投稿日:2026.11.18

法務AI導入は何から始める? AIに任せる範囲と最初に試す業務の選び方

法務部門で生成AIの導入を考えると、「何ができるか」は比較的イメージしやすくても、「どこまで任せてよいのか」という段階で手が止まりやすいと感じます。回答自体は出てくるものの、そのまま実務に使ってよいのか、最終的に人はどこまで確認すべきなのか。法務AIの導入を具体的に考えるほど、こうした迷いは大きくなります。

法務AIの活用を考えるとき、高性能なモデルや便利なツールを選ぶこと以上に、対象業務、判断基準、参照させる情報、そして人が責任を持つポイントを設計することが鍵になります。

AIに「どこまで任せ、どこで止めるか」。法務実務へのAIの定着にはこの視点が欠かせません。

この記事では、法務AIの導入を検討する企業に向けて、AIに任せる範囲の考え方、精度を高めるための設計、自社で最初に試す業務の選び方を、NDAレビューの例も交えながら整理します。

法務AIの導入では「何ができるか」より、「どこまで任せるか」を先に考える

2026年の法務DXは、大きく二つの方向で進んでいると考えています。一つは、契約書管理、電子署名、AI契約レビューなど、特定の法務課題を解決するリーガルテックSaaSの活用。もう一つは、CopilotやGeminiなどの汎用生成AIを社内で使い、法務リサーチ、文書ドラフト、要約などを効率化する取り組みです。

この二つは、どちらか一方を選ぶものではありません。SaaSは、共通的な業務を広くカバーするのが得意な一方、自社特有の基準、例外、手順まで深く合わせたい業務には、汎用生成AIを組み合わせる余地があります。

SaaSと汎用生成AIの使い分け

たとえば契約審査であれば、SaaSの標準機能に自社のプレイブックを組み合わせることで、より深く自社の判断基準に寄せることができます。逆に、業界や会社固有の特殊な業務で、頻度も工数も大きいものなら、汎用生成AIで個別に業務を深く設計したほうがよい場合もあります。

最初に考えたいのは、「AIを使うかどうか」ではなく、「どの業務を、どの深さまで自社に合わせたいか」です。ここが曖昧なままツール選定から入ると、導入後に「思っていた使い方と違う」というズレが生まれやすくなります。

法務AIの導入は「参考情報」から始め、段階的に判断を任せていく

AIに任せる範囲は、最初から大きく取る必要はありません。むしろ、いきなり完全に任せようとすると、アクセルだけを踏み続けるような状態になってしまいます。段階を踏んで検証し、どこまでなら任せられるかを確認しながら進めることが重要です。

GVA TECHでは、AI活用を大きく四つのフェーズで捉えています。

AI活用の4フェーズ

フェーズ1ではAIは「参考情報」です。リサーチ、壁打ち、情報整理、要約、論点抽出などに使い、人が判断とアウトプットを担います。フェーズ2では、AIを「部下」のように扱い、一次判断や一次アウトプットまで任せ、人が最終判断をします。

フェーズ3になると、ハードルは一気に上がります。AIが判断主体となり、人は事後監督に回ります。ただし、すべてをAIで完結させるのではなく、「これは人が見るべき案件」と判断したものはエスカレーションする仕組みまで含めて設計します。法務部門の業務でいえば、実際にはAIと事業部門で完結する案件と、法務が確認する案件を前捌きするイメージに近いと思います。

さらにフェーズ4では、AIがログの確認や異常検知、改善まで自律的に担い、人は判断構造そのものの設計と説明責任に集中します。これは少し先の姿ですが、将来像として持っておくことで、今の業務設計も変わってきます。

重要なのは、各フェーズで「どこに人が介入するか」を明確にすることです。判断やアウトプットをログとして残し、人がどこを修正したか、なぜ修正したかも蓄積する。その記録を使いながら、任せられる範囲を少しずつ広げていくことが、現実的な進め方です。

法務AIの精度は、モデルだけでは決まらない

生成AIの回答品質を考えるとき、モデルの性能だけに目が向きがちです。しかし実際の回答精度は「生成AIモデル × プロンプト/スキル × ナレッジベース」という三つの掛け算で決まります。

人の業務に置き換えると分かりやすくなります。生成AIモデルは「誰に任せるか」、プロンプトやスキルは「どの手順・プロセスで仕事をしてもらうか」、ナレッジベースは「どの業務知識を参照してもらうか」です。能力の高い人に頼んでも、手順も社内知識も与えなければ、自社の実務に合った仕事はできません。これは生成AIも同じです。

モデル自体はここ1年でも急速に進化しており、今後も性能向上が続くと考えています。その一方で、組織としてAIに業務を任せるなら、「どう進めるか」と「何を知ったうえで判断するか」は自社側で設計する必要があります。

生成AIの精度をコントロールする方程式

法務AIのプロンプトは、「組織として任せられるレベル」に近づけるために使う

最近は、モデル性能が上がったことで「プロンプトはそこまで作り込まなくてもよい」という考え方も出てきています。壁打ちやアイデア出しであれば、私も細かな指示を入れなくても十分に使える場面が増えたと感じています。

ただし、法務業務を組織として預けられるレベルまで持っていきたいのであれば、プロンプトやスキルによるコントロールは今後も意味を持ちます。AIに広い裁量を与えたままだと、思考の方向や参照する観点にばらつきが生まれます。逆に、進む手順や判断基準を具体的に示せば、AIが勝手な解釈をする余地を狭めることができます。

法務向けに整理すると、たとえば「役割・立場」「背景・利用場面」「タスク」「判断基準」「根拠の扱い」「出力条件」「具体例」といった要素を明示します。単に「契約書をレビューしてください」と依頼するのではなく、どの立場で、何を重視し、どの順番で検討し、どんな状態ならOK/NG/要追加確認なのかまで伝えます。

特に法務では、一発で結論だけを出させるより、まず論点を抽出し、各論点のリスクを評価し、そのうえで対応案を整理させるなど、思考プロセスを指示することが有効です。こうした設計によって、漏れを減らし、ハルシネーションの入り込む余地も小さくできます。

法務AIで自社の判断基準を活かすには、ナレッジベースを整える

プロンプトで手順を伝えても、自社の判断基準そのものがAIに渡っていなければ、回答は一般論に寄りやすくなります。そこで重要になるのがナレッジベースです。

ナレッジベースという言葉は少し難しく聞こえますが、簡単にいえば「AIに使わせる自社の業務知識」です。法務であれば、契約書のひな型、チェックリスト、プレイブック、Q&Aデータベース、過去案件、案件管理システムに蓄積されたデータなどが候補になります。

契約レビューの手順そのものは、ある程度共通化できます。しかし、「自社ではこの観点を重視する」「この取引先とは過去にここまで譲った」「この条件なら事業部判断でもよい」といった情報は、企業ごとに異なります。こうした知識を前提にすることで、初めてAIの回答を自社の実務に近づけることができます。

素のAIで契約書をレビューすると、一般的に想定されるリスクを幅広く指摘するため、自社では実際には確認不要な指摘まで大量に出ることがあります。その結果、「この指摘は不要」と人が一つずつ確認する作業が増え、一周回って負荷があまり減りません。自社の判断基準をナレッジとして与えることで、最初から自社が普段落とし込んでいるバランスに近いアウトプットを狙うことができます。

重要なのは、自社独自の判断基準や過去の判断をAIが参照できる形にすることであり、その形式は一律にプレイブックである必要はありません。比較的判断基準を整理しやすい業務はプレイブックが適している一方、案件ごとの差が大きい業務や判断基準が頻繁に変わる業務では、生の過去案件を参照させたほうが実態に即した回答を得やすい場合もあります。対象業務の性質と求める正確性に応じて、「どの知識を、どの形でAIに渡すか」を設計する必要があります。

GVA TECHでは、こうした法務ナレッジを蓄積する基盤として、法務案件管理やCLMの機能を備えた法務オートメーション「OLGA」を提供しています。OLGAには、事業部門からの依頼内容や法務とのやり取り、契約書のバージョン、過去の対応経緯などが案件単位で紐づいて蓄積されます。生成AIの活用では、単にデータが多ければよいわけではなく、「どの案件に、どの契約書や判断経緯が紐づいているか」が整理されていることが重要です。

こうした構造化された法務データを蓄積しておくことは、将来的に生成AIから過去案件や自社の判断を参照するうえでも有力な基盤になると考えています。

NDAレビューでは、「会社全体への影響」を基準に責任の置き場所を分ける

ここからは、GVA TECHにおけるNDAレビューの検討例を使って、「AIに判断させ、人が責任を引き受ける」とはどういうことかを具体的に見ていきます。

NDAは比較的定型的な契約である一方、細かな修正の往復が増えると、事業部門と法務部門の間でやり取りが重なり、取引開始までのスピードが落ちやすい業務です。そこで私たちは、すべての条項を法務が同じ重さで確認するのではなく、「会社への影響が大きく、事業部だけでは責任を取りきれないもの」に法務の確認を集中できないかと考えました。

一つの判断基準として置いたのが、「会社全体への影響があるかどうか」です。もちろん、契約の重要性やリスク許容度は業種・業態・企業フェーズによって変わるため、これはあくまで一例です。ただ、責任の置き場所を決めるための軸を持つことが重要です。

次の表はNDAレビューで整理した条項と責任の置き場所の参考例です。

条項例 主な影響 AIに求める出力 基本的な確認主体
知的財産権の帰属 自社のコア技術への影響 該当条項とリスクを指摘し、修正案を示す 法務
競業避止義務 将来の事業展開への制約 制約の範囲を読み取り、修正案を示す 法務
過大な損害賠償責任 会社が負う金銭負担 責任の範囲を読み取り、修正案を示す 法務
秘密情報の定義 主に事業部内の運用への影響 該当条項とリスクを指摘し、判断材料を示す 事業部判断も検討
秘密情報の返還・破棄 主に事業部内の運用への影響 該当条項とリスクを指摘し、判断材料を示す 事業部判断も検討
合意管轄 主に紛争時の対応負担 該当条項とリスクを指摘し、判断材料を示す 事業部判断も検討

知的財産権の帰属や競業避止義務、過大な損害賠償責任は、会社全体や将来の事業に与える影響が大きくなり得るため、AIが該当箇所とリスクを指摘し、修正案を出したうえで法務が確認する設計にしています。一方で、秘密情報の定義や返還・破棄、合意管轄などは、条件によっては事業部の判断に委ねる設計も考えられます。

ここで大事なのは、「この条項なら必ず事業部に任せてよい」という固定ルールにすることではありません。自社の事業、リスク許容度、契約実務に合わせて、どの条件なら事業部判断を許容し、どの条件なら法務にエスカレーションするかを言語化することです。

NDAのように契約類型が決まっていて、事業部とAIに比較的深く任せたい業務では、正確性を重視する必要があります。そのため、チェック項目、判断基準、修正例、社内向けコメントなどをプレイブックとして整理し、AIに渡す方法が適しています。実運用では、法務が一次レビューとして使いながら細かなズレを調整し、精度と運用ルールを高めてから事業部展開へ進めます。

NDAレビューの責任分担

つまり、AIに任せる範囲を広げるというのは、単に精度の数字を高めることではありません。「AIと事業部に任せるもの」と「法務が責任を持って確認するもの」を整理し、その境界を組織として説明できる状態にすることにあります。

法務AI導入で最初に試す業務は、「頻度・資料・確認者・誤りの影響」で選ぶ

では、自社で法務AIの導入を進める場合に、最初に何を試すべきでしょうか。候補業務を洗い出す際は、「頻度・負担」「マニュアルや参考資料の有無」「結果を確認できる人の存在」「誤った場合の影響」という観点で見ていくと整理しやすくなります。

外部に定型作業を依頼している業務や、繰り返し発生している業務は、AIに代替しやすい候補になり得ます。一方で、誤りがあった場合の影響が大きい業務は、最初から任せきるのではなく、人が確認しやすい工程に限定して試したほうが安全です。法務業務は誤りの影響が大きいものが多いため、この点は特に丁寧に進める必要があります。

自社で最初に試す業務の候補

候補となる業務 手元にある資料 最初に任せる工程
社内問い合わせ 過去のデータ・FAQ 回答案と根拠の整理
契約レビュー ひな型・過去契約書 特定の契約類型から
規程チェック 現行の規程 不整合の候補の抽出

たとえば社内問い合わせなら、過去のデータやFAQを使い、まず「回答案と根拠の整理」までをAIに任せる。契約レビューなら、いきなりすべての契約を対象にせず、ひな型があり判断しやすい契約類型から始める。規程チェックなら、現行規程同士の不整合候補を抽出するところから試す。このように、業務そのものではなく「任せる工程」を限定すると、評価しやすくなります。

最初から完璧なロードマップを作る必要はありません。自社にある資料と確認体制に合う候補を一つ選び、一度試してみる。そこで出たズレや修正理由を記録し、次の改善につなげる。この小さな検証が、法務AIの導入を実務に定着させるための最初の一歩になります。

法務の役割は、AIの回答を毎回見ることから「判断構造を設計すること」へ

法務AIが進化すると、法務担当者の仕事がなくなるというより、担う仕事の比重が変わっていくと私は考えています。

AIが得意なのは、デジタル上に存在する情報を集め、分析し、一定の基準で判断し、アウトプットを出し続けることです。一方で、人が担うべきなのは、現場や対面のやり取り、文脈といったAIが持ちにくい一次情報を誰よりも早く掴むことです。すべての情報が最初からデジタル上に整理されているわけではありません。必要に応じて現場へヒアリングし、その情報をAIに渡す役割は残ります。

そしてもう一つ重要なのが、その一次情報を「どうAIに渡し、どこまで任せ、どこで止めるか」を設計することです。さらに、その設計に基づいてAIが出した判断結果について、なぜそのような仕組みにしたのかを説明し、問題が起きた場合には責任を引き受ける。これは、部下に仕事を任せるときのマネジメントと大きくは変わりません。

法務AIを使う目的は、単に一件あたりの作業時間を短くすることだけではありません。判断基準やナレッジを整理し、AIと事業部門が動ける仕組みを設計することで、法務が「全社の法務インフラ設計者」として、より高付加価値な業務に時間を使える状態をつくることにあります。

まずは、自社の資料と確認体制に合う業務を一つ選び、AIに任せる工程を限定して試してみる。そこで得られたログと修正理由を、次の設計に生かす。私は、この積み重ねが法務AIを実務に定着させる現実的な始め方だと考えています。

『事例ではじめる法務AI』実践シリーズ

本記事は、『事例ではじめる法務AI』出版記念ウェビナー全5回シリーズの第1回をもとに再構成したものです。各回では、実際の業務を題材に、生成AIへどのように基準を渡し、人がどこを確認するかを整理します。

第1回|法務AI導入は何から始める? AIに任せる範囲と最初に試す業務の選び方

第2回|契約・社内規程の確認に、生成AIをどう使うか ― 基準の渡し方と「人の確認点」の実践

第3回|法務相談を生成AIで効率化する方法|一次回答・案件管理の実践例

第4回|法務調査に生成AIを使う方法|回答の根拠を確かめる4つのポイント

第5回|広告審査・商標調査に生成AIはどこまで使える?失敗例から学ぶ「任せ方」の工夫

事例ではじめる法務AI―AIに任せる範囲、人が担う責任
編著者:山本 俊(GVA TECH株式会社 代表取締役 弁護士)
編者:GVA TECH株式会社 法務AI研究所
発行:株式会社中央経済社
発売日:2026年10月29日(木)
定価:2,600円(税込2,860円)
ISBN:978-4-502-60981-7

この記事の監修者

山本 俊

GVA TECH株式会社 代表取締役
GVA法律事務所 創業者

山本 俊

弁護士登録後、鳥飼総合法律事務所を経て、2012年にスタートアップとグローバル展開を支援するGVA法律事務所を設立。
2017年1月にGVA TECH株式会社を創業。AI法務アシスタント、法務データ基盤、AI契約レビュー、契約管理機能が搭載されている全社を支える法務OS「OLGA」やオンライン商業登記支援サービス「GVA 法人登記」等のリーガルテックサービスの提供を通じ「法とすべての活動の垣根をなくす」という企業理念の実現を目指す。

Xアカウント:@gvashunyamamoto

管理画面

OLGAなら
あなたのビジネスに
最適なプランが
きっと見つかります