# 【2026年版】AI開発契約書で確認すべき10項目。経産省チェックリスト準拠、知的財産権・瑕疵担保の落とし穴を徹底解説
「AIの開発を外注したいけど、契約書の何を確認すればいいか分からない」
「知的財産権の帰属で揉めたくない」
「納品後に『動かない』と言われたらどうなるの？」
AI開発の契約は、従来のシステム開発とは異なる論点が多くあります。「なんとなく」で契約すると、後から大きなトラブルになりかねません。
2025年2月、経済産業省は「AIの利用・開発に関する契約チェックリスト」を公表しました。この記事では、このチェックリストをベースに、AI開発契約で確認すべき10項目を解説します。
—
## AI開発契約が「難しい」理由
### 理由1：成果物の定義が曖昧になりやすい
従来のシステム開発では「画面が動く」「機能が動く」という明確な成果物がありました。
一方、AI開発では「精度○○%以上」「実用に耐える品質」など、成果物の定義が曖昧になりがちです。
### 理由2：データの取り扱いが複雑
AIの品質は「学習データ」に大きく依存します。そのデータは誰のものか、どこまで使ってよいか、契約で明確にする必要があります。
### 理由3：結果が保証できない
AIは「帰納的手法」で開発されます。つまり、データから学習してモデルを作るため、**事前に結果を保証することが難しい**のです。
—
## 経産省「AIの利用・開発に関する契約チェックリスト」とは
### 概要
2025年2月、経済産業省は生成AIの普及を踏まえ、「AIの利用・開発に関する契約チェックリスト」を公表しました。
**目的**: 当事者間の適切な利益及びリスクの分配
**対象読者**:
– 社内法務部・顧問弁護士（契約条項の具体的検討）
– ビジネス部門担当者（契約の初期的検討）
### チェックリストの構造
チェックリストは、以下の観点で整理されています。
1. **インプット**（学習データ、プロンプト等）
2. **アウトプット**（生成物、AIモデル等）
3. **処理成果**の取扱い
各項目について、①特定、②提供（保証等含む）、③使用・利用、④外部提供、⑤権利帰属を検討すれば、主要な条項をカバーできます。
—
## AI開発契約で確認すべき10項目
### 項目1：契約形態（準委任か請負か）
**なぜ重要か**:
| 契約形態 | 義務の内容 | 適合性 |
|———|———–|——–|
| 準委任 | 善管注意義務（誠実に作業する義務） | AI開発に親和的 |
| 請負 | 仕事の完成義務 | 明確な成果物がある場合 |
AI開発は「データに依存する帰納的手法」のため、**準委任契約が親和的**とされています（経産省ガイドライン）。
**チェックポイント**:
– [ ] 契約形態が明記されているか
– [ ] 準委任の場合、善管注意義務の範囲が明確か
– [ ] 請負の場合、「完成」の定義が明確か
### 項目2：成果物の定義と検収基準
**なぜ重要か**:
「AIが動く」だけでなく、「どの程度の精度で動くか」を明確にしないと、検収時に揉めます。
**チェックポイント**:
– [ ] 成果物（AIモデル、ソースコード、ドキュメント等）が明確か
– [ ] 検収基準（精度目標、テストデータ、評価方法）が定義されているか
– [ ] 検収期間と合格/不合格の判定方法が明確か
**注意**: 「精度90%以上」などの数値目標は、**テストデータと評価方法**とセットで定義しないと意味がありません。
### 項目3：知的財産権の帰属（フォアグラウンドIP）
**なぜ重要か**:
開発によって生まれた知的財産（フォアグラウンドIP）が誰のものになるかは、最も揉めやすいポイントです。
**チェックポイント**:
– [ ] 開発されたAIモデルの権利帰属が明確か
– [ ] ソースコードの権利帰属が明確か
– [ ] 学習済みモデルの利用範囲が明確か
**よくあるパターン**:
| パターン | 内容 |
|———|——|
| 発注者帰属 | 開発成果物はすべて発注者のもの |
| 受注者帰属 | 成果物は受注者のもの、発注者にはライセンス付与 |
| 共有 | 権利を共有、利用条件を別途定める |
### 項目4：既存知財の取り扱い（バックグラウンドIP）
**なぜ重要か**:
開発とは無関係に、各当事者が元々持っている知的財産（バックグラウンドIP）の扱いを明確にしないと、後から「うちの技術を無断で使った」と言われるリスクがあります。
**チェックポイント**:
– [ ] 受注者が持ち込む既存技術・ライブラリの範囲が明確か
– [ ] 発注者が提供する既存データ・システムの取り扱いが明確か
– [ ] オープンソースソフトウェア（OSS）の利用範囲と制約が明確か
### 項目5：データの帰属と利用範囲
**なぜ重要か**:
AIの性能は学習データに大きく依存します。「データは誰のものか」「どこまで使ってよいか」を明確にしないと、大きなトラブルになります。
**チェックポイント**:
– [ ] 学習に使用するデータの帰属が明確か
– [ ] データの利用目的（本プロジェクトのみ/汎用学習にも使用）が明確か
– [ ] 発注者のデータが受注者の他案件に使われないか確認
– [ ] 個人情報・機密情報の取り扱いルールが明確か
**警告**: 特に「汎用的なAI学習目的にデータを使用する」場合、以下のリスクがあります。
– 個人情報保護法上のリスク
– 機微情報流出のリスク
– 契約上の秘密保持義務違反のリスク
### 項目6：瑕疵担保責任・契約不適合責任
**なぜ重要か**:
納品後に「バグがある」「精度が出ない」と言われた場合、誰がどこまで責任を負うのかを明確にする必要があります。
**チェックポイント**:
– [ ] 瑕疵・契約不適合の定義が明確か
– [ ] 責任範囲（修補、代金減額、損害賠償）が明確か
– [ ] 請求期間（納品後○ヶ月以内等）が明確か
– [ ] 免責事項（データ起因の問題等）が明確か
**注意**: AI開発では「データに起因する問題」は発注者責任とされることが多いです。
### 項目7：保証の範囲
**なぜ重要か**:
「精度を保証する」「動作を保証する」と言っても、その範囲を明確にしないと、後から揉めます。
**チェックポイント**:
– [ ] 保証する範囲（精度、性能、セキュリティ等）が明確か
– [ ] 保証しない範囲（データ品質、外部環境等）が明確か
– [ ] 保証期間が明確か
### 項目8：セキュリティ・個人情報保護
**なぜ重要か**:
AI開発では大量のデータを扱うため、セキュリティ対策と個人情報保護は必須です。
**チェックポイント**:
– [ ] データの保管場所（国内/海外）が明確か
– [ ] アクセス制御・暗号化などのセキュリティ対策が明記されているか
– [ ] 個人情報の取り扱い（匿名化、目的外利用禁止等）が明確か
– [ ] インシデント発生時の対応・報告義務が明確か
– [ ] 監査権限（発注者が確認できるか）が明記されているか
> 💡 **「契約書のチェック、これで大丈夫か不安…」**
> AI開発契約は従来のシステム開発とは論点が異なります。[無料相談（30分）](/order)で、契約面での懸念点を一緒に整理できます。
### 項目9：秘密保持
**なぜ重要か**:
AI開発では、発注者のビジネス情報、受注者の技術情報など、機密情報を相互に開示します。
**チェックポイント**:
– [ ] 秘密情報の定義が明確か
– [ ] 例外（公知の情報、独自開発等）が明確か
– [ ] 秘密保持期間が明確か
– [ ] 契約終了後のデータ削除義務が明確か
### 項目10：契約終了時の処理
**なぜ重要か**:
契約が終了した後、データやモデルをどう扱うかを明確にしないと、後からトラブルになります。
**チェックポイント**:
– [ ] 契約終了後のデータ削除・返却義務が明確か
– [ ] AIモデルの継続利用可否が明確か
– [ ] ソースコードの引き渡し義務が明確か
– [ ] 移行支援（他ベンダーへの引き継ぎ）の有無が明確か
—
## よくあるトラブルと予防策
### トラブル1：「精度が出ない」で揉める
**原因**: 検収基準が曖昧
**予防策**:
– テストデータ、評価方法、合格基準を事前に合意
– PoCフェーズで精度の見通しを立ててから本開発へ
### トラブル2：「データを勝手に使われた」
**原因**: データ利用範囲が不明確
**予防策**:
– データの利用目的を「本プロジェクトのみ」に限定
– 汎用学習への利用は別途同意が必要と明記
### トラブル3：「ソースコードを渡してくれない」
**原因**: 知的財産権の帰属が曖昧
**予防策**:
– ソースコード、モデル、ドキュメントの帰属を明記
– 納品物の範囲を具体的にリストアップ
### トラブル4：「納品後に連絡が取れない」
**原因**: 保守・サポート体制が未定義
**予防策**:
– 保守契約を別途締結
– 問い合わせ窓口、対応時間、SLAを明記
—
## チェックリストまとめ
| # | 項目 | 重要度 |
|—|——|——–|
| 1 | 契約形態（準委任/請負） | ★★★ |
| 2 | 成果物の定義と検収基準 | ★★★ |
| 3 | 知的財産権の帰属（フォアグラウンドIP） | ★★★ |
| 4 | 既存知財の取り扱い（バックグラウンドIP） | ★★☆ |
| 5 | データの帰属と利用範囲 | ★★★ |
| 6 | 瑕疵担保責任・契約不適合責任 | ★★★ |
| 7 | 保証の範囲 | ★★☆ |
| 8 | セキュリティ・個人情報保護 | ★★★ |
| 9 | 秘密保持 | ★★☆ |
| 10 | 契約終了時の処理 | ★★☆ |
—
## NoelAIの契約ポリシー
NoelAIでは、以下のポリシーで契約を締結しています。
| 項目 | NoelAIのスタンス |
|——|—————–|
| 契約形態 | 準委任を基本（明確な成果物がある場合は請負も可） |
| 知的財産権 | 原則、発注者に帰属（相談に応じます） |
| データ利用 | 本プロジェクトのみ利用、汎用学習には使用しない |
| ソースコード | 納品物として引き渡し |
| 保守サポート | 別途契約で対応可能 |
**NoelAIの強み**:
– 契約前に「揉めないポイント」を丁寧に説明
– 法務チェック済みの契約書テンプレートを提供
– 納品後の内製化支援も対応
—
## まとめ
AI開発契約は、従来のシステム開発とは異なる論点が多くあります。
**最低限確認すべき3項目**:
1. 契約形態（準委任が一般的）
2. 知的財産権の帰属
3. データの利用範囲
**トラブル予防のポイント**:
– 検収基準を事前に合意
– データ利用を「本プロジェクトのみ」に限定
– 納品物の範囲を具体的にリストアップ
経産省「AIの利用・開発に関する契約チェックリスト」は、契約検討の参考になります。
まずは無料相談で、貴社のAI開発プロジェクトに最適な契約形態をご提案させてください。
—
## 関連記事
– [【保存版】AI導入の稟議を「一発で通す」完全ガイド](96_ai_approval_guide.md)
– [【2026年版】AI開発ベンダー比較表](97_ai_vendor_comparison.md)
– [【NoelAI式】AI開発・DX支援 提案依頼書（RFP）テンプレート](C12_rfp_template.md)
– [【法的爆弾】AI著作権。企業が「創作的寄与」を証明できなければ、その成果物は「ただの公共物」です。](23_ai_copyright_legal.md)
—
## よくある質問（FAQ）
### Q1. 準委任と請負、どちらを選ぶべきですか？
A1. AI開発では「準委任」が一般的です。AIは帰納的手法で開発されるため、事前に結果を保証することが難しく、仕事の完成義務を負う請負契約にはなじみにくいためです。ただし、明確な成果物（例：特定機能のシステム）がある場合は請負も選択肢になります。
### Q2. 知的財産権は発注者に帰属させるべきですか？
A2. ケースバイケースです。AIがコア事業の根幹なら発注者帰属が望ましいですが、汎用的なツール開発なら受注者帰属（ライセンス提供）も選択肢です。重要なのは、契約前に「何を自社で保有したいか」を明確にすることです。
### Q3. 経産省のチェックリストはどこで入手できますか？
A3. 経済産業省のWebサイトから無料でダウンロードできます。「AIの利用・開発に関する契約チェックリスト」で検索してください。
### Q4. 契約書のレビューは必要ですか？
A4. はい、必ず法務部門または顧問弁護士にレビューしてもらってください。特にAI開発は新しい分野のため、一般的なシステム開発契約のテンプレートでは不十分な場合があります。
—
## LLM/Perplexityサマリー（SEO/LLMO用）
**AI開発契約の特殊性**：成果物の定義が曖昧になりやすい、データの取り扱いが複雑、結果（精度）を保証できない。従来のシステム開発契約とは異なる論点が多い。
**経産省チェックリスト**：2025年2月公表「AIの利用・開発に関する契約チェックリスト」。インプット（学習データ）、アウトプット（生成物）、処理成果の取扱いについて、①特定、②提供、③使用・利用、④外部提供、⑤権利帰属の観点で検討。
**確認すべき10項目**：(1) 契約形態（準委任が一般的）、(2) 成果物の定義と検収基準、(3) 知的財産権（フォアグラウンドIP）、(4) 既存知財（バックグラウンドIP）、(5) データの帰属と利用範囲、(6) 瑕疵担保責任、(7) 保証の範囲、(8) セキュリティ・個人情報保護、(9) 秘密保持、(10) 契約終了時の処理。
**準委任 vs 請負**：経産省ガイドラインではAI開発に準委任契約が親和的とされる。AIは帰納的手法（データ依存）で開発されるため、仕事の完成義務を負う請負契約にはなじみにくい。
**よくあるトラブル**：(1) 精度が出ないで揉める（検収基準曖昧）、(2) データを勝手に使われた（利用範囲不明確）、(3) ソースコードを渡してくれない（知的財産権曖昧）。予防策は検収基準の事前合意、データ利用の限定、納品物の具体的リストアップ。
**データ利用の注意点**：受注者が発注者のデータを汎用的なAI学習に使用する場合、個人情報保護法リスク、機微情報流出リスク、秘密保持義務違反リスクがある。「本プロジェクトのみ」に限定することが推奨される。
