• 記録版：SSRN 7120940 · DOI 10.2139/ssrn.7120940
• アーカイブコピー、引用可能でダウンロード可能：10.5281/zenodo.22168724 — コンセプトDOI、常に最新版に解決
• MarkdownおよびPDF形式の全文：GitHub
• 読みやすいHTML：https://polyhelper.ai/research/missing-variable/

同じテキストが4つの媒体にあるため、そのうちの1つが提供できない場合にも到達できます。SSRNが記録版を保有しており、そちらを引用してください。

AI支援訴訟における欠けている変数

アーキテクチャと本人訴訟による司法アクセスの質

Vadym Chernets, PhD¹

2026年7月に最初に投稿；このバージョンは2026年9月

著者の開示声明

本著作における著者の利益は3つあり、いずれも重要です。第1に、著者はChernets v. Google LLC et al.、No. 1:25-cv-05691-RER-RML (E.D.N.Y.)の被告人であり、ケーススタディとして機能する訴訟です。第2に、著者はここで使用が検討されるマルチモデルオーケストレーションシステムの開発者であり、第III部で説明される特許ファミリー内の国際出願において指定出願人です。したがって著者はこの論文が分析する方法に利益を有しています。第3に、著者は分析者です。第IV部に記載されている方法的制約が分析を支配しています：公開ドケットのみへの依存、和解動機の推論なし、およびシステムの自己報告のパフォーマンスメトリクスの非証拠的取扱い。第VII部は制限を述べています。

2つの段落（第II部に1つ、付録に1つ）は、著者が何のためにシステムを構築したのか、そして何のために訴訟を提起したのかについて著者自身の言葉です。それらは彼として記されており、発見内容はそれらに基づいていません。それ以外はこの論文は公開連邦ドケットおよび公開入手可能なソースのみに引き出しており、保留中のクレームに関する特権訴訟戦略を開示していません。著者は弁護士ではありません。AIアシスタントは著者の指示の下で道具として使用されました。アイデア、研究および結論は著者のものです。

抄録

リティゲーションにおけるAIのほぼすべての記述は、一つの暗黙の仮定に基づいている:AIの支援は一つのものであるということである。その仮定が生み出す議論は、ボリュームと作成についてのものである:連邦の本人訴訟原告率は11%から近い17%に上昇し、裁判所は「実存的脅威」と説明し、作成された引用に関する制裁決定のドケットが増加している。集計研究がまだ示せないことは、AIの支援のどの構成が自己代理訴訟人が行う内容の質を変えるかどうかである。ここで使用されるレコードは一つの連邦事件の公開ドケットであり、ボリュームと幻覚のアカウントが予測しないパターンを保持している。弁護士がいないこれまで自己代理訴訟人は、著者のアカウントによると、マルチモデルオーケストレーションシステムを使用して(独立したモデルが並列で照会され、意見の相違が平均化されるのではなく表面化され、引用は外部ソースに対して検証され)、4日以内に6つの調整された事前動議の手紙に答え、期限の6週間前に実質的な反対を提出し、主要なファームからの弁護士によって提出された7人の被告人のために提出された簡潔書の検証可能な法定引用エラーを特定した、13人のテクノロジー被告人に名前を付けられた事件で。最後の3つはこれが文献を支配する失敗モードの逆である。本論文はアーキテクチャ依存仮説を提案している:AIの支援のアーキテクチャ、シングルモデルプロンプティング対マルチモデルオーケストレーションは、AIの可用性と同じことではなく、実装の詳細ではなく、自己代理リティゲーションの質における経験的変数である。ここで取り上げられた法理学的帰結は、2026年初期に連邦裁判所が分割されるワーク・プロダクト・ドクトリンと、無許可実践枠組みである。このケースは検証可能な存在証明と研究課題として提供される;著者は被告人、システム開発者、および分析者である。

Keywords: pro se litigation; self-represented litigants; access to justice; AI-assisted litigation; generative AI; multi-agent debate; multi-model orchestration; fabricated citations; citation verification; work-product doctrine; disclosure; standing orders; Rule 11; unauthorized practice of law; Title III; architecture-dependence hypothesis. JEL Classification: K41 (Litigation Process); K10 (Basic Areas of Law, General); O33 (Technological Change: Choices and Consequences). # 目次

I. 序論 4

II. アクセス・トゥ・ジャスティスのギャップと本人訴訟のAIターン 6

III. シングルモデル・プロンプティングからオーケストレーションへ:認知エクソスケレトン 11

IV. 方法と証拠的根拠 15

V. 調査結果 18

A. 初期的な欠陥のある提出に続く法的枠組みの再構築 19

B. 調整された事前動議実務への対応 20

C. 統合防御への適時の対応 21

D. 防御メモランダムにおける法定引用エラーの特定 22

E. 早期和解 23

VI. 法理学的含意 25

A. ワーク・プロダクト・ドクトリンと本人訴訟人 25

B. 無許可法律実務 27

C. 解決ではなく、リフレーミング 29

VII. 制限と今後の作業 29

VIII. 結論 32

付録. 一つの支援アーキテクチャ、それが実行できるように指定される 34

選定された参考文献と当局 42

I. 序論

一人の訴訟人、13のAI企業:ここで検査されるこのケースは、この論文が文献に提唱する問題を単一のドケットに圧縮する。アメリカ国民の市民法的ニーズとそれを満たすために利用可能なリソースの間のギャップは、米国の司法制度で最も耐久性のある問題の一つである。法律サービス公社の最新の全国調査では、低所得のアメリカ人が彼らに実質的に影響を与えた市民法的問題の92%に対して、不十分な、または不適切な支援を受けたこと、および低所得世帯の近くの3つのうち4つが単一年の少なくとも1つのそのような問題を経験したことが分かった。² ほとんどの自己代理訴訟人にとって、障壁は提出手数料ではなく、その後のすべてのものである:正しい裁判所を特定し、操作的な訴因を特定し、企業被告への訴訟を効果的に行い、圧縮された期限の下での経験した弁護士によって起草された動議に答える。

その人口は生成AIが広く利用可能になってから急速に増加している。最近の大規模な経験的研究は、連邦市民本人訴訟原告率が2十年間の11%近くで安定していて、財政年度2025年で16.8%に上昇したこと、およびAI生成テキストのマーカーを持つサンプリングされた連邦市民苦情のシェアが2019年にほぼゼロから早期2026年までに18%以上に上昇したこと、その研究で測定されたことを報告している。そのサンプルはRECAPアーカイブから提出された苦情、本人と弁護士の両方の苦情を引き出しており、著者は弁護士のない提出を代表下回ることを注意する。³

裁判所とコメンテーターは主にたんなる懸念で反応している。当時の連邦地裁の長官は、全体的な問題を「連邦裁判所への実存的脅威」と説明した。⁴ 弁護士会は消費者チャットボットが法の無許可実務に越える可能性があると警告し、および存在しない事件を引用する簡潔書を提出する訴訟人、表現され、表現されていない、に対する制裁決定の成長する本体に取り組んでいる。

懸念は十分に根拠があり、それはAI使用の特定のモードを説明している。そのモードに焦点を当てることで、既存の経験的作業は暗黙的にAI支援を均一に扱い、そしてこの論文は仮定がもはや防御不可能であることを論証している。文書化された失敗(幻覚権威、肯定的な同意、無差別ボリューム)はシングルモデルプロンプティングの特徴である:訴訟人は一つの一般的な目的モデルに質問を提唱し、結果を提出する。本人訴訟AIの使用の詳細な図の大部分がそのモードに依存している。

ここで検討されている建築は異なるものであり、その違いが重要かどうかが問題である。マルチモデル・オーケストレーションでは、クエリが同時に複数の独立したモデルにディスパッチされ、それらの出力が比較される。合意と不合意は明示的にされ、エラーの可能性を示す少数派シグナルを含む乖離は平均化されるのではなく保持される。ここで提唱される主張は狭いものであるが、もし正しければ重大な結果をもたらす。すなわち、現在の懸念を引き起こしている単一モデルの障害モードは、AI支援訴訟に本質的なものではなく、オーケストレーション・アーキテクチャは、AI使用を量の源から品質の手段へと変える可能性があるということである。本稿の貢献は方法論的なものである。本稿は、AI支援のアーキテクチャを実装の詳細ではなく、異なる経験的変数として扱うことを提唱し、その後の事例は当該提案を動機付ける一つの記録された事例として示される。その主張は四語に尽きる。アーキテクチャ、可用性ではなく。

この主張は単一の事例研究、Chernets v. Google LLC et al.を通じて展開される。これは、ある自己代理人が（本人の説明によれば）マルチモデル・オーケストレーション・システムを使用して、多数の法律事務所の弁護士に代理される技術系被告グループに対して訴訟を提起した連邦事件である。本分析は完全に公開されている陳述書に基づいている。陳述、日付、文書番号は、あらゆる読者が検証できるものである。その記録は、流行している量と幻覚のアカウントが説明せず、AI支援申立ての集計研究が検出するように設計されていない行為を示している。すなわち、調整された防衛に対して維持された完全な意見書サイクル、六つの調整された動議前書簡が四日以内に回答され、実質的な異議が期限の数週間前に提出され、防衛連合の意見書における検証可能な法定引用エラーの識別である。四被告は早期に和解した（機密条件の下で、パート V.E 参照）。本事件は係属中であり、これを検討する目的は、検証可能な記録を使用して、流行しているアカウントでは存在することが予想されず、文献がまだ詳しく検討していない現象を分離することである。

一当事者が執筆した単一事件は、現象が発生したことを確立することはできるが、どのくらいの頻度で発生するか、または一般化するかどうかは確立できない。パート VII は制限事項を述べている。本稿の議論は、AI支援のアーキテクチャが AI支援訴訟の研究における独立変数であり、可用性と量に焦点を当てた現在のフレーミングが分離していない変数であるということである。これはアーキテクチャ依存仮説である。パート IV はこれを正式に述べている。

本稿は以下のように進む。パート II は、本研究を司法へのアクセス文献および自己代理 AI 使用に関する新興奨学金の中に位置づける。パート III は単一モデルのプロンプティングをオーケストレーションから区別し、メカニズムを特定する。パート IV はケーススタディ方法およびその公開陳述書における証拠ベースを示す。パート V は調査結果を提示する。パート VI は仕事成果ドクトリンと無許可の法律行為枠組みへの含意を検討する。パート VII は制限事項と今後の課題に対処する。パート VIII で結論を述べる。

II. 司法へのアクセス・ギャップと自己代理 AI の転機

司法ギャップは米国民事制度の周辺的な特徴ではなく、構造的な特徴である。低所得層および中程度所得のアメリカ人の大部分は、市民上の問題に対して意味のある法的支援を受けておらず、多くのケースのカテゴリーでは、自己代理は例外ではなく規範である（Carpenter, Shanahan, Steinberg & Mark 2022）。1970年代の比較司法アクセス運動以来（Cappelletti & Garth 1978）、学者はこの問題をフレーミングしてきた。法的専門知識は希少資源であり、不均等に配分され、弁護士の報酬を支払う余裕がない訴訟当事者は、最も大きな利害関係を有する者であることが多い（Sandefur 2019）。この文献は、司法へのアクセスがアクセスしているものを尋ねる。ここで追求される問題は、そのもの自体の質である。

その背景に対して、生成型 AI は曖昧な発展として到着した。一つの見方では、それは法的能力を民主化し、代理人なしの訴訟当事者に、弁護士が提供する研究、起草、および分析の似顔絵を与えることを約束した。その約束は、最先端モデルが統一棒試験に合格したとき（Katz, Bommarito, Gao & Arredondo 2024）に具体的な形をとったが、そのような種類のパフォーマンス・ベンチマークは、アーキテクチャ上の違いを分離することなく能力についての期待を変えた。Simshaw は、AI が代わりに二層化されたシステムを根付かせる可能性があることを早期に警告した。その中で、リソースが豊富な者は専門的な人間の判断を取得し、他のすべてのものは自動化された近似を受け取る。⁵ その後に出現した経験的な全体像はより具体的である。数百万の連邦申立てを分析し、最近の研究は、自己代理訴訟人の率が生成型 AI の広範な利用可能性に続いて急激に上昇し、申立て自体において AI と一致した起草の指標を発展させることを記録する。その集計記録は、これがいずれかの自己代理訴訟当事者を改善するかどうかはまだ示すことができない。その研究の最も慎重な読者が観察するように、新しい訴訟当事者を裁判所の戸口を過ぎるようにするために到達することは、彼らが内部に入った後に彼らを助けることと同じではない（Engstrom & Caspi 2026）。

図 1。 生成型 AI の広範な利用可能性に続いて、連邦民事自己代理訴訟人の上昇。

出典：Shah & Levy (2026) に基づいて改編。数字は四捨五入されている。

裁判所と実務法曹による受け入れは概ね慎重であり、懸念は捏造、無資格実務、および量に集中している。捏造に関しては、現在かなり多くの判例が、存在しない事件を引用する判決書を提出した訴訟当事者と弁護士に制裁を科している。⁶この失敗モードは、もっともらしいが架空の判例を生成する生成モデルに直接遡ることができる。この失敗モードは、裁判所がAIによる捏造された資料に依拠した提出書類があったと判断した、または確立したとした判例の追跡可能なドケットを生み出している。2026年9月までに全世界で2,000件以上（Charlotin 2026）であり、これにはウォール街の最も有名な企業の1つが連邦破産裁判所に対して、不正確な引用やその他の誤り（AIの「ハルシネーション」を含む）を含む緊急提出について謝罪した広く報道された事例も含まれている。⁷そのドケットの構成自体が有益である。圧倒的に本人訴訟の現象として始まったものは、そのままではなくなっている。2026年中盤までに、弁護士資格を有する者は文書化された事件の約5分の2を占めており、新たに文書化された判断における彼らのシェアは増加していた。⁸弁護士会と論評家はまた、無資格実務について懸念しており、法的指針を提供するコンシューマー向けチャットボットが法律実務を弁護士資格を有する者に限定する境界線を越えるかどうか、およびそれらを運営する主体が責任を負う可能性があるかどうかについて疑問を呈している。⁹量に関しては、判事はAI支援本人訴訟提出書類の流入を司法資源への負担として、最も厳しい表現では連邦裁判所に対する実存的脅威として説明している。

司法判断はさらに啓発的な形をとっている。2023年半ば以来、個々の連邦および州の判事は裁判所における生成AIに対応する常置命令を発出している（公開トラッカーは現在数百件をリストしており、どの2つも異なっている）。提出書類の草案作成にAIが使用されたかどうかの開示、引用が確認されたことの証明、またはその両方を要求している。¹⁰命令は設計を共有している（表1）。AI使用の事実とその出力の検証を規制している。アーキテクチャ、支援が単一モデルであるか統合されているか、自己検証可能であるかどうかは、ここで分離された変数であり、著者が特定した命令のいずれにも現れていない。このような命令を本研究で研究された事件に適用する裁判所は、AIが使用されたという事実のみを記録するであろう。開示体制も経験的文献も、どのようなものであるかについての語彙を現在持っておらず、その不在は上記で説明された同じ均質性仮定の規制形式である。

表1. 新興するAI開示体制：常置命令が求めること、および求めていないこと。

出典：2026年7月時点のAIに関する司法常置命令の公開トラッカー（Law360 Pulse；Legal AI Governance）；注9を参照。適用範囲の特性化は著者によるもの。

図2. 欠落した変数：既存の経験的研究はAI支援の可用性を変化させ、その使用とその具体的な構成は測定されない。

出典：本パートで論じられている経験的文献の著者による示意図。

2つの展開はここで追求される問題で合致する。正義ギャップは本人訴訟がなぜ重要であるかを説明する。ほとんどの訴訟当事者にとって、本人訴訟の代替案は全く表現がないということである。本人訴訟の最近の増加は、生成AIの広範な入手可能性と同時に、AI支援のアーキテクチャが偶発的な詳細ではなく重要な研究問題となった理由を説明している。無表現の訴訟当事者が現在スケール単位でAIを通じて行動している場合、¹¹そのAIがどのように構成されているかは、裁判所に到達するものの質を形作り、原則的には個人と彼らが直面する機関の間の問題解決能力のギャップを狭めることができる。

さらにもう1つのフレーミングは、オーケストレーションが何のためであると理解されるかを変える。運動障害、脊髄障害、または視覚障害があり、複数のブラウザインターフェイスを同時に操作できないユーザーにとって、有能な身体を持つユーザーが単なる退屈と考えるマニュアルワークフロー（各プロバイダーを開く、クエリを貼り付ける、読む、比較する）は退屈ではなく利用不可である。統合マルチモデルアクセスは生産性の選択肢ではなく、合理的な修正に関する質問である（参照：Blanck 2014、認知障害者のウェブアクセシビリティについて。運動、脊髄、視覚障害への拡張は著者自身のものである）。人が手動で実行できたであろうワークフローのアシスティブ自動化をブロックすると、その結果、最も手動で実行できない最小限のユーザーに最も重く落ちる負担が課せられ、そのユーザーにとってアーキテクチャは無資格実務に関する議論を合理的な修正の問題に変える。¹²

私はそれを、手でそれをすることができない私の家族の誰かのために構築した---ブラウザタブを這うことができない人。松葉杖、盲導犬：何かが人ができない部分をする。それを一度言い、それは完了です。これが本件についてです。

これらの懸念が共有するもの、そしてこの論文が可視化しようとするものは、法廷自助者がAIをどのように使用するかについての暗黙的なモデルである。すなわち、1人の個人、1つの汎用モデル、最小限の検証、最大限の出力という構成である。ただし、これが唯一利用可能なアーキテクチャではなく、実証文献（図2）はまだ異なるアーキテクチャに基づいて構築されたケースを検証していない。奨学金はAI支援の法廷自助訴訟の量とその最も一般的な形態の信頼性を測定しているが、異なるアーキテクチャの支援が異なる質の訴訟行為をもたらすかどうかについては、ほぼ問い合わせていない。本論文は、総合研究では分離されない使用モードの密接に文書化されたケースを提供することで、このギャップに対処している。

III. 単一モデルプロンプティングからオーケストレーションへ：認知的エクソスケルトン

「認知的エクソスケルトン」という用語は、法律AI議論が往々にして混同する区別を示している。エクソスケルトンはその内部の人間を増幅する。人間に代わって行動するのではなく、人間がいなければ無効である。この増幅と代替の区別は、第VI部で取り上げられた教義上の問題の両方を通じて実行される。作業成果保護は増幅に自然に付着する。なぜなら、保護された戦略は依然として訴訟当事者自身のものであり、代替には厄介に付着するからである。無許可実践の枠組みは代替を目的としており（誰かのために法を実践している団体）、人が自分自身のために実践するツールに対してはうまく機能しない。特定のシステムがいずれであるかは、ラベルではなく、アーキテクチャと使用の問題である。第II部で検討された懸念は、暗黙的なアーキテクチャを共有している。典型的な問題ケースでは、自己代理人訴訟当事者は単一の汎用モデルに質問を提起し、その出力を提出する。その後の病理は、実質的な部分において、その単一モデル構成の特性である。捏造引用、法律の自信に満ちた誤述、ユーザーの前提への追従的同意（Sharma et al. 2024）である。単一のモデルには内部的な対抗者がなく、それに矛盾する立場にあるパイプラインの何ものもない。その誤り、いかに自信があろうとも、異議なく通過する。文献を支配する単一モデル障害モードは、この意味では、人工知能の特性ではない。構成の特性である。

数十年間、AI法研究は明示的な知識工学を通じて信頼性を追求してきた。法的推論をルールとケースベースのモデルに符号化する（Ashley 2017）。機械学習の転換は、ルールの符号化から パターン学習への質問を変えた（Surden 2014）。コンピュータサイエンスの別個の研究は、この構成が唯一の利用可能なものではなく、その障害モードが本質的ではなく、部分的にアーキテクチャ的であることを示唆している。マルチエージェント議論と一般的に呼ばれるアプローチでは、複数のモデルインスタンスが独立して回答を生成し、その後、連続したラウンドで互いの推論を批判してから、応答に収束する。基礎的な研究は、この「心の社会」手続きが事実の妥当性を改善し、単一モデルが受けやすい誤った回答と幻覚を減らすことを報告している。¹³その後の研究は、発見を拡張および適格化し、構造化された不一致が数学、論理、および質問応答ベンチマークにおいて幻覚を減らすことを報告しており、限界も特定している。例えば、少数のエージェントとラウンドを超えた報酬の減少、および最終回答だけでなく中間的議論の品質を評価する必要性である。¹⁴ベンチマーク領域はここで重要である。その文献は、数学、論理、および質問応答ベンチマークで、主に検証可能な回答を持つ領域で、構造化された不一致を検証している。その利益が法的議論に転送されるかどうか。多くの質問が単一の確認可能な回答を欠き、モデルが共有エラーについて丁寧に収束する可能性があり、未検証であり、転送はここで検討された設計の仮定であり、実証された結果ではない。

現在の分析では、信頼性利益が発生する機構の部分が重要である。仮説は、利益が単一のモデルがより有能であるのではなく、モデル間の関係から生じるということである。不一致が表面化し、裁定されるのではなく、抑圧される。オーケストレーションの価値は、より多くの回答ではなく、より適切に支持された回答である。1つのモデルが主張し、別のモデルが異議を唱える事実は、最も精査が必要な事実であり、議論手続きはそれに注意を促すが、単一モデルプロンプティングはできない。この機構は、他の分野で認識可能な親戚を持つ（機械学習のアンサンブル法、情報理論の誤り訂正符号、グループ審議の科学における構造化された異議）。これは、任意の1つの製品のアーティファクトではなく、冗長で、不一致を保存するシステムの一般的な特性であることを示唆している。

表2 単一モデルプロンプティング対マルチモデルオーケストレーション、設計特性による

出所：マルチエージェント議論文献（例えば、Du et al. 2024; Liang et al. 2024; Chan et al. 2023）あたりの設計特性、および、オーケストレーション欄については、システム文書。

本事件は、著者の知見では他の訴訟がまだ共有していない反射的な構造を有している。紛争の対象となっている技術は、その紛争が遂行される技術そのものである。被告の何人かは当該種類のシステムが照会するモデルを開発し、問題となっているオーケストレーションシステムはこれら同じ公開利用可能なモデルを調整し、第V部で検討した訴訟行為はその調整が使用されている間に発生した。本稿で提唱する仮説では、個々のモデルは当該能力を付与しなかった。各モデルは上述の単一モデル的な失敗モードを有し、構成要素モデルを開発する各被告は、構造上、最大でも自らの構成要素モデルへのアクセス権を有していた。重要だった構成は関係的なものであった。相異なる提供者からの異種モデルが並行して照会され、互いに検証していた。この反射性は分析的な仕事をしている。なぜなら、それが構成要素技術を一定に保つからである。記録が明らかにしている相違は、訴訟当事者がより良い構成要素モデルへのアクセスを有していることにのみ起因することはできない。なぜなら、複数の構成要素モデルは被告ら自身のものであるからであり、構成、アクセス、および操作者の技能が説明上開かれたままである。このような研究分野は被告らの外部にあるわけではない。主要なAI研究所は、単一モデルに対する複数エージェントおよびアンサンブル構成の利点について自ら発表しており、研究期間中はクロスモデル検証を自らの製品に商業化する方向に動いた。¹⁵問題となっているアーキテクチャは、業界自体がますますそのうち支持するものである。

オーケストレーションは複数エージェント議論を実運用システムに一般化する（図3）。議論は通常1つのモデルの複数インスタンスを実行するのに対し、オーケストレーションは異なるプロバイダからの異種モデル全体に照会をディスパッチし、それらの出力を正規化し、コンセンサスを計算し、そして重要なことに、それを単一の回答に平均化するのではなく、相違を一級信号として保持する。本事例研究で使用されているオーケストレーションシステムはこのパターンの1つの実装である。その技術文書によれば、それは異種モデル照会、コンセンサス形成、相違保持、および外部ソースに対する引用検証を組み入れている。¹⁶

問題となっているオーケストレーションアーキテクチャは、特定された、設計されたデザインである。それは一連の係属中の特許出願、2025年および2026年に特許協力条約に基づき出願された複数の国際出願を含むの対象である。¹⁷

2つの構成は複数の設計軸に沿って異なり、表2に要約されている。これらの約束の2つは分析的に重要である。1つは外部ソースに対する引用検証である。訴訟における支配的な単一モデル的失敗は、モデルが検索するのではなく学習されたパターンから引用を生成するため幻覚引用という。各引用をライブデータベースに対して検証し、確認できないものにフラグを立てるのではなく含めるアーキテクチャは、その失敗をその根元で対象とする。別の1つは相違の保持である。モデルが法的解釈について意見が分かれた場合、オーケストレーションシステムは相違を多数決によって解決する必要のあるノイズではなく、保守主義と人間の検討のトリガーとして扱うように構成することができる。高いステークスのドメインでは、独立したシステム間の意見の相違は、統計的ノイズではなくそれ自体が実用的情報を構成するかもしれない。エラーの可能性を示す少数派信号は保持され、昇格させられる。それは破棄されない。

図3. オーケストレーション原則：並行照会、比較、および相違の保持。

出典：複数エージェント議論文献後の一般原則の概略図。特定の製品アーキテクチャの図ではない。

構造的なポイントは、裁判所が本人訴訟AI使用に対して慎重になった具体的な病理は単一モデルプロンプティングの特性であり、オーケストレーションアーキテクチャはこれらの病理を対象としているということである。文書化された失敗は構成の特性である。それらはAI支援そのものの特性ではない。この意味で、アーキテクチャは信頼性の源を孤立したモデルから複数モデル間の関係へシフトさせる。孤立した知能から協調された知能へ。オーケストレーションはエキゾチックではない。商業的ルーティングおよび複数モデル製品はますますこれらの同じ設計特性を公開しており、実証的法律文献からアーキテクチャが不在であることはいっそう顕著である。そのアーキテクチャの相違が観察可能な訴訟行為の相違を生じるかどうかは実証的な問題であり、本論文の残りの部分は検証可能な記録に対してそれを検討することができる1つの設定に向かっている。

IV. 方法および証拠的基礎

本デザインは単一事例研究であり、この選択は現象の性質を反映している。ライブ連邦訴訟における複数モデルオーケストレーションは現在稀であり、ここでの目的はその頻度を推定することではなく、検証可能な記録に対して、特定の行為パターンが発生したことを確立し、それを特徴付けることである。本稿全体を通じて使用される品質は、訴訟記録から検証可能な観察可能な訴訟行為を指す。期限遵守、引用精度、手続的正当性、記録への対応性、および提出主張の一貫性である。それは結果を指さない。単一の事件はそれを保証することはできない。この種の事件は注目に値する。実際の対立的訴訟、期限、対立者、および後果は、実験室での評価のみより、AI支援人間推理を観察するためのより意味のある設定を提供することができる。第VII部はこの限界に戻る。これらの側面のうち、第V部での知見は主に期限遵守、手続的正当性、および引用精度に関するものである。提出主張の一貫性は記録に記録されており、独立して採点されておらず、係属中の動議の結果に依存する知見はない。

証拠根拠は独立して検証可能です。本論文で引用されたすべての提出物はECF番号で識別され、以下のケース番号の下、著者に依存することなく、任意の読者がPACERから直接入手できます。これは、Chernets v. Google LLC et al.の公開連邦訴訟記録（No. 1:25-cv-05691-RER-RML (E.D.N.Y.)）と、異なる被告が指名された先の訴訟の記録（No. 1:25-cv-07770 (S.D.N.Y.)）から構成されています。事件の構造は数値で述べることができ、すべて訴訟記録で検証可能です。指名された13名の被告のうち、10名が出廷し、7名は却下に関する共同申し立てに参加し、4名は和解して先決的に却下され、2026年6月時点で6名が継続訴訟中でした（表3）。13名のうち3名は全く出廷せず、記録はそれらの被告に関する送達と法人識別の困難を示していますが、彼らが出廷しなかった理由は確立されていません。1名の外国被告はハーグ条約による国際送達を通じて中国の中央当局経由で送達されました。何も返ってきませんでした。確認も拒否もありません。1名の国内被告は、複数の州にわたる数回の試行の後、確認を得ずに送達されました。確認は宣誓供述により、過程担当官によるものです。その後の出廷はありませんでした。3番目の被告は、法人構造を呼び出して、どの実体が指名されたのかを争いました。法人構造と越境手続は、実際には訴訟手続の盾として機能する場合があり、これを乗り越えることは、通常、表現される当事者が専門弁護士またはベンダーに委ねるタスクですが、ここで自主表示当事者は13名全員のために自分で行いました。第V部における訴訟行為に関するすべての事実主張は、提出物から引き出されており、訴訟記録番号と日付で識別されており、任意の読者が独立して検索することができます。ただし、訴訟人のAIアシスタンスの方法は除き、訴訟記録には記録されていません。本論文が法廷での陳述に言及する場合、公式の記録に依拠しており、当事者の主張に言及する場合は、当事者による特性化ではなく、提出物そのもの（被告の共同申し立てと支持する覚え書き、および申立人の異議）に依拠しています。¹⁸

著者の役割から、冒頭で開示された3つの方法論的制約が生じます。第一に、分析は公開記録に限定されており、訴訟戦略に関する著者の特権的知識を引き出さず、また、和解しない被告に対して保留中の請求に関する仕事成果物を開示しません。第二に、本論文は全体を通じて、訴訟記録が確立するもの（日付、提出物、判決、文書の文本）と、そうでないもの、つまり当事者の主観的動機、特に和解の理由（その条件は機密）を区別しています。第三に、オーケストレーション・システム自身のドキュメンテーションがそのパフォーマンスについて行う主張は、自己報告として扱われており、有効性の証拠として信頼されていません。調査結果は、システムが自分自身について述べたことではなく、記録に見える訴訟行為に基づいています。

証拠根拠の1つの非対称性は、上述した方法を修飾します。本研究の従属変数である訴訟行為は、訴訟記録で完全に検証可能です。第V部で分析されたあらゆる提出物、日付、および文書は、任意の読者が検索できます。独立変数はその方法では検証不可能です。公開記録は、オーケストレーション・システムが存在し、その構造を文書化していることを示しています。訴訟請求書はシステムを特性化し、特許出願は設計を指定し、反対意見の技術展示はそのオーケストレーション機能を説明しています。訴訟記録が示せないのは、どのAIアシスタンス・モードが特定の提出物を作成したのか、あるいは訴訟人の作業方法がいつ変わったのかです。これらの事実は著者自身のプロセスに関するアカウントに基づいており、本論文は出現するところでそれらとしてマークしています。したがって、本研究は、検証可能な出力の記録と自己報告された入力の記録をペアリングしており、第VII部で提案されている制御設計は、建築変数が報告されるのではなく観察されるように構成されています。附録はそのための実行マニフェストを指定しています。

訴訟記録は、オーケストレーション・システムを使用した自主表示訴訟人が特定の提出物を特定の日程で作成したことを確立しています。システムが、訴訟人自身の能力ではなく、観察されるそれらの特性を作成したことを確立することはできません。したがって、本論文はその行為とその建築上下文を説明し、因果関係の問題をオープンとして扱い、第VII部で提案された制御研究によって対処されます。

正式に述べられたら、ここで提案された仮説は次の通りです。

建築依存仮説。生成AIの入手可能性を保持しながら、AIアシスタンスの建築（単一モデル・プロンプティング対マルチモデル・オーケストレーション）は、明確な実証変数として機能します（図4）。アシスタンス・モードは、締切厳守、引用精度、訴訟手続の正確性、記録への応答性を含む、観察可能な訴訟行為の測定可能な違いに関連しています。この仮説は反証可能です。アシスタンスのモードでコード化された自主表示提出物の体系的な比較が、そのような関連を見つけなかった場合、それは反証されます。

図4。建築依存仮説を請求のチェーンとして。各リンクはテストされる請求であり、調査結果ではありません。

出典：テキストで述べられた仮説の著者の図式。破線の矢印は仮説的で検査されていないリンクをマークしています。

V. 調査結果

訴訟のいくつかの特徴は、ここで提起された問題に関連しており、図5はそれらを順序立てています。

この場合における法的資源の不均衡は、本研究に付随的ではなく、本研究にその要点を与える条件です。一方は、法的訓練を受けておらず、限定的範囲の弁護士さえも含め、弁護士を持たない単一の自主表示訴訟人でした。もう一方は、多数の有名事務所の弁護士が共通戦線を結合し、7名の被告に代わって共同却下申し立てを提出し、互いの提出物を調整する防御でした。1つの表現されない個人が、その整列に対して完全な最初の周期を維持し、あらゆる期限に遭遇し、メリットについて回答し、整列した企業が捕捉しなかったエラーを特定する構成は、アクセス・ツー・ジャスティス文献が起こっていないとして扱うものに近いです。このパートの残りは、公開訴訟記録でそれを文書化しており、それを説明する可能性があります。本論文は全体として追跡している質問です。

Figure 5. 事件の手続き時系列。

出典: 公開訴訟記録、Chernets v. Google LLC, No. 1:25-cv-05691-RER-RML (E.D.N.Y.)および関連する先行事件。

初期の欠陥のある訴状提出後の法的枠組みの再構築。

訴訟人の最初の訴訟は2025年9月に提出され、公開記録となっているものですが、複数の独立した点において手続上の欠陥がありました。すなわち、弁護士なしに進行することができない有限責任会社の名義で提起されたこと、被告が誤っていたこと、裁判地が誤っていたこと、およびADAの条文の題目が誤っていたことです。裁判所はそれを門前払いにし、呼び出し状の発行を拒否しました。第二の訴訟は、約3週間後に個人名で正しい裁判地で提出され、より適切な法定条項に基づいて請求を再構成し、適切な被告を指定し、実質的に拡張された証拠提出を伴っていました。訂正に付随する方法の変更が一つありました。著者自身の説明によれば、最初の訴状提出を通じて、訴訟人はコンシューマー機器上の単一のモデルで作業していましたが、再構築は直接モデルアクセスを通じた完全なマルチモデルオーケストレーションの初めての使用と一致していました。docketはその順序を確認することはできず、また原因として提示されるものでもありません。docketが示すのは訂正そのもの、本論文が検討する最初のエピソードです。記録は、門前払いで却下された訴状から送達を進め、複数の代理人が選任された被告による出頭を促した訴状への迅速な移行を反映しています。再構築は、フォーラム、請求原因、および訴状基準について複数のモデルに問い合わせるオーケストレーション・ワークフローが支援するよう設計されている、幅広い相互検証された法的枠組みの改正の一種です。

B. 協調的な事前申立実務への対応。

2026年1月12日の同じ晩に、6人の被告人は、共同で延長を求め、一緒に申し立てることができるようにした後、およそ4時間半のスパンで6通の事前申立書を提出した。¹⁹裁判所の個別の実務慣行の下では、各書簡には、事件の訴追方から5営業日以内の対応が必要であった。特定の被告人の主張に対応した6通の再反論書簡は、4日以内に提出された。²⁰この事案は、速度以上の問題を示している。協調的で複数の戦線からの申し立てに対する対応は、その対応が提出された晩まで存在しなかった6つの文書によって固定されているため、事前に確定することはできない。しかし、このタイプの事件で被告人が利用できる論拠は、予測可能なレパートリーから抽出される。すなわち、適格性、デジタル取引におけるタイトルIIIの適用可能性、請求原因の不備である。勤勉な当事者は、予想される論拠に対するモジュール式対応を準備し、書簡が到着した後にそれらを適応させることができる。したがって、予測的作成はこの事案によって制限されるが、完全には禁止されない。4日間の間隔が確立するものは、6つの個別に対応した再反論書簡の6つの個別の提出に対する組み立て、適応、および提出である。それが確立できないものは、その内容のどの程度が書簡より前に存在していたかである。

C. 統合された防御への迅速な応答

裁判所が被告らに重複する準備書面の削減を促した事前動議公判の後、事前動議書を提出した6被告を含む7被告が、支持的な準備書面を伴う却下動議を共同で提出した。裁判所のスケジュールに基づき、原告の異議申立ては約45日後に期限が来ていた。異議申立ては2026年4月2日（動議の3月30日提出から3日後）付けで、翌日にドケットに登録され、5月14日の応答期限より約6週間前倒しであった。これは宣誓供述書と大量の証拠資料を伴う28ページの準備書面であった。図6は、両ラウンドの防御側の準備期間に対する応答期間を示している。観察対象は、複数の事務所からの弁護士で代理された協調した防御に対して、本人訴訟人により提出された実質的で迅速かつ相応な応答の事実であり、その妥当性ではない。関連する点は個人的なものではなく構造的なものである。複数の異なる準備書面に対して実質的に同時に応答することは、文献が想定する単一スレッドのプロンプティングとは対照的に、複数モデルのワークフローが分散するために構成される並列で複数スレッドのタスクの一種である。タイミングは遵守以外の何かのために重要である。答弁されないままドケットに置かれた動議は、その応答期間中にレコードを読む誰もに対して、申立人の説明のみを提示する。異議申立てが数日以内に登録されると、その期間は短縮される。そのような非対称性は通常、通常そのような期間を短縮することができない本人訴訟人に対して逆に作用する。

図6 ラウンド別の準備期間と応答期間

出典：公開ドケット。各ラウンドにおける対応する提出の日付から応答提出の日付までの経過日数（文書日付；ドケット登録は1日後となる場合がある）。第1ラウンドの防御側期間は、サービス完了（2025年11月）から協調された事前動議書の2026年1月12日までの期間を測定している。経過期間は準備時間を上限とするが、起案時間と戦略的タイミングを区別しない。

D. 防御準備書面における法定引用誤りの特定

原告の再反論は、合同申立書で根拠とされた法定権限の誤りを指摘した。「完全かつ平等な享受」要素に対処する際、防御準備書面は42 U.S.C. § 12184（ECF No. 69-1, at 15）、すなわちバス、タクシー、リムジンなどの民間事業体が提供する指定公共交通機関を規制する条項を引用していたが、請求はこの条項ではなく42 U.S.C. § 12182の公共施設利用条項に基づいている（Plaintiff's Opposition, ECF No. 76, at 17）。²¹ AI利用に関する自己代理訴訟の典型的な懸念は捏造引用、つまり存在しない権限がモデルによって生成され訴訟人によって提出される場合である。ここで、確認可能な引用誤りは弁護士が提出した準備書面に現れており、それは外部情報源に対する引用検証を文書化された設計に含む調整システムを使用する自己代理訴訟人が提出した準備書面で特定された。パートIIIで定義された調整とは、モデル間の不一致と外部情報源に対する検証という2つのメカニズムを束ねたもので、転置された条文番号はこの2番目のメカニズムが検出するよう構築された欠陥の種類である。複数モデル間の討論はそのために必須ではない。著者の説明によれば、誤りは訴訟人によってではなくワークフローによって明らかにされた。1つのモデルが引用された条項と請求が基づいている条項との不一致を指摘し、統合モデルがそれを確認し、批評者がそれを再度確認した。この訴訟人は弁護士ではなく、誤りを発見したり修正を自ら検証したりすることはできなかった。問題の性質は検証要素であり、全体的な束ではない。修正の方向は文献が予想させるパターンと逆向きである。その動議処理における重要性は裁判所の判断である。誤りは独立して検証可能である。2つの条項は同じ合衆国法典の小章内で2条文離れており、防御準備書面の§ 12184への引用はページの表面に明記されている。2つの条項は並行した実行言語を含み、それぞれその領域内で「完全かつ平等な享受」を保証しており、その代替は読者が読書速度で気づかずに吸収し、すべての引用がその出典と照合されるときに見落とすことができない種類である。それらの違いは適用範囲である。§ 12184は民間事業体が提供する指定公共交通機関を規制し、公共施設ではない。原告の再反論は誤引用を「単なる記録的誤りではない」として主張した。それは準備書面の一つの処分的要素の取扱いに現れたからである。転置された条文番号は捏造権限ではない。対立する準備書面における法定引用誤りを検出することは、自己代理AI利用に関する文献が支配する失敗モード、すなわち自分自身の準備書面における誤った引用を生成することの逆である。

帰属は誤り自体とは別の問題である。文献の暗黙のルールは、AI支援を受けた自己代理訴訟人による誤りを、その技術がすることの証拠として、また弁護士による誤りを、その他の場合信頼できる実行における監視漏洩として分類する。ここで文書化されたエピソードはそのルールの試験を提供し、それは最良の形で質問として述べられている。もし自己代理訴訟人が生成AIを使用して、処分的要素について、公共施設利用条項の代わりにADAの交通機関条項を引用していたなら、その誤りは孤立した監視漏洩として読まれたか、それとも人々がチャットボットで訴訟を行う場合に何が起こるかのカタログへの1つ以上の記入として読まれたか。2つの読み方は一致しそうにない。この帰属の非対称性は、誤り自体ではなく、アーキテクチャ依存仮説が文献に検討するよう求めるもののある部分である。行為がそれがどのように生成されたかではなく誰によって生成されたかによってコード化されているかどうか。非対称性はさらに、移動するベースラインに対して持続する。パートIIが記録しているとおり、文書化されたハルシネーション事件は自己代理現象ではなくなったが、システム的脅威の枠組みは自己代理側の事件簿に付着したままである。

E. 初期の和解

図7。 4つの和解の順序。

出典: 公開ドケット、ECF Nos. 83--86 および94 (和解意思確認書（異議なし却下）；ECF Nos. 83および84はMistral和解意思確認書の同日ファイリングで、却下命令はNo. 84を引用)。

訴訟に参加していた4人の被告人は、短い期間内に原告との紛争を解決し、異議なし却下となった (図7)。標準的なように、公開ドケットには和解意思確認書のみが表示されます。和解条件は機密であり、理由は記録にはなく、原因は推測されません。本小節は、通常は見えない和解順序を記録に載せ、それにより検証可能にします。

この順序の2つの特徴は、公開ドケットに見えるので、述べる価値があります。少なくとも2つの事例で、協調防御と歩調を合わせていた被告が、和解意思確認書によってそこから離脱しました。1つは反論提起の後、連合の再反論の前に和解し、もう1つは連合の共同意見書を自らの訴訟に組み込んだ後に和解しました。時系列パターンは公開ファイリングの問題です。共通戦線に参加していた被告が、1回に1つずつそこから退出し、彼らが参加していた訴訟は係属したままでした。

もう1つの特徴は、法人被告と自己代理訴訟人との間の和解が通常機密であり、公開記録にはほとんど痕跡を残さないということです。ここでは、和解意思確認書自体がドケット記録であり、順序を異常に判読可能にします。その記録の証拠的価値は、その検証可能性にあります。

表3。 13人の名指しされた被告の状況 (2026年6月現在)。

出典: 公開ドケット、2026年6月現在。

図8は、2026年6月4日という1日のドケット順序を主資料として再現しています。これは読者が時間を直接検査できるようにするために含まれています。AI支援訴訟のどのような設定がこの形の記録を生成し、どの程度の頻度で生成されるのか。その質問は第VII部が提案する体系的研究に属します。

図8。 2026年6月4日のドケット順序。

出典: 公開ドケット；1日のファイリング時間、ECF Nos. 93-96。

これらの特徴を合わせて考えると、自己代理訴訟人が、協調された代理防御に対抗して、完全な答弁サイクルを通じて多者間連邦訴訟を維持し、期限を満たし、比例して対応し、相手方の誤りを特定している様子が記述されています。これは支配的な説明が記述するパターンではありません。その説明は、区別されない量と信頼できない出力のうち、分布を特徴づけます。単一の事件は分布に矛盾することはできません。しかし、ここで文書化されたパターンは、集約研究が測定するものの外側に該当し、それがそれらから見えなくなった理由です。オーケストレーション・アーキテクチャがパターンの原因であるか、またはパターンが複数の事件にわたって繰り返されるかどうかは、次の部が体系的な調査のために枠組みを構成する質問です。

VI. 教義上の含意

より困難な質問は教義上のものであり、そのうち2つは現在連邦裁判所を通じて進行しています。目的は、Pro Se AI使用のオーケストレーション・ベース、品質志向アカウントがそれぞれをどのように再構成するかを示すことです。裁判所は既に証拠としてのAI出力を評価するための発達した枠組みを備えています (Grimm, Grossman & Cormack 2021)。ここの質問は隣接するものです。それらは機械出力が認められるかどうかではなく、どちらも出力を生成したプロセスを誰が所有しているか、およびそのプロセスが法律を実践しているかどうかに関する。

A. 仕事成果物と本人訴訟人

訴訟人とAIシステムとの相互作用が仕事成果物として発見から保護されるかどうかは、新たに争点となっています。2026年初頭の7週間の間に、3つの連邦裁判所がAI利用と仕事成果物保護の交差点に到達しましたが、それらは一致した見解を示しませんでした。²² Warner v. Gilbarco, Inc.事件では、判事は本人訴訟の雇用関連事件の原告に対して、生成AIクエリとその回答を提出するよう強制する申立てを却下し、これらの材料は民事訴訟規則26(b)(3)に基づく仕事成果物であると判示しました。本人訴訟人は自分自身の弁護人として行動し、これらの材料は彼女の精神的印象と準備を反映しており、生成AIシステム（人間ではなくツール）への開示は、放棄を必要とする対抗的な開示ではないということです。この判示は、Hickman v. Taylor事件が最も強く保護したのが弁護士の精神的印象、結論および理論であったため、判例法の最も古い層に位置しています。これは、裁判所がほぼ絶対的に扱う仕事成果物の段階です（Hickman v. Taylor, 329 U.S. 495, 510--11 (1947)）。訴訟人が構成するクエリ、彼が反復する草案、および彼が破棄する主張は、その段階の本人訴訟人相当物です。1週間後、United States v. Heppner事件では、裁判所は反対の結論に達しました。弁護人による代理人である被告人が自分の主導で公開AIアシスタントを使用し、弁護人の関与はなく、裁判所は結果として生じるファイルの提出を命じました。被告人が弁護人の指示なしに行動し、プラットフォームの消費者条件がプロバイダーに彼の入力を保持および使用することを許可していることを強調しました。この一連の中で3番目で最も詳細な判決であるMorgan v. V2X, Inc.事件は、Warner事件の中核的な判示を拡張し、本人訴訟人がリティゲーション準備におけるAI使用は「Rule 26(b)(3)が保護するよう設計された、機密性が高く、戦略的な反復的仕事成果物の種類に密接に似ている」と結論づけました。しかし、同じ命令により、訴訟人は相手方が機密指定した材料に関連して使用したAIツールの名前を開示する必要がありました。また保護命令を修正して、そのような材料を有するメインストリームAIサービスの使用を制限しました。²³ 裁判所が引いた区別は分析的に重要です。それはWarnerとHeppnerが矛盾していない理由を説明しています。弁護人による代理人が弁護人を迂回する場合、当事者と弁護人の間にギャップが生じ、Heppner事件でそれが致命的であった場合に対し、本人訴訟人は「同時に当事者であり弁護人である」ため、そのようなギャップは存在しません。保護は無制限ではありませんでした。裁判所はAIツールのアイデンティティそのものは保護されないと判示し、AIの使用を機密発見材料に条件付けしました。訓練、保持、および第三者への開示に対する契約的保護があります。3つの判決はAIに従来の判例法を適用することに収束しますが、保護を主張できる人物と何が放棄に該当するかについては相違があります。彼らが引く線は建築学的なものです。ただし、語彙はこの論文のものです。判決は代理人、機密性、および放棄について述べています。Heppner事件の主張が不幸だったのはAIの使用ではなく、使用された構成でした。訓練と保持を許可する消費者ツール。対照的に、Morgan事件は、訓練、保持、および第三者への開示から契約上禁止された構成に対する保護に条件を付けています。機密性の姿勢は検証と同様に、AI自体ではなく支援のアーキテクチャの特性です。この論文の変数はここで判例法の内部に表示されます（表4）。

表4。2026年初頭の仕事成果物三部作、構成別。

出典：Warner, 2026 WL 373043; Heppner, 2026 WL 436479; Morgan, 2026 WL 864223。判決は従来の判例法の適用に収束し、構成事実に相違があります。最後の2列の建築学的解釈はこの論文のものであり、裁判所のものではありません―アーキテクチャは判例法が重視する事実を変えますが、法律は変えません。

Morgan事件は2026年3月30日に判決され、その日は本論文で検討した事件における共同却下申立てが提出された日です。判例法は事件が準備書面されている間に形成されていました。

2026年初頭の決定を合わせて読むと、このツールのアーキテクチャはますます決定的になっています。誰がそれを指揮したか、何をしたか、その記録がどのように保管されたか。オーケストレーションアカウントはそのラインで何が問題になっているかを明確にします。自己代理訴訟人へのAI支援が単なる機械的なテキスト生成であれば、それを保護された戦略として扱う場合は弱いでしょう。訴訟人が質問を構成し、相異なるモデルの出力を比較検討し、立場へ向けて反復するオーケストレーションワークフローは、機能において、弁護士の手の中で常に保護されてきた戦略に満ちた反復的プロセスと区別しがたいです。相異なる分析エンジンのパネルを指揮する訴訟人は、ジュニアアソシエイトのチームを指揮するシニアアトーニーに非常に似ています。判例法の基礎にある目的、一方の当事者が他方の訴訟準備に便乗することを防ぐことは、その準備がアソシエイトによって実行されるか、訴訟人がマルチモデルシステムを通じて実行されるかに関わらず、同じ力で適用されます。Morganはこの方向を指しており、オーケストレーションフレーミングは機能的根拠を提供します。

ワークプロダクト保護は機密性に依存しており、自発的な公開開示によって放棄される可能性があります、少なくとも開示されたものに関してです。したがって、自分の係争中の事件のアカウントを公開することは、それが開示するものに関して、Morganが認識する保護を放棄するリスクがあります。

B. 法律の無資格者による実務。

専門家援助なしの訴訟における法律の無資格者による実務（UPL）の懸念は、検討してみると、奇妙な形で構成されています。法律の無資格者による実務規則は、他者の不適切な代理から一般市民を保護するために、法律実務を認可弁護士に限定しています。²⁴これらの規則は州法の産物であり、実務の定義は管轄区域によって異なります。以下に述べるのは、いかなる一州の境界線ではなく、枠組みの共有される論理に関するものです。消費者向け法律AIによって提起される真の無資格実務の問題は、ツールまたはそれを運営する企業が、訴訟当事者への助言によって無資格実務に従事しているかどうかという点です。その問題は、助言の信頼性にかなりの程度で依存しています。自信を持って権威を捏造する手段は、無資格実務規則が防止することを目的とした無能な実務のように見えます。

しかし、専門家援助なしの訴訟当事者は、自分自身以外の誰も代理しません。彼は法律によってそうする権利を有しており（28 U.S.C. § 1654）、不十分な提出に対する制裁は、依頼人ではなく彼に対して適用されます。そのような訴訟当事者がAIシステムを使用する場合、無資格実務の枠組みは「法律実務」をどこかに位置付けなければなりません。ツールの中に、その開発者の中に、またはどこにも、であり、これらの回答のそれぞれが厄介です。実際に懸念を引き起こしているのは認可ではなく信頼性であり、無資格で説明責任を負わないシステムが、それをチェックする能力を持たない人に自信を持ってそれを間違った法律を提供するという恐れです。信頼性は全部ではありません。なぜなら、裁判所は法律実務を能力と同じくらい説明責任を通じて監視するからです。認可を受けた弁護士は制裁を受けたり、一時停止されたり、弁護士資格を失ったりすることができ、AIシステムはこれらのいずれでもあり得ません。説明責任ギャップは実在しており、オーケストレーション説明責任は信頼性に対処しており、説明責任に対処しません。オーケストレーションされたシステムが体系的にエラーを起こした場合、責任は3つの場所のいずれかに落ちる可能性があります。提出に署名する演算子（現在、ルール11が到達する唯一のアクター）、アーキテクチャのプロバイダー、または誰も。法律が3つのうちどれを選択するかは、説明責任ギャップが狭まるか、単に再配置されるかを決定します。

ここで、単一モデル/オーケストレーション区別は実際の仕事をしています。無資格実務の懸念を生じさせる信頼性の赤字は、単一モデル構成の特性であり、クロスモデル検証と引用検証を中心に構築されたアーキテクチャはその赤字に向けられています。それは、高度に信頼できるツールでさえ「法律実務を行う」と言われるかもしれないので、無資格実務の問題を解決しません。それがするのは、議論が傾向にある2つのことを分離することです。信頼性と認可は分析的に異なる質問であり、それらを混同することで、建築修正が最初に対処できることが曖昧になります。第二に触れずに。信頼性が真の懸念である場合、免許だけではなく、建築が分析の一部になり、合意を表面化して解決するために構築されたシステムではなく、単一の答えを主張するのではなく、独自の条件で懸念に対処します。信頼性が建築的である場合、それはまた設計可能であり、認証可能であり、法的サービスの規制を再発明するための提案が依存する対象の種類です（Hadfield 2017）。確認できないものを放出することを拒否し、取り消し不可能な不確実性を人間にルーティングするアーキテクチャは、無資格の顧問としてではなく、設計による準拠として機能し始めます。

C. 解決策ではなく、新たな視座

両方の法理が未解決のままです。pro se AI使用の支配的な「量と幻覚」説がこれらの法理的議論を形作ってきました。これに対して、質に焦点を当てた「オーケストレーション」ベースの説は、これらの議論に新たな視座をもたらします。AI使用が機械的出力ではなく反復的戦略として理解されるとき、弁護士秘匿特権はより首尾一貫したものに見えます。また、信頼性が固有の欠陥ではなく建築上の変数として扱われるとき、無資格実践禁止の議論は異なる様相を呈します。

VII. 限界と今後の研究

本デザインには4つの限界があります。第一に、最も根本的には、これは単一ケース（n = 1）であり、かつその当事者によって著述されたものです。第V部の知見は、分布に関する主張ではなく、存在に関する主張です。そのようなケースが果たせることは、極端なケースまたは示唆的なケースについて定性研究が長く認識してきたことです。すなわち、標準的デザインがまだ到達していない現象を露呈させ、体系的研究が検証しなければならない仮説を生成することです。

第二に、著者は訴訟当事者であり、開発者であり、分析者です。第IV部の制約はそのためにあります。

第三に、因果関係を分離することはできません。記録は、アーキテクチャの寄与を訴訟当事者自身のスキル、事前準備、報酬を受けていない当事者の利害、または他の交絡因子から分離することはできません。第III部のアーキテクチャに関する議論は、実証されたメカニズムではなく、妥当なメカニズムを示しています。

複数の代替説が依然として妥当です。訴訟当事者は単純に有能かもしれません。教育を受け、動機付けられ、報酬を受けていないpro se当事者は、弁護士が数十時間で対応するケースに数百時間を費やすことができます。3日間の再反論は、処理ではなく準備を測定している可能性があります（第V.B部）。選抜は2つのレベルで機能しています。ケースレベルでは、このケースは記録が好意的であるために記事の対象になり、オーケストレーション支援訴訟当事者が失敗したケースは記事を生成しません。エピソードレベルでは、選抜は著者自身の選択です。訴訟記録には、この記事が説明する5つのイベント以上のイベントが含まれており、著者は提示するものを選択しました。その選抜に対して、完全性の声明は訴訟記録で検証可能です。2026年6月時点で、記録には原告に制裁を課す決定、どの申立も却下する決定、および彼が見落とした期限は含まれていません。記録が不利な手続的注記に最も近いのはケースの開始時であり、裁判所は原告がin forma pauperisで進行する申請を否認し（その後、申立手数料が許可された期間内に支払われた）、summonsesが発行できないまで、サービスアドレスが提供されるまで説明しました。声明は PACER アクセスを持つ誰でも反証可能です。エピソードレベルの選抜が隠すことができるのは、不利な判決ではなく、強調です。以下に提案する研究は、これらの代替説を判定するように設計されています。

さらに1つの限界は、妥当性ではなく到達可能性に関するものです。第II部は、司法ギャップを法律扶助公社が研究する低所得米国人の観点から枠付けしていますが、ここの訴訟当事者は、自身の設計したシステムを運用している博士号取得レベルのAIシステムアーキテクトであり、技術的能力の分布の外側から引き出された自己表現訴訟当事者です。存在証明はその事実によって弱められませんが、その範囲は第II部の中心となる人口よりも狭いです。このケースでは、オーケストレーション支援訴訟が当該人口に実質的に利用可能であることは示されていません。当該人口にとって、コスト、デジタルアクセス、および技術的流暢性はそれ自体障壁です。アーキテクチャの利点が専門家オペレータから典型的な自己表現訴訟当事者への転換に耐えるかどうかは、経験的な問題であり、第II部の支援枠組みでは、おそらく決定的な問題です。以下に提案する研究の障害者部門はこれに到達するように設計されています。転換は技術的セットアップの問題だけではありません。オーケストレーションは、オペレータの認知負担を作成から仲裁へと移動させます。競合する出力を読み、露出した意見の相違を比較検討し、どの行が生き残るかを決定します。仲裁それ自体が難しいスキルです。その負担をオペレータの専門知識ではなくインターフェイス設計によって担うことができるかどうか、および認知的、視覚的、または教育的障壁を持つ訴訟当事者にとってどのような代価があるかは、経験的な問題と同様に設計の問題です。

第四に、ケースは係属中です。ここでの知見はどのように終わるかに依存しません。

このケースが生成する仮説は、オーケストレーション・アーキテクチャが単一モデルのプロンプティングよりも高品質の本人訴訟行為と関連している、というものであり、これは検証可能である。体系的研究では、AI支援のモード別にコード化された本人訴訟提出の訴訟行為（期限遵守、引用精度、申立て結果）をサンプル全体で比較し、経験的文献が開発を始めたAI一貫性起草指標とLegalBench（法的推論のための協調的に構築されたベンチマーク（Guha et al. 2023））を使用することができる。1つのタスクファミリーである埋め込みエラー検出は、パートVから直接続く。試行的な簡潔書には、そこで文書化された種類の検証可能な欠陥が含まれている。法定条項の転置、権限の誤引用、架空の引用である。検出率は、単一モデルのプロンプティングからオーケストレーション検証まで、支援モード全体で比較され、弁護士と非弁護士の操作者が別々のアームとなる。アーキテクチャの構成要素（外部ソース検証とクロスモデル不一致）は個別に削除されるため、各メカニズムの貢献がバンドル全体に帰属させられるのではなく、特定される（表5）。利害関係のない研究者が多くのケースにわたって実施されるこのような設計は、ここで提示された存在主張を分布的なものに変換するか、それを反論することができる。より強力な設計が利用可能であり、優先されるべきである。単一モデル支援とオーケストレーション支援を同一の法的タスク上で対照比較、事前登録プロトコル、開放的な資料、および盲検セット検証を含む、システム自身の主張（引用検証率を含む）の検証。準実験的特定、例えば多モデルツールの公開利用可能性周辺の差分差分設計。および運動、視覚、または認知障害を持つ参加者のための専用アーム、パートIIの支援的枠組みは仮説ではない。法的支援のランダム化評価には前例がある。アクセス・トゥ・ジャスティス文献は、代理人の提供および非バンドル支援の提供に関するランダム化研究を実施している（Greiner, Pattanayak & Hennessy 2013）。ここで提案されている支援モード比較は、その設計伝統をアーキテクチャ変数に拡張している。より広く、この仮説は、分野がまだ採択していない基準を示唆している。AIシステムは、その出力の品質だけでなく、その推論アーキテクチャの品質によっても評価されるべきである。何も法律に固有なものではない。医学、工学、または金融において、結果的な仕事が生成型システムに委譲される場合、同じ問題が生じ、同じ変数が測定されないままである。それはまた、アクセス・トゥ・ジャスティス分析が長い間固定として扱ってきた変数を再構成する。原告の参入コストは405ドルの提出手数料であり、防御弁護士の正式な参入コストは200ドルの特別許可手数料（ECF Nos. 19, 52, 60）である。両者は数百ドルの低い範囲にあり、実質的に埋め難いリソースギャップの両端に立っている。比較は正式な参入手数料のみに関し、代理人のコストではない。変化したかもしれないのは、法廷に入る価格ではなく、その中にとどまるために必要な訴訟能力の限界費用である。そのコストが実際に低下したかどうか、そしてどの程度まで低下したかは、提案された研究のための経験的問題である。それが定数ではなく変数になったことは、それ自体が検証する価値のある仮説である。

表5. 提案された研究（アーム別）。

注：各アームは弁護士および非弁護士の操作者を別々のグループとして実行され、運動、視覚、または認知障害を持つ参加者のための別個の障害アーム、5つの番号付きアームの外側で実行され、成果測度はセッション前に事前登録される。テキスト参照。

VIII. 結論

本人訴訟におけるAIの一般的な説明は、量と信頼性についての物語である。より多くの訴訟者が、より速く提出し、架空の権限のリスクが高まっている。それはAI支援が1人の訴訟者が1つの汎用モデルにプロンプティングすることを意味することを、言わずして仮定し、その仮定はもはや成立しない。

ここで検討されたケースは、著者の説明によれば、異なるアーキテクチャの上に構築されていた。複数の独立したモデルが並列で照会され、それらの不一致は抑制されるのではなく、明らかにされ、解決された。訴訟行為の説明は、完全に検証可能な公開記録に基づいている。その記録には、量とハルシネーション説明が説明も予測もしていない行為が含まれている。欠陥のある提出書類の迅速な再構成、予定より遥か早く提出された実質的な異議、および協調防御簡潔書における法定引用エラーの特定である。その後、記事は、AI支援を オーケストレーションとして、そして品質の問題として理解することが、連邦裁判所の前にある2つの教義的討論をどのように再構成するかを示した。タイプ、見る、または訴訟が要求する速度で組織化することができない訴訟者にとって、アーキテクチャの違いは、効率の問題ではなく、Americans with Disabilities Actの意味でのアクセスの問題である。AI支援の構成方法が自己表現を可能にするかどうかについて、完全かつ平等な享受である。

自己代理人訴訟者が現在できることの分析には、AI支援の可用性だけでなくそのアーキテクチャが属するという主張がある。基礎モデルが生の能力において収束するにつれて、この主張はますます差し迫ったものになる。なぜなら、モデル自体の違いが少なくなるほど、それらを組み合わせる方法の違いが大きくなるからである。アーキテクチャ依存仮説は、アーキテクチャが実装の詳細ではなく、人々や裁判所ができることの質の決定要因であるということである。AIが法律業務に参加するかどうかはもはや問題ではない。残されている問題は、どのアーキテクチャが何をするかということである。このアカウントでは、本人訴訟AI問題は知能の問題ではなく設計の問題であり、設計の問題には設計の答えがある。今後の作業は、より優れた個別モデルを待つのではなく、特定のアーキテクチャを指定し、互いに対してテストすることである。附録は、そのようなアーキテクチャの1つを実行および批評できるほど正確に述べており、参照実装が共に公開されている。

附録 実行可能なように指定された1つの支援アーキテクチャ

本論文の議論は、「AI支援」が異なる障害特性を持つアーキテクチャのファミリーを指しているということである。少なくとも1つのアーキテクチャが実行および批評できるほど正確に述べられると、この主張はより容易にテストできる。以下のプロトコルはそのような述べ方である。ここではそれをブラインド統合プロトコル²⁵と呼んでいる。これはマルチエージェントの議論（モデルが互いに読む場合）から最も明白に区別するステージにちなんで名付けられている。²⁶公開モデルのみを使用し、3つのベンダーへのコンシューマーまたはAPIアクセスを持つ誰もがそれを再現できる。

以下のプロトコルは、アーキテクチャのレベルで、第III部で説明されたファミリーを述べている。すなわち、隔離されて照会された異種のモデル、合意の不一致を平均化して消し去るのではなく保持されている明確なルールの下で形成された合意、およびすべての引用がその出典に対してチェックされる。これは第III部で説明されたシステムとその最後のチェックの方法が異なる。そこではそれはライブデータベースに対して検証するコンポーネントであり、ここでは検索対応モデルの後に人がいて、以下の制約3は明確にモデルの承認はチェックではないと述べている。これはここで証拠ではなく仕様として述べられている。本論文は研究事例の提出を出力として提示せず、そこから推論を引き出さない（留保されているもの。注24参照）。このプロトコルが議論に貢献するのは実行マニフェストである。本論文のアーキテクチャ変数は自己報告される（第IV部）。マニフェストは、外部の読者がそれが他の何かになる前に必要とするものである。第V部の提出書類はいずれも含まない。

それが対処する問題。

本人訴訟人は無料の消費者向けティアを通じて複数のフロンティアモデルにアクセスでき、費用、デジタルアクセス、技術的流暢性が依然として障壁です（第VII部）。以下の高リスク欄は有料API アクセスであり、後に示す機密性条件は最も保護が必要な資料に対してほとんどの無料ティアを除外します。一般的な慣行は1つのモデルに質問し、答えを読んで提出することです。文書化された失敗は、自信を持って存在しない引用を生成するモデルであり、プロセス内でそれを捕捉するものは何もありません。本プロトコルは単一の質問を共通のタスク文と、それに続く4つの段階に置き換えます。各モデルを正確さの点ではそのままにし、複数のモデルを配置することで一つのシステムのエラーが他の組織によって訓練されたシステムとの接触を生き残る必要があり、それぞれが何を言ったかを記録します。

役割。

プロトコルは各役割が見ることを許可されるもので定義されます。4つのルールがこれを固定します：

1. 生成者はタスクステートメントのみを見ます。誰も他の生成者のドラフトを見ません。

2. 統合者はニュートラルなラベルR1からRnの下に、ランダムな順序で、すべてのドラフトを見ます。どのベンダーがどのドラフトを作成したかを決して学びません。

3. 最初の評論家は統合者自身のファミリー内で、新鮮なコンテキストで読みます。タスクステートメントと統合ドキュメントを見ますが、それを生成した統合プロセスについては何も見ません。

4. 最後の読者は統合者とは異なるベンダーからの評論家です。タスクステートメント、統合ドキュメント、および最初の評論家のレポートを見て、その判定がこの実行を終わらせます。

4つのルールを満たす異なるベンダーからのフロンティアモデルのいかなるセットでもプロトコルを実行できます。例示として、2026年9月に利用可能だった以下の公開モデルが役割を満たすことができました：

表6. 2026年9月に利用可能だった4つの役割を満たすことができた公開モデル。

出典：2026年9月時点のベンダードキュメント。役割へのモデルの割り当ては著者によるもの。プロトコルを定義するのは、識別子ではなく役割です。

表は利用可能だったものの例示であり、識別子は時とともに変化します。役割は変わりません。Grokはベンダーで指定され、オープンウェイトモデルはクラスで指定されています。これはホストからホストへホストされた識別子が異なるためであり、gemini-3.1-pro-highはベンダーのAPIドキュメント内のモデルコードではなくホストされたインターフェースのエイリアスです。高リスク列は5番目の生成者を追加し、その統合者はドラフトを書かないモデルであるため、ラベルの下で自分自身のテキストを判定することはありません。図9はプロトコルを役割で描いています。

役割へのファミリーの割り当ては測定ではなく著者の使用に基づいています。2025年と2026年のこれらのシステムとの約2000時間の作業を通じて、新鮮なコンテキストに配置された盲検評論家として機能するモデルが統合者と同じファミリーから来た場合、最も厳密で有用な検証を返しました。それは審査中のテキストがそのファミリーによって作成されていた場所でもそうでした。他のベンダーからの評論家がより弱い読者ではありませんでした。彼らは異なることを見つけました。そのためプロトコルはそれらのうちの1つを保持し、それに最終判定を与えます。4つのルールは各役割が見ることができることについてであり、どのベンダーがそれを満たすかについてではなく、統合者または最初の評論家で異なるファミリーを好む読者は、1つを代用してプロトコルを実行し続けることができます。

図9. 盲検統合プロトコル、役割別：隔離生成、盲検統合、および2つの検証。

出典：このAppendixで指定されたプロトコルの著者の図。

これはランプです。階段を上ることができない人のために建設されました。5つのインターフェースを同時に開いたままにし、それらを相互に読み、答えを持ち帰ることができない人のために。ランプはドアに到達するすべての人に使用されます。それのために建設された人だけではなく。上記の公式は誰もがそれを取ることができるように書き下ろされています。

段階。

段階0。1つのタスク記述。 1つの書面による記述により、目的、管轄権、必要な形式、何が情報源として認められるか、および検証できない主張にどう対処するかが規定されます。すべてのモデルはそれを変更なく受け取るため、ドラフト間の差異はモデルに由来します。

段階1。隔離された生成。 各生成プログラムは並行して完全なドラフトを作成し、インターフェイスまたはAPIがそれを提供する場合はウェブ検索を有効にし、タスクが深さを要求する場合は深い調査を行います。これらのベンダーのコンシューマーインターフェイスはデフォルトで検索を行います。一部のプログラマティックエンドポイントは検索ツールを持たず、そのエンドポイント上で実行される生成プログラムは重みから草案を作成しており、実行記録がそのことを示す必要があります。各プログラムは、すべての事実上および法律上の主張に対して検証可能な情報源を引用し、検証できなかったものを未検証として標示し、未解決の問題で締めくくることが求められます。隔離とはそのメカニズムです。異なる組織によって異なるコーパス上に構築されたモデルは異なるものを発明し、複数のモデルが独立して生成した主張はそれぞれ独自の引用により、1つのモデルのみが生成した主張とは異なる証拠上の地位にあります。別のドラフトを見た起草者がそれに同意することは、その主張が真実であるかどうかとは無関係の理由からです。

段階2。ブラインド統合。 1つのモデルはドラフトをR1からRnとして受け取り、ランダムに選択された順序で記録は実行マニフェストにのみ保存され、明示的なルールに従ってそれらをマージします。複数のドラフトまたは検証可能な引用によってサポートされている主張は、ドラフトへの記載が優先されます。これはそれらが真実であることの発見ではなく、ドラフトに何が記載されるかについてのルールです。1つのドラフトでのみ発見された資料は、検証可能な引用を伴う場合に保持されます。矛盾は証拠によって解決されるか、本文で標示されます。ドラフト間の合意は合意として記録され、決して証拠に昇格されません。新しい資料は、統合者がそれ自体を検証した場合にのみ記載され、追加として標示されます。各実質的な主張には、それをサポートするドラフトに名前を付けるタグが付けられています。統合者はまたログを記述します。ドラフトが何に同意したか、何に同意しなかったか、各矛盾がどのように解決されたか、そして何が削除されたか、そしてなぜかです。ログは矛盾が生き残る場所です。ラベルマップが保持されるため、後の読者はタグをそれに対して設定し、統合者がどの程度の頻度で独自のベンダーのドラフトを優先したかを測定できます。

段階3。内部検証。 統合者の組織から批評者が統合の記憶を持たない新鮮なコンテキストでマージされたドキュメントを読みます。その作業は検証であり、改善されたドキュメントは返します。すべての引用について存在と正確性を確認し、推論の間隙と過度な主張をテストし、タスク記述が満たされたことを確認し、重大度でランク付けされた調査結果を報告します。重大、主要、軽微のランク付けと判定があります。承認、修正を伴う承認、または却下です。

段階4。ベンダー間検証。 異なるベンダーから批評者が同じドキュメントと最初のレポートを読みます。各調査結果を確認し、異議を唱え、または拡張し、独自のものを追加し、最終的な判定を与えます。この段階は、その前の2つの弱点のために存在します。統合者がその組織に確認されることは、その組織の盲点を共有し、他の場所で訓練された読者がそれらへの最も直接的なルートです。

パイプラインから出力されるもの。

成果物は統合文書、統合ログ、両方の検証レポート、およびマニフェストです。どのステージも批評家の出力で文書を上書きしません。ある人がレポートを読み、どの修正を適用するかを決定します。訴訟では、提出書類に署名する人がその内容に責任を持ち、テキストを静かに書き直すパイプラインは、誰が何を決定したのかを曖昧にするでしょう。

マニフェストは、すべてのステージについて、モデル識別子、プロンプトハッシュ、出力ハッシュ、開始時刻と継続時間、ラベルマップを記録します。これがなければ、このように準備された文書は、1つのモデルに2回問い合わせることで生成された文書と区別できません。これにより、実際には存在しなかった読者がオペレーターの実行記録を監査できます。どの識別子がどのロールに対して構成されたのか、ドラフトにどの順序でラベルが付けられたのか、各ステージが何を受け取って返したのか。これは構造化された自己報告であり、証明ではありません。識別子は認証された応答ではなく構成から来ており、手動で実行されるステージはオペレーターの言葉でインターフェイスで何が起こったかを記録し、検索ツールが提供されたという記録はソースが確認されたという記録ではありません。観察された変数を報告されたものではなくすることは、実行の第三者管理を必要とし、これはパート VII の設計が提供するものであり、ファイル形式では提供できないものです。

参照実装。

参照実装であるdocprepは、オープンライセンスの下で公開されています（注25）。表6の設定、マニフェスト形式、およびアカウントやキーなしで実行できるオフラインテストを含む、1つのファイルに約500行のPythonコードです。

この実装は、強制する内容と単に要求する内容を分離しています。4つのロールルールは強制されます。ジェネレータのプロンプトはタスクステートメントのみから組み立てられます。ドラフトはシャッフルされ、ラベルが付け直され、マップはマニフェストにのみ書き込まれた状態で統合者に到達します。また、最初の批評家が統合者の組織外にいるか、最後の批評家が統合者の組織内にいるかのいずれかの設定は、モデルが呼び出される前に拒否されます（図10）。ステージ2のマージングルールは単に要求されるだけです。これらは統合者のプロンプト内の指示であり、モデルはそれに従わないことができます。1つは事後に確認されます。ログなしで返された統合は実行を停止するためです。

図10。 実行の前提条件としてのロールルール。最後の批評家に関するチェック、および拒否のメッセージ。

home = family(cfg, cons) # 統合者のベンダーファミリー

. . .

if critics and family(cfg, critics[-1]) == home:

problems.append(f"{critics[-1]['name']} is from the consolidator's family "

f"({home}); the last reader must come from another vendor")

. . .

if problems and enforce:

sys.exit(f"formula '{formula_name}' breaks the protocol:\n - "

+ "\n - ".join(problems))

$ python3 docprep.py run --formula manual

formula 'manual' breaks the protocol:

- critic_cross is from the consolidator's family (anthropic);

the last reader must come from another vendor

出典：docprep、docprep.py、validate()関数、リリースv1.0.0（注25）。省略部分を標記。コード下部は、最後の批評家を統合者のベンダーに再割り当てした例の設定で実行したコマンドの出力です。リポジトリのオフラインテストは同じ拒否を主張しています。

強制はマニフェストが持つ制限を持ちます。ロールのベンダーファミリーは設定で宣言されます。認証されません。手で実行されるステージは、操作者の言葉で盲目的で新規です。ラベルの付け直しは名前を削除します。スタイルではなく。そして拒否はオフにすることができます。その場合、マニフェストはそれが行われたことを記録し、破られたルールを列挙します。ルールは操作者の誤りに対して強制されます。操作者に対してではなく。

法的枠組み。

ベンダーを追加してエラー相関を低減するアーキテクチャは、同時にその行為によって、素材が外部に流出する場所の数を増やします。米国の裁判所で自己代理人として訴訟を行う者にとって、そのようなトレードオフは抽象的ではありません。

2026年9月時点での米国の立場は3つの部分から構成されています。すなわち、ファイラーが開示しなければならないもの、プロバイダーに送付される可能性のあるもの、および当該業務が業務成果物として保護されるかどうかです。第II部および表1が開示体制を取り扱い、第VI.A部が業務成果物分析およびその根拠を取り扱います。ファイラーにAIの使用を開示するか、モデルを指定することを要求する一般に適用される連邦手続規則は存在しません。2026年4月、民事規則諮問委員会は、捏造された引用に対応することを目的とした2つの提案をその議題から削除し、その時点ではルールメイキングは適切ではないことに合意しました。²⁷地方規則および個別の命令では要求される場合があり、それらは異なります。北部地区テキサス地区は、簡潔書の第1ページにAIの使用の事実を記載することを求め、どのモデルであるかは求めません。国際貿易裁判所のヴェイデン判事は、使用されたプログラム、それが生成したテキストの具体的な部分、および使用が許可されていない者に機密または営業秘密情報を開示しなかったことを認証することを求めています。²⁸

2026年春の2つのルールメイキング措置は容易に混同される可能性があり、その混同は答えを変えます。民事規則諮問委員会は、存在しない引用の引き合いに対応するために規則11を修正する2つの提案を取り上げ、その時点ではルールメイキングは適切ではないことに合意し、2026年4月14日に当該項目を削除しました。3週間後、証拠規則諮問委員会は、AIの使用の開示ではなく、機械生成証拠の許容性を規定する提案された連邦証拠規則707を取り上げました。同委員会は草案を修正し、それを進める代わりに引き続き検討の対象としました。最初の措置はファイラーが認証する内容に関するものであり、2番目は裁判所が認める可能性のある内容に関するものであり、どちらも開示の義務を作成しませんでした。この2つは記録そのものにおいて関連付けられており、これらが1つのものとして読まれる理由です。民事規則委員会の4月のメモランダムは規則707の草案を引用しており、その議事録は証拠規則委員会がその規則を引き続き検討していることに言及しています。

相手方が機密と指定した素材は、より難しい事例であり、このアーキテクチャに直接関わります。Morgan事件において、裁判所は、自己代理人の原告がそのような素材をAIサービスに入力することを許可したのは、プロバイダーが契約上その入力を保存または使用してモデルをトレーニングまたは改善することに拘束されず、開示がサービスを提供するために本質的である場合を除いて第三者に開示しないこと、および受領者が同等の保護に拘束されること、ならびに要求時に当該素材を削除または消去することのみです。同裁判所は、原告がその素材に関連して使用された任意のツールを指定し、それらのセーフガードの書面による文書を保持することを要求しました。同裁判所は、その条件がほとんどの主流の低リスク・ノーコストAIを除外することを指摘しました。これらは1つの保護命令の条件であり、国家規則ではなく、著者が特定した最も制限的なものです。本プロトコルはそれらを独自の設計方針として採用しています。

3つの制約が続きます。これらはこのプロトコルの設計規則であり、訴訟人に法律が要求することの陳述ではありません。

1. 公開ファイリング、および操作者が送付することが自由である素材は、モデルに送付される可能性があります。密閉された素材、保護命令の下にある素材、および相手方の機密の開示は、命令が許可し、かつプロバイダーの条件がMorganが課した条件を満たさない限り、送付されません。制限は、生成者のみではなく、すべての段階およびすべての受信者に適用されます。統合者および両方の批評家が統合草案を受け取り、保持された成果物はそれとともに移動します。文書の所有権は、それに付加された機密保持の義務を自体で履行しません。マニフェストは当該開示を監査可能にします。それは当該開示を合法的にしません。

2. マニフェストは開示を支持します。それは開示そのものではありません。それは、どのモデル識別子がどのアーティファクトを生成したか、および何時かを記録します。これは、使用されたプログラムを求める裁判所が望む素材であり、主任判事がそれを求めるかどうかに関わらず、保持する価値があります。それは、命令が要求する通知をファイルしたり、ヴェイデン判事のような規則が対象とする最終文書の部分を特定したり、または任意の認証を提供したりしません。

3. すべての引用をその出典に対して検証することは、人によって行われます。規則11(b)は、その文言によって無代理人の当事者に及び、その標準は任意の特定の手続ではなく、状況の下での合理的な調査です。第II部は、捏造された引用の記録が示すものを記載しています。モデル間の合意および2人の批評家による承認は、検証ではありません。

要件は地区および判事によって異なり、主任判事の命令が支配します。

限界。

消費者向けインターフェースのディープリサーチモードは、ベンダーAPIに正確に相当するものがありません。そうしたモードが必要なステージは手作業で実行されます。プロンプトはファイルに書き込まれ、オペレータがインターフェースで実行してその回答を貼り付け直し、マニフェストはそのステージがその方法で実行されたことを記録します。そのフォールバックは手動であり、パートIIは、複数のインターフェース全体にわたる手動ワークフローが、運動障害または視覚障害のある訴訟人にとって単に遅いだけではない理由を述べています。それに依存するプロトコルはその限界を引き継ぎます。

モデル間の一致は、真実と同じくらい相関の証拠です。重なり合うコーパスで訓練されたモデルはエラーを共有し、満場一致の一連のドラフトは一緒に間違っている可能性があります。このプロトコルは到達可能な相関を低下させ、残りを記録します。

このプロトコルは単一モデルプロンプティングと比較されていません。その価値を決定する比較は、ブラインド評価です。同じタスクが両方の方法で準備され、結果のドキュメントはどちらがどちらであるかを知らない読者によって、引用の正確性、タスクステートメントに対する完全性、および裁判所が気付くエラーについてスコアリングされます。このプロトコルは、この比較が実行できるように述べられています。

上記の名前のリポジトリはパイプライン、設定、およびオフラインテストを保有しています。

選定された参考資料および当局

ABA弁護士職務規則第5.5条。

障害を持つアメリカ人法、42 U.S.C. §§ 12181--12188。

Ashley, Kevin D., 人工知能と法律分析：デジタル時代の法律実務のための新しいツール（Cambridge Univ. Press 2017）。

Avery, Joseph J., Patricia Sánchez Abril & Alissa del Riego, ChatGPT, Esq.: 生成AIの時代における無認可法律実務の再構成、26 Yale J.L. & Tech. 64（2024）。

Blanck, Peter, eQuality: 認知障害のある人々によるウェブアクセシビリティへの取り組み（Cambridge Univ. Press 2014）。

Cappelletti, Mauro & Bryant Garth, 司法へのアクセス：権利を実効的にするための世界規模の運動における最新の波、27 Buff. L. Rev. 181（1978）。

Carpenter, Anna E., Colleen F. Shanahan, Jessica K. Steinberg & Alyx Mark, 弁護士がいない裁判所の裁判官、110 Geo. L.J. 509（2022）。

疾病管理予防センター、障害は私たち全員に影響を与える（2022 BRFSS データ）。

Chan, Chi-Min, Weize Chen, Yusheng Su, Jianxuan Yu, Wei Xue, Shanghang Zhang, Jie Fu & Zhiyuan Liu, ChatEval: マルチエージェント議論を通じたより優れたLLMベース評価者に向けて、arXiv:2308.07201（2023）。

Charlotin, Damien, AIハルシネーションケースデータベース、https://www.damiencharlotin.com/hallucinations/（最終アクセス2026年9月）。

Chernets, Vadym, docprep: ブラインド統合プロトコルの参考実装、リリースv1.0.0（2026）、https://github.com/vadimchernets/docprep（MITライセンス；付録で指定されたプロトコルおよびそれを実行するコード）。

Chernets v. Google LLC et al., No. 1:25-cv-05691-RER-RML（E.D.N.Y.）（公開ドケット）；PolyHelper.AI LLC v. United States of America, No. 1:25-cv-07770（S.D.N.Y. 2025）（より早い訴訟、異なる被告）。

Cohen-Sasson, Or, 確率的正義：人間およびAIによる法的矛盾、105 Neb. L. Rev.（近刊2026）。

Du, Yilun, Shuang Li, Antonio Torralba, Joshua B. Tenenbaum & Igor Mordatch, マルチエージェント議論を通じた言語モデルにおける事実性および推論の改善、第41回国際機械学習会議（ICML 2024）の議事録、arXiv:2305.14325。

Engstrom, Nora Freeman & Aviv Caspi, 法廷の扉を開く――あるいは敷居を下げるだけか？、JOTWELL: 法律専門家（2026年7月3日）。

Fed. R. Civ. P. 26(b)(3)。

Greiner, D. James, Cassandra Wolos Pattanayak & Jonathan Hennessy, 非束縛法律支援の限界：マサチューセッツ地方裁判所のランダム化研究および将来の見通し、126 Harv. L. Rev. 901（2013）。

Grimm, Paul W., Maura R. Grossman & Gordon V. Cormack, 証拠としての人工知能、19 Nw. J. Tech. & Intell. Prop. 9（2021）。

Guha, Neel, et al., LegalBench: 大規模言語モデルにおける法的推論を測定するための協調的に構築されたベンチマーク、ニューラル情報処理システムにおける進歩36（2023）。

Hadfield, Gillian K., 平らな世界のための規則：人間がなぜ法律を発明したのか、そして複雑なグローバル経済のためにそれを再発明する方法（Oxford Univ. Press 2017）。

Hannaford-Agor, Paula, Scott Graves & Shelley Spacek Miller, 州裁判所の民事訴訟の景観（国立州裁判所センター2015）。

Hickman v. Taylor, 329 U.S. 495（1947）。

Katz, Daniel Martin, Michael James Bommarito, Shang Gao & Pablo Arredondo, GPT-4が弁護士試験に合格、382 Phil. Trans. R. Soc. A 20230254（2024）。

法律サービス公社、司法ギャップ：低所得アメリカ人の未充足の民事法律ニーズ（2022）。

Liang, Tian, Zhiwei He, Wenxiang Jiao, Xing Wang, Yan Wang, Rui Wang, Yujiu Yang, Shuming Shi & Zhaopeng Tu, 大規模言語モデルにおけるマルチエージェント議論を通じた発散的思考の奨励、2024年自然言語処理における経験的方法に関する会議の議事録（2024）。

Magesh, Varun, Faiz Surani, Matthew Dahl, Mirac Suzgun, Christopher D. Manning & Daniel E. Ho, ハルシネーションなし？主要なAI法律調査ツールの信頼性の評価、Stanford HAI（2024）。

Mata v. Avianca, Inc., 678 F. Supp. 3d 443（S.D.N.Y. 2023）。

Morgan v. V2X, Inc., No. 25-cv-01991-SKC-MDB, 2026 WL 864223（D. Colo. Mar. 30, 2026）。

ニューヨーク州弁護士会、AI時代の自己代理人弁護：利点、課題、および倫理的含意（2026）。

Park v. Kim, 91 F.4th 610（2d Cir. 2024）。

Sandefur, Rebecca L., 何へのアクセス？、148 Daedalus 49（2019）。

Shah, Anand V. & Joshua Y. Levy, AI時代における司法へのアクセス：米国連邦裁判所からの証拠（2026年3月20日）（未発表原稿）、https://ssrn.com/abstract=6766859。

Sharma, Mrinank, et al., 言語モデルにおけるイエスマン根性の理解に向けて、ICLR（2024）。

Simshaw, Drew, AI司法へのアクセス：法律サービスの不公平な二層制度を回避する、24 Yale J.L. & Tech. 150（2022）。

Surden, Harry, 機械学習と法律、89 Wash. L. Rev. 87（2014）。

システム文書（著者所有）。

米国労働統計局、障害者：労働力特性――2025、USDL-26-0364（2026年3月3日）。

United States v. Heppner, No. 25-cr-503, 2026 WL 436479（S.D.N.Y. Feb. 17, 2026）。

Warner v. Gilbarco, Inc., No. 2:24-cv-12333, 2026 WL 373043（E.D. Mich. Feb. 10, 2026）。

@misc{chernets2026missingvariable,
  author       = {Chernets, Vadym},
  title        = {{The Missing Variable in AI-Assisted Litigation: Architecture and the Quality of Pro Se Access to Justice}},
  year         = {2026},
  howpublished = {SSRN},
  doi          = {10.2139/ssrn.7120940},
  url          = {https://doi.org/10.2139/ssrn.7120940}
}