AIの間違った情報への対処法｜ファクトチェック手順と組織体制の作り方

AIの間違った情報とは、生成AIが事実と異なる内容を、もっともらしい文章で答えてしまう現象です。対処の基本は、AIの出力を人が一次情報で確かめてから使うことで、個人の注意力に頼らず、確認の手順と、見つけた誤りを止めて直す体制をあらかじめ決めておくと、誤りが社外に出る前に止めやすくなります。本記事では、誤りが起きる原因と入り込む経路、ファクトチェックの3ステップ、作成者・確認者・承認者の役割分担と報告ルート、再発防止の仕組みまでを整理します。契約書や社内規程のように誤りの影響が大きい文書で、AIと専門家の役割をどう分けるかも扱います。企画・広報・総務・情報システム部門の担当者が社内ルールの叩き台にできるよう、手順と役割分担を表にまとめました。

目次

開く

閉じる

1. AIの間違った情報とは｜起きる原因と、専門家の確認が要る文書
2. 誤情報が入り込む4つの経路と、業務で起きるリスク
3. ファクトチェックの手順｜3ステップと、AIの回答を疑うサイン
4. 組織体制の作り方｜責任者・レビュー体制
5. 再発防止のための仕組み化
6. よくある失敗パターン4つ
7. 体制整備の効果をどう確認するか
8. よくある質問(FAQ)
9. まとめ
10. 参考文献

AIの間違った情報とは｜起きる原因と、専門家の確認が要る文書

AIの間違った情報とは、生成AIが事実と異なる内容を、正しい情報のような自然な文章で出力したものです。この現象はハルシネーション(幻覚)とも呼ばれます。仕組みそのものの詳しい解説はAIの幻覚(ハルシネーション)とは？仕組み・原因・防止策と業務のチェック体制で扱っているため、ここでは業務で押さえたい要点に絞ります。

生成AIは事実を確かめながら答えているのではなく、次に続きやすい言葉を確率的に選んで文章を組み立てています。そのため、誤りは主に3つの原因で生じます。1つ目は学習データの古さや偏りで、学習時点より後に変わった制度や製品情報を、現在の情報として答えてしまいます。2つ目はあいまいな指示で、条件が足りないとAIが推測で空白を埋めます。3つ目は参照させた資料の不足や誤りで、読み込ませた社内資料が古ければ、その誤りをそのまま引き継ぎます。

誤りの影響は、文書の種類で大きく変わります。社内のメモなら訂正で済みますが、契約書・社内規程・法令を引いた説明では、1か所の誤りが取引先との行き違いや、規程どおりに運用できない事態につながります。こうした文書は、AIに下書きを任せたとしても、最後は人が条文や条項を確かめる必要があります。ただ、条項の抜けや表記のゆれを人の目だけで追い続けるのは負担が大きく、法務の担当者がいない会社では確認する人そのものがいません。そこで、契約書や規程の確認を支える2つのサービスを、役割の違いで並べます。

AIの誤情報対策として、契約書や社内規程の確認に取り組む場合の一例が、FRAIM株式会社のLAWGUEです。商品ページで確認できる範囲では、AIが類似する過去の契約書や条項を提示し、抜けている条項や「または」と「又は」のような表記ゆれを指摘する機能があります。編集履歴とコメント履歴も自動で残るため、誰がどこを直したかを後から追えます。AIの下書きを人が確かめる流れの中で、確認の抜けを減らす手段になります。一方、利用開始まではトライアルを挟むため数か月かかる場合があり、料金は月額・初期費用とも問い合わせで確認する形です。料金はプランによって異なるため、資料や公式サイトで確認してください。

課題:過去の類似契約の検索や修正履歴がない契約書の差分比較に手間がかかっていた。効果:文書検索のUXが優れており、類似契約の検索を大幅に効率化

出典: 株式会社すららネット様の導入事例(LAWGUE)

一方、契約書を確認する担当者そのものがいない場合の一例が、MOLTON株式会社のクラウドリーガルです。生成AIと提携弁護士(専門士業)による契約書レビューや、法務・労務の相談をオンラインで依頼でき、契約書レビューでは弁護士からの返答が基本1営業日以内にWordコメント付きで届くとされています。弁護士監修のひな形で自動作成した契約書も、そのまま弁護士レビューを依頼できます。AIの出力を人の目で確かめる役割を、外部の専門家に任せる選択肢です。ただし契約書レビューは1通あたり7ページ以下が対象で、プランごとに相談時間やレビュー件数の上限があります。料金はプランによって異なるため、資料や公式サイトで確認してください。

顧問弁護士には引き続き高度な案件や経営戦略に関連するアドバイスを提供してもらい、リソースの最適化を実現しています

出典: 株式会社Medii様の導入事例(クラウドリーガル)

なお、この記事は一般的な情報提供であり、法的助言ではありません。個別の契約や法令の判断は、弁護士など専門家に確認してください。次の章からは、AIの誤りがどんな経路で業務に入り込むのかを整理します。

誤情報が入り込む4つの経路と、業務で起きるリスク

AIの誤情報が業務に入り込む経路は、推測による創作、古い情報の再現、元資料の誤読、ネット上の誤情報の取り込みの4つに整理できます。どの経路から入ったかが分かると、どこで確認を挟むべきかが決めやすくなります。

誤情報が入り込む4つの経路

経路	起きること	業務での例
AIの推測による創作	存在しない数値・出典・事例を作り出す	提案書に実在しない調査結果が引用される
古い情報の再現	学習時点より後に変わった制度や料金を、現在の情報として説明する	改正前の制度内容をもとに社内案内を作ってしまう
元資料の誤読	要約・翻訳で原文にない内容を加えたり、意味を逆にしたりする	議事録の要約で決定事項と保留事項が入れ替わる
ネット上の誤情報の取り込み	検索機能つきのAIが、信頼性の低いページの内容をそのまま採用する	SNSで広まった誤った噂を、事実として回答に含める

4つ目の経路は見落とされがちです。検索と連動したAIは最新の情報を扱える反面、ネット上の偽情報や誤情報を拾う可能性があります。総務省も、インターネット上の偽・誤情報について、情報の発信元を確かめる、複数の情報源と見比べるといったリテラシーの重要性を呼びかけています。AIが示した出典のリンク先が、公的機関や当事者の一次情報なのか、出どころの分からない二次情報なのかを見分けることが、AI時代のファクトチェックの基本になります。

誤りが「見つけにくい」理由

AIの誤情報が厄介なのは、正しい部分と誤った部分が、同じ落ち着いた文体で並ぶことです。9割が正しい文章の中に1割の誤りがあると、読み手は全体の印象から「この資料は正確だ」と判断しがちです。さらに、AIを使うと作業が速くなるぶん、確認の時間を削りたくなる心理も働きます。誤りを見つけにくい構造がある以上、個人の注意力に頼るのではなく、手順と体制で補うことが必要になります。

誤りが起きやすい業務の場面

同じAIの誤りでも、使う場面によって起きやすい誤りと、先に決めておくべきことが変わります。代表的な場面を、業務ごとに整理しました。

業務の場面	起きやすい誤り	先に決めておくこと
顧客対応のチャットボット・問い合わせ回答	存在しない料金や条件、終了したキャンペーンを案内する	回答の根拠にする資料を限定し、回答を定期的にサンプルで確認する
社内ヘルプデスク・規程の問い合わせ	改定前の規程の内容で回答する	参照させる規程を最新版に保ち、更新担当者を決める
営業・広報の資料、Web記事	存在しない統計や出典を引用する	数値と出典は一次情報で照合してから公開する
契約書・社内規程の下書き	必要な条項が抜ける、現行の法令と合わない記述が入る	作成者とは別の人、必要なら弁護士など専門家が確認する
議事録・資料の要約	決定事項と保留事項が入れ替わる	原文と見比べ、決定事項は発言者に確認する

誤情報が業務にもたらすリスク

AIの誤りが社内のメモにとどまっていれば影響は小さく済みますが、社外向けの資料や経営判断の材料に紛れ込むと、損害は一気に大きくなります。業務で起こりうるリスクは、大きく次の3つに整理できます。AIが作った内容であっても、それを使って発信・判断した責任は利用した企業の側にあることを前提に考える必要があります。

リスクの種類	起こりうること
信頼・評判の低下	誤った数値や事例を含むプレスリリース・Web記事が拡散し、訂正や説明に追われる。一度広まった情報は完全には回収できない
判断の誤り	市場規模や競合の動向を誤ったまま、事業計画や投資の判断を進めてしまう
法令・契約上の問題	改正前の制度内容で顧客に案内する、実在しない出典を引用するなど、表示や説明の誤りが取引先・顧客とのトラブルにつながる

とくに注意したいのは、広報・PRの発信前、経営会議の資料、業界動向の調査レポート、取引先に出す契約書といった「そのまま意思決定や社外発信に使われる場面」です。後述するチェックの段階分けでは、こうした場面を最も厳しい確認の対象にします。

ファクトチェックの手順｜3ステップと、AIの回答を疑うサイン

ファクトチェックは「主張を分解する」「一次情報と照合する」「判定を記録する」の3ステップで進めると、担当者が変わっても同じ品質で確認できます。すべての文を同じ厳しさで調べる必要はなく、誤りやすい情報を優先することがポイントです。

ステップ1：確認が必要な主張を分解して抜き出す

まず、AIの出力から「事実として確認できる主張」を抜き出します。特に誤りやすいのは、数値・日付・金額、人名や社名などの固有名詞、出典・引用・URL、法令や制度の内容の4種類です。「市場は拡大している」のような表現よりも、「〇年に〇%増加した」のような具体的な記述ほど誤りが紛れやすく、しかも読み手に信用されやすいため、優先して抜き出します。AIに作業させる段階で「事実に関する記述には出典を付け、確信度が低い箇所には注記を付けて」と指示しておくと、この抜き出しが楽になります。

ステップ2：一次情報と照合する

抜き出した主張を、一次情報と照らし合わせます。一次情報とは、統計なら調査を実施した官公庁や団体の公表資料、制度なら所管官庁の公式ページ、企業情報ならその企業の公式サイトのように、情報の発生源にあたる資料です。AIが示したURLは必ず実際に開き、引用された文言が本当に書かれているか、調査年や対象範囲が合っているかまで確認します。まとめサイトやほかのAIの回答で「裏が取れた」と判断するのは避けましょう。同じ誤りが複数の場所に広がっていることがあるためです。

ステップ3：判定を記録する

照合した結果は「確認済み」「修正した」「確認できないため削除した」のいずれかで記録します。記録には、確認した人、日付、照合した資料を残しておくと、後から問い合わせを受けたときに根拠を示せます。記録は大げさなシステムでなくても、資料の末尾やファイルのコメント欄に残すだけで十分です。重要なのは、確認できなかった主張を「たぶん正しい」で残さないことです。

情報の種類	照合する一次情報の例	見落としやすい点
統計・数値	調査を実施した官公庁・団体の公表資料	調査年、対象範囲、単位(%と件数など)
制度・法令	所管官庁の公式ページ、法令データベース	改正の有無、施行日、適用される事業者の範囲
企業・製品情報	当該企業の公式サイト、プレスリリース	正式名称の表記、社名と製品名の混同
引用・出典	引用元の原文	出典自体が実在しない、または引用された文言が存在しない

AIの回答を疑うサイン

3ステップを回す前に、「ここは特に疑う」という目印を知っておくと、確認の優先順位を付けやすくなります。次のサインはあくまで目安で、当てはまらなければ正しいという意味ではありません。

• 「とされています」「のようです」など、根拠の主体がぼやけた言い回しが続いている
• 示された出典のURLを開くと、ページが存在しない、または書かれている内容が違う
• 具体的な数字が並んでいるのに、調査年や調査主体が書かれていない
• 最新の制度や製品の説明なのに、いつ時点の情報かが示されていない
• 同じ質問を言い換えてやり直すと、数字や結論が変わる

これらのサインに気づいたら、その箇所は確認済みになるまで資料に使わないルールにしておくと、確認の抜けを防げます。

組織体制の作り方｜責任者・レビュー体制

組織体制づくりの要点は、作成者・確認者・承認者の役割を分けることと、誤りを見つけた人の報告先を1つに決めることです。ファクトチェックを作成者本人だけに任せると、自分の資料の誤りは見つけにくいという限界にぶつかります。

役割分担の基本形

役割	主な責任	担う人の例
作成者	AIの出力から確認が必要な主張を抜き出し、一次確認をおこなう	AIを使って資料を作った担当者
確認者	作成者とは別の目で、数値・固有名詞・出典を照合する	同じチームの別メンバー、専門分野の担当者
承認者	確認の記録を見て、公開・提出してよいかを判断する	部門長、広報責任者
AI利用の責任者	報告を受け付け、訂正の判断と再発防止策の取りまとめをおこなう	情報システム部門、AI推進担当

小規模な組織で4つの役割を別々の人に割り当てられない場合は、少なくとも「作った人と確かめる人を分ける」ことを優先します。確認者と承認者を同じ上長が兼ねる形でも、作成者以外の目が一度入るだけで、誤りの流出は大きく減らせます。

経済産業省と総務省のAI事業者ガイドライン(第1.2版、2026年3月公表)は、こうした体制づくりの公的な拠りどころになります。AIを業務で利用する側の事項として、AIの出力について精度とリスクの程度を理解したうえで利用することが挙げられています。あわせて、アカウンタビリティの観点から、責任者を設定すること、関係者間で責任を分けて明確にすること、AIの出力の誤りについて関係者からの指摘を受け付ける機会を設けて定期的にモニタリングすること、これらを文書にして残すことが示されています。本記事の役割分担や報告ルートは、この考え方を社内の業務に落とし込んだものと位置づけられます。

用途に応じてチェックの段階を変える

すべての出力に3段階の確認を求めると、現場の負担が大きくなり、ルールが守られなくなります。自分だけが使うメモやアイデア出しは作成者の確認のみ、社内で共有する資料は作成者と確認者の2段階、社外に出す資料や顧客への回答、契約・法務に関わる文書は承認者まで含めた3段階、というように用途で段階を分けると、手間をかけるべき場面に集中できます。

報告ルートを1つに決め、報告した人を守る

体制の中で最も見落とされやすいのが、公開後や共有後に誤りが見つかったときの報告ルートです。報告先が決まっていないと、気づいた人が作成者に直接伝えるしかなく、立場の差があると言い出しにくくなります。報告先はAI利用の責任者などに1本化し、チャットの専用チャンネルやフォームなど、気軽に使える手段を用意しましょう。そのうえで、「誤りを報告した人を責めない」「作成者を個人攻撃しない」ことを明文化しておくと、報告が集まりやすくなります。

この「報告しやすさ」と「報告した人の保護」は、公益通報者保護制度の考え方とも重なります。消費者庁の公益通報者保護制度のページでは、通報者の保護や、事業者に求められる体制整備の考え方が示されています。AIの誤りは法令違反とは性質が異なりますが、気づいた人を守り、報告を放置しないという設計は、そのまま参考にできます。

契約・規程に関わる文書は、専門家の確認を承認の条件にする

社外に出す契約書や、社内で運用する規程は、条文や条項の誤りが、取引先との行き違いや運用上のトラブルに直結します。AIが下書きした文面の確認は、作成者本人ではなく、法務の知識を持つ人に任せるのが基本です。社内に法務の担当者がいない場合は、承認の条件に「専門家の確認済み」を加え、外部の弁護士や法務サービスに依頼する運用が現実的です。承認者が文面の細部まで読み切れなくても、専門家の確認記録があれば、承認の根拠を後から示せます。なお、個別の契約や法令の判断は、弁護士など専門家に確認してください。

再発防止のための仕組み化

再発防止の中心は、見つかった誤りを記録し、原因を分類して、プロンプト・参照資料・確認手順のどこを直すかを決めることです。誤りを訂正して終わりにすると、別の担当者が同じ種類の誤りを繰り返します。

誤情報の記録に残す項目

記録には、発見日、発見者、対象の資料、誤っていた内容と正しい内容、影響の範囲(社内のみか、社外に出たか)、原因、対応内容を残します。原因は細かく分けすぎず、「プロンプトの問題(条件や情報源の指示が足りない)」「参照資料の問題(古い資料や誤った資料を読ませた)」「確認の問題(確認の手順を飛ばした、確認者がいなかった)」の3つに分類すると、対策を考えやすくなります。

原因の分類	典型的な例	再発防止策の例
プロンプトの問題	出典を求めずに数値を尋ね、推測の数字が出た	「出典を明記し、不明なら不明と答える」を定型プロンプトに入れる
参照資料の問題	改定前の社内規程をAIに読ませていた	参照させる資料の最新版と更新担当者を決める
確認の問題	急ぎの案件で確認者を通さずに公開した	社外向けは確認記録がないと公開できない運用にする

技術面の対策で誤りの発生自体を減らす

人による確認と並行して、AIの使い方そのものを工夫すると、確認で見つけるべき誤りの量を減らせます。代表的なのは次の3つです。1つ目は、プロンプトで条件を明確にすることです。対象期間や地域、参照してよい情報源を指定し、「確実な情報がない場合は不明と答える」と一文添えるだけでも、推測で空白を埋める出力は減ります。2つ目は、回答に必ず引用元を示させることです。出典が添えられていれば、確認者は照合すべき資料がすぐに分かり、出典のない記述を「要確認」として扱えます。3つ目は、社内規程や製品資料など信頼できる資料だけを読み込ませて回答させる仕組み(RAG:検索拡張生成)を使い、資料にないことには答えない設定にすることです。

ただし、どの方法でも誤りを完全になくすことはできません。引用元が示されていても、その資料の読み取りを誤る場合や、読み込ませた資料自体が古い場合があります。技術面の対策は「確認の手間を減らすもの」と位置づけ、最終的には人が一次情報で確かめる前提を崩さないことが大切です。

定期的な振り返りと共有

集まった記録は、月に1回程度、AI利用の責任者が振り返り、よくある誤りのパターンを社内に共有します。「この種類の質問では数値が作られやすい」「この資料は古い版が出回っている」といった具体的な事例は、どんな一般論の注意喚起よりも現場に伝わります。共有の際は作成者の名前を伏せ、事例として学ぶ形にすると、次の報告が出にくくなることを防げます。

公開後に誤りが見つかったときの訂正の流れ

社外に出た資料やWebページに誤りが見つかった場合は、報告を受けた責任者が影響の範囲を確認し、訂正の方法(差し替え、訂正文の掲載、関係先への連絡)を決めます。訂正した事実と日付を記録し、必要に応じて訂正した旨を明示することが、読み手の信頼を守ることにつながります。誤りを黙って差し替えると、以前の内容を見た人との間で食い違いが生じることがあるため注意しましょう。

よくある失敗パターン4つ

失敗の多くは、AIの性能ではなく、役割や報告ルートが決まっていないことから起きます。体制づくりの初期によく見られるパターンを、改善後の状態と並べて整理します。

失敗パターン	Before(よくある状態)	After(改善後の状態)
1. 確認を作成者だけに任せる	本人は内容を正しいと思い込んでおり、誤りに気づけない	作成者とは別の確認者を置き、用途に応じて承認者も加える
2. 報告先が決まっていない	誤りに気づいた人が言い出せず、そのまま社外に出る	報告先を1本化し、報告した人を責めないことを明文化する
3. ルールを作って終わる	ガイドラインを配布したが、誰も確認手順を守っていない	確認記録を公開の条件にし、振り返りで運用状況を点検する
4. 訂正して終わる	個別の誤りは直したが、別の担当者が同じ誤りを繰り返す	原因を3分類で記録し、プロンプトや参照資料を直す

4つのうち、組織として特に効いてくるのは2番目です。確認の手順がどれだけ整っていても、すり抜けた誤りを後から拾う仕組みがなければ、最後の防波堤がありません。「誰が見つけても、同じ場所に報告が集まる」状態を作ることが、ファクトチェック体制を完成させる最後のピースです。

体制整備の効果をどう確認するか

体制の効果は、「誤りの件数」だけでなく「どの段階で見つかったか」と「報告の件数」で見ると正しく評価できます。誤りの件数が減っていても、報告がそもそも上がっていないだけ、という可能性があるためです。

確認する指標	見方
発見段階の内訳	作成時・確認時に見つかる割合が増え、公開後に見つかる割合が減っていれば、体制が機能している
報告の件数	導入直後は報告が増えるのが自然。ゼロが続く場合は、報告しにくい雰囲気がないかを疑う
同じ原因の繰り返し	同じ分類の誤りが続く場合は、プロンプトや参照資料の見直しが追いついていない
確認記録の残存率	社外向け資料のうち確認記録が残っている割合で、手順が守られているかを確かめる

特に「報告の件数がゼロ」は、よい兆候とは限りません。通報や報告がまったくない状態は、問題がないのではなく、制度が使われていない、あるいは信頼されていないサインかもしれないと疑うのが安全です。AIの誤情報の報告も同じで、導入初期に報告が集まることは、仕組みが使われている証拠と前向きに受け止めましょう。報告の受付から対応完了までを記録し、放置されている案件がないかを確認できる状態にしておくと、体制の信頼性が保たれます。

確認記録の残存率を保つうえでは、記録を手作業で残す運用が続きにくい点が課題になります。契約書や規程のように、修正の履歴とコメントが重要な文書では、編集履歴・コメント履歴が自動で残るツールを使うと、確認記録を残す手間を減らせます。

よくある質問(FAQ)

Q1. AIが間違った情報を出すのはなぜですか？

A. 生成AIは事実を確かめて答えているのではなく、次に続きやすい言葉を確率的に選んで文章を作っているためです。学習データが古い、指示があいまい、参照させた資料に誤りがあるといった条件が重なると、推測で空白を埋めてしまうことがあります。

Q2. AIがミスする確率はどのくらいですか？

A. 一概に言える数字はありません。誤りの出やすさは、モデル、質問の内容、参照させる資料によって変わります。自社で使う用途ごとに回答をサンプルで確認し、誤りの種類と件数を記録しておくと、確認にかける手間の目安がつかめます。

Q3. ファクトチェックはどの情報から確認すればよいですか？

A. 数値・日付・金額、人名や社名などの固有名詞、出典・引用・URL、法令や制度の内容を優先して確認します。これらは誤りが紛れやすく、しかも読み手に信用されやすい情報です。

Q4. AIが間違えた場合、責任は誰にありますか？

A. AIが作った内容でも、それを使って発信や判断をした企業の側が責任を問われると考えて運用するのが基本です。AI事業者ガイドラインでも、責任者の設定や関係者間の責任の分け方を明確にすることが示されています。個別の事案での法的な判断は、弁護士など専門家に確認してください。

Q5. 誤りに気づいた人が報告しやすくするにはどうすればよいですか？

A. 報告先をAI利用の責任者などに1本化し、専用のチャンネルやフォームなど気軽に使える手段を用意します。あわせて、報告した人や作成者を責めないことを明文化しておくと、報告が集まりやすくなります。

Q6. 契約書や社内規程の確認は、AIに任せても大丈夫ですか？

A. AIは下書きや条項の抜けの指摘といった補助には使えますが、最終的な確認は人が行います。条文や条項の誤りは取引先との行き違いにつながるため、作成者とは別の人、必要に応じて弁護士など専門家の確認を承認の条件にします。社内に確認できる人がいない場合は、契約書レビューを外部に依頼できるサービスもあります。

まとめ

AIの間違った情報は、生成AIの仕組みから生まれるもので、完全にゼロにすることは難しいものです。だからこそ、個人の注意力に頼らず、手順と体制で誤りを止めることが大切です。今日から取り組めることは次の5つです。

1. 数値・固有名詞・出典・法令の4種類を優先し、「分解・照合・記録」の3ステップで確認する
2. 作成者と確認者を分け、社外向けの資料は承認者まで含めた3段階で確認する
3. 誤りを見つけた人の報告先を1本化し、報告した人を責めないことを明文化する
4. 見つかった誤りを原因別に記録し、定期的に振り返ってプロンプトや参照資料を直す
5. 契約書や社内規程のレビューを担う人がいない場合は、レビューを支えるサービスの資料を取り寄せ、自社の運用に合うかを確かめる

AIの誤情報対策は、特別な技術よりも「気づいた人の声が確実に届き、放置されない」組織を作ることから始まります。誤りの影響が大きい文書ほど、AIの出力を人と専門家の目で確かめる仕組みを先に整えておきましょう。

参考文献

• 経済産業省・総務省「AI事業者ガイドライン」(第1.2版)https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html
• 消費者庁「公益通報者保護制度」https://www.caa.go.jp/policies/policy/consumer_partnerships/whisleblower_protection_system/
• 総務省「【特集】フェイクニュース｜安心・安全なインターネット利用ガイド」https://www.soumu.go.jp/use_the_internet_wisely/special/fakenews/
• 株式会社すららネット様の導入事例(LAWGUE)https://lawgue.com/voice/4829/
• 株式会社Medii様の導入事例(クラウドリーガル)https://molton.inc/voice/2/