配信が主流になった今、1曲の売上は世界中のプラットフォームから、それぞれ異なる形で届きます。これを正しく集計し、権利者へ過不足なく分配する——音楽著作権の印税業務は、地味ながら極めて高い正確性が求められる仕事です。私たちは、この領域こそ生成AIが活きる「第一のドメイン」だと考えています。本コラムでは、印税データ分析にAIをどう使うのか、その役割分担を具体的に紹介します。
印税の分析が難しいのは、データそのものに理由があります。明細のフォーマットは配信事業者や管理団体ごとにバラバラで、定型処理がしにくい。多通貨・多テリトリ・多期間が絡み、為替や控除のルールも供給元ごとに違います。さらに、ISWC（作品）・ISRC（録音）・IPI（権利者）といった識別子は欠落や表記揺れが多く、同じ曲が別のタイトルやアーティスト名で記録されていることも珍しくありません。加えて、作詞・作曲・出版・原盤といった持分（スプリット）は契約ごとに複雑で、台帳化されていないことも多い。この“混沌”を人手で突き合わせているのが実情です。
ここで重要なのが、役割分担です。私たちの設計では、LLM（言語AI）は解釈と段取りを、決定論エンジン（コード／SQL）は数値の確定を担います。印税という金銭を扱う以上、金額をAIに“それっぽく”生成させてはいけません。
具体的には、LLMは次のような仕事をします。フォーマットがバラバラな明細を読み解いて構造化する。曲名や識別子から「これは同じ作品ではないか」という名寄せの候補を提案する。契約書（PDF）からスプリットの条件を抽出する。集計のためのSQLやコードを書く。そして、前期との差異や異常を自然な日本語で説明し、レポートの草案をつくる——つまり、人間が時間を奪われている“読み解き”と“下ごしらえ”を引き受けます。
一方、受領額の集計、分配の計算、契約スプリットの適用、期間・テリトリ別の積み上げ、台帳との突合、未払いや重複の検出といった「数字が確定する部分」は、すべて決定論エンジンが行います。最終的な金額は再現可能なコードで算出し、重要な操作には人手の承認を挟みます。
たとえば、こんな使い方ができます。配信事業者の明細を取り込み、自社カタログの作品に名寄せして、四半期の分配額を算出する。そのうえで前期比±20%を超える変動を抽出し、「なぜ増えた／減ったのか」を説明させる。あるいは、契約PDFからスプリットを抽出して台帳化し、管理団体からの受領データと突き合わせて、差異や未払いの候補を検出する。識別子が欠けているレコードには候補を提示し、最終確定はルールと人の承認で行う——。いずれも、AIが候補や説明を出し、数字と確定は仕組みと人が担う、という構図です。
印税の明細や契約書は、権利者の収入に直結する機微な情報です。これらを外部のクラウドAIに送信することには、当然ながら慎重であるべきです。だからこそ、学習も推論も自社内（ローカル）で完結させることに大きな価値があります。データを社外に出さずに、AIの利便性だけを取り込む——これが、印税というセンシティブな領域でAIを実用化する前提だと私たちは考えています。
音楽印税データの分析は、「非定型データの読み解き」と「厳密な数値計算」という、性質の異なる二つの仕事が混ざり合っています。前者はLLMが、後者は決定論エンジンが担う。この役割分担を、データを外に出さないローカル環境で実装することで、属人化していた印税業務を、正確で説明可能な仕組みへと変えられます。私たちはこの第一ドメインで培った“特化×統合”の型を、他の領域へと広げていきます。