【2026年】QADの該非判定AI、確定は人|根拠と分担の決め方

「AIが品目の分類番号を根拠付きで出してくれるなら、該非判定の担当者はもう要らないのでは」「海外子会社の貿易担当が新しいAIを入れたいと言っているが、判定を誤ったら本社の責任になるのか」——輸出管理の部署と、海外拠点を抱える情報システム部門の両方から、2026年に入って同じ時期に出てくるようになった問いです。きっかけの一つは、米国の製造業向けERPの老舗 QAD が2026年9月に出した貿易管理のAIです。製品の情報を読んで、米国の関税分類と輸出規制の品目番号を、確信度と根拠を付けて推奨します。ただし、ここには大きな誤解が入り込みやすい。AIが出すのは推奨であって、該非判定そのものではありません。判定の責任は、日本の外為法でも米国の規制でも、輸出する者に残ります。この記事では、QAD の公式の説明で確認できることとできないことを分けたうえで、確信度の線を誰が引くか、誰が確定するか、根拠をどう残すか、本社と海外子会社でどう分担するかを、課題・原因・対策の順に整理します。
カメ先生品目分類のAIは、根拠まで書いてくれるから判定まで任せられると思われがちなんだ。でも QAD の説明をよく読むと、AIは推奨を用意する係で、最後に決めるのは人だと何度も書いてある。判定と推奨は、そもそも別の仕事なんだよ。
カメ子根拠が付いているのに、人がもう一度判断する意味はどこにあるのでしょうか。
カメ先生根拠は「AIがそう考えた理由」であって、「法令上そう言える理由」とは限らないからね。しかも日本の外為法では、判定を誤れば責任を負うのは輸出した会社だ。だから人が確定する範囲と、その記録の持ち主を先に決めておく必要があるんだ。
カメ子AIの根拠をそのまま判定の根拠として扱ってはいけない、ということですね。
- QAD は2026年9月、品目分類と貿易書類の読み取りを担う2つのAIエージェントを「今すぐ使える」として公表した。推奨には確信度と根拠が付き、最終判断は人が行うと明記している
- 公式に書かれている推奨の対象は米国の関税分類と輸出規制の品目番号で、日本の輸出貿易管理令の項番に対応するかは確認できない。日本の該非判定は従来の手順に残る
- 導入前に、確信度と金額の線・確定する人・承認する人・記録の持ち主を社内規程に書き、本社と海外子会社の分担を決めてから有効にする
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
誤解:「推奨に根拠が付くなら、判定はAIで済む」
最初にほどいておきたいのは、「根拠付きの推奨」と「判定」を同じものと見る誤解です。品目分類のAIが返すのは、ある部品がどの品目番号に当たりそうか、その確からしさ、そう考えた理由の三つです。一方で該非判定とは、その貨物や技術が規制リストのどの項目に該当するか、あるいは該当しないかを、仕様の数値と法令の文言を突き合わせて輸出者が決める行為です。推奨は判定の材料にはなっても、判定の代わりにはなりません。
QAD 自身もこの線を引いています。2026年9月の発表文は、専門の担当者が一つひとつの推奨を確認し、根拠を見たうえで最終判断を下すと説明し、「システムだけで確定する判断はない」と書いています。製品ページも、人と監査証跡なしには何も進まないとうたっています。つまり製品の設計の前提が、AIは判定の手前で止まるというものです。
それでも誤解が起きやすいのは、現場の負担が重いからです。発表文は、複数の国にまたがる1部品の分類と輸出管理の確認に従来約110分かかっていた作業が1分未満で返ってくると、同社の見立てとして示しています。これだけ速くなると、出てきた推奨をそのまま採用したくなります。速さが増すほど、人の確認が形だけになる危険も増すという点を、導入を検討する段階から意識しておく必要があります。
QADとは:製造業向けERPの老舗が、貿易管理にAIを置いた
QAD は、自動車部品・電子部品・食品・医療機器などの製造業に向けた基幹システムを長く提供してきた米国のソフトウェア会社です。2021年に米国の投資会社トーマ・ブラーボが約20億ドルで買収して非公開化し、2023年には工場の現場改善の基盤を持つ Redzone を約10億ドル規模で買収したと報じられました。現在は「QAD | Redzone」の名で、基幹システム・現場の改善・AIエージェントの三つを柱に掲げています。
AIエージェントの群は ChampionAI と呼ばれ、基幹システムの移行支援、調達、営業の見積、仕入先の選定、買掛の処理など、役割ごとのエージェントが並んでいます。2025年11月には、調達向けのAIを手がける新興企業を買収しており、エージェントの品ぞろえを買収で広げている時期にあります。今回の貿易管理のエージェントは、この群の中で「Trade Compliance Champion」という名前で出てきたものです。
押さえておきたいのは、QAD はもともと貿易管理の製品を持っていた点です。輸入管理・輸出管理・取引先の制裁照合・米国の保税制度である外国貿易地域・自由貿易協定の原産地判定・貿易管理の分析といった機能群があり、輸出管理の製品では、品目番号や関税番号と輸出国・輸入国から許可の要否を判定する機能を説明しています。新しいAIは、この既存の仕組みの上に載る追加の層だと見ると、何が変わって何が変わらないかが整理しやすくなります。
2026年9月に出たもの:品目分類と書類読み取りの二つのエージェント
2026年9月22日、QAD はシカゴで開いた自社の製造業向けイベントに合わせて、Trade Compliance Champion を発表しました。発表文の表現では、品目分類と書類の自動処理の二つのエージェントが「今すぐ使える」とされています。発表の時点で提供されている範囲と、今後の構想として書かれている範囲を分けて読むことが、導入判断の第一歩です。
| エージェント | 公式の説明でしていること | 人が持つ役割 |
|---|---|---|
| 品目分類 | 製品の情報を読み、米国の関税分類(HTS)・輸出規制の品目番号・輸出分類を推奨する。推奨ごとに確信度と根拠を付ける | 推奨を確認し、根拠を見て最終判断を下す |
| 書類の自動処理(Document Automation) | 商業送り状・梱包明細・船荷証券・原産地証明を受け取った時点で読み取り、データを取り出して検証し、管理の流れに回す。受信メールの監視にも触れている | 読み取った値と原本の突き合わせ、例外の処理 |
| 取引先・取引の照合 | 製品ページは、制裁・取引禁止・監視の名簿に照らして警告を優先順位付けし、黙って通さないと説明する。発表文は、照合や申告の準備を全体構想として書くが提供時期は示していない | 警告の解除・保留の判断 |
書類の自動処理については、船荷証券1件あたり約15分、送り状1ページあたり約10分かかっていた作業が1件1分未満になると同社は説明しています。いずれも同社の発表による数字で、自社の書類の質や様式のばらつきで変わる前提で読むべきものです。二つのエージェントは、分類・関税・原産地・規制の内容をまとめた同社のTrade Data Intelligence Portalという共通の基盤の上で動くと説明されています。
推奨されるのは米国の番号。日本の項番は従来の手順に残る
日本企業が最初に確かめるべきなのはここです。公式の発表文に書かれている推奨の対象は、米国の輸入関税の分類である HTS、米国の輸出管理規則(EAR)で使う輸出管理分類番号、そして輸出分類です。製品ページは対象国や規制リストの一覧を示しておらず、日本の輸出貿易管理令の別表や外為令の別表の項番を推奨するかどうかは、公式の情報からは確認できません。
このずれは小さくありません。日本から貨物を出すときの該非判定は、輸出貿易管理令の別表第1と、技術なら外為令の別表に照らして行います。国際的な輸出管理の枠組みに基づいているため米国の番号と対応する部分は多いものの、番号の体系も、日本独自の規制項目も、改正の時期も同じではありません。米国の番号が分かれば日本の項番も自動で決まる、とは言えないのです。
したがって、日本の本社が国内から輸出する貨物については、従来どおりの該非判定の手順を残すのが前提になります。このAIが効きやすいのは、米国子会社が米国から輸出入する場面や、米国由来の部品を含む製品を日本から再輸出する際に、米国の規制上の番号を確かめる場面です。どの国の、どの規制の判定に使うのかを、導入前に一行で書けるようにしておくことが出発点になります。
課題1:確信度の高い推奨ほど、人の目が通らなくなる
QAD の説明では、確信度の高い推奨は簡略化された確認に回り、不確かなものは貿易の専門家の確認待ちに積まれます。製品ページは、リスク・金額・確信度に応じて確認者へ振り分けると書いています。仕組みとしては合理的ですが、確信度は「正しさ」ではなく「AI自身の迷いの少なさ」を表す数字だという点を忘れると、運用は危うくなります。
品目分類でAIが自信を持って誤るのは、たとえば次のような場面です。仕様書に書かれていない性能値が分類を分ける場合、似た型番の旧製品と新製品で性能が変わった場合、社内の呼び名が一般名と食い違う場合などです。入力された製品データが古ければ、AIは古いデータに基づいて自信満々に推奨します。確信度が高いことは、入力が正しいことを保証しません。
- 確信度が高い推奨は一覧で一括承認し、根拠の欄は開かない
- 簡略化した確認の担当者に、分類の資格や経験を求めていない
- 確信度の線を導入時の初期値のまま使い、誰が決めたかの記録がない
- 高確信度で通った推奨の誤りを、事後に抜き取りで確かめる仕組みがない
こうした運用が続くと、人の確認は残っているのに実質は機能していない状態になります。外から見れば「人が確定している」ように見えるため、問題が表に出るのは当局の調査や顧客からの問い合わせを受けたときです。
課題2:AIの根拠が、判定の根拠にすり替わる
推奨に付く根拠は、判定の記録を作る担当者にとって便利な下書きです。ただ、その文章をそのまま該非判定書の理由欄に写すと、「なぜ該当しないと言えるのか」の説明が、AIの推論の要約に置き換わってしまいます。AIの根拠は、製品データのどの項目を重く見たかの説明であって、規制の項目の数値基準に照らした検証になっているとは限りません。
日本の実務では、該非判定は規制項目ごとに仕様の数値を当てはめ、該当・非該当とその理由を書いた判定書やパラメータシートとして残すのが一般的です。当局や顧客が見たいのは、規制の項目と自社製品の数値の対応であり、どのソフトウェアがどう推論したかではありません。AIの根拠は参考資料として添付し、判定理由は人が規制の文言に沿って書く、という役割分けが必要です。
もう一つの落とし穴は、AIの推奨と判定書の版の管理です。推奨を出した時点の基盤の内容、使われた製品データの版、確認した人の判断がひとつの記録として結び付いていなければ、後から「当時の判断の根拠」を説明できません。QAD は推奨・確認者・判断を一続きの記録として残すとしていますが、その記録を社内の判定書の正本とどう結び付けるかは、利用企業の側で決める部分です。
課題3:本社と海外子会社で、誰の判定なのかがあいまいになる
QAD の基幹システムを使っているのが海外の製造子会社だけ、という日本企業は少なくありません。その場合、このAIを有効にするかどうかは子会社の貿易担当の判断で進みやすく、本社の輸出管理部門が知らないうちに、子会社の分類がAI推奨で回り始めることが起こりえます。
問題は、同じ部品について本社と子会社が別々の番号を持つことです。本社は日本の規制で非該当と判定し、子会社は米国の番号をAIの推奨で付けている。二つの記録が突き合わされないまま、グループ内で同じ製品に矛盾する判定が並ぶと、どちらかの国の当局に説明するときに困ります。社内の輸出管理規程が子会社に適用されているかどうかも、改めて確かめる必要があります。
逆の形もあります。本社が基準を決めずに、子会社に「AIを使ってよい」とだけ伝えるケースです。子会社の担当者は、本社が認めた道具の推奨だから正しいと受け取りがちで、確認の重みが下がります。AIの導入をきっかけに、グループで誰がどの国の判定を持つのかを書き直すのが筋です。
原因:分類の正本となる製品データが、技術部門の手元にしかない
三つの課題の根は共通しています。品目分類の精度を決めるのは、AIの賢さよりも、製品の仕様データがどれだけ正確で新しいかです。ところが多くの製造業で、分類に効く性能値は設計・品質の部門の図面や試験記録にあり、基幹システムの品目マスタには品名と型番程度しか入っていません。
QAD の品目分類エージェントは、製品の情報を読んで推奨を作ると説明されています。そこで読まれるのが品目マスタの短い説明だけなら、AIは乏しい手がかりから最も近い番号を推し量るしかありません。マスタが薄いほど、推奨は一般名に引っ張られ、確信度は見かけほど意味を持たなくなります。
加えて、設計変更の連絡が輸出管理部門に届く経路が細いことも原因になります。部品の性能が変わったのに品目マスタが更新されず、前の判定が引き継がれる。AIはそれを検知できません。AIの導入は、技術部門から輸出管理部門へ、仕様の変更が確実に流れる仕組みを点検する良い機会でもあります。
日本の外為法では、判定の責任は輸出者に残る
日本の外為法の下では、リスト規制の貨物や技術を扱う輸出者に、該非の確認や管理体制の整備を求める輸出者等遵守基準が省令で定められています。2022年5月の改正では、リスト規制に関わる企業に該非確認の手続を定めることなどが明確に求められました。判定にどんな道具を使うかは企業の自由ですが、誤った判定で無許可輸出になれば、責任を問われるのは輸出者です。AIの提供者に責任を移す仕組みはありません。
さらに、キャッチオール規制の見直しが2025年4月に公布され、同年10月に施行されました。経済産業省の資料では、懸念の高い汎用品を一般国へ輸出する際に、通常兵器の開発などへの利用の懸念を輸出者が判断した場合に許可申請を義務付ける仕組みが説明され、工作機械や集積回路などが例に挙がっています。リストの該非だけでなく、用途と需要者の確認も、輸出者の判断として求められる範囲が広がっています。
米国側も考え方は同じです。米国の輸出管理規則では、輸出する者が自ら品目番号を決めるのが基本で、判断に迷う場合は米国商務省に正式な分類を求める道もあると一般に説明されています。QAD の発表文は、米国の税関・国境警備局が2026会計年度に21億ドルを超える商業取引の罰金を科したという数字を引いています。罰金の重さと、判断の責任が企業に残ることは、日米どちらでも変わりません。
対策1:確信度と金額の線を、社内規程に書いてから有効にする
QAD は振り分けの軸として確信度・金額・リスクを挙げていますが、具体的な数値の線は公表していません。どこで線を引くかは利用企業が決めることになります。ここで大事なのは、線の値そのものよりも、線を誰が決め、どこに書き、いつ見直すかです。
おすすめは、AIを有効にする前に、社内の輸出管理規程の下位文書として振り分けの基準を書くことです。確信度だけで分けず、仕向地・品目の種類・取引金額・新規品かどうかを組み合わせ、どの条件なら簡略化した確認でよく、どの条件なら必ず専門家の確認に回すかを表にします。下の表はその書き方の例です。
| 条件 | 確認の深さ | 確定する人 |
|---|---|---|
| 既に判定済みの品目と同じ型番・同じ仕様で、確信度が高い | 前回の判定書との一致を確かめる簡略な確認 | 輸出管理の担当者 |
| 新規品・設計変更品 | 確信度にかかわらず、仕様の数値を規制項目に当てはめて確認 | 輸出管理の責任者 |
| 規制の厳しい仕向地・懸念のある需要者が関わる取引 | 確信度にかかわらず、用途と需要者の確認を含めて確認 | 輸出管理の責任者と法務 |
| 推奨の確信度が低い、または根拠が製品データと食い違う | 専門家の確認に回し、必要なら技術部門に仕様を問い合わせる | 輸出管理の責任者 |
| 米国の番号だけが推奨され、日本の項番が未判定 | 日本の規制での該非判定を別に行う | 本社の輸出管理部門 |
線は一度決めて終わりではありません。導入から最初の数か月は、簡略な確認で通した推奨の一部を抜き取り、専門家がやり直して一致率を確かめます。一致しない例が出たら、線を厳しくするか、製品データを補うか、どちらで直すべきかを判断します。この見直しの記録自体が、AIを管理下で使っていることの証拠になります。
対策2:確定する人・承認する人・記録の持ち主を分ける
AIを入れたあとの運用で混ざりやすいのが、推奨を受け入れる人、判定を承認する人、記録を保管し説明する人の三つの役割です。小さな部署では一人が兼ねることもありますが、少なくとも、推奨を受け入れる人と判定を承認する人は分けるのが基本です。
AIの推奨と根拠を読み、製品データと食い違いがないかを確かめて、採否の案を作る担当者です。分類の研修を受けた人に限り、名前で指名します。
担当者の案を規制の項目に照らして確認し、判定を確定する責任者です。日本の規程上の該非確認の責任者と同じ人か、その委任を受けた人にします。
AIの推奨・確信度・根拠・担当者の判断・承認者の確定を、判定書の正本と結び付けて保管し、当局や顧客の問い合わせに答える部署を決めます。
どの国の規制の判定を、どちらの組織が確定するかを一覧にし、同じ品目で番号が食い違ったときに誰が調整するかまで書いておきます。
QAD は、推奨・確認者・判断がつながった記録として残ると説明しています。これは良い材料ですが、その記録を社内のどこに正本として置くかは別の問題です。製品の記録だけに頼ると、契約を終えたときに説明の材料を失いかねません。判定書の正本は社内の文書管理に置き、AIの記録は写しとして定期的に取り込む、という形が安全です。
対策3:書類の読み取りは、原本と照らす項目を先に決める
書類の自動処理のエージェントは、送り状・梱包明細・船荷証券・原産地証明を受け取った時点で読み取り、データを取り出して検証し、管理の流れに回すと説明されています。発表文では受信メールを監視して書類を取り込む使い方にも触れています。手入力が減る効果は大きい一方で、読み取りの誤りがそのまま申告や原産地の判断に流れ込む経路にもなります。
そこで、読み取った項目のうち、原本と必ず人が照らす項目を先に決めておきます。品名・数量・金額・原産国・仕向地・荷受人は、誤ると関税額や輸出許可の判断に直結します。ここは件数が多くても抜き取りではなく全件、人が原本と照らす対象にするのが無難です。逆に、社内の管理番号や梱包の個数のように誤っても後で直せる項目は、抜き取りで足ります。
メールの監視を有効にする場合は、どの受信箱を読ませるかも決める必要があります。取引先から送られてくる書類には、担当者の氏名や連絡先などの個人データも含まれます。専用の受信箱を作り、そこに届いたものだけを読ませる形にすれば、関係のないメールまで読み取りの対象になることを防げます。
何が社外に出るか:製品の仕様と取引の書類
このAIを使うと、社外の基盤に渡るのは、製品の仕様データ・品目マスタ・取引の書類・取引先の情報です。製品の仕様データそのものが、輸出管理の対象となる技術を含む場合がある点には注意が必要です。分類の精度を上げようと詳しい仕様を渡すほど、その仕様がどこに保管され、どの国から誰が見られるかが問題になります。
QAD の公式の信頼性の案内では、情報セキュリティの国際規格 ISO 27001、クラウドの安全性に関する業界団体の認証、自動車業界の情報セキュリティの評価、財務報告と安全性に関する外部の保証報告(SOC1・SOC2 の二型)、欧州と米国の間の個人データの移転の枠組みへの参加が挙げられています。一方、今回のAIエージェントが使うデータの保管場所や、推論に外部のAIモデルを使うかどうかは、製品ページからは確認できません。
そのため、契約前に提供者へ確かめる事項として、データの保管地域、推論に使うモデルと処理の場所、入力データが学習に使われるかどうか、保守担当者がどの国からデータに触れうるか、を書面で求めるのが現実的です。規制対象の技術を含む仕様を渡す場合は、その提供そのものが技術の提供に当たらないかを、本社の輸出管理部門が判断する必要があります。
費用と止め方:既存の貿易管理から切り離せる形で入れる
公式の情報には、Trade Compliance Champion の料金は示されていません。ChampionAI の案内では、まず一つのエージェントを入れて一つの業務を自動化し、90日から150日程度で成果を測り始められるという導入の進め方が紹介されています。費用の見積もりでは、エージェントの利用料に加えて、品目マスタを整える作業と、確認する人の時間を必ず数えておきます。
特に見落としやすいのは、最初の数か月に人の確認が増えることです。AIの推奨と従来の判定を並べて比べる期間は、担当者の作業はむしろ増えます。人の確認を減らせるのは、一致率を確かめた後です。この期間を見込まずに人員を減らすと、確認が形だけになる課題1に戻ってしまいます。
止め方も最初に決めておきます。エージェントを無効にしても、既存の輸出管理・取引先照合の機能で業務を続けられるか。AIの推奨で付けた番号を、後から識別して見直せるか。契約を終えるとき、推奨と確認の記録を社内に引き取れるか。この三つを確かめておけば、AIをやめる判断が必要になったときに、判定の記録ごと失うことを避けられます。
導入前に本社の輸出管理部門が確かめる項目
海外子会社から導入の相談が来たとき、本社の輸出管理部門が答える前に確かめておきたい項目を一覧にします。どれかが「分からない」のままなら、有効にするのを待つのが安全です。
- どの国の、どの規制の判定に使うのか(米国の関税分類・米国の輸出管理分類番号・日本の項番のどれか)が一行で書けている
- 日本から輸出する貨物の該非判定は、従来の手順に残すことが規程に書かれている
- 確信度・金額・仕向地・新規品かどうかの組み合わせで、確認の深さを決めた表がある
- 推奨を受け入れる人と判定を承認する人が、名前で指名されている
- AIの根拠を判定理由に写さず、規制の項目に沿って人が理由を書く決まりがある
- 簡略な確認で通した推奨を、専門家が抜き取りでやり直す頻度が決まっている
- 設計変更が輸出管理部門に届く経路が確かめられている
- 書類の読み取りで、全件を人が原本と照らす項目が決まっている
- データの保管地域・推論の場所・学習への利用の有無を、提供者に書面で確かめた
- エージェントを止めても、既存の機能で業務を続けられることを確かめた
- 製品ページと発表文は、確信度による振り分けと人による最終判断を説明していますが、数値の線や対象国の一覧は示していません。導入時に提供者へ確かめてください。
- キャッチオール規制の見直しの内容と施行日は、経済産業省の最新の資料で確かめてから社内規程に反映してください。
ミニ用語解説:この記事で使った言葉
該非判定:輸出する貨物や技術が、規制リストの項目に該当するか、しないかを判断すること。日本では輸出貿易管理令の別表第1と外為令の別表に照らします。判定の結果を判定書やパラメータシートとして残すのが一般的です。
輸出管理分類番号:米国の輸出管理規則(EAR)で、規制対象の品目に割り当てる英数字の番号です。日本から出す製品でも、米国由来の部品や技術を一定以上含むと、米国の規制が及ぶ場合があり、この番号を確かめる必要が出てきます。
HTS:米国の輸入関税の分類表です。国際的に共通の6桁の分類に、米国独自の桁を足して関税率を決めます。輸出管理の番号とは別の体系で、関税の額に関わります。確信度:AIが自分の推奨をどれだけ確からしいと見ているかの値です。入力データの正しさは保証せず、正答率と同じ意味でもありません。
まとめ
QAD が2026年9月に出した貿易管理のAIは、品目分類と書類の読み取りという、輸出管理の現場でいちばん手間のかかる作業を速くするものです。公式の説明は一貫して、AIは推奨を用意し、最終判断は人が下すという線を引いています。日本企業にとっての要点は三つです。推奨の対象は米国の番号であり日本の項番の判定は従来の手順に残ること、確信度は正しさではなく迷いの少なさであること、そして判定の責任は日本でも米国でも輸出者に残ることです。導入前に、どの国の判定に使うか、確信度と金額の線、確定する人と承認する人、記録の正本の置き場、本社と子会社の分担、止め方を規程に書いておけば、AIの速さを判定の質を落とさずに取り込めます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
