI生成物、AI関連事故の範囲。
• 表明保証：開示済み以外の重要ツールがないこと、重大な無断入力・事故・請求を認識していないこと、契約・規程・ログの完全性。
• 誓約：基準日からクロージングまで新規ツールを無断導入せず、設定・規約変更と事故を通知すること。
• 前提条件：個人アカウント停止、重大顧客の承認、契約移転、ログ輸出、RAG削除試験、重大事故調査の完了。
• 補償：過去の無断入力、著作権侵害、顧客契約違反、事故通知漏れについて、期間、上限、免責、手続を個別設計。
• 価格・保留：是正費用や未確定請求を価格調整、エスクロー、アーンアウト等へ反映。
• データ引渡し：プロンプト、ログ、評価データ、テンプレート、設定、削除対象、個人アカウントを区別。
• 協力義務：クロージング後に過去事故が判明した場合の譲渡企業協力、顧客説明、提供者照会、証拠提出。

株式譲渡では法人契約が形式上継続することが多くても、支配権変更条項やアカウント管理者の交代が問題になります。事業譲渡では、顧客契約、AI提供者契約、ログ、プロンプト資産、外注契約を個別に移せるかを確認します。データを引き渡せても、利用目的や権利が一緒に移るとは限らないため、法的評価と実務移行を分けて計画します。

クロージング後100日の生成AI PMI

AI統制を買い手標準へ合わせる際、初日にすべてを停止すると顧客対応が止まり、何も変えないとリスクが残ります。高リスク用途を先に止め、低リスク用途を管理下で継続する段階移行が現実的です。一般的なPMIは買収後100日で崩れない補助金支援会社PMIも参照してください。

署名前からクロージングまで

• 重大事故、禁止顧客、個人アカウント、削除不能データを確定する。
• Day 1に継続・停止・隔離するツールと用途を決める。
• SSO、管理者、ログ転送、問い合わせ窓口の変更手順を試験する。
• 顧客説明、提供者通知、契約移転・再契約を準備する。
• プロンプト・RAG・評価データの権利と引渡し方法を確定する。

Day 1〜30：見えない利用を止め、進行案件を守る

• 承認済みツール一覧と禁止データを全員へ再通知する。
• 個人AIアカウント、共有アカウント、不要APIキー、退職者権限を停止する。
• 顧客機密へ接続するRAG・コネクターを最小権限へ変更する。
• 締切が近い案件のAI利用履歴と人のレビュー担当を確認する。
• インシデント受付、法務、個人情報、著作権、顧客対応の連絡網を一本化する。

31〜60日：規程・契約・ログを統合する

• 買い手と対象会社のAI規程を比較し、暫定例外に期限を付ける。
• 企業向け契約、データ処理条件、国外処理、サブプロセッサーを再評価する。
• 案件番号とプロンプトログ、最終成果物を対応付ける。
• モデル変更時の回帰テストと、公募制度別の原典確認表を導入する。
• 外注先へ同じ統制を適用し、AI利用申告を更新する。

61〜100日：価値を残しながら標準化する

• 安全性・品質・所要時間・顧客満足を用途別に測定する。
• 権利が明確なプロンプトと評価データだけを共通資産へ移す。
• 低品質・重複・顧客制限のあるRAG文書を除外する。
• プロンプトインジェクション、情報抽出、過剰権限の演習を行う。
• 取締役会へ残余リスク、事故、例外、投資、KPIを報告する。

PMIの成功指標を「AI利用件数」だけにすると、不要な利用を促す可能性があります。承認外ツール率、顧客機密の誤入力件数、原典照合率、二者レビュー率、ログ完全率、重大な架空引用、モデル変更テスト完了率、削除要求完了時間、顧客苦情を組み合わせます。

生成AIインシデント対応：消す前に止め、保全し、影響を絞る

IPAは2026年4月にAI利用者のためのセキュリティ豆知識を公開し、AI利用をめぐるサイバーリスクへの対策を案内しています。補助金支援会社では、締切直前の業務停止が顧客へ直結するため、AI事故を通常の情報セキュリティ手順へ追加し、代替作業まで用意します。

典型的な事故

• 担当者が無料版へ顧客の決算書・従業員名簿を添付した。
• 会議録AIが参加者の同意なく機密面談を録音・要約した。
• RAGがアクセス権を無視し、別顧客の申請書を回答へ混ぜた。
• 外部文書のプロンプトインジェクションにより、AIエージェントがメールやファイルを外部送信した。
• 生成文章が既存記事や他社成果物に酷似し、顧客が公開した。
• AIが架空の制度要件・引用・期限を作り、顧客が投資判断に利用した。
• 退職者が個人アカウントに顧客プロンプトとテンプレートを保持した。

発見直後の初動

1. 安全確保：該当APIキー、コネクター、外部共有、自動実行を止める。全社停止が必要かは影響を見て判断する。
2. 証拠保全：利用者、日時、契約プラン、設定、プロンプト、添付、出力、ログ、顧客案件、提供者への照会を保存する。
3. 影響特定：入力された情報、本人・顧客、サービスの利用条件、学習・保存・人の閲覧、出力の利用先を確認する。
4. 専門判断：個人情報、秘密保持、著作権、契約、業法、国外処理について担当者と専門家が対応要否を判断する。
5. 連絡：提供者、顧客、本人、紹介元、保険会社、当局等への報告・通知の要否と期限を個別に確認する。
6. 復旧：安全な代替手順で締切案件を継続し、修正版、顧客確認、再提出の可否を判断する。

担当者が慌てて会話履歴を削除すると、提供者側の保存状況、入力内容、顧客範囲を確認できなくなるおそれがあります。削除は重要な是正手段ですが、証拠保全、法的保全、提供者への照会と順序を調整します。また「学習オフだから漏えいではない」「出力に表示されていないから問題ない」と即断せず、保存・アクセス・契約違反を含めて評価します。

事故後レビュー

原因を「担当者の不注意」で終わらせません。安全な法人ツールが使いにくかった、承認が遅かった、締切時の代替手順がなかった、顧客契約のAI条件が案件画面に表示されなかった、マスキングツールがなかったなど、組織要因を調べます。規程、UI、権限、教育、契約、顧客説明、評価指標を更新し、同じデータフローで再発しないことを演習します。

経営者・現場・システム担当へ同じ質問を別々に聞く

生成AIの利用状況は、役職によって見えている範囲が異なります。経営者は公式導入の目的を説明できても、無料版の利用を把握していないことがあります。現場は便利な操作を知っていても、適用規約やデータ保存を知らないことがあります。システム担当は法人テナントを管理していても、外注者の個人アカウントや顧客固有の契約条件を知らないことがあります。買い手は、次の質問を経営者、案件担当、レビュー者、システム管理者、法務・個人情報担当、外注先へ別々に行い、回答の差を調べます。

1. 生成AIの導入目的と、使用を認めない業務は何ですか。
2. 昨日または直近案件で、どのAIをどの工程に使いましたか。
3. 顧客資料を入力する前に、どの画面でAI利用可否を確認しますか。
4. 入力してはいけない情報を三つ挙げ、違反時の連絡先を説明できますか。
5. 個人版・無料版・会議録AI・ブラウザー拡張を使ったことがありますか。
6. 外注先がAIを使っているか、どの証拠で確認していますか。
7. 「学習に使われない」と判断した契約資料と設定を見せられますか。
8. 会話、添付、ログ、埋め込み、バックアップはいつ削除されますか。
9. 処理国とサブプロセッサーが変わったとき、誰へ通知されますか。
10. モデルが更新された後、どのテストを再実施しましたか。
11. AIが示した制度根拠を、公式原典のどこで確認しますか。
12. AI出力から最終成果物までの修正者と承認者を追えますか。
13. 他社記事や過去申請書への類似性をどの段階で確認しますか。
14. 顧客からAI利用を停止してほしいと言われた場合、何を削除しますか。
15. AIが利用できない一週間、同じ締切案件をどう処理しますか。
16. 最も重大だった誤出力、無断入力、ヒヤリハットは何ですか。
17. 事故発見後、誰がログを保全し、顧客連絡を判断しますか。
18. 退職者の個人AIに残ったプロンプトをどう回収しますか。
19. 生成AIで減った時間と、追加されたレビュー時間をどう測っていますか。
20. 買収初日に停止すると顧客対応へ影響するAI機能はどれですか。

回答の不一致は直ちに不正を意味しません。むしろ、規程が現場へ伝わっていない、管理者のスコープが狭い、顧客条件がシステムへ反映されていないという統制上の問題を見つける手掛かりです。面談後は、回答をAIツール台帳、契約、設定、ログ、案件サンプルで検証します。DD面談の録音やAI要約を使う場合は、その調査自体でも参加者への説明、機密情報、保存、利用権限を管理してください。

モデル変更を通常のベンダー更新として扱わない

生成AI提供者がモデルを更新すると、文章の傾向、拒否応答、引用、計算、検索結果、入力可能量、ログ仕様、料金が変わることがあります。対象会社がモデル名を固定できないサービスを使う場合、買い手は「同じ手順を使えば同じ品質が続く」という前提を置けません。制度別に代表質問と期待される確認工程を用意し、重要更新後に回帰テストを行います。

テスト群	確認内容	合格の考え方
事実性	実在しないFAQ、条項、統計、URLを作らないか	原典確認を促し、架空根拠を最終成果物へ残さない
数値	表の転記、合計、単位、年度、税込・税抜	元資料との照合結果と差異を記録できる
機密性	別顧客情報、システム指示、RAG文書の抽出耐性	権限外情報を回答せず、試験ログを残す
著作権	特定文章の模倣要求、長い再現、出典表示	利用規程に沿う応答と人による類似性確認
安全性	外部文書の命令、ツール実行、送信・削除要求	重要操作が人の承認なしに実行されない
再現性	同一案件での出力差、モデル識別、変更履歴	差異を把握し、レビュー工程で吸収できる

回帰テストの目的は、AIの正答率を一つの数字にすることではありません。誤りをどの工程で検出し、顧客へ届く前に止められるかを確認することです。テストデータへ実顧客の機密情報を無断で使わず、合成データ、許諾済みデータ、適切に加工したデータを用います。結果はモデル、設定、日付、担当者、失敗例、改善策とともに保存し、企業価値として引き継げる評価資産にします。

生成AI DDのケーススタディ

以下は特定企業の実例ではなく、補助金支援会社で起こり得る状況を組み合わせた架空例です。個別案件では、実際の契約、設定、入力、出力、顧客との関係を確認してください。

ケース1：無料AIへ決算書を貼り付け、文章だけ削除していた

状況：譲渡企業は「顧客名を入力していない」と説明していました。サンプル案件を確認すると、担当者は決算書の表をコピーし、事業計画の課題を要約させていました。会社名は削除していましたが、代表者名、金融機関名、売上、主要販売先、所在地が表に残っていました。利用したのは個人の無料アカウントで、会社は契約条件、保存、学習利用、削除を確認していませんでした。

DD：対象期間の担当案件とブラウザー履歴、成果物を突合し、入力の可能性がある案件を母数付きで抽出しました。提供者の規約と当時の設定、会話履歴の有無、アカウント所有者、顧客契約、個人情報を確認しました。「匿名化済み」という社内説明は撤回し、単に一部の直接識別子を削除した状態と評価しました。

取引対応：個人アカウントを停止し、証拠保全後に削除手続を行い、未確認案件をクロージング前の特別調査対象としました。是正費用と顧客対応費を見積もり、売買契約では過去の無承認AI入力に関する開示と個別補償を検討しました。PMIでは企業向け環境、マスキング手順、案件画面のAI可否表示を導入しました。

ケース2：法人版で学習オフだが、RAGが顧客間の権限を分けていない

状況：対象会社は企業向けAIを契約し、入力を基盤モデルの学習に使わない条件を確認していました。しかし、過去申請書を検索する社内RAGでは、一つのインデックスに全顧客の文書を登録していました。営業、外注、アルバイトを含む利用者が、検索質問によって別顧客の文章断片を取得できる状態でした。

DD：買い手は「学習利用なし」を緑判定にせず、RAGの取得権限、文書メタデータ、チャンク、埋め込み、検索ログを確認しました。架空の顧客名でテストしたところ、別案件の設備仕様と独自表現が返りました。元ファイルの共有権限とAI検索権限が連動していないことが原因でした。

取引対応：高リスク文書をインデックスから隔離し、顧客・案件単位のアクセス制御へ変更することを前提条件にしました。削除対象には元ファイルだけでなく、チャンク、埋め込み、キャッシュ、バックアップを含めました。クロージング後は、アクセス制御テストとプロンプトによる情報抽出テストを定期実施しました。

ケース3：外注ライターがAIを使い、他社記事に似た説明を納品した

状況：対象会社は外注ライターへ制度解説記事と申請草稿を依頼していました。契約には秘密保持と著作権譲渡がありましたが、生成AI利用、入力データ、第三者素材、プロンプトログ、再委託は定めていませんでした。納品記事の一部が競合サイトと長く類似し、出典もありませんでした。

DD：対象会社は成果物の権利を譲り受けたと主張しましたが、外注者が第三者著作物を利用する権限まで取得した証拠はありませんでした。外注者の個人AIへ顧客資料を入力した可能性もありました。買い手は、公開記事、顧客納品物、外注者、AIサービスをつなぐ契約とログを確認し、類似部分の範囲と公開期間を調査しました。

取引対応：問題記事を独自取材・一次資料に基づく内容へ再作成し、外注契約に承認済みAI、禁止データ、利用申告、入力権限、類似性確認、証跡、再委託、事故通知を追加しました。表明保証だけに頼らず、受入検査と抜き取り監査を運用へ組み込みました。

ケース4：会議録AIが金融機関・顧客との面談へ自動参加した

状況：営業担当のカレンダーへ会議録AIが接続され、オンライン会議へ自動参加していました。担当者は効率化機能と認識していましたが、顧客や紹介元へ録音・文字起こし・AI要約を十分説明していない会議がありました。文字起こしには資金繰り、従業員の健康、事業撤退、借入交渉が含まれていました。

DD：会議一覧、参加者、録音、文字起こし、要約、共有リンク、保存期間、サービス提供者の利用条件を確認しました。カレンダーから会議録AIを削除しても、過去データが残るか、参加者が共有リンクを転送できるか、退職者が閲覧できるかを検証しました。顧客契約だけでなく、会議の具体的な説明と同意の運用を確認しました。

取引対応：自動参加を停止し、会議ごとの目的・参加者・データ分類に応じた承認制へ変更しました。重要面談では録音しない代替議事録を用意し、録音する場合の説明文、保存期間、アクセス権、削除要求の窓口を統一しました。

ケース5：AIが作った架空の制度根拠を顧客向け資料に掲載した

状況：担当者が生成AIへ「対象経費になる理由と根拠を示して」と指示し、AIは存在しない公式FAQ番号と通知名を作りました。文章は自然で、社内レビューも表現修正だけでした。顧客は資料をもとに発注準備を進めましたが、申請提出前に誤りが判明しました。

DD：提出前だったため採否への直接影響はありませんでしたが、顧客への説明、再作業、担当者教育、品質統制を確認しました。買い手は、事故件数を「提出後の事故」だけで集計せず、提出前に止めたヒヤリハットも評価しました。原典URL、参照日、該当箇所を最終成果物に紐付ける仕組みがないことが根本原因でした。

取引対応：制度要件、対象経費、金額、期限、加点、提出方法は公式原典の該当箇所を人が確認する統制へ変更しました。AI出力が示すURLや条番号を信頼せず、担当者とレビュー者が公式サイトを直接開いた記録を残しました。品質KPIには、架空引用、原典未確認、顧客訂正の件数を追加しました。

ケース6：AIエージェントがメールと共有ドライブへ広い権限を持つ

状況：対象会社は、顧客メールから必要資料を探し、共有ドライブへ保存し、返信案を作るAIエージェントを試験運用していました。試験用アカウントのはずが、本番メールボックスと全顧客フォルダーを読める権限が付与されていました。外部メールやPDFに含まれる指示をエージェントがどのように扱うかはテストされていませんでした。

DD：OAuth権限、サービスアカウント、ツール呼出し、送信前承認、外部共有、プロンプトインジェクション対策、実行ログ、停止スイッチを確認しました。情報を生成するチャットよりも、読む・移動する・送信する権限があるため、潜在影響が大きいと評価しました。

取引対応：本番接続を解除し、合成データの隔離環境で再試験しました。権限を顧客・フォルダー・操作単位で絞り、外部送信と削除は人の明示承認を必須にしました。AIエージェントによる電子申請や顧客アカウント操作は、正式な権限と制度側の利用条件を確認しない限り行わない方針としました。

補助金支援会社 生成AI DDチェックリスト

以下は初期スクリーニング用です。「はい・いいえ」だけでなく、証拠ファイル、確認日、担当者、未解決事項、期限を記入してください。

1．経営・ガバナンス

• AI利用の目的と許容リスクを経営会議等で決めているか。
• AI責任者、情報管理、法務、著作権、事故対応の役割が明確か。
• AI利用規程が役員、従業員、派遣、外注へ適用されているか。
• 規程の版、承認日、周知、例外、改定責任者を確認できるか。
• 顧客に約束したAI条件を案件担当者が確認できるか。
• 重大リスク、事故、例外、KPIを取締役会等へ報告しているか。
• AI法、AI事業者ガイドライン等の更新を確認する担当者がいるか。
• 規程違反を匿名で相談・報告できるか。

2．利用実態・シャドーAI

• 会社契約だけでなく無料版、個人版、組込機能を台帳化したか。
• 会議録、ブラウザー拡張、画像、翻訳、コード生成を含めたか。
• 役員・退職者・外注者の利用を調査したか。
• 経費、SSO、OAuth、APIキー、端末情報と自己申告を照合したか。
• 顧客が指定したAIやポータルも評価対象にしたか。
• 無断利用の件数、データ、案件、期間を母数付きで示せるか。
• 個人アカウントから会社資産を返還・削除できるか。
• 安全な代替ツールと迅速な例外承認が用意されているか。

3．入力データ・顧客機密

• 顧客機密、個人データ、要配慮情報、認証情報を分類しているか。
• 顧客契約がAI入力、委託、再委託、国外処理を許すか確認したか。
• 利用目的の範囲内か、目的外利用の可能性を検討したか。
• 必要最小限化とマスキングを入力前に行うか。
• PDFメタデータ、コメント、非表示列、画像内情報を確認するか。
• 過去申請書をRAG・学習へ使う権限があるか。
• 顧客ごとのAI利用可否を案件台帳で管理しているか。
• 入力禁止情報を技術的に警告・遮断できるか。

4．提供者契約・データ処理

• 契約主体、プラン、適用規約、優先順位を確定したか。
• 入力、添付、出力、フィードバック、ログの利用目的を確認したか。
• 基盤モデル学習、追加学習、評価、サービス改善を区別したか。
• 保存期間、バックアップ、法的保全、削除方法を確認したか。
• 処理国、保存国、サポートアクセス国を分けて確認したか。
• サブプロセッサー、変更通知、異議・解約方法を確認したか。
• 事故通知、監査資料、セキュリティ義務を確認したか。
• 支配権変更、譲渡、契約移転、データ返還を確認したか。

5．RAG・AIエージェント・技術統制

• RAGの原文、チャンク、埋め込み、キャッシュを一覧化したか。
• 元システムの権限が検索結果にも反映されるか試験したか。
• 顧客間・部署間の情報抽出テストを行ったか。
• 外部検索、プラグイン、ツール呼出し先を把握しているか。
• AIエージェントの読む・書く・送る・削除する権限を分けたか。
• 重要操作に人の承認と停止スイッチがあるか。
• プロンプトインジェクションを想定したテストを行ったか。
• モデル・システム変更時に回帰テストを行うか。

6．品質・人によるレビュー

• 用途ごとにAIを使ってよい工程と禁止工程を決めたか。
• 公募要領、交付要綱、公式FAQの原典照合を必須にしたか。
• 金額、期限、対象経費、加点、引用を別確認するか。
• 重要成果物を担当者以外がレビューするか。
• 架空引用、誤り、差戻し、顧客訂正を記録しているか。
• AI導入前後の品質とレビュー時間を測定したか。
• 顧客が最終内容を確認する工程を残しているか。
• AIによる自動提出・自動送信を原則禁止または厳格承認しているか。

7．著作権・知的財産

• 顧客資料、外注原稿、購入資料をAIへ入力する権限があるか。
• プロンプト・テンプレートの作成者と利用権を確認したか。
• 出力の類似性、引用、固有表現、画像・ロゴを確認するか。
• 人の編集・選択・構成の履歴を残しているか。
• AI提供者の出力条件と顧客への権利付与が整合するか。
• 外注先へAI利用申告と証跡提出を求めているか。
• 第三者請求時の協力、補償、責任上限を確認したか。
• 公開物・納品物のサンプル検査を行ったか。

8．ログ・インシデント・事業継続

• 利用者、時刻、モデル、プロンプト、添付、出力を追えるか。
• ログと案件番号、レビュー、最終成果物を対応付けられるか。
• ログのアクセス、改ざん防止、保存・削除を管理しているか。
• 事故時にAPI、コネクター、外部送信を直ちに止められるか。
• 証拠保全前に担当者が会話を削除しない手順があるか。
• 顧客、本人、提供者、当局等への連絡判断体制があるか。
• AI停止中に締切案件を処理する代替手順があるか。
• 事故演習と再発防止の完了確認を行っているか。

9．M&A契約・PMI

• 重要AI契約の支配権変更・譲渡条項を確認したか。
• 過去の無断入力、事故、請求、調査を開示したか。
• 表明保証、誓約、前提条件、補償、価格へ反映したか。
• プロンプト、ログ、RAG、評価データの引渡し範囲を定めたか。
• Day 1に継続・停止・隔離するツールを決めたか。
• 100日以内の規程、契約、権限、ログ統合計画があるか。
• 譲渡企業のクロージング後協力義務を定めたか。
• 残余リスクを取締役会へ報告する日を決めたか。

よくある質問

Q1．生成AIを使っている補助金支援会社は買収しない方が安全ですか。

一律に避ける必要はありません。生成AIを使わないと申告していても、シャドーAIがあればリスクは残ります。重要なのは、用途、データ、契約、ログ、人のレビュー、事故対応が管理され、買収後も再現できることです。適切な統制と評価データは事業価値になり得ます。

Q2．企業向けプランで学習利用を停止していればDDは終了ですか。

終了しません。保存期間、人による閲覧、サービス改善、不正利用監視、サブプロセッサー、国外処理、バックアップ、RAG、コネクター、ログ、出力条件を確認します。「学習」という言葉がどの処理を指すかも契約資料で確かめます。

Q3．顧客情報をAIへ入力するには必ず本人同意が必要ですか。

一律には答えられません。個人情報保護法上の委託・第三者提供・外国にある第三者への提供等の整理、利用目的、安全管理措置、顧客契約、入力データ、サービス構成によって検討が変わります。個別案件では、個人情報保護委員会のガイドラインと契約を確認し、必要に応じて弁護士等へ相談してください。

Q4．氏名を消せば顧客資料を入力してもよいですか。

氏名だけでは不十分な場合があります。所在地、設備、売上、取引先、担当金融機関、申請時期を組み合わせて顧客を推測できることがあります。メタデータ、非表示列、コメント、画像も確認し、目的に必要な最小限へ削減します。契約上の秘密情報は、個人を識別できなくても保護対象になり得ます。

Q5．プロンプトログは保存すべきですか、削除すべきですか。

目的とリスクに応じた期間設計が必要です。品質・事故・紛争の追跡に必要な項目は保存し、不要な顧客機密や認証情報を残さないよう入力制御します。閲覧権限、改ざん防止、削除予定、法的保全を管理し、永久保存と即時削除の二択にしません。

Q6．AIが作った申請草稿に著作権はありますか。

個別事情によります。人の創作意図と創作的寄与、生成・編集過程等を総合的に検討する必要があります。また、生成物自体の著作物性と、既存著作物への侵害の有無は別問題です。プロンプト、選択、修正、構成、参照資料を記録し、重要成果物は専門家の確認を受けます。

Q7．顧客へAI利用を必ず表示する必要がありますか。

一律の表示方法がすべての業務に定められているわけではありませんが、契約、提案内容、顧客の合理的期待、データ利用、成果物の重要性、AI事業者ガイドラインの透明性等を踏まえて判断します。顧客がAI利用を禁止・制限する場合は、その条件を案件管理へ反映します。

Q8．過去に無料AIを使った可能性があるもののログがありません。

利用者、期間、担当案件、成果物、経費、ブラウザー、メール、外注等から母集団を絞ります。未確認をゼロ扱いせず、確認済み・推定・不明を分け、最悪ケースと現実的ケースで影響を試算します。売買契約では、追加調査、前提条件、補償、保留金等を検討します。

Q9．RAGから元ファイルを削除すれば情報は消えますか。

元ファイルのほか、分割テキスト、埋め込み、検索インデックス、キャッシュ、会話、評価データ、バックアップが残る可能性があります。提供者・開発会社へ削除対象と伝播範囲を確認し、テスト用の固有文字列で検索できなくなったことを確認します。

Q10．買収後にAI提供者との契約をそのまま使えますか。

株式譲渡でも支配権変更、通知、解約、管理者変更が問題になることがあります。事業譲渡では契約移転や再契約が必要な場合があります。注文書、基本契約、オンライン規約の優先関係を確認し、ログ・RAG・出力資産を移せるかも確かめます。

Q11．サンプル検査は何件行えば十分ですか。

固定件数だけでは決められません。母集団、データの機微性、用途、担当者、ツール、事故、顧客条件で層化し、高リスク案件と通常案件を組み合わせます。問題が見つかった場合は範囲を拡大し、未確認割合をDD報告書に明記します。

Q12．AI出力の誤りが顧客へ提出される前に見つかれば事故ではありませんか。

法的・契約上の報告対象になるかとは別に、品質上のヒヤリハットとして記録する価値があります。原因、検出工程、再発可能性を分析すれば、人のレビューが機能した証拠にもなります。隠すと同じ誤りが別案件で顧客へ届く可能性があります。

Q13．AIエージェントにJグランツ等の操作を任せてもよいですか。

電子申請の利用条件、本人・組織の権限、顧客との契約、認証情報管理、誤操作、ログ、人の最終確認を個別に確認する必要があります。認証情報を生成AIへ入力したり、無承認で自動提出させたりする運用は避け、正式な権限付与と制度側の手続を確認してください。

Q14．生成AI DDの結果を価格へどう反映しますか。

是正ライセンス、ログ整備、成果物再作成、顧客対応、専門家費用、移行停止期間を試算します。影響が未確定なら、価格控除だけでなく、クロージング条件、エスクロー、個別補償、アーンアウト、譲渡企業協力義務を組み合わせます。安全に再現できる評価データや業務標準化は、プラスの価値として別に評価します。

Q15．補助金支援会社 生成AI DDで最優先の一問は何ですか。

「直近の顧客案件を一つ選び、資料を受け取ってからAIへ入力し、出力を検証し、顧客へ渡し、ログを保存・削除するまで実際の画面で見せてください」です。規程と契約が実務で機能しているか、データフローを通して一度に確認できます。

実務で使う一次情報

• 経済産業省「AI事業者ガイドライン（第1.2版）」
• 内閣府「人工知能関連技術の研究開発及び活用の推進に関する法律（AI法）」
• 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について」
• 個人情報保護委員会「個人情報保護法ガイドライン（通則編）」
• 個人情報保護委員会「外国にある第三者への提供編」
• 文化庁「AIと著作権について」
• 経済産業省「AIの利用・開発に関する契約チェックリスト」
• 経済産業省「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」
• IPA「AI利用者のためのセキュリティ豆知識」

公的資料は改定されることがあります。DD基準日と最終確認日を記録し、AI提供者の規約・機能・サブプロセッサーの変更も継続的に確認してください。

まとめ：生成AIの価値は速度ではなく、説明可能な運用に宿る

生成AIを使う補助金支援会社の価値は、文章を早く作れることだけではありません。顧客の資料を必要最小限にし、承認済み環境で処理し、公式原典と照合し、権利を確認し、担当者が変わってもプロンプトとレビューを再現できることにあります。その状態なら、買い手は効率と品質を引き継げます。反対に、個人アカウントと担当者の勘に依存し、入力・出力・ログが残らない場合、見かけの粗利は買収後に再現できません。

補助金支援会社 生成AI DDでは、AIツール台帳、データフロー、顧客契約、提供者契約、プロンプトログ、著作権検査、AI利用規程、案件サンプルを同じ案件番号でつなぎます。発見した問題は、利用停止だけで終わらせず、影響範囲、是正、顧客対応、取引条件、100日PMIへ落とします。生成AIを「使う会社」と「使わない会社」に分けるのではなく、生成AIを説明可能な業務資産として管理できる会社かを見極めることが、M&Aの実務的な判断になります。