コンセプト
法令のデジタルツインとは？
DTLは、機械が実行でき、人間が検証できる法律の表現です。法を言い換えるのではなく、映し出します：すべてのルール、税率、期限は、それを定める条文と結びついたままです。
4つのレイヤー
条文から実行可能な判定へ。
1️⃣
法文
関連条文を逐語的に引用し、欧州法令識別子（ELI）で固定します。
2️⃣
オントロジー
すべての法的用語・主体・パラメータの形式的意味モデル（OWL）。人にも機械にも照会可能。
3️⃣
設定
具体的な税率・しきい値・日付をデータとして保持し、それぞれに法源を注記——法改正はデータ変更であり、コード変更ではありません。
4️⃣
ロジック
テスト付きの実行可能な判定コード。すべてのパラメータを設定からライブで読み取り、引用付き導出ログを書き出します。
なぜ「ツイン」であって「チャットボット」ではないのか
言語モデル単体は推測します。ツインは計算します：ロジックは決定的、パラメータには出典があり、すべての出力はどの条文がそれを生んだかを説明します。それが「もっともらしい回答」と「公的機関が責任を持てる決定」の違いです。
- 決定的な結果——同じ案件は常に同じ決定になる
- 完全な追跡可能性——導出ログがELIで固定された条文を引用
- バージョン管理——公開済みツインは不変の法スナップショットに固定
- 更新可能——法源が変わればツインが検知し、影響レイヤーを明示
中身はすべて標準技術
DTLはオープン標準の上に成り立ちます：法令識別のELI、LegalDocML分類、意味論のOWL/Turtle、統合のRESTとModel Context Protocol（MCP）。ロックインなし——ツインはあなたの資産です。
目的
決定論的ツイン——エージェント型フレームワークのために。
決定論的 DTL の目的は統合にあります：エージェント型 AI フレームワーク——Anthropic Claude、OpenAI ChatGPT、Google Gemini、Microsoft Copilot——が Model Context Protocol（MCP）経由でツインに接続します。アシスタントが法律に関する人間の質問を受け取り、ツインが答えを計算します——アルゴリズムで、決定論的に、法文に対して認証された形で。
- MCP 対応のアシスタントなら 1 行で公開済みツインに接続
- 市民も職員も自然言語で質問——答えは認証済みの法ロジックが計算し、決して推測しない
- すべての回答に ELI 引用と固定された法バージョン付きの導出ログ
- getSemantic と explainDecision により、エージェントは法オントロジーを照会し過去の決定を根拠づけられる
