AIは弁護士を代替するのか？生成AI時代の法務と「判断」の境界線

１．機械学習の仕組みと前提

当時の AI は、主に機械学習（machine learning） を基盤としていました。機械学習の特徴は次の通りです。

• 過去データをもとにパターンを学習する
• 入力に対して確率的に最適な出力を選択する

ただし、この仕組みが成立するには二つの前提が不可欠でした。すなわち、機械が処理できる大量のデータと、検証可能な結果（正解）の存在です。

こうした条件のもとでは、機械学習は高い精度を発揮します。しかし、限界もありました。

２．「囲碁」という象徴的な壁

その象徴的な課題が囲碁です。囲碁の局面は10の171乗ともいわれます。

そのため、スーパーコンピューターでも一手の計算に数十年を要するとされていました。結果として、囲碁領域における AI 開発は長らく停滞していたのです。

３．AlphaGo の特徴：すべてを計算しないアプローチ

この認識に衝撃を与えたのが、2016年の AlphaGo による囲碁トップ棋士への勝利でした。

AlphaGo の特徴は、すべての可能性を計算しない点にあります。 人間の直感に近い手法を用い、限られた選択肢の中から勝率の高い一手を選ぶ ── そういうアプローチです。

この成果は、重要な示唆を与えました。 すなわち、「直感的判断」も機械で再現できる可能性があるという点です。

つまり、AI は単なる計算装置ではなく、判断に関与する存在になり得る ── そう認識されるようになりました。

４．ただし「ルールが明確な領域」での成功にすぎない

もっとも、当時の議論で重要だったことがあります。それは、AlphaGoの成功はあくまで「ルールが明確に定義された領域」での勝利だったという点です。

なぜなら、囲碁にはルールがあり、勝敗の基準があるからです。無限とはいえ有限のパターンの中での最適解探索でした。

これは、法律のように曖昧で文脈依存の領域とは本質的に異なります。

この4段階のうち、現在の日本の法務実務はおおむね Phase 1〜2 のあいだにあります。今後の主要な論点は、Phase 3（人間監督下での自律処理）に進むかどうかです。

判例抽出、リスク検知、法令モニタリングといった作業は、すでに「弁護士の付加価値」ではなく「標準的なインフラ」となっています。

ただし、これは決して弁護士の価値を下げるものではありません。これらの定型業務がインフラ化したからこそ、弁護士はより高付加価値の判断や戦略設計に集中できるようになったと捉えるべきです。