生成 AI は法律実務をどう変えるのか？本記事では、LLM の仕組みから法務・弁護士業務への具体的な応用例、即戦力となるプロンプト設計の基礎までを専門家がわかりやすく解説いたします。
文書作成や法的検討を業務の中核とする法律実務家にとって、生成 AI は単なる「効率化ツール」に留まる存在なのでしょうか。それとも、法務のあり方そのものを変革しうる技術なのでしょうか。
現在、日本においても生成 AI の活用は急速に拡大しています。特に契約書のドラフト作成、法令リサーチ、判例分析といったテキスト処理を伴う業務は、 LLM（大規模言語モデル）の進化とともに、大きな転換点を迎えつつあります。
しかし、実務の現場では「AI をどこまで信頼してよいのか」、「どのように命令（プロンプト）を出すのが正解なのか」という問いが絶えません。生成 AI の本質を見極めることは、これからのリーガル業務の精度とスピードを左右する極めて重要な要素となります。
Lawsnote は、2016 年の創業以来、一貫してテクノロジーと法律の融合に取り組んできました。台湾におけるリーガルテックの先駆者として、AI の法務応用に関する研究・開発を継続し、法曹界へ向けた数々のレポートも公表しております。
本記事では、技術的進化とビジネス応用の両面から、法務領域における生成 AI の仕組みと活用可能性について整理します。生成 AI とは何か、実務でどう機能するのか、そしてなぜ「プロンプト設計」が重要なのかを、体系的に解説していきます。
一、生成 AI の本質と LLM の基本構造
法律実務において生成 AI を使いこなすためには、まずその「正体」を正しく理解する必要があります。技術的な構造を把握することで、出力結果の妥当性を判断する力を養っていきましょう。
（一）生成 AI と従来型 AI は何が違うのか？
生成 AI とは、プロンプト（指示文）を入力することで、テキストや画像などの新たなコンテンツを生成する人工知能技術の総称です。その中核を担うのが、LLM（Large Language Model：大規模言語モデル）です。
これらの関係性を、簡単に「自動車」に例えると以下のようになります。
- LLM： 中核となる基盤技術（エンジン）
- 開発企業（OpenAIなど）： 技術を開発するメーカー（トヨタなどの自動車メーカー）
- ChatGPT： ユーザーが利用するサービス名（車種）
- GPT-4o： モデルのバージョン（エンジンの型番・仕様）
ルールベース型・分析型 AI との決定的な違い
従来のAIは、人間があらかじめ設定した「IF-THEN」のルールに従う「ルールベース型」や、特定のデータから分類・予測を行う「分析型」が主流でした。これらは特定のデータ範囲内で高い精度を発揮しますが、未知のタスクへの応用力には限界がありました。
一方、現在の生成 AI（特に LLM ）は、学習データとパラメータ規模が飛躍的に拡大したことで、単なる性能向上を超えた「質的な変化」を遂げています。
（二）LLMの仕組み：なぜ「言葉」を扱えるのか？
LLM の本質は、高度な思考回路を持っていることではなく、「次に続く単語（トークン）を確率的に予測する」という統計的モデルである点にあります。
1. 「理解」ではなく「予測」の積み重ね
LLM は文章全体を人間のように「意味」として理解しているわけではありません。直前までの文脈に基づき、統計的に最も適切だと思われる単語を一つずつ選択し、繋げているに過ぎません。
しかし、モデルの規模と学習データがある一定の閾値を超えたとき、性能が非連続的に、爆発的に向上する現象が確認されました。
引用論文：Emergent Abilities of Large Language Models（Jason Wei, et al., arXiv, 2022.）
2. 非連続的な進化：創発的能力の衝撃
Google の研究者である Jason Wei 氏らによる論文（2022年）では、モデル規模が一定（約700億パラメータ付近）を超えたあたりから、それまで解けなかった複雑なタスクの正答率が飛躍的に上昇することが示されています。
2022 年末に ChatGPT が登場した際、世界中に衝撃を与えた理由はここにあります。LLM のパフォーマンスは、人々の想像を遥かに超えるスピードで突如として向上したのです。
現在では、このような創発的能力を備えたモデルを「LLM」、それを活用したアプリケーションを「生成AI」と呼び、法律実務においても不可欠な基盤技術として定着しつつあります。
二、生成AIはリーガル業務にどう応用できるか
生成 AI の法務利用において、最も議論されるのが「正確性」の問題です。ここでは、AI の特性を理解した上で、実務のどのプロセスに組み込むべきかを整理します。
（一）法令・判例リサーチへの活用と限界
1. ハルシネーションという技術的課題
「生成AIは事実と異なる情報を生成する（事実性ハルシネーション）ため、法律実務には適さないのではないか」という指摘が根強くあります。
この問題は、LLM の「検索エンジンではない」という技術的特性に由来します。生成 AI は検索エンジンではありません。LLM は既存情報を検索して提示するのではなく、文脈に基づき「確率的に高い次の単語」を予測して文章を作ります。
その結果、「文法的には完璧だが、実在しない判例や条文」をもっともらしく出力してしまう可能性があります。
実際、米国やカナダでは、弁護士が生成 AI を検索エンジンの代替として使用し、架空の判例を裁判所に提出して問題となった事例も報告されています。
2. 業務特性に応じた「活用の見極め」
しかし、ハルシネーションのリスクがあるからといって、生成 AI や LLM が法律実務に不向きであると断じるのは早計です。重要なのは、「どの業務プロセスに AI を活用すべきか」を適切に見極めることです。
実務におけると、以下の3つの観点から区分できます。
- 出力の正確性を自ら検証できる業務：活用可能＋要確認
- 自身の専門領域におけるドラフト作成の補助や、既知の論点の整理など。
- 厳密な正確性よりも「アイデアを生み出す」が求められる業務：活用可能＋適合性が高い
- 契約書の論点洗い出し、ブレーンストーミング、構成案の作成、長文資料の要約など。
- 出力の正確性を検証する手段がない業務：不適切
- 全く未知の法領域の調査や、AI の回答をそのまま最終成果物とする行為。
3. RAG（検索拡張生成）による精度の向上
法令・判例調査の分野では、生成 AI を「一次情報の代替」とするのではなく、情報整理・論点抽出・要約支援のためのアシスタントとして活用することで、大きな効率化が期待できます。
また近年では、RAG（Retrieval-Augmented Generation：検索拡張生成）という手法が実用化されています。これは、信頼できるデータベース：判例集や関連する公式サイトなどから情報を検索し、その情報に基づいて LLM に回答させる技術です。
これにより、ハルシネーションのリスクを大幅に低減し、実務に耐えうる「リーガル AI」の構築が可能となっています。
（二）弁護士・法務のアシスタントとしての実力
1. 契約書関連業務における生成 AI の活用場面
契約書業務は、LLM の「長文読解能力」と「論理構成能力」が特に発揮されやすいであり、次のような形で法律実務を支援します。
2. その他、実務を支える「デジタル助手」としての機能
契約書業務以外にも、生成 AI は法律実務のさまざまなプロセスを効率化します。
生成 AI は、弁護士や法務担当者に代わって「判断」を下す存在ではありません。しかし、プロンプト設計を適切に行うことで、定型作業や情報整理から解放され、より高度な法的判断や戦略的検討に集中できる環境を整えることができます。
これからは、プロンプトの原理について詳しく紹介するとともに、実務でプロンプトを設計する際に注意すべき事項について解説します。
三、生成 AI を活用するためのプロンプト設計の基本
（一）プロンプトとは何か：LLM への「設計図」
1. 指示文の役割
プロンプトとは、LLM に対して与える命令や情報の総称です。これは単なる「質問」ではなく、AI に対して「どのような立場（役割）で」「どのような前提条件に基づき」「どのような形式で」成果物を出すべきかを定義する設計図の役割を果たします。
2. 出力精度と「実務設計」の関係
生成 AI は、与えられたプロンプトの内容に基づいて確率的に文章を生成します。そのため、プロンプトの質は出力精度に直結します。
指示が曖昧であれば回答も曖昧になり、具体的かつ構造化されたプロンプトを与えられば、より実務に適した回答が得られます。
法務における生成 AI を活用する場合、プロンプト設計は単なる入力作業ではなく、実務設計の一環ともいえます。
（二）プロンプト設計の論理構造
効果的なプロンプトは、主に以下の2つの要素で構成されます。
1. システムプロンプト：役割と背景
LLMに専門的なアイデンティティや制約を与えます。
例：「あなたは企業法務に20年従事しているベテラン弁護士です。リスクに対して保守的かつ論理的な視点を持ってください」
2. インストラクションプロンプト：具体的タスク
実際に実行させたい作業を指示します。
例：条項の修正案の提示、論点整理、リスク分析など。
【具体例：弁護士によるメール作成のプロンプト構成】
（三）高精度プロンプト作成のための3つのポイント
生成 AI を法務で最大限活用するためには、次の三点が重要です。
1. コンテキストの具体化
LLM は与えられた情報が多ければ多いほど、精度の高い推論が可能です。契約書のドラフトを依頼する場合でも、単に「契約書を作成してください」と指示するのではなく、以下の要素を具体的に提示することが重要です。
- 契約の目的と背景
- 当事者の関係（有利・不利の立場）
- 想定したリスク要素
- 準拠法と必須条項（例：日本法に準拠）
2. 制約条件の明確化とポジティブな指示
生成 AI は制約を与えない場合、冗長または不適切な出力を行う可能性があります。そして、AI は「禁止事項」よりも「推奨事項」を理解しやすい傾向があります。
そのため、この三つのポイントを活用して制約条件を明確にすることが重要です。
3. 思考プロセスの明示（Chain of Thought）
複雑なリーガルリサーチやリスク検討に対しては、AI に「段階的な思考」を促す手法が有効です。
たとえば、
「まず論点を洗い出し、次に各論点のリスクを評価し、最後に修正案を提示してください」
といった指示を加えることで、回答の論理的整合性がより安定します。
これは「Chain of Thought（CoT）」と呼ばれる手法であり、複雑な契約分析やリスク検討において特に有効です。
また、「Few-shot Prompting」（いくつかの具体例を提示する手法）を用いることで、望ましい回答のトーンや形式をAIに学習させることも可能です。
対話型プロンプトによる精緻化
その他、生成AIは同一のチャット内の文脈を保持するので、一度の指示で完璧を求めず、
初稿作成 → 修正指示 → 追加条件の提示
というプロセスを繰り返すことで、回答を実務レベルまで磨き上げることができます。
具体的に言うと、同一のチャット内でユーザーが入力した内容と LLM が理解した内容は以下のようになります。
このように、対話型 LLM が過去の文脈（ Q1 と A1 ）を保持し、回答を生成します。
四、生成 AI 活用における留意点
（一）法律実務における機密保持とデータ管理の課題
前述したハルシネーションのリスク以外、生成 AI の利便性を享受する前に、避けて通れないのがセキュリティ及びコンプライアンスの問題です。特に機密保持義務を負う弁護士や法務部門にとって、データの取り扱いに関する正確な理解と適切な管理体制の構築は不可欠です。
1. リスクを回避するための「ガバナンス設計」
生成 AI の利用には、大きく分けて「外部サーバーへのデータ保存」と「入力データの学習利用」という 2 つのリスクが存在します。これらを適切に制御するために、以下のようなガバナンス設計が重要となります。
- 情報の匿名化・抽象化
固有名詞、具体的な金額、特定可能なプロジェクト名などを一般化した表現に置き換えたうえで入力するなど、運用ルールの徹底が求められます。 - 適切なプランの選択
個人向けの無料版（入力データが学習に利用される可能性があるプラン）を避け、データの二次利用を規約上制限している法人向けプランやAPI利用を選択することが望ましいといえます。 - 利用規約の定期的な確認
サービス提供者の規約変更により、データの取り扱い方針が変更される可能性があるため、継続的な確認体制が必要です。
2. クローズド環境での LLM 運用：自社専用 AI の構築
より高度な機密保持が求められる場合、汎用的なチャットサービスを利用するのではなく、外部ネットワークから隔離された「クローズド環境」での運用が有力な選択肢となります。
- クラウド専用環境（Azure OpenAI 等）
Microsoft 等のクラウド基盤上で、自社専用のインスタンスを構築し、GPT-4 等の高性能モデルを利用する方法です。一定の条件下で、入力データがモデルの学習に利用されない環境を構築できます。 - 自社サーバー内構築（オープンソースモデル）
Llama 3 などのオープンソースモデルを自社の機密環境内にデプロイする方法です。外部へのデータ送信を行わない構成とすることで、高度な情報統制を実現できます。
（二）法的責任と人間の最終判断：AI は「判断」を代替できるか
生成 AI や LLM が高度化するにつれ、「実務のどこまでを AI に委ねられるのか」という問いは、リーガル領域において避けて通れない重要な論点となります。
まず大前提として、生成 AI はあくまで「補助的ツール」であり、法的責任の主体にはなり得ないという点を再確認する必要があります。
契約書の起案、法令解釈、リスク評価、さらには訴訟方針の決定といった「最終的な法的判断」の責任は、常に人間である弁護士や法務担当者に帰属します。
1. 出力内容に対する責任の所在
生成 AI が提示した条文案や法的見解をそのまま実務で採用する場合、その内容に関する一切の責任は利用者が負います。LLM はあくまで「確率的な予測モデル」であり、出力結果の法的妥当性を保証するものではありません。
そのため、生成 AI の出力は常に「草案」または「検討素材」として扱い、以下の観点から人間による厳格なレビューを経ることが不可欠です。
- 正確性の検証： 引用された判例や条文が実在し、正確であるか。
- 最新性の確認： 最新の法令改正や直近の裁判例と整合しているか。
- 個別具体性への適合： 当該案件の特有の事情や、クライアントの意向を反映しているか。
2. 専門職としての倫理と善管注意義務
弁護士をはじめとする法律実務家は、常に依頼者に対して「善管注意義務」を負っていルので、生成 AI を活用する場合であっても、以下の体制を確保する責任があります。
- 利用の妥当性： 当該業務にAI を導入することが、依頼者の利益に資するか。
- 情報管理： 入力データの秘匿性が確保されているか（前述のガバナンス設計）。
- 検証体制の構築： AI の回答を鵜呑みにせず、二重のチェック機能が働いているか。
「AI を使うこと」自体が問題となるのではなく、「AI の回答に対する検証を怠ること」こそが、専門職としての責任問題に発展しうるという認識が重要です。
3. 「補助」と「判断」の明確な線引き
生成 AI を適切に実務へ組み込むためには、AI が得意とする「補助」と、人間にしかできない「判断」の境界線を明確に引く必要があります。
- 生成 AI が得意とする「補助機能」：情報整理、論点の構造化、多角的な選択肢（オルタナティブ）の提示、翻訳・校閲。
- 人間に委ねられるべき「価値判断」：法解釈の最終確定、許容できるリスクの多寡（ビジネス判断）、交渉における戦術の決定。
この境界線を意識し、AI を「思考のパートナー」として位置づけることが、リーガルテック時代の新しい法務スタイルの第一歩となります。
おわりに：生成 AI とリーガルテックの今後
本記事では、生成AIの仕組みから法務実務への応用、そしてプロンプト設計の基本までを概観してきました。最後に、私たちが直面している「AIと法律専門職の未来」について整理します。
（一）生成 AI は法律実務家を代替するものではない
「生成 AI は将来的に弁護士を代替するのか」という問いに対し、私たちは明確に「ノー」と考えています。生成 AI はあくまで高度な「ツール」であり、特定の「作業」を効率化することはあっても、「専門職としての役割」そのものを置き換えることはできません。
現代の LLM は、膨大な学習データと確率モデルに基づいて文章を生成します。しかし、法律実務における判断は単なるテキスト処理ではありません。そこには、以下のようなデジタル化・形式化が困難な要素が含まれています。
- 個別具体的な背景事情： 当事者間の複雑な人間関係や感情。
- 明文化されていない事実関係： 行間や沈黙から読み取るべき真実。
- 文脈に依存した交渉戦略： その場の状況に応じた臨機応変な駆け引き。
- 長年の経験に基づく「リーガル・センス」： 形式的な論理を超えたリスクの嗅覚。
こうした非構造的な情報を含めた「総合的な判断」は、現在の生成 AI や LLM の枠組みでは本質的に再現が困難です。したがって、現時点において生成 AI が弁護士を代替する可能性は限定的であると考えられます。
（二）知的労働の再定義：LLMを理解することの重要性
もっとも、AI が人間を代替しないからといって、無関係でいられるわけではありません。生成 AI は確実に、リーガル業務のプロセスを変容させています。
翻訳、要約、ドラフト作成、情報整理といった、かつて「専門的技能」とされていた作業の多くは、AI によって劇的に高速化・自動化されています。その結果、これからの法律実務家には、知識量そのものよりも以下のような能力が求められるようになります。
- 問題の構造化能力： 課題を的確に把握し、論理的に分解する力。
- プロンプト設計力： AI から望ましい回答を引き出すための「問い」の質。
- 最終的な意思決定と責任： 提示された選択肢から、どのリスクを取り、どの判断を下すか。
かつて産業革命が肉体労働の価値を変えたように、生成 AI は知的労働の価値構造を再編しています。繰り返し可能な「実行作業」の価値は相対的に低下し、「戦略設計・判断・責任」を担う役割の価値は、より一層高まっていくでしょう。
生成 AI は法律専門職の価値を奪うものではなく、その価値を「再定義」し、よりクリエイティブな領域へと解き放つ技術だと考えております。
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。