Litigation Intelligence

訴訟インテリジェンス MCP サーバー

ApifyForge で表示 | Apify Store で利用

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します：

{
  "mcpServers": {
    "litigation-intelligence-mcp": {
      "url": "https://ryanclinton--litigation-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

訴訟が提起される前に訴訟リスクを検出する、訴訟インテリジェンス MCP サーバーです。このサーバーは、MCP 互換の AI クライアント（Claude、Cursor、Windsurf、Cline）に、米国政府の7つのデータソースから得られる訴訟前のシグナルへの直接アクセスを提供します。4つの独立したリスクモデルでスコアリングし、複合的な**訴訟確率スコア（0～100）**を算出します。

法務顧問、コンプライアンス担当者、訴訟ファンドは、AI アシスタントに自然言語で企業の訴訟リスクを評価するよう依頼できます。サーバーはすべてのデータ収集とスコアリングをバックグラウンドで処理し、具体的なアクション項目を含む構造化されたリスク評価を数秒で返します。

どのようなデータにアクセスできますか？

データ項目	ソース	例
📋 消費者からの苦情	CFPB Complaint Database	「契約で認められていない手数料を請求された」— 苦情47件
📈 苦情の傾向	CFPB の時系列クラスタリング	急増中 — 前四半期比3.2倍に増加
🏭 環境違反	EPA ECHO	不遵守記録5件 — Clean Water Act
📄 SEC の規制関連提出書類	EDGAR	10-K、10-Q、8-K のリスク開示
⚖️ 連邦政府の執行措置	Federal Register	「penalty」に言及する執行規則3件
🏛️ 議会の法案	Congress.gov	委員会審議中の法案8件、成立済み1件
🚫 制裁対象となるリスク	OFAC SDN List	問題なし — SDN の一致なし
🔬 特許ポートフォリオ	USPTO	競合特許34件、最多の権利者：AlphaTech Corp
📊 複合リスクスコア	4モデルのアルゴリズム	72 / 100 — 高
🚨 集団訴訟の警告	論点集中モデル	警告 — 「請求に関する紛争」の集中度34％
📉 執行措置の推移	複数機関モデル	エスカレート中 — EPA と Federal Register の相互シグナル
🗂️ 法案に関するリスク	法案段階分類器	重大 — 成立済み1件、審議が進んだ法案3件

Litigation Intelligence MCP を使う理由

訴訟前のリスク状況を手作業で把握するには、単一の企業について、CFPB の苦情データをダウンロードし、EDGAR を検索し、EPA ECHO の施設記録を確認し、Federal Register の PDF を読み、OFAC リストを調べ、特許データベースを相互参照する必要があります。徹底的な調査にはアナリストが4～6時間を費やし、得られる情報も数日で古くなります。

この MCP サーバーは、プロセス全体を自動化します。AI アシスタントに質問を1つするだけで、7つのデータソースすべてを対象に、数値化されたスコア、検出されたシグナル、具体的なアクション項目を30～60秒で取得できます。

• スケジュール設定 — 基盤となる Apify アクターを定期実行に接続し、リスクの推移を経時的に追跡できます
• API アクセス — Python、JavaScript、または任意の HTTP クライアントから、どのツールもプログラムで呼び出せます
• 並列実行 — 7つのデータソースすべてを順番ではなく同時に照会します
• モニタリング — Apify の Webhook を使って、訴訟スコアが設定したしきい値を超えたときに Slack またはメールでアラートを受け取れます
• 連携 — 出力を Zapier、Make、Google Sheets、または GRC プラットフォームに直接接続できます

MCP ツール

ツール	価格	説明
assess_litigation_risk	$0.045	CFPB の苦情（苦情件数＋傾向＋異議申し立てのあった回答）、EPA の違反、および SEC の提出書類を組み合わせ、訴訟確率スコア（0-100）を算出して訴訟リスクを評価します。
detect_class_action_signals	$0.045	CFPB の苦情の集積から集団訴訟の早期警戒シグナルを検出します。問題の集中度、製品のパターン、時間的な急増を測定し、NONE / WATCH / WARNING / IMMINENT を返します。
track_enforcement_trends	$0.045	EPA の違反、Federal Register の執行関連文書、OFAC の制裁措置を横断して、規制執行の推移を追跡します。執行推移スコアと、DECLINING / STABLE / ESCALATING / CRITICAL の方向性を返します。
analyze_legislative_exposure	$0.045	審議中および成立済みの法案と、Federal Register の規則案によるリスクを分析します。法案は段階別に分類されます：提出済み、委員会審議中、いずれかの院で可決、両院で可決、成立。
screen_sanctions_liability	$0.045	企業または個人を OFAC SDN リストと照合します。一致件数と CLEAR / HIGH / CRITICAL のリスクレベルを返します。
monitor_patent_disputes	$0.045	技術または企業を取り巻く特許状況を分析します。競合特許の総数、特許件数上位の権利者、および個別の特許記録を返します。
generate_legal_landscape_report	$0.045	7 つすべてのデータソースと 4 つのスコアリングモデルを使用して、包括的なレポートを作成します。複合訴訟リスクスコア、すべての次元のサブスコア、すべてのシグナル、および優先度順の対応項目を出力します。

訴訟インテリジェンス MCP のユースケース

法務責任者向けの早期警告

中堅から大企業の法務責任者チームは、主要な取引先と規制対象の事業部門を対象に、四半期ごとに訴訟リスクを精査します。特定製品に関する苦情の増加と Federal Register の執行活動を組み合わせることで、通常ならサイロ化されたデータに埋もれてしまうリスクが明らかになります。この MCP により、法務チームは取締役会向けのリスク報告に使える、定量化された指標を用いた体系的で再現可能なプロセスを実現できます。

訴訟資金提供の評価

訴訟資金提供者は、資金を投入する前に案件の成立可能性を評価します。苦情の集積パターンと EPA の執行推移は、訴訟の実現可能性を示す先行シグナルとなります。単一の問題に苦情が高度に集中している場合、その後に集団訴訟が提起されることと統計的に相関があります。この MCP により、シグナルの抽出に 1 週間かかる調査作業が、60 秒のクエリに短縮されます。

保険防御と準備金の設定

損害調査担当者や保険数理チームは、苦情の傾向や執行履歴をもとに訴訟準備金をモデル化します。苦情が急増しており、EPA の違反が 5 件以上あり、苦情への回答に異議が申し立てられている企業には、苦情の傾向が安定し、執行記録が CLEAR な企業よりも高い準備金が妥当です。各スコアリング次元は、保険数理上のリスク要因に直接対応します。

企業コンプライアンスリスクの報告

取締役会に提出するリスク報告書を作成するコンプライアンス担当者には、定性的な要約ではなく定量化されたスコアが必要です。この MCP は、訴訟確率、集団訴訟の警告、執行推移、法規制上のリスクといった各リスク次元について、スコア（0-100）と、スコアの根拠となった具体的なシグナルを出力します。この構造化された出力は、コンプライアンスダッシュボードに直接取り込めます。

特許状況と知的財産訴訟の監視

テクノロジー企業や特許弁護士は、製品を発売する前に競合の特許ポートフォリオを追跡する必要があります。monitor_patent_disputes ツールは USPTO データベースを検索し、権利者ごとに結果をまとめて、特許の集中状況を明らかにします。自社の技術分野で単一の事業体が 20 件以上の特許を保有している場合、これは重大な知的財産訴訟リスク要因です。

制裁コンプライアンス審査

取引相手のデューデリジェンスを実施する金融機関、法務チーム、コンプライアンス部門は、OFAC SDN リストを迅速に照合する必要があります。screen_sanctions_liability ツールは、照合件数と具体的な一致記録を含む CLEAR／HIGH／CRITICAL の分類を、あらゆる AI アシスタントのワークフロー内で直接返します。

この訴訟インテリジェンス MCP サーバーへの接続方法

ステップ 1 — Apify API トークンを取得します。 Apify Console にアクセスし、Settings > Integrations からトークンをコピーします。新規アカウントには、毎月 $5 分の無料クレジットが付与されます。

ステップ 2 — MCP クライアントにサーバーを追加します。 サーバー URL は常に https://litigation-intelligence-mcp.apify.actor/mcp です。クライアントに応じて、トークンを Bearer ヘッダーまたは URL パラメーターとして追加します。

ステップ 3 — AI アシスタントに質問します。 「Acme Financial Services の訴訟リスクはどのくらいですか？」のように、自然言語で質問します。AI が適切なツールを自動的に呼び出します。

ステップ 4 — スコア付きの結果を確認します。 応答には、各評価項目の数値スコア、スコアの根拠となった具体的なシグナル、重大度に応じて優先順位付けされたアクション項目が含まれます。

Claude Desktop

claude_desktop_config.json に追加します。

{
  "mcpServers": {
    "litigation-intelligence": {
      "url": "https://litigation-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf / Cline

MCP クライアントの接続先を次のように設定します。

https://litigation-intelligence-mcp.apify.actor/mcp

StreamableHTTP トランスポートに対応するすべての MCP 互換クライアントで、このサーバーを利用できます。

URL パラメーターとしてのトークン（一部のクライアント）

https://litigation-intelligence-mcp.apify.actor/mcp?token=YOUR_APIFY_TOKEN

入力パラメーター

各ツールはそれぞれ独自のパラメーターセットを受け取ります。すべてのパラメーターは呼び出し時に渡されます。MCP サーバーには、アクターレベルの入力設定はありません。

ツール	パラメーター	型	必須	説明
assess_litigation_risk	company	string	はい	評価対象の会社名
assess_litigation_risk	product	string	いいえ	苦情検索の対象を絞り込む製品またはサービス
detect_class_action_signals	company	string	はい	会社名
detect_class_action_signals	product	string	いいえ	苦情検索の対象を絞り込む製品またはサービス
track_enforcement_trends	company	string	はい	会社名
track_enforcement_trends	industry	string	いいえ	Federal Register のコンテキスト用の業界セクター
analyze_legislative_exposure	query	string	はい	業界、トピック、または規制分野
analyze_legislative_exposure	company	string	いいえ	追加のコンテキスト用の会社名
screen_sanctions_liability	query	string	はい	審査対象の会社名、個人、または組織
monitor_patent_disputes	query	string	はい	技術、製品、または会社名
monitor_patent_disputes	assignee	string	いいえ	調査対象とする特定の特許権者
generate_legal_landscape_report	company	string	はい	会社名
generate_legal_landscape_report	industry	string	いいえ	Federal Register と Congress の検索用の業界セクター
generate_legal_landscape_report	product	string	いいえ	製品またはサービスのコンテキスト

ツール呼び出しの例

単一評価項目による訴訟確率の評価：

{
  "tool": "assess_litigation_risk",
  "arguments": {
    "company": "Pinnacle Financial Services",
    "product": "personal loans"
  }
}

業界のコンテキストを含む法務環境の包括的なレポート：

{
  "tool": "generate_legal_landscape_report",
  "arguments": {
    "company": "Acme Chemicals Inc",
    "industry": "chemical manufacturing",
    "product": "industrial solvents"
  }
}

特定の会社を対象とする集団訴訟の早期警告：

{
  "tool": "detect_class_action_signals",
  "arguments": {
    "company": "Westbridge Insurance Group"
  }
}

入力のヒント

• generate_legal_landscape_report には業界のコンテキストを含めてください — 業界パラメーターを指定すると、幅広い規制データベースに対してキーワード検索を行う連邦官報と議会法案の検索精度が高まります。
• 金融サービスの評価を絞り込むには product を使用してください — CFPB の苦情は製品別に分類されています。「credit card」や「mortgage」を追加すると、ノイズを大幅に減らせます。
• 全レポートを実行する前に、対象を絞ったツールを組み合わせてください — まず detect_class_action_signals を使用して、詳細なレポートが必要かどうかを判断してください。ツールの呼び出しには、それぞれ個別の料金がかかります。
• 制裁対象のスクリーニングには、法人の正式名称を使用してください — OFAC SDN は登録された法人名と照合します。商号や略称ではなく、正式名称を使用してください。
• 特許のモニタリングには、会社名ではなく技術キーワードを使用してください — 会社名だけでなく、「neural network inference chip」などの技術分野を指定して検索すると、より関連性の高い結果が得られます。

出力例

generate_legal_landscape_report ツールは、構造化された完全な JSON レポートを返します。

{
  "company": "Pinnacle Financial Services",
  "compositeScore": 72,
  "riskLevel": "HIGH",
  "litigationProbability": {
    "score": 78,
    "complaintCount": 34,
    "complaintTrend": "SURGING",
    "enforcementActions": 2,
    "edgarFilings": 5,
    "riskLevel": "HIGH",
    "signals": [
      "34 CFPB complaints — elevated litigation risk",
      "Complaint volume surging — 2x+ increase over prior quarter",
      "7 disputed/untimely complaint responses"
    ]
  },
  "classActionWarning": {
    "score": 64,
    "clusterCount": 3,
    "largestCluster": {
      "issue": "Incorrect information on your credit report",
      "count": 12
    },
    "productClusters": [
      { "product": "Credit reporting, credit repair services", "count": 18 },
      { "product": "Debt collection", "count": 9 }
    ],
    "issueClusters": [
      { "issue": "Incorrect information on your credit report", "count": 12 },
      { "issue": "Attempts to collect debt not owed", "count": 8 },
      { "issue": "Communication tactics", "count": 5 }
    ],
    "warningLevel": "WARNING",
    "signals": [
      "\"Incorrect information on your credit report\" — 12 complaints (35% concentration)",
      "3 distinct issue clusters with 5+ complaints each"
    ]
  },
  "enforcementTrajectory": {
    "score": 45,
    "epaViolations": 0,
    "federalRegisterActions": 4,
    "sanctionsExposure": 0,
    "trajectoryDirection": "STABLE",
    "agencies": ["Federal Register"],
    "signals": [
      "4 relevant Federal Register enforcement/rule documents"
    ]
  },
  "legislativeExposure": {
    "score": 55,
    "relevantBills": 9,
    "billsByStage": {
      "introduced": 4,
      "committee": 3,
      "passed_one": 1,
      "passed_both": 0,
      "enacted": 1
    },
    "highImpactBills": 2,
    "exposureLevel": "SIGNIFICANT",
    "signals": [
      "1 enacted bill(s) creating new compliance obligations",
      "1 bill(s) passed one chamber — advancing through Congress",
      "9 relevant bills in Congress — significant legislative attention"
    ]
  },
  "allSignals": [
    "34 CFPB complaints — elevated litigation risk",
    "Complaint volume surging — 2x+ increase over prior quarter",
    "7 disputed/untimely complaint responses",
    "\"Incorrect information on your credit report\" — 12 complaints (35% concentration)",
    "3 distinct issue clusters with 5+ complaints each",
    "4 relevant Federal Register enforcement/rule documents",
    "1 enacted bill(s) creating new compliance obligations",
    "1 bill(s) passed one chamber — advancing through Congress",
    "9 relevant bills in Congress — significant legislative attention"
  ],
  "actionItems": [
    "Complaint volume surging — consider proactive consumer outreach/settlement",
    "New legislation enacted — review compliance program for gaps"
  ]
}

出力フィールド

フィールド	型	説明
company	string	入力から取得した会社名
compositeScore	number	0～100 の複合リスクスコア（訴訟 30% ＋ 規制執行 25% ＋ 集団訴訟 25% ＋ 立法 20%）
riskLevel	string	複合スコアに基づく LOW / MODERATE / HIGH / CRITICAL
litigationProbability.score	number	0～100 の訴訟確率スコア
litigationProbability.complaintCount	number	見つかった CFPB への苦情の総数
litigationProbability.complaintTrend	string	DECLINING / STABLE / RISING / SURGING（直近 3 か月とその前の 3 か月との比較）
litigationProbability.enforcementActions	number	EPA の違反／規制執行措置の件数
litigationProbability.edgarFilings	number	見つかった SEC の 10-K、10-Q、8-K 提出書類の件数
litigationProbability.riskLevel	string	LOW / MODERATE / HIGH / CRITICAL
litigationProbability.signals	string[]	スコアに影響した具体的なテキストシグナル
classActionWarning.score	number	0～100 の集団訴訟リスクスコア
classActionWarning.clusterCount	number	苦情が 5 件以上ある個別の問題クラスターの数
classActionWarning.largestCluster	object	{ issue: string, count: number } — 苦情件数が最も多い問題
classActionWarning.productClusters	array	苦情件数が多い上位 10 製品
classActionWarning.issueClusters	array	苦情件数が多い上位 10 の問題
classActionWarning.warningLevel	string	NONE / WATCH / WARNING / IMMINENT
classActionWarning.signals	string[]	クラスタリングに関する具体的なシグナル
enforcementTrajectory.score	number	0～100 の規制執行圧力スコア
enforcementTrajectory.epaViolations	number	見つかった EPA の違反／コンプライアンス違反の記録数
enforcementTrajectory.federalRegisterActions	number	Federal Register に掲載された規制執行／罰則／規則関連文書の件数
enforcementTrajectory.sanctionsExposure	number	OFAC の SDN リストとの一致件数
enforcementTrajectory.trajectoryDirection	string	DECLINING / STABLE / ESCALATING / CRITICAL
enforcementTrajectory.agencies	string[]	規制執行スコアに影響した機関
enforcementTrajectory.signals	string[]	規制執行に関する具体的なシグナル
legislativeExposure.score	number	0～100 の立法エクスポージャースコア
legislativeExposure.relevantBills	number	議会で見つかった関連法案の総数
legislativeExposure.billsByStage	object	段階別の件数：提出済み、委員会、片院通過、両院通過、成立
legislativeExposure.highImpactBills	number	少なくとも一方の院を通過した、または成立した法案の数
legislativeExposure.exposureLevel	string	MINIMAL / MODERATE / SIGNIFICANT / SEVERE
legislativeExposure.signals	string[]	立法に関する具体的なシグナル
allSignals	string[]	4 つのモデルすべてのシグナルをまとめたもの
actionItems	string[]	重大レベルのシグナルから生成された、優先順位付きのアクション項目

スコアモデル

複合訴訟確率スコアは、独立した4つのモデルを組み合わせたものです。

スコア範囲	リスクレベル	解釈
0-24	LOW	すべてのデータソースを通じて、訴訟の兆候は最小限です
25-49	MODERATE	苦情や執行活動が一部見られます — 四半期ごとに監視してください
50-74	HIGH	複数のリスクシグナルが進行中です — レビューのために法律顧問に相談してください
75-100	CRITICAL	複数の強いシグナルが見られます — 直ちに法的評価が必要です

訴訟確率（重み30%）： CFPB への苦情件数（最大35ポイント）、苦情増加の加速（最大15ポイント）、EPA の執行措置（最大20ポイント）、SEC への届出の有無（最大15ポイント）、および異議が申し立てられた苦情への回答（最大15ポイント）から算出されます。増加の加速は、直近3か月の平均苦情率と、その前の3か月の平均苦情率を比較して計算されます。比率が2.0以上の場合、SURGING に分類されます。

集団訴訟の警告（重み25%）： 問題の集中度スコアは、最多の問題に関する苦情が全苦情に占める割合で、最大40ポイントが付与されます。クラスターの規模には最大30ポイント、複数の大規模クラスターには最大15ポイント、総件数の増幅には最大15ポイントが加算されます。問題の集中度が30%以上で、苦情が絶対数で10件以上の場合、特定のクラスターシグナルが発動します。

執行の推移（重み25%）： EPA の違反および不遵守施設記録（最大30ポイント）、Federal Register の執行・規則・罰則関連文書（最大25ポイント）、OFAC SDN の一致（最大30ポイント、1件あたり15ポイントで大きく加算）、および複数の機関が関与する場合の機関横断的な増幅（最大15ポイント）を評価します。OFAC の一致が1件でもあれば、単独で CRITICAL アラートが発動します。

法規制上のリスク（重み20%）： 成立した法案には1件あたり15ポイント（合計最大35ポイント）が付与され、両院または一院を通過した法案には、それぞれ10ポイントと5ポイントが付与されます。委員会段階の法案には最大20ポイント、法案の総数には最大20ポイント、Federal Register の規則案および最終規則には最大25ポイントが加算されます。

訴訟インテリジェンスのクエリ実行にはいくらかかりますか？

ツール呼び出し1回あたりの料金は、内部でクエリするデータソースの数にかかわらず、$0.045 です。generate_legal_landscape_report ツールは、同じ料金の $0.045 で7つすべてのソースに並列でクエリします。

シナリオ	ツール呼び出し数	1回あたりの料金	合計料金
簡易制裁スクリーニング	1	$0.045	$0.045
訴訟確率の確認	1	$0.045	$0.045
法的リスク全体のレポート	1	$0.045	$0.045
10社の月次モニタリング	10	$0.045	$0.45
50社の四半期ポートフォリオレビュー	50	$0.045	$2.25

Apify プラットフォームでは、実行ごとに最大利用額を設定して、費用を管理できます。予算に達すると、サーバーは処理を停止します。

Apify の無料プランには、毎月 $5 分のプラットフォームクレジットが含まれています。これは、月あたり約111回のツール呼び出しを無料で利用できる金額です。これに対し、Dun & Bradstreet Risk Analytics や LexisNexis Risk Solutions などの法務データプラットフォームでは、法人向けサブスクリプションに月額 $500～2,000 がかかります。ほとんどのユーザーの月額利用料は $5 未満です。

API を使って訴訟インテリジェンスを利用する方法

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

# Run the full legal landscape report
run = client.actor("ryanclinton/litigation-intelligence-mcp").call(run_input={})

for item in client.dataset(run["defaultDatasetId"]).iterate_items():
    print(f"Company: {item.get('company')} | Score: {item.get('compositeScore')} | Risk: {item.get('riskLevel')}")
    for signal in item.get("allSignals", []):
        print(f"  Signal: {signal}")

JavaScript

import { ApifyClient } from "apify-client";

const client = new ApifyClient({ token: "YOUR_API_TOKEN" });

const run = await client.actor("ryanclinton/litigation-intelligence-mcp").call({});

const { items } = await client.dataset(run.defaultDatasetId).listItems();
for (const item of items) {
  console.log(`${item.company} — Score: ${item.compositeScore} (${item.riskLevel})`);
  console.log(`Class action warning: ${item.classActionWarning?.warningLevel}`);
  console.log(`Enforcement trajectory: ${item.enforcementTrajectory?.trajectoryDirection}`);
}

cURL — MCP ツールを直接呼び出す

# Call the generate_legal_landscape_report tool directly via the MCP endpoint
curl -X POST "https://litigation-intelligence-mcp.apify.actor/mcp?token=YOUR_APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "generate_legal_landscape_report",
      "arguments": {
        "company": "Acme Financial Group",
        "industry": "consumer finance",
        "product": "auto loans"
      }
    },
    "id": 1
  }'

# Call the sanctions screening tool
curl -X POST "https://litigation-intelligence-mcp.apify.actor/mcp?token=YOUR_APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "screen_sanctions_liability",
      "arguments": { "query": "Acme Financial Group" }
    },
    "id": 2
  }'

Litigation Intelligence MCP の仕組み

フェーズ 1：並列データ収集

ツールが呼び出されると、サーバーは Promise.allSettled を使用して、最大 7 つの Apify ラッパーアクターで並列アクター実行を開始します。各サブアクターはそれぞれの政府 API に問い合わせます。cfpb-consumer-complaints は CFPB の苦情データベース、epa-echo-search は EPA ECHO の施設コンプライアンスシステム、edgar-filing-search は SEC EDGAR の全文検索、federal-register-search は Federal Register API、congress-bill-search は Congress.gov、ofac-sanctions-search は財務省の SDN リスト、patent-search は USPTO Patent Full-Text Database に問い合わせます。サブアクターはそれぞれ、256MB のメモリーと 120 秒のタイムアウトで実行されます。サブアクターが失敗した場合は、リクエスト全体を失敗させるのではなく空の配列を返します。個々のソースを利用できない場合でも、スコアリングモデルは適切に機能を低下させます。

フェーズ 2：時系列クラスタリングとトレンド分析

苦情トレンドエンジンは、各 CFPB 苦情から date_received フィールドを抽出し、正規表現パターン /^\d{4}-\d{2}$/ を使って YYYY-MM 形式でグループ化します。直近 3 か月とその前の 3 か月の平均苦情率を算出します。トレンド比率に基づいて、DECLINING／STABLE／RISING／SURGING に分類します（比率：0.7 未満、0.7～1.3、1.3～2.0、2.0 以上）。この時系列パターンは、訴訟前の最も有力なシグナルの 1 つです。金融サービスにおける苦情の急増は、過去にクラスアクションの提起に 6～18 か月先行していました。

フェーズ 3：問題の集中度とクラスアクションのスコアリング

クラスアクションモデルは、苦情を issue フィールドと product フィールドでグループ化し、頻度順に並べ、各次元の上位 10 クラスターを抽出します。集中度スコアは、苦情全体に占める最多の単一問題の割合に 60 を掛けて算出します。たとえば、苦情全体の 35％ が単一の問題（「信用情報レポートの情報が不正確」）に関する企業は、件数の絶対値にかかわらず高い集中度スコアを受け取ります。これはクラスアクションの認定における典型性要件を反映しています。多くの人に影響する、単一の支配的な問題こそ、裁判所が注目するパターンです。

フェーズ 4：総合スコアの算出とアクション項目の生成

総合スコアは加重平均です。訴訟確率 30％、執行の推移 25％、クラスアクション警告 25％、立法上の影響 20％です。各サブモデルはシグナル（人が読めるテキスト文字列）を生成し、これらを allSignals に統合します。アクション項目は、重大度レベルのトリガーに応じて生成されます。クラスアクション警告が IMMINENT の場合は、直ちに弁護士に相談することを推奨します。OFAC 制裁との一致があれば、強化されたデューデリジェンスのアラートを発します。苦情トレンドが SURGING の場合は、和解交渉の開始を推奨します。法律が制定された場合は、コンプライアンスギャップのレビューを推奨します。EPA 違反が 3 件以上ある場合は、環境監査を推奨します。

最適な結果を得るためのヒント

1. 詳細なレポートに取りかかる前に、detect_class_action_signals を実行します。 1 回の呼び出しにつき 0.045 ドルで、まず対象を絞ったツールを使って企業に重大な苦情の集中が見られるかを確認すると、7 ソースの詳細レポートが必要な企業を優先しやすくなります。

2. 金融サービス企業には製品のコンテキストを追加します。 CFPB の苦情検索で製品名を指定しない場合、その企業の全製品に関する苦情が返されます。「mortgage」、「credit card」、「auto loan」を指定すると、確認対象の事業分野に絞って苦情を分析できます。

3. analyze_legislative_exposure では業界用語を使います。 米国議会の法案検索ではキーワードが照合されます。銀行の立法リスクを評価する際、「consumer financial protection」を使うと、企業名だけで検索するより関連性の高い法案が見つかります。

4. 詳細レポートで執行の動向を照合します。 track_enforcement_trends ツールは、スコアリング結果に加えて、EPA の詳細データと OFAC の照合結果を返します。生データには、法務メモの作成に役立つ施設名、違反日、執行措置の種類が含まれていることがよくあります。

5. ポートフォリオ企業を毎月モニタリングするよう設定します。 Apify に組み込まれたスケジューラーを使って、各ポートフォリオ企業に対し毎月 assess_litigation_risk を実行し、スコアをデータセットに保存します。スコアの経時的な変化を追跡する方が、単一の時点のスナップショットよりも高い予測力があります。

6. 特許をモニタリングする場合は、まず技術分野で検索し、次に譲受人で検索します。 技術キーワードを指定して monitor_patent_disputes を実行すると、全体像を把握できます。その後、上位の譲受人を指定して再実行すると、その譲受人のポートフォリオ全体を確認できます。この 2 段階の方法により、競合状況と特定の企業のリスクの両方を把握できます。

7. Webhook を使って、出力を GRC プラットフォームに送ります。 企業の複合スコアが 75（CRITICAL のしきい値）を超えた場合、Apify の webhook が完全な JSON レポートを GRC システムまたは Slack チャンネルに自動で POST できます。手動で確認する必要はありません。

他の Apify アクターと組み合わせる

アクター	組み合わせ方
規制変更トラッカー	まず規制変更の追跡を実行して、業界に影響する新しい規則を特定し、次に analyze_legislative_exposure を使って訴訟への影響を定量化します
企業詳細リサーチ	財務健全性、ニュース報道、経営陣の変更など、より幅広い企業情報を使って訴訟スコアを補完し、デューデリジェンスの全体像を把握します
WHOIS ドメイン検索	制裁対象のスクリーニングを実行する前に企業の身元を確認します。OFAC 照合を行う前に、ドメインの背後にある法人を確認できます
ウォーターフォール式連絡先情報補完	高リスク企業を特定した後、連絡先情報を補完して、法務チームまたはコンプライアンスチームにアプローチします
B2B リード評価	訴訟リスクスコアはリード評価を補完します。訴訟スコアが CRITICAL の企業は、法律事務所にとって通常とは異なる見込み顧客です
複数レビュー分析ツール	CFPB の苦情の集中を Trustpilot や BBB の公開レビューのセンチメントと照合します。苦情と否定的なレビューに相関があれば、集団訴訟シグナルの検出を強化できます
SEC EDGAR 提出書類分析ツール	SEC 関連の分析をさらに深めます。提出件数のシグナルでは捉えられない特定の訴訟への言及がないか、10-K のリスク開示全文を分析します

制限事項

• 裁判所の訴訟記録データベースにはアクセスできません。 PACER、州裁判所のシステム、LexisNexis CourtLink は検索対象ではありません。このサーバーが検出するのは、訴訟提起に先行する上流のデータである訴訟前の兆候であり、訴訟記録そのものではありません。
• CFPB の苦情データは金融商品および金融サービスに限られます。 金融セクター以外（製造業、医療、テクノロジー）の企業は CFPB の苦情件数がゼロと表示されるため、そうしたセクターでは訴訟確率スコアの関連性が低くなります。
• EPA ECHO のデータは施設単位です。 企業が EPA ECHO システムに施設を登録している必要があります。持株会社、ペーパーカンパニー、非産業系企業は、子会社に違反があっても EPA の記録が見つからないことがあります。
• 議会法案の検索はキーワードベースです。 セクターに影響する法案でも、タイトルや説明に企業名または業界のキーワードが含まれていない場合、検索結果に表示されません。規制が広範に変更される場合、法規制へのエクスポージャースコアが過小評価されることがあります。
• OFAC SDN の照合は、あいまい検索ではなく文字列検索です。 検索には企業名をクエリ文字列として使用します。クエリ文字列に含まれていない社名の異表記、音訳、別名は、該当する一致があっても見逃されることがあります。重要な意思決定では、必ず専用の制裁スクリーニングサービスも併用してください。
• 特許検索では、最近出願され公開された特許が返されます。 秘密保持の対象となっている公開前の係属中の出願は含まれません。特許の全体像に関する分析は、完全な出願状況ではなく公開記録を反映しています。
• スコアは方向性を示す指標であり、法的見解ではありません。 スコアが85でも訴訟が起きるという意味ではなく、複数の上流指標が高まっていることを示します。スコアが10でも、その企業に訴訟リスクがないという意味ではありません。最終評価では、必ず資格を有する法律顧問に相談してください。
• 苦情件数は、CFPB データベースの検索上限の影響を受けます。 苦情件数の多い企業では、1回のクエリで返される件数よりも実際の件数が多い場合があります。非常に大規模な金融機関では、スコアがリスクを過小評価することがあります。

インテグレーション

• Apify API — M&A のデューデリジェンスやベンダーのオンボーディングワークフローの一環として、訴訟リスク評価をプログラムから実行します
• Zapier — 訴訟スコアが HIGH または CRITICAL の場合に、ケース管理システムの法務レビューキューへ自動的に振り分けます
• Make — 執行の推移が ESCALATING に達した際に追加調査を開始する、複数ステップのコンプライアンスワークフローを構築します
• Webhooks — 複合スコアが定義したしきい値を超えた際に、スコア超過アラートを Slack、Teams、または PagerDuty に送信します
• Google Sheets — 過去のスコアを追跡しながら、ポートフォリオ企業の訴訟リスク台帳を継続的に管理します
• LangChain / LlamaIndex — 法的な情勢レポートを構造化コンテキストとして RAG パイプラインに取り込み、AI を活用した法務メモの作成に利用します

トラブルシューティング

訴訟履歴があると分かっている企業のスコアが予想外に低い — このサーバーは、係争中の訴訟ではなく、上流のデータから訴訟前の兆候を検出します。過去に広範な訴訟を抱えていた企業でも、現在のCFPB苦情件数やEPAの執行記録には反映されていない場合があります。スコアが示すのは現在のリスクシグナルであり、過去の訴訟記録ではありません。過去の状況を把握するには、Company Deep Researchと組み合わせてください。

金融業や工業以外の企業で、EPAとCFPBのスコアがゼロになる — CFPBの対象は金融サービス商品に限られます。EPA ECHOの対象は登録施設に限られます。テクノロジー企業、小売業、サービス業の企業では、これらの指標のスコアがゼロに近くなるのは自然なことです。それでも、規制執行の動向と立法上のエクスポージャーの指標は有用です。これらのセクターでは、主要なツールとしてanalyze_legislative_exposureとmonitor_patent_disputesを使用してください。

generate_legal_landscape_reportの処理に予想以上に時間がかかる — 完全なレポートでは、7つのサブアクターに対して並列でクエリを実行し、各サブアクターに120秒のタイムアウトを設定します。Apifyプラットフォームの負荷がピークに達している場合や、基盤となる政府API（特にEPA ECHOとFederal Register）の応答が遅い場合は、応答時間が60～90秒に延びることがあります。これは正常です。再試行しないでください。最初の呼び出しは処理中です。

OFACスクリーニングで予想外の一致が返される — OFAC SDNリストは、政府データベース側であいまい一致検索を使用しています。「National」「International」「Capital」のような一般的な企業名の構成要素が、無関係な組織のSDNエントリーと一致する場合があります。一致が制裁リスクに該当すると結論付ける前に、返された一致レコードをSDNエントリー全体と照合してください。国、住所、組織の種類を確認します。

苦情件数が少なく見えるのに、集団訴訟の警告がWATCHまたはWARNINGを示す — 集団訴訟モデルは、絶対的な件数ではなく集中度に敏感です。同じ問題の文字列を共有する苦情が8件ある10件のケースは、20種類の異なる問題に均等に分散した50件の苦情より高いスコアになります。これは意図した動作です。集団訴訟の主な予測因子は問題の集中度であり、件数だけではありません。

責任ある利用

• このサーバーは、一般公開されている米国政府のデータベースのみをクエリします。すべてのデータソースはオープンアクセスです。
• OFAC制裁データは、初期スクリーニングとしてのみ使用してください。正式な制裁コンプライアンスプログラムには、認定されたスクリーニングツールと法的審査が必要です。
• 訴訟リスクスコアは分析上のシグナルであり、法的助言ではありません。資格を有する法律顧問の審査なしに、スコアに基づいて行動しないでください。
• デューデリジェンスのワークフローで企業や個人のデータを使用する際は、GDPR、CCPA、および適用されるデータ保護規制を遵守してください。
• 公開データの利用とウェブスクレイピングの適法性に関するガイダンスは、Apifyのガイドをご覧ください。

よくある質問

litigation intelligence MCPは、どのように集団訴訟のリスクを検出しますか？ 集団訴訟モデルは、CFPBの苦情記録を分析し、苦情全体のうち同一の問題タイプを共有する割合である問題の集中度を調べます。1つの問題が支配的である場合（集中度が30％以上で、苦情が10件以上）、これは集団認定における「典型性」の要件、つまり多くの人々に影響する1つの支配的な問題を反映しています。また、このモデルは苦情の一時的な急増も検出します。これは過去の傾向から、提訴の6～18か月前に発生します。

litigation intelligence MCPは、裁判記録やPACERにアクセスしますか？ いいえ。このサーバーが検出するのは、訴訟に先行する上流のシグナル（消費者からの苦情、規制当局の執行措置、立法上の圧力）であり、裁判記録そのものではありません。係争中の事件の監視が必要な場合は、このサーバーを専用の裁判記録サービスと組み合わせてください。ここで扱う訴訟前のシグナルは、訴訟が提起される前に現れるからこそ、特に価値があります。 訴訟リスクのスコアリングはどの程度正確ですか？ スコアは、公開情報として観測可能なデータに基づいて調整された、方向性を示すシグナルです。CFPB への苦情が急増し、EPA の違反が複数あり、集団訴訟が差し迫って集中している企業には、実際に観測可能なリスク要因があります。モデルは、過去の訴訟結果データセットに照らした統計的な妥当性を主張するものではありません。スコアは、信頼区間付きの確率推定値ではなく、体系的な調査を始めるための手がかりとして扱ってください。

訴訟リスクの評価に政府の公開データを使用することは合法ですか？ はい。7 つのデータソース（CFPB、SEC EDGAR、EPA ECHO、Federal Register、Congress.gov、OFAC、USPTO）はすべて、一般公開を目的として維持されている米国政府の公開データベースです。これらへの照会や分析に法的な制限はありません。詳しくは、幅広い背景情報としてウェブスクレイピングの合法性に関する Apify のガイドをご覧ください。

通常、訴訟インテリジェンスのクエリにはどれくらい時間がかかりますか？ 単一の側面を対象とするツール（assess_litigation_risk、detect_class_action_signals、screen_sanctions_liability）は、通常 10～30 秒で結果を返します。generate_legal_landscape_report ツールは 7 つのソースに並行してクエリを実行し、政府 API の応答時間にもよりますが、通常 30～90 秒かかります。サブアクターの実行には、ソースごとに 120 秒のタイムアウトが設定されています。

litigation intelligence MCP を使用して、企業のポートフォリオを継続的に監視できますか？ はい。推奨される方法は、Apify プラットフォームのスケジューラーを使い、各ポートフォリオ企業に対して assess_litigation_risk または generate_legal_landscape_report を毎月実行することです。結果をデータセットに保存し、スコアが設定したしきい値を超えたときにアラートが送信されるよう、Webhook を利用します。1 回あたり $0.045 のため、20 社を毎月監視する場合の費用は $0.90 です。

LexisNexis Risk Solutions や Dun & Bradstreet とはどう違いますか？ LexisNexis と D&B は、データを独自のデータベースに集約し、法人向けのサブスクリプション料金（月額 $500～2,000 以上）で提供しています。この MCP はクエリ時に政府のオリジナルソースへ直接アクセスするため、ライセンスの遅延なく最新のデータを返します。また、MCP 対応の AI アシスタントであればどれでも実行できるため、別のプラットフォームにログインせずに、既存の法務 AI ワークフローに訴訟インテリジェンスを追加できます。その代わり、裁判所の訴訟記録や独自のデータ拡充にはアクセスできません。

7 つのデータソースのいずれかが利用できない場合はどうなりますか？ サーバーは Promise.allSettled を使用しています。サブアクターが失敗またはタイムアウトした場合、そのソースは空の配列を返し、スコアリングモデルは利用可能なデータを使って処理を続行します。データを利用できなかった側面のスコアは低くなりますが、呼び出しは完了し、エラーは返されません。

litigation intelligence MCP は M&A のデューデリジェンスに使用できますか？ はい。これは特に有力なユースケースの 1 つです。買収候補企業の初期スクリーニング時に generate_legal_landscape_report を実行すると、本格的な法務デューデリジェンスに着手する前に、重大な訴訟リスクのシグナルを明らかにできます。総合スコアが CRITICAL の場合、または集団訴訟の警告が IMMINENT の場合は、さらに詳しく調査する必要があります。これは正式な法務デューデリジェンスの代わりではなく、どこに注力すべきかを判断するためのものです。

執行モデルは、どのような種類の EPA 違反を検出しますか？ EPA ECHO のフィルターは、complianceStatus または status フィールドに「VIOLATION」、「ENFORCEMENT」、または「NON-COMPLIANCE」を含む施設のコンプライアンス状況記録を照合します。これらは、ECHO データベース内の正式な違反通知（NOV）、罰金査定、コンプライアンス計画の記録に該当します。一般的な許可条件や、自己申告された後に解消済みの軽微な逸脱は表示されない場合があります。

AI アシスタントなしで MCP ツールを実行できますか？ はい。MCP エンドポイントは、https://litigation-intelligence-mcp.apify.actor/mcp にある標準的な HTTP POST エンドポイントです。上記の API 例に示されている JSON-RPC 2.0 形式を使用すれば、cURL、Python の requests ライブラリ、または任意の HTTP クライアントから、どのツールでも直接呼び出せます。AI クライアントは必要ありません。 4 つのモデル間で複合スコアはどのように重み付けされていますか？ 訴訟確率が 30％、執行の動向が 25％、集団訴訟の警告が 25％、立法上のエクスポージャーが 20％を占めます。これらの重みは、各シグナルの種類が短期的な訴訟を予測する相対的な価値を反映しています。苦情の増加速度と執行は最も強力な直接的予測因子であり、集団訴訟の集中は先行指標です。立法上のエクスポージャーは遅行指標ですが、構造的に大きな影響を及ぼす要因です。

改善にご協力ください

問題が発生した場合、Apify アカウントで実行の共有を有効にすると、より迅速なデバッグにご協力いただけます。

1. アカウント設定 > プライバシーに移動します
2. Share runs with public Actor creatorsを有効にします

これにより、問題が発生した際に実行の詳細を確認できるため、より迅速に問題を修正できます。データを閲覧できるのはアクターの開発者のみであり、一般公開されることはありません。

サポート

バグを見つけた場合や機能のリクエストがある場合は、このアクターのページにあるIssues タブから問題を報告してください。カスタム統合や企業向けの法務インテリジェンスのワークフローについては、Apify プラットフォームからお問い合わせください。