リーガルAI の料金体系には、席課金や従量課金など、さまざまな方式があります。しかし、その価格は法律業務で得られる価値を十分に反映しているのでしょうか。5つのチェックポイントから、導入価値の見極め方を解説します。
近年、生成AI を実務に取り入れる弁護士や企業法務担当者は着実に増えています。
法律調査や判例検索に加え、契約審査、文書要約、契約書や準備書面の初稿作成など、その活用範囲も広がっています。リーガルAI は、法律業務を支援する選択肢の一つとして定着しつつあります。
しかし、導入が進むにつれて、別の疑問も浮かび上がってきました。
「この価格は妥当なのか」という問いです。
導入しようとしているリーガルAI には、どれほどの価値があるのでしょうか。毎月の利用料は業務内容に見合っているのでしょうか。支払った費用に相当する価値を、どのように確かめればよいのでしょうか。
こうした問いに、明確な答えがあるとはまだ言えません。
現在のAI サービス市場では、席課金や従量課金、機能別プラン、個別見積もりなど、さまざまな料金体系が採用されています。海外のリーガルテックコミュニティでも、こうした料金モデルと提供価値のずれを問題視する声が見られます。
ある投稿者は、リーガルAI をめぐって現在不安定なのは、技術や日常的な利用ではなく、その背後にあるビジネスモデルだと指摘しています。何を基準に価格を設定し、どのような形で価値を提供すべきかについて、まだ共通の答えが見つかっていないというのです。
本記事では、リーガルAI の主な料金体系を整理したうえで、価格が判断しにくい背景を考えます。
料金モデルが複雑だからだけではなく、リーガルAI が法律業務にもたらす価値について、まだ共通の評価基準が確立されていないのではないでしょうか。
一、リーガルAI の主な料金体系
現在のリーガルAI には、さまざまな料金体系があります。
大きく分けると、次の四つに整理できます。
- ユーザー数に応じた席課金・ID 課金
- 機能構成に応じたプラン別の定額課金
- 利用量、文書数、案件数などに応じた従量課金
- 利用人数や業務内容を踏まえた個別見積もり
実際には、これらを組み合わせた料金体系も多く見られます。
まずは、それぞれが何を基準に料金を設定しているのかを確認してみましょう。
（一）ユーザー数に応じた「席課金・ID課金」
- 定義： 利用できるユーザー数に応じて料金を設定する方式
- 一般的な形式： 1ユーザーあたりの月額・年額、一定数の ID をまとめた契約
- メリット： 費用を予測しやすく、利用のたびに追加料金を気にする必要がない
- 課題： 利用頻度が異なっても料金が同じで、実際の利用量や業務価値を反映しにくい
これは海外のリーガルAI サービスでも広く見られる料金体系です。
ただ、1日に何十回も使う担当者がいる一方で、月に数回しか利用しない担当者もいます。それでも、一人あたりの料金は原則として同じです。
つまり、席課金が主に測っているのは「利用できる人数」です。実際の利用頻度、AI の処理コスト、そこから生まれる法律業務上の価値とは、必ずしも直接連動しません。
（二）機能構成に応じた「プラン別の定額課金」
- 定義： 利用できる機能やコンテンツの範囲に応じて料金を設定する方式
- 一般的な形式： 基本プラン、上位プラン、機能モジュールの追加
- メリット： 必要な機能に応じて選びやすく、料金と機能の関係が分かりやすい
- 課題： 使用しない機能が含まれる場合や、必要な機能のために上位プランが必要になる場合がある
この方式では、利用者が必要な機能に応じてプランを選択できます。もっとも、機能の数が多ければ、必ずしも導入価値が高いとは限りません。
実際にはほとんど使わない機能が含まれている場合もあります。反対に、必要な機能を利用するために、より高額な上位プランを契約しなければならない場合もあります。
（三）利用量・文書数・案件数に応じた「従量課金」
- 定義： AI の利用量や処理量に応じて料金を設定する方式
- 一般的な形式： クエリ数、トークン数、文書数、案件数、データ量による
- メリット： 使用量と費用を連動させやすく、利用頻度が低い場合には合理的になりやすい
- 課題： 技術的な利用量は、法律業務で得られる価値と必ずしも一致しない
実際には、完全な従量課金よりも、定額プランに一定の利用枠を設け、上限を超えた場合に追加料金が発生する方式も多く見られます。
利用量と料金がある程度連動するため、使用頻度が低い利用者にとっては、固定の席課金よりも合理的に感じられる場合があります。提供者側にとっても、AI の処理コストを料金に反映しやすい方式です。
ただ、コストを意識するあまり、本来使うべき場面で利用を控えてしまう可能性もあります。
（四）利用人数や業務内容に応じた「個別見積もり」
- 定義： 利用人数、機能、文書量、導入支援などを踏まえて個別に料金を決める方式
- 一般的な形式： 初期費用＋月額料金、席課金＋機能追加、基本料金＋利用量
- メリット： 組織の規模や利用目的に応じて契約内容を調整しやすい
- 課題： 公開情報だけでは価格を比較しにくく、料金の内訳も複雑になりやすい
個別見積もりは、独立した一つの課金単位というよりも、席課金、機能別課金、利用量課金、導入支援費用などを組み合わせて最終価格を決める方法と考えたほうが実態に近いでしょう。
成果連動型の料金体系は一般的なのか
将来的には、削減できた作業時間や処理できる案件数、業務品質の向上など、導入成果をより反映した料金体系も検討される可能性があります。
ただし、現時点では、リーガルAI製品において成果そのものに連動する課金が一般的になっているわけではありません。
法律業務では、何を成果とするかを一律に定義することが難しく、最終的な結果には弁護士や法務担当者の判断も大きく影響するためです。
二、SaaS の料金モデルはリーガル AI にも通用するのか
リーガルAI では、現在もユーザー数に応じた席課金が広く採用されています。
もともと席課金は、従来型 SaaS （SaaSとは「Software as a Service」の略称で、「サービスとしてのソフトウェア」を意味する）と相性のよい料金体系でした。SaaS の多くは、ソフトウェアの利用環境そのものを継続的に提供するサービスです。
具体的には、次のような機能や環境を提供します。
- ソフトウェア機能の利用
- データの保存・管理
- ユーザーごとの権限設定
- チーム内での情報共有
- 業務フローの標準化
利用者が増えれば、必要となるアカウントや権限、保存領域、サポートの範囲も広がります。また、利用者側にとっても、「何人がサービスを利用できるか」は契約内容を判断するうえで分かりやすい基準です。
そのため、ユーザー数に応じて料金を設定する席課金には、一定の合理性がありました。
生成AIでは、ユーザー数だけで利用実態を捉えにくい
ところが、生成AI を組み込んだリーガルAI では、事情が少し異なります。
同じ一つのアカウントでも、毎日繰り返し利用する人もいれば、月に数回しか利用しない人もいます。入力する文書の長さや、AI に求める処理の複雑さも、その都度変わります。
その結果、契約ユーザー数が同じであっても、実際の利用量やサービス提供に必要な計算資源には大きな差が生じます。
一定の機能や利用環境を提供することが中心だった従来型 SaaS に比べ、生成AI では「誰が利用するか」だけでなく、「どのように、どの程度利用するか」がコストに与える影響も大きくなっています。
同じ一回の利用でも、生み出す価値は同じではない
もう一つの違いは、タスクによって得られる価値が大きく変わることです。
たとえば、リーガルAI には次のような使い方があります。
- 短い契約書を要約する
- 特定の判例を検索する
- 複数の法令や判例を横断して調査する
- 多数の文書の関係を整理する
- 案件のリスクや対応方針を検討する
いずれも、一人の利用者による一回の操作として記録されるかもしれません。
しかし、契約書の概要を短時間で把握することと、重要な判例の見落としを防ぐことでは、得られる効果の性質が異なります。案件の方針決定に影響する情報を得られた場合、その価値を単純な利用回数や処理量だけで表すことも困難です。
つまり、リーガルAI では、利用回数が同じだからといって、提供される価値まで同じになるわけではありません。
席課金だけでは捉えきれない三つのずれ
生成 AI 型のリーガルAI に席課金をそのまま当てはめると、料金と実態の間に、次のようなずれが生じます。
- ユーザー数と実際の利用量のずれ
- ユーザー数とサービス提供コストのずれ
- ユーザー数と法律業務上の価値のずれ
席課金が不合理だということではありません。費用を予測しやすく、利用のたびに追加料金を意識しなくてよいという利点は、生成 AI 型のサービスでも変わらないからです。
ただし、席課金だけで、リーガルAI の利用実態や提供価値のすべてを表すことは難しくなっています。
では、従量課金に切り替えればよいのでしょうか。
必ずしもそうとは限りません。
前章で見たように、トークン数やクエリ数、文書数は、AI の処理量や利用状況を把握するための指標ではあっても、利用者が得る法律業務上の価値そのものを示すものではありません。
利用者が購入したいのは、トークンやクエリではなく、信頼できる法律調査や、質の高い業務成果だからです。
料金と提供価値の関係を考えるうえでは、リーガルAI と汎用AI の違いも重要な論点になります。
＊詳しくは、関連記事「リーガルAIと汎用AIの違いとは？──本質的な差と競争力を解説」もあわせてご覧ください。
結局、問われているのは、席課金と従量課金のどちらが優れているかではありません。
リーガルAI が法律業務にもたらす価値を、何を基準に評価するのかという問題です。次章では、法律業務の価値を効率だけで測ることの限界について考えます。
三、法律業務の価値は「効率」だけでは測れない
（一）時間削減と AI 出力の検証コスト
リーガルAIの導入効果のうち、もっとも定量化しやすいのは時間削減です。契約審査や法律調査にかかる時間を短縮できたという事例も報告されています。
しかし、作業時間が短くなったからといって、その効果が直ちに収益として表れるとは限りません。
時間削減は、そのまま経済的価値になるとは限らない
固定報酬の案件では、作業時間を短縮しても、受け取る報酬自体は変わらない場合があります。企業法務でも、削減した時間を別の業務に充てられる一方、その効果が売上などの分かりやすい数字として表れるとは限りません。
もちろん、時間の余裕が生まれれば、より多くの案件に対応したり、重要度の高い業務に注力したりできます。ただし、その価値を評価するには、単に「何時間短縮できたか」だけでなく、その時間を何に振り向けられたかまで見る必要があります。
検証時間を含めた「実質的な効率」で考える
もう一つ見落とされやすいのが、AI出力の検証にかかる時間です。
AIが短時間で回答を生成しても、その内容を確認し、必要に応じて修正や再調査を行わなければなりません。検証に多くの時間がかかれば、見かけ上の生成速度ほど、実際の作業時間は短縮されていない可能性があります。
したがって、リーガルAIの効率を評価する際には、生成にかかる時間だけでなく、その後の確認や修正を含めた総作業時間で比較することが重要です。
さらに、速さがそのまま品質や成果につながるわけでもありません。法律業務は高いリスクを伴う専門業務であり、効率を追求するあまり、根拠の確認や重要なリスクの発見がおろそかになっては本末転倒です。
リーガルAIの価値を考えるには、時間削減だけでなく、業務の品質や判断にどのような変化をもたらすかにも目を向ける必要があります。
（二）法律業務の価値を「レバレッジ」という視点から考える
それでは、法律業務の価値は、効率以外のどこにあるのでしょうか。
本記事のきっかけとなった海外の投稿では、投稿者が一つの見方として、法律家の仕事は単なる効率化ではなく、「レバレッジ」によって価値を生み出すものだと述べています。
ここでいうレバレッジとは、金融分野で用いられる意味ではありません。専門知識や経験を活用し、限られた時間や資源から、より大きな成果を引き出すことを意味しています。
法律業務に当てはめると、たとえば次のような能力が含まれます。
- 法制度や手続の仕組みを正確に理解する
- 裁判所や行政機関など、関係者の判断や動きを把握する
- 案件のリスクと優先順位を見極める
- 限られた時間や人員を、より重要な業務に振り向ける
- 複数の情報を組み合わせ、依頼者にとってより適切な方針を導き出す
情報を速く見つけることと、その情報を実務上の判断や対応方針につなげることは、同じ価値ではありません。
リーガルAI が検索や要約にかかる時間を短縮するだけであれば、主な役割は業務効率化にとどまります。
一方、法令や判例の関係を整理し、複数の選択肢を比較したり、見落としやすいリスクを示したりできれば、リーガルAI は専門的な判断を支える手段にもなり得ます。
この観点に立てば、リーガルAI の価値を考える際に重要なのは、単に作業を何分短縮できたかだけではありません。弁護士や法務担当者が、より重要な判断に時間と専門性を振り向けられるようになったかどうかも、評価すべき要素だと言えるでしょう。
（三）個人の経験を組織の知識資産につなげる
前述した投稿では、投稿者がリーガルAI を自ら開発した経験についても触れています。
法令の引用や相互参照の仕組みを構築するには、これまで実務経験を通じて直感的に理解していた法律関係を、改めて明示的に整理する必要があったといいます。
たとえば、どの法令が相互に関連しているのか、何が原則で何が例外なのか、ある問題からどの法的根拠をたどるべきかといった知識です。人であれば経験に基づいて判断できることも、システムに処理させるには、一定のルールや構造として表現しなければなりません。
この作業は、個人の経験や直感に依存していた暗黙知を、言語化・構造化するプロセスでもあります。
さらに、整理した知識を検索・共有できる形で蓄積し、継続的に更新する仕組みを整えれば、過去の調査結果や判断基準を組織内で再利用しやすくなります。
その意味で、リーガルAI の価値は、特定の担当者の作業時間を短縮することだけにとどまりません。個人に蓄積されていた知識を、法律事務所や法務部門全体で活用できる知識資産へとつなげる可能性もあります。
四、そのリーガルAIは価格に見合うのか｜5つのチェックポイント
ここまで見てきたように、リーガルAI の価値は、利用人数や処理量だけで判断できるものではありません。
導入を検討する際には、価格や機能の数を比較する前に、「そのリーガルAI が実務の何を改善するのか」を確認する必要があります。ここでは、導入価値を見極めるための 5 つのチェックポイントを整理します。
（一）どの業務プロセスを改善するのか
まず確認したいのは、そのリーガルAI が、どの業務工程を改善するための製品なのかという点です。
対象となる業務には、たとえば次のようなものがあります。
- 資料収集
- 法律調査
- 判例検索
- 契約審査
- 文書作成
- 案件管理
- 社内ナレッジ検索
同じ「要約機能」であっても、契約書の概要把握に使う場合と、判例や社内文書の整理に使う場合とでは、期待される効果が異なります。
対象となる業務プロセスが明確になってはじめて、時間削減、品質向上、リスク低減など、何を評価すべきかが決まります。改善する業務を具体的に説明できなければ、その製品の費用対効果を判断することも困難です。
（二）検証時間を含めても、実質的な時間短縮につながっているか
リーガルAI の効率を評価する際には、回答が生成されるまでの時間だけを見てはいけません。
導入前後の総作業時間を比較し、次の時間まで含めて短縮効果を確認する必要があります。
- AIへの入力や設定にかかる時間
- 生成結果を確認する時間
- 誤りや不足を修正する時間
- 必要に応じて再調査する時間
AI が数秒で回答を生成しても、その後の確認や修正に多くの時間がかかるのであれば、実質的な作業時間はあまり短縮されていない可能性があります。
評価すべきなのは生成速度ではなく、業務全体を完了するまでに必要な時間です。
（三）回答の根拠を確認できるか
リーガルAI が生成した回答について、根拠までさかのぼれるかも重要な確認項目です。
たとえば、次の情報が明示されているかを確認します。
- 引用している法令や条文
- 判例名、事件番号、裁判年月日
- 原典へのリンク
- 具体的な引用箇所
- 資料の更新日や法令のバージョン
文章が自然で説得力を持って見えることと、その内容を法的に検証できることは別の問題です。
根拠を確認できなければ、利用者は改めて一から法律調査を行う必要があります。出典や引用箇所をたどれる仕組みは、リーガルAI の信頼性だけでなく、実務上の価値を判断するうえでも重要です。
（四）品質向上とリスク低減につながるか
時間削減だけでなく、業務品質やリスク管理にどのような効果があるかも確認する必要があります。
具体的には、次のような点が評価の対象になります。
- 重要な情報や条項の見落としが減っているか
- 担当者が異なっても、一定の審査品質を保てるか
- 失効した法令や古い情報を引用するリスクを抑えられるか
- 複数の選択肢や論点を比較しやすくなるか
- 案件のリスクや対応の優先順位を整理できるか
また、問題が生じた際に、どのような入力と出力が行われ、誰がどのように確認したのかを追跡できることも重要です。
品質向上やリスク低減、専門的な判断への支援は、短期的には金額へ換算しにくいかもしれません。しかし、法律業務では、単純な時間削減以上に重要な価値となる場合があります。
（五）個人の効率化にとどまらず、組織の知識蓄積につながるか
最後に確認したいのは、リーガルAI の効果が個人の業務効率化だけにとどまるのか、それとも組織全体の知識蓄積につながるのかという点です。
たとえば、次のような仕組みがあるかを確認します。
- 検索履歴や調査結果を保存できる
- 優れた回答や成果物を組織内で共有できる
- 過去の契約書、意見書、調査資料を安全に検索できる
- 判断基準や確認項目を継続的に更新できる
- 新しい担当者が既存の知識を再利用できる
個人の経験や判断を、検索・共有・更新できる形で蓄積できれば、リーガルAI は単なる作業支援ツールではなく、組織の知識基盤として機能する可能性があります。
こうした長期的な価値は、月ごとの利用回数や短期的な時間削減だけでは捉えにくいものです。
まとめ：料金体系から法律業務の価値を問い直す
リーガルAI の料金体系には、席課金や従量課金、プラン別課金など、さまざまな方式があります。しかし、利用人数や処理量が、そのまま法律業務上の価値を示すわけではありません。
重要なのは、価格や機能の数だけでなく、その製品がどの業務を改善し、どのような効果をもたらすのかを確認することです。導入する側には、前章で挙げた 5 つのチェックポイントを通じて、その価値を見極める姿勢が求められます。
一方、提供する事業者にも、改善する業務工程や価値の測り方、価格の根拠を分かりやすく示すことが求められるでしょう。
Lawsnote も、法令や判例を条文単位で紐付け、根拠をたどれるトレーサビリティを重視しながら、サービスの改善を進めています。
リーガルAI の価値は、単なる時間短縮だけではありません。法律業務の品質や判断を、どれだけ支えられるかにあります。料金体系がまだ定まっていない現状は、法律業務において何に対価を支払うべきかを、市場全体が問い直している過程なのかもしれません。
郭 栄彦 Barry Kuo
台湾を代表するリーガルテック企業「Lawsnote」の創業者。台湾弁護士・弁理士としての実務経験を経て2016年に同社を設立し、AIを活用したリーガルテック製品の開発・普及を主導。現在はLawsnote Japanの代表として、日本の法律実務の効率化と高度化を支援しています。