Power AutomateとAzure AIで実現する契約書リスク自動分析システム（第2回：基礎実装編）

Azure OpenAI
2025.12.22
スポンサーリンク

はじめに

みなさん、こんにちは！業務ハックLabのようです。

この記事は「Microsoft Power Automate Advent Calendar 2025」の12月22日担当分の記事です。

前回はシステムの全体像とSharePointの準備まで完了しましたね！
(SharePointのリスト、ちゃんと作れましたか？)

今回からいよいよPower Automateで実際にフローを作っていきますよ！

はい、ここからが本番です。
変数の初期化とか、APIキーの設定とか、ちょっと細かい作業が続きますが、一つずつ丁寧に進めていけば大丈夫です！

(僕も最初は「変数多すぎ！」って思ったんですが、後で見返すと「ああ、だからこうなってるのか」って納得できますから)

今回の目標

第2回では、以下のことを実現します。

実装する内容：

  • Power Automateフローの新規作成
  • SharePointトリガーの設定
  • 必要な変数の初期化（8個！）
  • ファイル内容の取得

まだAzure AIは登場しません。
今回は「データを受け取る準備」の段階ですね。

では、行ってみましょう！

Phase 2: Power Automateフローの作成

2-1. 新しいフローの作成

まずはPower Automateにアクセスしましょう。

手順：

  1. Power Automate (https://make.powerautomate.com/) にアクセス
  2. 左メニューから「作成」をクリック
  3. 「自動化したクラウドフロー」を選択

すると、フロー作成のダイアログが表示されます。

設定内容：

  • フロー名: 契約書リスク自動分析
  • トリガー: SharePoint – ファイルが作成されたとき（プロパティのみ）

トリガーを選ぶ時は、検索ボックスに「sharepoint ファイル」って入力すると見つけやすいですよ。

はい、「作成」ボタンをクリックしましょう！

2-2. トリガーの設定

フローが作成されると、トリガーの設定画面が表示されます。

ここで、どのSharePointサイトのどのライブラリを監視するかを指定します。

設定内容：

項目設定値
サイトのアドレス契約書を保管するSharePointサイト（前回作成したサイトを選択）
ライブラリ名契約書（前回作成したドキュメントライブラリ）
フォルダー（特定のフォルダーに限定する場合のみ指定。今回は空欄でOK）

「サイトのアドレス」のドロップダウンをクリックすると、アクセスできるSharePointサイトの一覧が表示されます。
前回作成したサイトを選んでください。

(もし一覧に出てこない場合は、「カスタム値の入力」から直接URLを入れることもできますよ)

はい、トリガーの設定はこれで完了です！

Phase 3: 変数の初期化

さあ、ここからが少し長いんですが、めちゃくちゃ重要な部分です。

フローで使う変数を一気に8個作っていきます！

(「変数って何に使うの？」って思うかもしれませんが、APIのエンドポイントやキーを保存しておくための「箱」だと思ってください)

変数を初期化する – 基本操作

まず、変数の追加方法を確認しておきましょう。

手順：

  1. トリガーの下にある「＋新しいステップ」をクリック
  2. 検索ボックスに「変数」と入力
  3. 「変数を初期化する」を選択

これを8回繰り返して、以下の変数を作っていきます。
(大変だけど、コピペミスに注意しながら進めてくださいね！)

3-1. Azure エンドポイントとキー（5個）

まずは、Azure関連の情報を格納する変数から作ります。
今回は簡易的に作る為、変数に「キー」を格納していますがこれだとセキュリティ的にちょっとリスキーです。
実際に運用する時は「キー」に関してはAzure Key Vault使いましょうね。

変数1: Document Intelligence エンドポイント

名前var_DocIntelEndpoint
種類文字列
値https://[あなたのリソース名].cognitiveservices.azure.com/

⚠️ 重要: 最後の「/」（スラッシュ）を忘れずに！
これがないとAPIが動きません。

変数2: Document Intelligence キー

名前var_DocIntelKey
種類文字列
値Azureポータルから取得したキー（キー1またはキー2）

(これ、32文字くらいの英数字の文字列です。コピペする時に空白が入らないように注意！)

変数3: Azure OpenAI エンドポイント

名前var_OpenAIEndpoint
種類文字列
値https://[あなたのリソース名].openai.azure.com/

これも最後のスラッシュを忘れずに！

変数4: Azure OpenAI キー

名前var_OpenAIKey
種類文字列
値Azureポータルから取得したキー（キー1またはキー2）

変数5: デプロイ名

名前var_DeploymentName
種類文字列
値gpt-4.1

これはAzure OpenAI Studioで設定したデプロイメントの名前です。
(人によっては「gpt-4-32k」とか「my-gpt4」とかになってるかもしれません)

3-2. システムプロンプト（超重要！）

次は、AIに「どういう分析をしてほしいか」を指示するためのプロンプトを変数に格納します。

これ、めちゃくちゃ長いんですが、これがシステムの核心部分なので丁寧にコピーしてくださいね！

変数6: システムプロンプト

名前var_SystemPrompt
種類文字列
値下記参照

システムプロンプトの内容:

あなたは企業法務の専門家です。契約書のリスクを分析し、JSON形式で結果を返してください。

【分析観点】
1. 不利な条項（損害賠償、免責、解約条件、違約金、知的財産権）
2. 曖昧な表現（抽象的表現、不明確な数値や期限）
3. 期限・金額の妥当性
4. 法的リスク（準拠法、管轄、コンプライアンス、片務的条項）

【必須出力形式】
必ず以下のJSON形式で出力してください：

{
  "overall_risk_level": "高/中/低のいずれか",
  "risk_score": 0から100の数値,
  "summary": "100文字程度の総合評価",
  "high_risk_items": [
    {
      "category": "リスクのカテゴリ名",
      "description": "リスクの具体的な説明",
      "clause_reference": "該当する条項の引用または番号",
      "severity": "高",
      "recommendation": "推奨される対応策"
    }
  ],
  "medium_risk_items": [
    {
      "category": "カテゴリ名",
      "description": "説明",
      "severity": "中"
    }
  ],
  "low_risk_items": [
    {
      "category": "カテゴリ名",
      "description": "説明",
      "severity": "低"
    }
  ],
  "positive_points": ["契約書の良好な点のリスト"]
}

【重要】
- JSON形式のみを出力し、説明文は含めない
- 実際の条項を引用して具体的に指摘
- リスク項目がない場合は空の配列 [] を返す

はい、このプロンプトがAIに「こういう形式で分析してね」って指示を出してるわけです。

(実際に運用してみて、「もうちょっとこういう観点も欲しいな」って思ったら、ここを修正すればOKです！)

3-3. その他の変数（2個）

あと2つ、変数を作ります！

変数7: Operation Location

名前var_OperationLocation
種類文字列
値（空白のまま）

これは後でDocument Intelligenceが処理結果を返してくれるURLを格納するための変数です。
最初は空っぽでOK。

変数8: 高リスク項目テキスト

名前var_HighRiskText
種類文字列
値（空白のまま）

これは高リスク項目を整形してSharePointに保存する時に使います。
これも最初は空っぽ。

変数の確認

はい、お疲れ様です！
これで8個の変数が揃いました。

念のため、変数名を確認してみましょう。

作成した変数一覧：

  1. var_DocIntelEndpoint
  2. var_DocIntelKey
  3. var_OpenAIEndpoint
  4. var_OpenAIKey
  5. var_DeploymentName
  6. var_SystemPrompt
  7. var_OperationLocation
  8. var_HighRiskText

全部揃ってますか？
揃ってたら次に進みましょう！

(もし変数名が違ってたら、後で「あれ？動かない！」ってなるので、今のうちに確認しておくと安心です)

Phase 4: ファイル内容の取得

さあ、いよいよファイルの中身を取得していきます！

4-1. ファイル コンテンツの取得

変数の初期化が終わったら、次のステップを追加します。

手順：

  1. 「＋新しいステップ」をクリック
  2. 検索ボックスに「sharepoint ファイル コンテンツ」と入力
  3. 「SharePoint – ファイル コンテンツの取得」を選択

設定内容：

項目設定値
サイトのアドレストリガーと同じSharePointサイトを選択
ファイル識別子動的コンテンツから「識別子」を選択

「ファイル識別子」のところ、ちょっと注意が必要です。

入力欄をクリックすると、右側に「動的なコンテンツ」というパネルが出てきます。
そこに「ファイルが作成されたとき」のトリガーから使える値が一覧表示されてるんですね。

その中から「識別子」を探してクリックしてください。

はい、これでファイルの中身が取得できるようになりました！

ここまでの確認

さあ、ここまでで基礎部分が完成しました！

フローを上から見ていくと、こんな感じになってるはずです。

現在のフロー構成：

  1. トリガー: ファイルが作成されたとき
  2. 変数を初期化する × 8回
  3. ファイル コンテンツの取得

ここまで作れてたら、もう半分は完成したようなもんです！
(いや、実際にはまだまだあるんですけど、気持ち的にはね！)

保存してテストしてみましょう

一旦、フローを保存してテストしてみましょう。

手順：

  1. 画面右上の「保存」ボタンをクリック
  2. 「テスト」ボタンをクリック
  3. 「手動」を選択して「テスト」
  4. SharePointの「契約書」ライブラリに何かPDFファイルをアップロード

フローが実行されて、すべてのステップに緑のチェックマークが付けばOKです！

(もしエラーが出たら、変数の値やファイル識別子の設定を見直してみてください)

まとめ

はい、如何でしたでしょうか？

第2回では、Power Automateフローの基礎部分を作り上げました！

今回やったこと：

  • Power Automateフローを新規作成
  • SharePointトリガーを設定
  • 8個の変数を初期化（Azure関連情報、システムプロンプト）
  • ファイル内容の取得
  • 動作確認のテスト実行

変数の初期化、ちょっと大変でしたよね。
でも、これがあるからこそ、後の処理がスムーズに動くんです！

(僕も最初は「こんなに変数作るの？」って思ったけど、運用してみると「ああ、これ分けといて良かった」ってなります)

次回（第3回）では、いよいよAzure Document IntelligenceとAzure OpenAIを使った本格的なAI分析部分を実装していきます！
ここが一番面白いところなので、楽しみにしててください！

(HTTPアクションとかJSON解析とか、ちょっと難しそうに見えるけど、一つずつ解説していきますよ！)

それでは皆さん、良い業務ハックライフを～

連載記事：

  • 第1回：システム概要・準備編
  • 📍 第2回：基礎実装編（今回）
  • 第3回：AI分析実装編（次回予告）
  • 第4回：完成・運用編

コメント