会計・法務・行政書士など専門サービス事務所でのAI活用を、調査の下ごしらえ・書類ドラフト・問い合わせ一次対応・過去案件検索の4領域で整理。専門判断を人が担保する線引きと、守秘義務・情報管理の設計、どこから始めどこでつまずくかを具体的に解説します。
会計事務所、法律事務所、行政書士・社会保険労務士・弁理士といった専門サービス事務所では、少人数で多くの案件を抱える構造が一般的です。専門家一人ひとりの時間単価が高い一方、実際の稼働の相当部分は、調べもの・書類の下書き・問い合わせ対応・過去案件の掘り起こしといった、判断そのものではない「下ごしらえ」に費やされている、という声は業種を問わず聞かれます。ここに生成AIやAIエージェントが寄与しうるのではないか、という関心が高まっているのが現状だと考えられます。
士業のAI活用を検討するとき、最初に整理しておきたいのは、業務を「専門的な判断そのもの」と「その判断に至るまでの周辺作業」に分けて捉えることです。税務判断・法的助言・許認可の可否判断といった中核は、資格と責任に紐づく領域であり、ここをAIに代替させる発想は、現時点では現実的でも適切でもないと考えられます。一方で、判断の材料を集める、条文や資料を横断して当たりをつける、定型文書のたたき台を作る、といった周辺作業は、人が最終確認する前提であれば、AIが下ごしらえを担える余地が比較的大きい領域だと考えられます。
専門サービス事務所では、有資格者や熟練の実務担当に業務が集中しやすく、代表が実務とマネジメントを兼ねているケースも少なくありません。採用も容易ではなく、繁忙期（決算期・申告期・年度更新など）には特定の人に負荷が偏りがちです。この「属人化」と「繁忙の波」の二つが、専門サービス事務所特有の課題として繰り返し挙がります。AIはこの構造を魔法のように解決するものではありませんが、下ごしらえの一部を肩代わりさせることで、専門家が判断に使える時間を確保する方向には寄与しうると考えられます。
本記事は、特定のツールの操作手順ではなく、「この業種なら何から始め、どこでつまずき、どう事務所内の合意を取るか」を具体的に示すことを目的としています。あわせて、士業ならではの守秘義務・情報管理の設計を、抽象論ではなく運用の形に落として整理します。なお、生成AIツールの料金・仕様は変わり得るため、個別ツールの詳細は最新の公式情報を確認する前提でお読みください。
士業・専門サービス事務所でのAI活用は、無限にあるように見えて、実務上は次の4領域に整理できると考えられます。それぞれ「何を任せ、どこで人が確認するか」をあわせて設計することが要点です。
案件に着手する際、関連する制度・過去の類似論点・一般的な手続きの流れを調べる作業には一定の時間がかかります。AIは、論点の洗い出しや「まず何を確認すべきか」のチェックリスト化、一般的な制度概要の整理といった下ごしらえに使える余地があります。ただし、AIが出力する条文番号・判例・数値・期限などは誤りを含みうるため、最終的な根拠は必ず一次情報（法令・通達・公式ガイドラインなど）で人が確認する、という運用が前提になります。AIは「調べる方向の当たりをつける」段階で使い、「結論の根拠」としては使わない、という線引きが現実的と考えられます。
依頼者への説明文、案内メール、定型的な申請書類の下書き、議事メモの整形といった「文章を一から書く」作業は、AIがたたき台を作るのに向いた領域です。過去の類似文書のトーンや構成に沿ったドラフトを短時間で用意し、専門家が中身を精査・修正して仕上げる、という分担が考えられます。ここでも、固有名詞・金額・日付・法的効果に関わる記述は人が必ず確認し、AIの出力をそのまま外部に出さないことが重要です。
「顧問料の範囲」「必要書類」「手続きの一般的な流れ」といった、事務所によく寄せられる定型的な問い合わせは、あらかじめ整備したFAQをもとにAIが返信案を作る使い方が考えられます。あくまで返信の下書きを用意する役割であり、送信前に担当者が確認する運用にすることで、誤案内のリスクを抑えられます。個別性が高い相談や専門判断を要する問い合わせは、AIに答えさせず人へ引き継ぐ、という振り分けの設計が要点になります。
「以前似た案件をどう処理したか」を探すのに時間がかかる、というのは多くの事務所に共通する悩みです。過去の案件記録・書式・メモを社内ナレッジ基盤に集約し、自然文で問い合わせられるようにする仕組み（いわゆるRAG＝社内文書を根拠にAIが答える仕組み）は、この検索負荷を下げる方向に寄与しうると考えられます。仕組みの考え方は社内文書をAIに答えさせる仕組み（RAG）とはで整理しています。ただし、案件情報は機微度が高いため、後述する情報管理の設計とセットで検討する必要があります。
士業のAI活用で最も重要なのは、便利さの追求よりも「どこまでをAIに任せ、どこからを必ず人が担保するか」の線引きを明文化することだと考えられます。ここが曖昧なまま導入すると、AIの出力を確認せず外部に出してしまうリスクや、責任の所在が不明確になるリスクが生じます。
基本の原則は、AIには「作業（下書き・整理・検索・要約）」を任せ、「判断（可否・助言・最終責任を伴う結論）」は必ず有資格者・担当者が行う、という切り分けです。AIの出力は常に「たたき台」であって「成果物」ではない、という位置づけを事務所全体で共有することが出発点になります。この原則を守れる業務から入り、判断の比重が大きい業務は慎重に扱う、という優先順位づけが現実的と考えられます。
線引きは、口頭の心構えではなく工程として組み込むことで初めて機能します。たとえば「AIが作ったドラフトには作成過程がAI関与であることを内部的に明示する」「外部に出す前に担当者のチェック欄を必ず通す」「根拠となる法令・数値は一次情報で照合した記録を残す」といった手順を、業務フローの中に固定します。誰が最終確認したかが後から追える状態にしておくことが、専門サービスの責任構造とAI活用を両立させる鍵になると考えられます。
生成AIは、実在しない条文・判例・数値をもっともらしく出力することがあります。士業の実務では、この「もっともらしい誤り」がそのまま依頼者への案内に混入すると重大な問題になり得ます。したがって、AIの出力を「参考の下書き」として扱い、事実に関わる部分は必ず一次情報で裏取りする文化を、導入初期から徹底しておくことが望ましいと考えられます。効率化の効果よりも先に、この確認習慣を定着させる順序が安全だと考えられます。
実務担当者にとって、AI導入は「仕事を奪われる」不安につながりやすいテーマです。線引きを「AIに判断を委ねるのではなく、下ごしらえを任せて専門家が判断に集中できるようにする取り組み」として説明することが、納得感につながると考えられます。専門性の中核はむしろ人に残る、というメッセージを明確にすることが、事務所内の合意形成の土台になります。
士業には法令や職業倫理に基づく守秘義務があり、依頼者情報の取り扱いは一般企業以上に慎重さが求められます。AI活用の可否は、この情報管理の設計ができるかどうかに大きく左右されると考えられます。ここは「便利だから使う」ではなく「安全に使える範囲を先に決める」順序が重要です。
最初にやるべきは、どの情報をどのツールに入れてよいかのルール化です。一般的な制度の質問や、依頼者を特定しない抽象化した相談であれば外部ツールでも扱いやすい一方、依頼者名・具体的な財務数値・個人情報・係争情報などの機微情報は、そのまま外部の生成AIに入力すべきではない、という線引きが基本になります。この考え方は生成AIに入れてよい情報・いけない情報の線引きで整理しており、士業ではとりわけ厳格に運用する必要があると考えられます。
実務では、依頼者を特定しうる情報を外し、一般化した形でAIに相談する「匿名化・抽象化」の習慣が有効と考えられます。たとえば固有名詞を伏せ、金額を概算のレンジに置き換え、業種や論点の構造だけを残してドラフトや調査の下ごしらえを依頼する、といった運用です。これにより、AIの利便性を活かしつつ、守秘義務に関わる情報の外部流出リスクを下げられると考えられます。
利用するツールが、入力データを学習に使うのか、どこに保存されるのか、といったデータ取り扱いの条件は、サービスやプランによって異なり、かつ変わり得ます。事業者向けの契約形態では、入力内容を学習に使わない設定が用意されている場合もありますが、最新の条件は必ず公式情報で確認する前提が必要です。機微情報を扱う可能性がある場合は、外部送信を伴わない社内ナレッジ基盤側で処理する構成を検討するなど、情報の性質に応じてツールを使い分ける設計が現実的と考えられます。
過去案件を検索できる社内ナレッジ基盤を作る場合、「誰がどの案件情報にアクセスできるか」の権限設計と、アクセス記録（ログ）の設計が不可欠です。事務所内であっても、担当外の案件情報は見えないようにする、といった最小権限の考え方を持ち込むことで、守秘義務と利便性のバランスを取りやすくなると考えられます。仕組みを作ること自体より、この権限・ログ設計のほうが導入の実質的な難所になることが多いと考えられます。
全業務を一度にAI化しようとすると、確認プロセスも情報管理も追いつかず、かえって混乱を招きがちです。専門サービス事務所では、機微度が低く効果が見えやすい1業務から始め、確認と情報管理の運用を固めてから広げる進め方が現実的と考えられます。
入口として向くのは、(1) 依頼者を特定する機微情報を含みにくい、(2) 定型的で頻度が高い、(3) 出力を人が確認しやすい、という条件を満たす業務です。たとえば、事務所のよくある問い合わせへの返信ドラフト、一般的な制度説明文のたたき台作り、社内向けの議事メモ整形、といった業務が候補になります。逆に、依頼者固有の判断や係争性のある案件は、入口には選ばないほうが無難と考えられます。
選んだ1業務で「以前より下ごしらえが楽になった」という実感を、まず担当者本人が得ることが重要です。この小さな成功が、事務所内で「AIは判断を奪うものではなく、作業を軽くするものだ」という理解を広げる起点になります。中小規模の組織でAIをどう始めるかの一般論はバックオフィスのAIエージェント活用でも扱っており、専門サービス事務所にも通じる考え方が多いと考えられます。
導入初期に、「入れてよい情報・いけない情報」「AI出力は必ず人が確認する」「根拠は一次情報で裏取りする」といった最小限のルールを1枚にまとめ、全員がすぐ参照できるようにしておくことをおすすめします。ルールが複雑すぎると守られないため、まずは守れる粒度から始め、運用しながら育てる姿勢が現実的と考えられます。
ツールを配っただけでは使われないことが多く、簡単な使い方と「やってはいけないこと」を短時間で共有する社内研修をセットにすると定着しやすいと考えられます。特に守秘義務に関わる部分は、全員が同じ理解を持っていることが安全運用の前提になります。使い方の習熟よりも、線引きと情報管理の共通理解を優先する順序が望ましいと考えられます。
導入がうまくいかない事務所には、共通するつまずきのパターンがあると考えられます。事前に知っておくことで、多くは回避できます。
これらは士業に限らず、専門性の高い業務にAIを持ち込む際に共通するつまずきでもあります。近い論点は医療・クリニック事務のAI活用でも扱っており、「専門判断には踏み込まず、事務・下ごしらえに絞る」という設計思想は共通していると考えられます。
最後に、専門サービス事務所がAI活用を無理なく広げていくための道筋を整理します。重要なのは、一足飛びに理想形を目指すのではなく、確認と情報管理の運用を土台にしながら段階的に広げることだと考えられます。
まずは定型的な問い合わせ返信や一般的な説明文のドラフトなど、機微度が低く効果の見えやすい業務から始めます。この段階の目的は成果の大きさよりも、「AI出力は必ず人が確認する」「入れてよい情報を守る」という運用習慣を事務所に根づかせることにあると考えられます。
1業務で運用が回り始めたら、確認工程・匿名化の手順・入力可否ルールを文書として整え、全員の共通理解にします。この土台があってはじめて、より機微な情報を扱う領域へ慎重に広げられると考えられます。
権限・ログ設計を伴う社内ナレッジ基盤の整備は、効果が大きい一方で設計難度も上がります。ステップ1・2で培った情報管理の考え方を前提に、アクセス権限を最小限に保ちながら、過去案件の検索性を高める段階へ進むのが順当と考えられます。
ここまで述べてきたことは、あくまで一般的な設計の考え方です。実際にどの業務から始め、どこに確認を挟み、どの情報を匿名化するかは、事務所の専門分野・体制・依頼者層によって変わります。したがって、机上の議論だけで決めきらず、小さな範囲で実際に試し、現物の業務で効果とリスクを一緒に確かめていく姿勢が欠かせないと考えられます。
私たちNsightは、産業用画像検査やVLM/AIの開発に加え、AI研修や社内AIエージェント・業務OSの内製化支援を手がけており、元キーエンス画像処理事業部で「現場で本当に使えるか」を検証し続けてきた知見を持っています。この「現物・現場で確かめる」という規律は、士業・専門サービス事務所のAI活用にもそのまま当てはまると考えています。守秘義務や専門判断の線引きを含めて、自事務所の状況に即した始め方を検討したい場合は、小さな検証から一緒に確かめていくアプローチをおすすめします。抽象論ではなく、あなたの事務所の実務で確かめることが、最も確実な出発点になると考えます。
現時点では適切ではないと考えられます。税務判断・法的助言・許認可の可否といった中核は、資格と責任に紐づく領域であり、AIには調査の下ごしらえ・書類ドラフト・問い合わせの一次対応・過去案件の検索といった「作業」を任せ、「判断」は必ず有資格者が行う切り分けが現実的です。AIの出力は常に成果物ではなくたたき台と位置づけ、事実に関わる部分は一次情報で人が確認する運用を前提にすることをおすすめします。
そのまま入力するのは避けるべきと考えられます。依頼者名・具体的な財務数値・個人情報・係争情報などの機微情報は、外部の生成AIに直接入力しない線引きが基本です。固有名詞を伏せ、金額を概算に置き換えるなど匿名化・抽象化してから相談する運用や、外部送信を伴わない社内ナレッジ基盤側で処理する構成を情報の性質に応じて使い分ける設計が現実的です。ツールのデータ取り扱い条件は変わり得るため、最新は公式情報の確認が前提です。
機微度が低く効果が見えやすい1業務から始めることをおすすめします。よくある問い合わせへの返信ドラフト、一般的な制度説明文のたたき台、議事メモの整形などが入口に向きます。まず担当者本人が『下ごしらえが楽になった』という小さな成功を得て、確認プロセスと入力可否ルールを固めてから、より機微な領域へ慎重に広げる順序が無理がないと考えられます。
生成AIは実在しない条文・判例・数値をもっともらしく出力することがあるため、出力を『参考の下書き』として扱い、事実に関わる部分は必ず一次情報（法令・通達・公式ガイドライン等）で人が裏取りする文化を導入初期から徹底することが有効です。誰が最終確認したかを後から追える記録を工程に組み込むことで、専門サービスの責任構造とAI活用を両立させやすくなると考えられます。
『AIに判断を委ねるのではなく、下ごしらえを任せて専門家が判断に集中できるようにする取り組み』として説明することが有効と考えられます。専門性の中核はむしろ人に残るというメッセージを明確にし、機微度の低い1業務での小さな成功を共有しながら、簡単な使い方と『やってはいけないこと』を短時間で共有する研修をセットにすると、納得感を持って定着しやすくなると考えられます。
どの業務から始め、どこに人の確認を挟み、どの情報を匿名化するかは、事務所の専門分野・体制・依頼者層で変わります。元キーエンス画像処理事業部出身の知見を持つNsightが、守秘義務と専門判断の線引きを含め、現物の業務で効果とリスクを確かめる小さな検証からご一緒します。
AI活用の相談をする