結論
ソフトローは、ガイドラインや業界の自主ルールのように法的拘束力はないものの、関係者が自主的に従うことで行動を方向づける規範です。ハードローは、法律や規則のように法的拘束力をもち、違反すれば罰則や行政処分などで強制されうるルールです。
比較表
| 観点 | ソフトロー | ハードロー |
|---|---|---|
| 法的拘束力 | なし | あり |
| 守らなかったとき | 法的な制裁はない | 罰則、行政処分、損害賠償などで強制されうる |
| 例 | AI事業者ガイドライン(総務省・経済産業省)、OECDのAI原則、業界団体の自主規制 | EUのAI法、GDPR、個人情報保護法、著作権法 |
| 作り方・見直し方 | 策定した機関が見直せるので、改定しやすい | 立法の手続きが必要で、制定や改正に時間がかかる |
| 長所 | 技術の変化に合わせやすく、事業者が工夫する余地を残せる | 守らない者にも強制でき、実効性と予測可能性が高い |
| 短所 | 従わなくても制裁がなく、実効性の確保が課題になる | 技術の進歩に追いつきにくく、一律の義務がイノベーションを妨げるおそれがある |
| AIのルールでの使われ方 | 日本は、AI事業者ガイドラインを中心にAIガバナンスを進めている | EUは、AI法でリスクの高いAIに法的な義務を課す(義務の適用は段階的) |
| シラバス項目 | 法律・倫理分野 項目8 国内外のガイドライン | 法律・倫理分野 項目8 国内外のガイドライン |
最終確認日:2026年10月30日
それぞれの説明
ソフトロー
ソフトローは、ガイドライン、国際機関の原則、業界団体の自主規制のように、法的拘束力をもたない規範です。従わなくても法的な制裁はありませんが、関係者が自主的に従うことで、社会のルールとして働きます。改定しやすく、事業者が自社の状況に合わせて工夫する余地を残せる一方、実効性をどう確保するかが課題になります。
日本は、総務省・経済産業省の「AI事業者ガイドライン」を中心にAIガバナンスを進めています。このガイドラインは2024年4月に策定され、自らを「非拘束的なソフトロー」と位置づけています。法律の整備が技術の進歩に追いつきにくいことや、細かな行為を一律に義務づける規制がイノベーションを妨げかねないことが、その理由として挙げられています。内容は適宜更新され、2026年3月に第1.2版が公表されました。
ハードロー
ハードローは、国会が定める法律やEUの規則のように、法的拘束力をもつルールです。守らなければ、罰則、行政処分、損害賠償などで強制される可能性があります。守らない事業者にも強制できるため実効性が高い一方、制定や改正には立法の手続きが必要で、時間がかかります。
AIに関する代表例がEUのAI法(AI Act)です。AIをリスクの大きさで分類し、許容できないリスクのAIを禁止し、高リスクのAIには厳しい義務を課すと定めています。義務は段階的に適用され、適用時期は改正で見直されることもあります。AI専用の法律だけがハードローではありません。個人情報保護法、著作権法、EUのGDPRなども、AIの開発や利用に適用されます。
組み合わせて使う
2つは対立するものではなく、組み合わせて使われます。日本のAI法(2025年6月公布、同年9月全面施行)は、研究開発と活用の推進を目的とする法律で、罰則は定めていません。第13条は、国が国際的な規範の趣旨に即した指針を整備すると定め、2025年12月には人工知能戦略本部が適正性確保のための指針を決定しました。EUでも、汎用目的AIモデルの義務の守り方を示す、任意参加の行動規範が用意されています。
見分けるコツ
- 区別の基準は、法的拘束力があるかどうかです。作ったのが国か民間か、内容が細かいかどうかでは決まりません。
- 日本のAI法(2025年公布)は法律ですが、研究開発と活用の推進を目的とし、罰則を定めていません。「日本のAI法が罰則付きの義務で事業者を規制している」という選択肢は誤りです。
- リスクベースアプローチは、対策の強さをリスクの大きさに合わせる考え方で、ソフトロー・ハードローとは別の観点です。EUのAI法も日本のAI事業者ガイドラインも、この考え方をとっています。
◯×チェック
次の文が正しいか、誤りかを選んでください。
-
ハードローは、改正に立法の手続きが必要なため、技術の変化が速い分野ではルールが実態に追いつかないことがある。
答えを見る
答え ◯ 正しい
AI事業者ガイドラインも、法律の整備・施行と技術の発展との間にタイムラグが生じることを、非拘束的なソフトローでガイドラインを作った理由の1つに挙げています。
-
ソフトローは法的拘束力をもたないため、AIのルールづくりでは、ハードローが整うまでの一時的なつなぎとしてしか使われない。
答えを見る
答え × 誤り
ソフトローは、改定しやすい長所を生かして継続的に使われます。AI事業者ガイドラインはLiving Documentとして更新を重ねており、2026年3月には第1.2版が公表されました。
-
ソフトローとハードローの区別と、リスクの大きさに応じて対策の強さを変えるリスクベースアプローチは、同じ観点による分類である。
答えを見る
答え × 誤り
ソフトロー・ハードローは法的拘束力の有無による区別で、リスクベースアプローチは対策の程度の決め方です。EUのAI法はハードロー、AI事業者ガイドラインはソフトローですが、どちらもリスクベースアプローチをとっています。
関連問題
出典
- G検定 試験出題範囲(シラバス2024)第1.4版 (法律・倫理分野 項目8 国内外のガイドライン)
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)」(2026年3月31日) (はじめに(非拘束的なソフトロー、リスクベースアプローチ、Living Document))
- 人工知能関連技術の研究開発及び活用の推進に関する法律(令和7年法律第53号、e-Gov法令検索) (第1条、第13条、附則第1条)
- 内閣府「人工知能関連技術の研究開発及び活用の適正性確保に関する指針」(令和7年12月19日 人工知能戦略本部決定)
- European Commission, AI Act(Regulation (EU) 2024/1689)
ほかの違い比較
- アジャイルとウォーターフォールの違い 進め方とAI開発での使い分け
- 赤池情報量規準(AIC)とベイズ情報量規準(BIC)の違い 罰則の重さ
- バギングとブースティングの違い 並列か逐次か、減らす誤差の違い
- バッチ正規化とレイヤー正規化の違い 平均と分散を計算する範囲の違い
- バッチ学習・ミニバッチ学習とオンライン学習の違い 更新回数とぶれ
- BERTとGPTの違い エンコーダとデコーダ、学習課題の違い
- CBOWとスキップグラムの違い 予測の向きと学習の速さ
- 分類問題と回帰問題の違い 出力の形で見分けるコツと評価指標
- CNN・RNNとTransformerの違い 得意なデータと計算の並列性
- 協調フィルタリングとコンテンツベースフィルタリングの違い 仕組み
- 共分散と相関係数の違い 式の関係と単位・値の範囲
- データ汚染とAdversarial Attackの違い 学習時か推論時かと対策
- 決定木とランダムフォレストの違い 解釈のしやすさと精度・安定性
- 深さ優先探索と幅優先探索の違い 調べる順番・最短解・メモリ
- 営業秘密と限定提供データの違い 3つの要件と刑事罰の有無
- Faster R-CNNとYOLOの違い 2段階型と1段階型、速度と精度
- GANと拡散モデル(Diffusion Model)の違い 学習と生成の仕組み
- GANとVAEの違い 識別器の有無と学習の仕組み
- GDPRと個人情報保護法の違い 法的根拠・本人の権利・制裁金
- 勾配降下法と誤差逆伝播法の違い 勾配を使う側と求める側
- グリッドサーチとランダムサーチの違い 試行回数の決まり方と効率
- ホールドアウト検証と交差検証の違い 分割回数・計算量・使い分け
- 画像分類(物体識別)と物体検出の違い 出力の形と使い分け
- 委託・第三者提供と共同利用の違い 同意の要否と受け手が使える範囲
- k-means法と階層的クラスタリングの違い クラスタ数を決める時期と計算量
- 個人情報・個人データと保有個人データの違い 範囲の入れ子とかかる義務
- 個人情報と個人識別符号の違い 包含関係と当たる例・当たらない例
- L1正則化とL2正則化の違い 罰則の形と重みが0になるか
- 最小二乗法と最尤法の違い 推定の基準と結果が一致する条件
- LIMEとSHAPの違い 局所近似とシャープレイ値の使い分け
- LSTMとGRUの違い ゲートの数と記憶セルの有無
- 機械学習とディープラーニングの違い 包含関係と特徴量の決め方
- 平均絶対値誤差(MAE)と平均二乗誤差(MSE)の違い 外れ値への強さ
- 正規化と正則化の違い 目的と代表的な手法を表で整理
- 主成分分析(PCA)と特異値分解(SVD)の違い 目的と計算の関係
- 主成分分析(PCA)とt-SNEの違い 線形か非線形か、保つ構造の違い
- 適合率と再現率の違い 分母の違いと重視する場面
- プルーニング・量子化と蒸留の違い 何を減らすかと元モデルの扱い
- Q学習とSARSAの違い 更新式の1か所と方策オン・オフ
- RNNとLSTMの違い 記憶セルと勾配消失の起きにくさ
- Self-AttentionとSource-Target Attentionの違い Q・K・Vの出どころ
- セマンティック・インスタンスとパノプティックの違い 背景と個体の扱い
- 新規性と進歩性の違い 比べ方とAI発明での論点
- シグモイド関数とソフトマックス関数の違い 出力の合計と使い分け
- 強いAIと弱いAIの違い 心をもつと考えるかの違い
- 教師あり学習・教師なし学習と強化学習の違い 学習の手がかりと代表例
- 特許権と著作権の違い 発生・保護対象・期間とAIでの使い分け
- 匿名加工情報と仮名加工情報の違い 加工の程度と第三者提供の可否
- 転移学習とファインチューニングの違い 重みを固定するか更新するか
- 請負契約と準委任契約の違い 完成義務とAI開発での使い分け
- Zero-shotとFew-shotの違い 与える例の数と重みを更新しない点