ChatGPT Enterprise と Microsoft Copilot のシートか、文書処理パイプラインか:規制対象企業に必要なもの

ChatGPT Enterprise、ChatGPT Business、Microsoft Copilot は、契約書や保険金請求書を読み、その内容についての質問に答えるアシスタントを社員に与える。こうした1人単位のサブスクリプションはよく「シート」と呼ばれ、人が一件ずつ読んで判断する文書に向いている。同じ種類の文書が毎日届き、そのフィールドを別のシステムに入れなければならないなら、文書処理パイプラインが必要になる。パイプラインは、ChatGPT の裏にあるのと同じ種類の AI である大規模言語モデル（LLM）で、すべての文書を読む。そして各フィールドを自社のルールに照らしてチェックし、疑わしいものは人に回し、残りを自社のシステムに書き込む。規制対象企業では、二つのどちらを選ぶかは、処理量と、文書をどこで処理してよいかで決まる。

ChatGPT Enterprise と Copilot のシートは、規制対象企業に何をもたらすのか

シートは社員一人ひとりにアシスタントを与えるもので、価格は1人単位、ベンダーが会社のデータをどう使うかは法人向けの条件で定められる。2026年10月16日に閲覧した OpenAI の料金ページによれば、Business と Enterprise を含む ChatGPT の有料プランは「ユーザー1人あたりの月額で価格が設定されている」。Microsoft のライセンスの選択肢についてのページは、同社がかつて Microsoft 365 Copilot と呼んでいた製品である Microsoft Copilot を、Microsoft 365 サブスクリプションへの「アドオンプラン」と説明しており、ライセンスはユーザーごとに割り当てられる。

2026年1月8日に更新された OpenAI の企業向けプライバシーのページには、「デフォルトでは、あなたのデータで当社のモデルを学習させることはない」とある。この約束は、ChatGPT Business、ChatGPT Enterprise、同社の API などの製品が対象だ。API とは、自社のソフトウェアが OpenAI のモデルを呼び出すときに使うインターフェースである。2026年10月16日に閲覧した Microsoft の Copilot のプライバシーのページには、「プロンプト、応答、そして Microsoft Graph を通じてアクセスされたデータは、Microsoft Copilot が使うものを含め、基盤となる LLM の学習には使われない」とある。Microsoft Graph は、Copilot が自社のメール、チャット、ファイルを読むときに通る層である。

それでも、文書はベンダーのクラウドに送られる。EU の顧客向けには、Microsoft は Copilot を EU データ境界（EU Data Boundary）のサービス、つまり顧客データを EU と EFTA（欧州自由貿易連合）の域内で保存・処理すると約束しているサービスと位置づけたうえで、こう付け加えている:「サブプロセッサーとして Anthropic が提供するモデルは、現在 EU データ境界の対象外である。」Anthropic のモデルについての Microsoft のページによれば、EU データ境界内の顧客と英国の顧客は「Anthropic のモデルがデフォルトで無効になっている」。特定の文書を自社が管理するサーバーにとどめなければならないと自社のルールが定めているなら、その文書にシートは使えない。自社のサーバーで動くアシスタントについては、上でリンクした、プライベートな ChatGPT についての記事を見てほしい。

文書の仕事で、シートでは足りなくなるのはどこからか

量が増えたときに最初にぶつかる限界は、人の時間だ。文書ごとに、誰かがアップロードし、質問し、答えを読み、結果を書き写さなければならない。OpenAI はペースにも上限を設けている。同じ日に閲覧した、ファイルのアップロードについての同社のヘルプ記事にはこうある:「3時間ごとに最大80個のファイルをアップロードできる。」さらに、「OpenAI はピーク時間帯にこれらの上限を引き下げる場合がある」とも書かれている。

同じ質問を違う言葉で尋ねた二人の同僚は、同じ書式から違う値を得ることがある。文書の種類ごとに固定の書面の指示を一つ用意すれば役に立つ。それでも、各フィールドがどれくらいの頻度で正しく出てくるかは、受け入れセットに照らして答えを採点し、誰かが測らなければならない。受け入れセットとは、実際の文書に、自社の社員がすべてのフィールドの正しい値を書き込んだものである。

チャットでは、結果は画面にとどまり、誰かがそれを保険金請求、チケット、オンボーディングのシステムに打ち込む。そのたびに新しい誤りが入る可能性がある。パイプラインは、上限内の金額か、実在する日付か、自社の記録と一致する顧客番号か、といった自社のルールに照らして各値をチェックし、自ら書き込む。

シートには会話の記録が付いてくる。OpenAI によれば、ChatGPT Enterprise のワークスペースの管理者は「Enterprise Compliance API を通じて、会話と GPT の監査ログにアクセスできる」。Microsoft は「ユーザーのプロンプトと Copilot の応答」を保存する。一方、文書を扱う業務プロセスでは、文書ごとに一つの記録が必要になることがある。各フィールドの裏にある指示とモデルのバージョン、通過したチェック、そして誰が承認したかを示す記録だ。自社のプロセスにどちらが必要かは、コンプライアンス部門に尋ねる。

Copilot のエージェントやカスタム GPT で、パイプラインの仕事はできるのか

一部はできる。カスタム GPT と Copilot のエージェントは、特定の作業向けに設定されたアシスタントだ。自社のシステムにつなげば、手作業での書き写しの一部を引き受けられ、文書の種類によってはそれで足りることもある。

OpenAI のプライバシーのページによれば、ワークスペースのメンバーは「社内で GPT を作成し、共有できる」。同じページは、アプリが「ChatGPT が、接続された社内のソースやサードパーティのアプリケーションに情報を送り、そこから情報を取得できるようにする」とし、どのアプリを有効にするかは管理者が選ぶ。Microsoft は、Copilot がエージェントと、ほかのツールへのコネクタを使えるようにしている。同社のプライバシーのページは、「管理者は、組織内でどのエージェントを許可するかを選ぶ完全な権限を持つ」と述べている。また、エージェントを使う企業に対し、「エージェントのプライバシーに関する声明と利用規約を確認し、組織のデータがどう扱われるかを判断する」よう勧めている。

エージェントは、パイプラインと同じように試す。受け入れセットで動かし、エージェント自身のサプライヤーのもとも含めて各文書がどこで処理されるのかを確かめ、文書ごとに残す記録を見る。使うのは、合格した種類の文書に限る。

文書パイプラインは何を加えるのか

パイプラインはすべての文書に同じ段階を実行し、人が目にするのはチェックに通らなかった文書だけだ:

• 受け付けの段階が、メール、アップロード用のページ、スキャナーから文書を集め、種類ごとに仕分ける
• 言語モデルが各文書を読み、指定したフィールドを、それぞれの値が文書のどこから取られたかとあわせて返す
• 自社のルールが各値をチェックし、疑わしいものはすべてレビューキュー、つまり人の確認を待つ文書の一覧に回る
• チェックを通った値は、それを使うシステムに書き込まれる
• 文書ごとの記録に、モデルのバージョン、指示、チェックの結果、そしてレビュアーがいればその名前を残す

モデルは、社員がすでに使っているものでもかまわない。OpenAI のプライバシーのページは、二つの使い方を分けている:「OpenAI を使い始める最も簡単な方法は、従業員向けに ChatGPT Business または ChatGPT Enterprise を導入することだ」、そして「エンジニアリングチームが当社の技術を使って独自のソリューションを作りたいなら、API Platform を試してほしい」。パイプラインは、プロバイダーの法人向けの条件のもとでその API を呼び出すことも、自社が管理するサーバーでオープンウェイトモデルを動かすこともできる。オープンウェイトモデルとは、ファイルをダウンロードして自分で動かせるモデルのことだ。上でリンクした、API、セルフホスト、ハイブリッドの構成についての記事が、これらの選択肢を比べている。

API の条件はシートの条件とは別物なので、分けて読む。OpenAI の同じページにはこうある:「プラットフォームのドキュメントに記載された一部のエンドポイントと機能を除き、OpenAI は、サービスを提供し、不正利用を特定するために、API の入力と出力を最大30日間、安全に保持する場合がある。」さらに、ゼロデータ保持（zero data retention）を「要件を満たすユースケースがある場合に、対象となるエンドポイントについて」申請できるとも書いている。

どの文書をどちらに回すかは、どう決めるのか

自社の文書の種類を挙げ、それぞれについて書き出す。月に何件届くか、1件の文書からいくつのフィールドを取り出すか、そのフィールドがどのシステムに行くか、そして文書を自社の境界（自社が管理するサーバーとクラウドアカウント）の外に出してよいかどうかだ。

• シートが合うのは、会議の前に読む契約書のように、何かを決めるためにどのみち人が読む多様な文書で、そこから別のシステムに入るものが何もない場合だ
• パイプラインが合うのは、保険金請求書、請求書、口座開設の書類のように繰り返し届く種類で、そのフィールドが別のシステムに流れ込み、誤った支払いのように、誤りのコストを具体的に言える場合だ
• 境界の内側にとどめなければならない文書には、量にかかわらず、自社が管理するサーバー上のシステムが必要だ。パイプラインでも、プライベートなアシスタントでもよい

シートとパイプラインは並行して使える。社員は読むことと下書きのためにシートを使い続け、定型の文書の安定した流れはパイプラインに移す。

自社の文書で、二つをどう比べるのか

両方を一つの受け入れセットで採点する。セットは、種類ごとの最近の文書で作る。セットの作り方と、その一部を最終的な採点用に取っておく方法は、上でリンクした、文書 AI ソフトウェアを買うかパイプラインを作るかについての記事が説明している。

• 社員2、3人に、シートと、文書の種類ごとに一つの書面の指示を渡し、セットから取ったサンプルを処理するあいだの時間を計る
• その答えを、正しい値に照らしてフィールドごとに採点する
• 自社のルールが文書の処理を認めている場所で、同じサンプルをパイプラインに処理させ、同じやり方で採点する
• フィールドごとの精度、文書1件あたりの社員の作業時間（分）、そして打ち直さずに目的のシステムに届いた結果の数を比べる

ある種類の文書で、シートがパイプラインと同じだけの点を取り、社員の作業時間も許容範囲なら、その種類はシートに残す。

量が増えると、それぞれの選択肢の費用はどうなるのか

1人単位の価格設定では、シートの請求額は人数に応じて増え、さらに追加で買う利用クレジットの分が加わる。量が倍になり、それをさばくために人を雇えば、シートも買い足すことになる。パイプラインの請求額は文書の量に応じて増える。モデルの利用料またはサーバー、そしてレビューキューを担当する社員と、システムを運用する人員の費用だ。シートのベンダーと、パイプラインを提供する各社に、同じ量の前提を書面で渡して3年分の価格を出してもらい、両方の側に自社の社員の時間も含めて計算する。

まずシートで始めて、あとからパイプラインを加えられるか

できる。しかも、シートを使う数か月を、パイプラインの準備期間にできる。社員がシートを使っているあいだに、文書の種類ごとに、そこから取り出すフィールドの一覧、社員が最終的に落ち着いた書面の指示、そして社員が結果を修正しなければならなかった文書を集めておく。フィールドの一覧と指示は、パイプラインの仕様の出発点になる。修正した文書は、その正しい値とともに受け入れセットに入れる。

こうした材料は、チャットの履歴に散らばらせず、自社のファイルとして保管しておく。そうすれば、あとで話をするどのベンダーや会社も、それを使って試せる。

パイプラインを作ると申し出る会社に、何を尋ねるべきか

• どの文書パイプラインを本番に導入し、日常的に使われるところまで持っていったか。そして、それが読めなかった文書はどうなったか
• 本開発の契約を結ぶ前に、当社のルールが認める場所で、当社の受け入れセットを使ってプロトタイプを採点してもらえるか
• 当社の文書のうち、どの種類を社員とそのシートに残すか。そして、それはなぜか
• 文書ごとの記録には何が含まれるのか。当社のコンプライアンス部門は、そちらの手を借りずにそれを読めるか
• 作業が終わったとき、コード、モデルに与えた指示、受け入れセットは誰のものになるのか

amBrain はどこに位置づけられるか

amBrain が公に説明している言語モデルのプロジェクトは、次の一件だ:「私たちは、顧客の FinTech 環境の境界内で LLM の統合を本番稼働させた:ブローカーや取引施設から届く非構造化の通知 ― コーポレートアクション、銘柄や証拠金の変更 ― を抽出・正規化し、トレーディングシステムが取り込む構造化された記録にするものだ。」

この記事は事例紹介ではなく、クライアントの名前も挙げない。引用した一文は、そのプロジェクトがどう始まったのかも、どのモデルを使ったのかも、モデルがどこで動いたのかも、上で挙げた段階のどれを含んでいたのかも述べていない。amBrain がシートをパイプラインに置き換えたとも、クライアントのために両者を比較したとも、保険金請求書、請求書、口座開設の書類のためのシステムを構築したとも、ChatGPT Enterprise、ChatGPT Business、Microsoft Copilot、OpenAI API を誰かのために導入したとも、ここでは一切述べていない。OpenAI と Microsoft は、それぞれが公開しているページからの例として名前を挙げたものであり、この記事は両社と amBrain のあいだに何らかの関係があるとは主張しない。amBrain の価格、期間、そしてプロトタイプや契約前のテストの条件も示さない。

amBrain は2019年からソフトウェアを作っている。働き方には三つの形態がある:フルデリバリー、専任チーム、あるいはあなたのチームに入るエンジニア。所有権についての一文はこうだ:「顧客は、プロダクトとコードの完全な所有権を保持する。ただし、私たちの再利用可能なコンポーネントは除く。」amBrain が候補リストに入っているなら、ほかのどの会社とも同じ受け入れセットと、同じ質問を渡すこと。