法務AI活用ガイド：契約書AIチェックの適法性の整理から、社内ナレッジ活用まで

執筆：Swooo編集部／監修：諸藤 哲耀（株式会社アイビス Swooo）

法務業務のAI活用で最初につまずくのは、ツール選びではありません。「そもそも契約書をAIにチェックさせて問題ないのか」という適法性の疑問と、「ツールを入れたのに、自社の過去案件や判断基準が活きない」という運用の壁です。前者については、2023年8月に法務省がAI契約書レビューと弁護士法72条の関係を整理したガイドラインを公表しており、判断の枠組みはすでに示されています。後者は今まさに多くの法務部門が直面している課題で、GVA TECHの調査（2026年5月、法務部門担当者等101名）では、62.4%が「法務ナレッジの活用」を最大の障壁に挙げました。

この記事では、法務部門の責任者や経営層に向けて、法務AIの現在地を示す調査データ、サービスの分類とできること・できないこと、法務省ガイドラインに基づく弁護士法72条の考え方、そしてSaaS導入後に残るナレッジ活用の課題と社内RAG構築という選択肢、費用の目安、導入の進め方までを一通り解説します。
なお、経理業務・人事業務のAI化は、経理業務のAI化ガイドと人事業務のAI化ガイドで同じ枠組みで整理しています。

先にお断りしておきます。本メディアを運営するSwooo（株式会社アイビス）は法律事務所ではなく、法的助言を行う立場にはありません。本記事の法令に関する記述は、法務省の公表資料など一次情報に基づく制度の一般的な説明です。個別の契約やサービス利用の適法性は、必ず弁護士に確認してください。

法務業務別の早見表：ツールで済むか、開発が効くか、AI化しないか

最初に結論の早見表を示します。法務の主要業務ごとに、既製のリーガルテックSaaSや汎用生成AIで十分か、自社に合わせた開発が効くか、そもそもAIに任せない領域かを整理したものです。詳しい理由は後の章で解説します。

大づかみに言えば、「どの会社でも同じ形の業務」は既製ツール、「自社にしかない形の業務」は開発、「判断そのもの」は人という三層の切り分けです。法務の場合、この切り分けは効率の問題であると同時に、弁護士法72条との距離を測る線引きでもあります。この点が経理や人事のAI化にはない、法務特有の論点です。

法務AI活用の現在地：3つの調査が示す数字

法務部門のAI活用はどこまで進んでいるのか。直近の調査を3つ並べます。数字に幅があるのは、調査の対象と「活用」の定義が異なるためです。どの数字を引くかで景色が変わるので、出典と母数をセットで押さえてください。

LegalOn調査の「法務業務での活用22%」と、GVA調査の「9割超が利用」は一見矛盾して見えますが、前者は法務業務そのものへの活用、後者は業務での利用経験を広く聞いたもので、母数も時期も違います。日本経済新聞の報道（2026年2月、調査は2025年10月実施）による大手76%という数字も合わせると、「触ったことがある」段階はすでに多数派、法務業務の中核への組み込みはこれから、というのが現在地の妥当な読み方です。

使われ方と効果も見ておきます。LegalOn調査（2025年7月、500名）では、法務業務での主な活用場面は「契約書レビュー」と「法律調査（リサーチ）」が上位で、活用者の半数以上が1日30分以上の時間短縮を実感しています。
一方、同調査で未活用者298名が挙げた不安は「精度」46%、「信頼性」39%、「セキュリティ」35%。精度と信頼性への不安が導入をためらわせている構図です。

もう一つ、同じLegalOn調査には人材面の示唆もあります。「AI活用を促進している法務部門で働きたい」という回答が54%と半数を超えました。法務は採用の難易度が高い職種です。AIへの取り組みが、業務効率だけでなく人材の確保・定着にも影響し始めていることを示す数字と読めます。

導入をためらわせている不安の中には、「そもそも契約書をAIに審査させるのは弁護士法に触れないのか」という適法性の疑問も含まれます。そこで次章の前に、まず法務AIで何ができるのかを整理し、その上で弁護士法72条の考え方を法務省の公表資料に沿って確認します。

法務AIでできること：サービスの5分類

「法務AI」とひとくくりに呼ばれるサービスは、実際には性格の異なる5つのタイプに分かれます。比較検討の前に、まずどのタイプの話をしているのかを揃えると、選定の議論が噛み合います。

• AI契約書レビュー型：契約書をアップロードすると、契約類型別のチェックリストやひな形と照合し、リスク条項や抜け漏れの候補を検出するタイプ。LegalForce（LegalOn Technologies）が代表格です
• CLM（契約ライフサイクル管理）型：契約書の作成からレビュー、締結、期限管理までを一つの基盤で扱うタイプ。ContractS CLMなどがこの型で、レビュー単体というより契約業務プロセス全体の整備が目的です
• 法務プラットフォーム型：契約審査・案件管理・AIアシスタントを一体化し、複数ツールに分散しがちな法務業務を一元化する方向のタイプ。GVA TECHのOLGAなどが該当します
• 文書編集・フォーマットチェック型：条項番号のずれ、定義語の不整合、表記ゆれなど、文書としての品質を機械的に点検するタイプ
• 生成AI・リサーチアシスタント型：法令・判例・文献の調査の下調べや、論点整理の下書きを支援するタイプ。汎用の生成AIをこの用途に使うケースも含みます

このほか、法務業務の一部を外部の専門チームに委ねるALSP（法務アウトソーシング）型もありますが、本記事はツールとシステムの話に絞ります。

どのタイプにも共通する前提が一つあります。これらはいずれも「支援ツール」であり、審査の最終判断は法務担当者や弁護士が行う設計になっていることです。これは単なる免責の言い回しではなく、後の章で見るとおり、弁護士法72条との関係でサービス設計そのものに組み込まれた線引きです。

AI契約書レビューSaaSの選び方：7つの確認ポイント

既製SaaSを評価する際の確認事項を7点に整理します。個別サービスの機能比較は各社の公式情報が随時更新されるためここでは行わず、比較の物差しになる観点を示します。

1. 必要機能の網羅性：レビュー支援だけでよいのか、作成・締結・期限管理まで含めて整えたいのか。冒頭の早見表で「既製で十分」とした業務のうち、どこまでを一つのサービスでカバーしたいかを先に決めてから機能表を見ると、過不足の判断がぶれません
2. 対応する契約類型とファイル形式：NDAや業務委託契約など一般的な類型は各社の対応が進んでいますが、自社の主力となる契約類型（英文契約、業界固有の契約など）への対応は差が出やすい部分です。Word以外にPDFなど実際に自社へ届く形式をどこまで読めるかも確認します
3. 自社基準でのカスタマイズ：自社のひな形やチェックリストを登録して照合基準にできるか。ここが弱いと「一般論の指摘は出るが、自社の基準と合わない」という導入後の不満につながりやすく、次章以降で扱うナレッジ活用の課題とも直結します
4. 外部システムとの連携：ワークフロー、電子契約、文書管理システムと連携できるか。連携が切れている箇所には、システム間の転記という手作業が残ります
5. サポート体制：導入時のひな形・チェックリスト整備の支援や、運用定着までの支援があるか。レビュー基準の初期設定は導入時の最大の山です
6. 多言語対応：英文契約のレビューが業務にあるなら必須の確認項目です。対応の深さ（検出だけか、参考訳まで出るか）も差が出ます
7. 費用対効果：AI契約書レビューSaaSは料金を公開していないサービスが多く、比較検討は複数社から見積もりを取る前提になります。効果側は、自社の月間審査件数に削減時間を当てはめて概算します。LegalOn調査（2025年7月、500名）の「活用者の半数以上が1日30分以上の時間短縮」は目安の一つになります

そして機能比較より先に確認したいのがデータの取り扱いです。契約書は取引先との秘密保持義務の対象になっていることが多く、入力した内容がAIの学習に使われない設定・契約になっているか、データの保管場所とアクセス権限がどうなっているかは、選定の入口で確認する項目です。

契約書のAIチェックと弁護士法72条：法務省ガイドラインの整理

本章がこの記事の中心です。契約書のAIチェックが弁護士法に触れないのかという論点について、法務省の公表資料に沿って、できるだけ正確に整理します。

そもそも弁護士法72条とは

弁護士法72条は、弁護士または弁護士法人でない者が、報酬を得る目的で、訴訟事件その他一般の法律事件に関する鑑定・代理・仲裁・和解その他の法律事務を業として取り扱うことを禁じる規定です。違反はいわゆる「非弁行為」と呼ばれ、罰則の対象になります。
AI契約書レビューサービスが登場した当初から、「AIが契約書のリスクを指摘する行為はこの条文に触れないのか」が議論されてきました。

この論点に対して、法務省大臣官房司法法制部は2023年8月、「ＡＩ等を用いた契約書等関連業務支援サービスの提供と弁護士法第72条との関係について」という指針（以下「法務省ガイドライン」）を公表しました。以下の整理は、この原文に基づきます。

最初に押さえる留保：ガイドラインは「合法のお墨付き」ではない

法務省ガイドラインは冒頭で、非弁行為に該当するか否かは罰則の構成要件である以上、個別の事件における具体的な事実関係に基づいて判断されるべき事柄であり、72条の解釈・適用は最終的には裁判所の判断に委ねられる、と明記しています（最高裁昭和46年7月14日大法廷判決の趣旨を踏まえた整理です）。

つまりこのガイドラインは、特定のサービスや使い方に法的拘束力のある「合法認定」を与えるものではなく、法務省としての一般的な考え方を示したものです。したがって「AI契約書レビューは合法」「このサービスなら違法にならない」といった断定はできません。本記事でも、以下はすべて「法務省ガイドラインではこう整理されている」という記述であり、最終判断は個別事案によることを前提にお読みください。

判断の枠組み：3つの要件がすべて重なった場合に問題になり得る

法務省ガイドラインでは、AI等を用いた契約書関連サービスの提供が弁護士法72条との関係で問題になり得るのは、次の3つの要件のすべてに当てはまる場合と整理されています。逆に言えば、いずれか1つでも当てはまらなければ72条違反にはならず、さらに3つすべてに当てはまる場合でも、後述の例外に該当すれば通常違反にならない、という構造です。

1. 報酬を得る目的があること
2. 対象が「訴訟事件その他一般の法律事件」にあたること（いわゆる事件性）
3. 行為が「鑑定その他の法律事務」にあたること

順に見ていきます。

要件①：報酬を得る目的

ここでの「報酬」は、法律事務の役務に対して支払われる対価を指し、現金に限らず物品なども含まれ、第三者から受け取る場合も含むと整理されています。ポイントは、利益の受け取りとサービス提供との間に対価関係があるかどうかです。

利用料などの利益を一切受け取らずに提供する場合、この要件には通常該当しません。ただし、表向き無償でも、他の有償サービスへの誘導や第三者からの手数料、会費制などの形で実質的な対価関係が認められる場合には該当し得る、とされています。「無料だから大丈夫」と形式だけで判断できない点に注意が必要です。

要件②：事件性——日常の契約実務の多くは「事件性がない」と整理されている

「事件性」とは、訴訟事件などに準ずる程度に、法律上の権利義務について争いや疑義があることを指します。たとえば、紛争が発生した後の裁判外の和解契約の作成支援は、事件性が認められ得る例として挙げられています。

一方で、法務省ガイドラインは事件性が認められない通常のケースも具体的に示しています。親子会社・グループ会社間で従来からの慣行的な取引を契約書として明確化する場合や、継続的取引の基本契約に基づいて特段の紛争なく従来同様の物品を調達する契約などです。
さらに、いわゆる企業法務で取り扱われる契約関係事務のうち、通常の業務に伴う契約の締結に向けての通常の話し合いや法的問題点の検討については、多くの場合「事件性」がないとの整理も示されています。

これは実務上、重要な意味を持ちます。企業の法務部門が扱う、紛争性のない通常の契約実務の多く——継続取引の基本契約や、通常業務に伴う契約締結前のチェックなど——は、この整理に照らせば事件性の要件を満たさない領域にあると読めるからです。日常の契約実務でのAI活用を検討する企業にとって、この点は法務省自身が示した重要な手がかりです。ただし、争いや疑義が現に生じている案件——たとえば相手方との間で条件が対立している紛争性のある交渉——は話が別であり、線引きはあくまで個別事案ごとの判断になります。

要件③：法律事務該当性——「機械的な照合」と「個別事案への法的見解」の分水嶺

「鑑定」とは法律上の専門知識に基づいて法律的な見解を述べることを、「その他の法律事務」とは法律上の効果を発生・変更させる事項の処理を指すと整理されています。法務省ガイドラインはこの要件について、サービスを作成支援・審査支援・管理支援の3類型に分け、それぞれ「法律事務に該当し得る例」と「通常は該当しない例」を機能ベースで示しています。要旨を表にまとめます。

この表を一本の軸に要約すると、「ひな形やチェックリストとの機械的な照合・表示にとどまる」機能は通常法律事務に該当しないとされる側に、「AIが個別事案の法的リスクを評価して独自の見解や修正案を示す」機能は該当し得る側に寄る、という整理です。
市場のAI契約書レビューSaaSの多くが「チェックリストとの照合」「リスク条項候補の検出」という機能設計を採り、最終判断を利用者側の法務担当者に委ねる建て付けにしているのは、この分水嶺を意識したものと理解できます。

例外：弁護士が自ら精査する使い方

法務省ガイドラインでは、仮に3要件のすべてに該当する場合でも、次のような利用方法であれば通常72条違反にはならない、との整理も示されています。

• 利用者が弁護士・弁護士法人本人であり、AIの出力結果を踏まえて弁護士自身が契約書を精査し、必要に応じて自ら修正する使い方
• 利用企業の職員・役員である弁護士（いわゆるインハウス弁護士）が、同様の方法で利用する場合

AIの出力を弁護士の専門的判断のもとで使う限り、AIはあくまで弁護士の判断を支える道具という位置づけになる、という考え方が背景にあると読めます。

2023年8月時点の整理であること、そして動向は更新され続けていること

最後に時点の注意です。上記はあくまで2023年8月公表のガイドラインに基づく整理です。その後も、産業競争力強化法のグレーゾーン解消制度（事業者が新しいサービスの規制への該当性を、事業の実施前に主務官庁へ照会できる制度）を通じて、法務省が個別サービスについての回答を継続的に蓄積しており、2026年1月には経団連が生成AIを用いたリーガルテックサービスの普及促進に関する提言を政府に提出するなど、この領域のルール整備は現在進行形で動いています。
サービスの導入や社内システムの設計を検討する際は、法務省のウェブサイトで最新の公表資料を確認し、判断に迷う点は弁護士に相談してください。

SaaS導入で解決すること・残ること：「ナレッジ活用」62.4%の壁

適法性の枠組みを押さえた上で、実務の話に戻ります。AI契約書レビューSaaSを導入すると何が解決し、何が残るのか。

SaaSが解決するのは、業界共通の部分です。一般的な契約類型に対する、ひな形・チェックリストとの機械的な照合・差分表示、抜け漏れの指摘。これらは多数の企業で使われて改善が回っている既製サービスが速く導入でき、安定運用の実績も積み上がっています。前章の整理と重ねると、ひな形・チェックリストとの機械的な照合・表示にとどまる機能は、法務省ガイドラインで通常「法律事務」に該当しないとされる側に近い使い方です。ただし「リスク条項の検出」のように個別事案の法的リスクの評価を伴う機能は、ガイドラインの分水嶺でいえば該当し得る側に寄る例として挙げられており、機能の実装や使い方によって評価が変わる点には注意が必要です。

導入効果として挙がるのは、審査時間の短縮、チェック漏れの防止、そして審査品質の属人化の緩和です。
とくに属人化は、担当者による指摘のばらつきや、異動・退職で審査の水準が変わるという形で表面化します。チェックリストとの照合を機械に任せれば、少なくとも「見るべき箇所を見落とさない」という下限は、担当者によらず揃えられます。ここまでが、既製SaaSの守備範囲です。

一方で、導入後に残る課題を示すのが、GVA TECHの「企業法務のAI・DXツール活用実態調査」（2026年5月、法務部門担当者等101名）です。この調査では9割超がすでに生成AIを業務で利用している一方、約6割が「過去案件や社内の判断基準などのナレッジを活用できていない」と回答し、「法務ナレッジの活用」を最大の障壁とする回答は62.4%にのぼりました。

この62.4%の中身を具体的に言えば、こういうことです。汎用のAIも既製SaaSも、「この条項は一般的にリスクがある」とは教えてくれます。しかし、「この取引先とは過去に同じ条項で交渉してこの落としどころに着地した」「自社はこの類型の損害賠償上限をこの水準で受けてきた」「この事業部の案件では過去にこの点が問題になった」——こうした自社固有の過去案件・交渉履歴・判断基準は、外部のサービスがあらかじめ持ちようがない情報です。ベテラン担当者の頭の中と、散在する過去の契約書・審査コメント・決裁記録の中にしかありません。

つまり法務AIの導入は、SaaS単体では第二段階まで届かないケースが多く、二段階で設計すると効果を伸ばしやすくなります。第一段階は業界共通のチェックをSaaSで固めること。第二段階は自社固有のナレッジを検索・参照できる形に整えること。62.4%という数字が示しているのは、多くの企業が第一段階を越えて、第二段階の壁に突き当たっているという実態です。

次の一手：法務ナレッジの社内RAG構築という選択肢

この第二段階の壁に対する技術的な答えの一つが、社内RAG（検索拡張生成）の構築です。RAGは、生成AIに社内文書の検索を組み合わせ、回答の根拠を自社のデータに置く仕組みです。法務領域に当てはめると、過去の契約書、審査時のコメント、社内の判断基準や決裁記録、交渉メモといった散在するナレッジを検索可能な形に整え、担当者が「この類型の過去案件と自社の判断基準」を数秒で引けるようにする、というものです。

汎用SaaSとの違いは参照先です。SaaSは業界共通の知見を、社内RAGは自社固有の蓄積を参照します。両者は置き換えの関係ではなく、SaaSで共通部分を、社内RAGで固有部分をカバーする補完関係で考えるのが実態に合っています。

SaaS導入から社内RAGへ：典型的な3ステップ

実務では、次の3段階で進む形が典型的だと考えられます。

1. 共通部分の下地づくり：AIレビューSaaSや汎用生成AIで、一般的なリスク条項の検出とリサーチの効率化を先に固めます。ここまでは既製サービスの守備範囲です
2. ナレッジの構造化：過去の契約書・審査時のコメント・社内の判断基準・交渉メモを収集・整理し、検索できる形に変換します。散在するファイルの棚卸しと、参照してよい情報の仕分け（秘密度・個人情報の観点）が、この段階の実務の中心です
3. 業務への組み込み：審査の際に、過去の類似案件と自社基準が根拠つきで提示される形に組み込みます。このとき、機能を参照・照合型に収める線引き（前章の72条の整理）を要件として明文化します

この3ステップは、GVA TECH調査が示す課題認識（共通部分のツールは普及した一方、自社ナレッジが活きていない）から導いた構造の整理です。どの段階まで進めるかは、自社の案件数とナレッジの蓄積量によります。月間の審査件数が少ない組織なら、ステップ2の「検索できる形にする」だけでも効果は出ます。逆に案件数が多く担当者の入れ替わりもある組織ほど、ステップ3まで進める価値が大きくなります。

法務RAGの設計で外せない3つの要点

ただし、法務ナレッジのRAGは、一般的な社内FAQボットと同じ感覚で作ると危うい領域です。設計段階で押さえるべき要点が3つあります。

第一に、弁護士法72条を意識した機能の線引きです。前章の整理を設計に翻訳すると、「過去の類似案件・登録済みの判断基準を検索して提示する」「ひな形との相違箇所を機械的に示す」という参照・照合型の機能に寄せ、「AIが個別案件の法的リスクを評価して独自の見解や修正方針を出力する」方向には踏み込まない、という線引きになります。もっとも、自社の法務部門が自社の業務のために使う社内ツールと、外部に提供するサービスとでは前提が異なりますし、該当性の最終判断は個別事案によります。どこまでの機能を持たせるかは、要件定義の段階で自社の法務・顧問弁護士を交えて決めるのが、この領域の開発の正しい進め方です。

第二に、根拠の提示です。回答だけを返すのではなく、参照した過去案件や判断基準の該当箇所を必ず示す設計にします。法務の仕事は根拠の確認が本体であり、根拠にたどり着けない回答は、確認の手間を減らすどころか増やします。出典表示は、精度への不安（LegalOn調査で未活用者の46%が挙げた懸念）に対する有効な手当ての一つです。

第三に、データの取り扱いです。契約書には取引先の秘密情報や個人情報が含まれます。NDAの秘密保持義務との整合、アクセス権限の設計（案件や部署による閲覧制限）、入力データがAIモデルの学習に使われない構成・契約になっているかの確認は、機能設計より先に固める項目です。

この3点はいずれも、ツールの選定というより要件定義と設計の問題です。だからこそ法務ナレッジの整備は、SaaSの契約だけでは完結せず、自社に合わせた設計・開発が効く領域になっています。RAGを含む業務AI化の設計・開発・運用の全体像は業務AI化支援のページで整理しています。

費用の目安：方式別の相場

自社に合わせた開発を検討する場合の費用感です。AI開発の相場は方式によって大きく変わります。法務領域での例と合わせて示します。

ポイントは、小さく始める選択肢があることです。いきなり契約業務全体の基盤を狙わず、まず数十万円から数百万円規模で「過去案件の検索」など効果を確かめやすい範囲から着手し、成果が出た領域を広げていく進め方が現実的です。
初期費用のほかに、保守・運用費が継続的にかかる点も予算計画に含めてください。法務の場合、ひな形や判断基準の改定への追随、参照データの更新運用が保守の中身になります。

導入の進め方：5つのステップ

法務AIの導入は、判断から遠い業務ほどリスクが小さく、始めやすくなります。おすすめの進め方は次の5ステップです。

1. 業務の棚卸しと切り分け：冒頭の早見表を使い、自社の法務業務を「既製ツールで済む」「開発が効く」「AI化しない（人が判断する）」の3つに仕分けます。業務ごとの月あたり工数も見積もっておくと、後の効果測定の基準になります
2. 利用ルールの整備と低リスク業務での着手：契約書や相談内容を外部サービスに入力してよい条件（学習利用オフ、秘密情報のマスキングなど）を先に決めた上で、議事録要約やリサーチの下調べなど判断に関わらない業務から始めます。社内のリテラシー底上げにはAI研修を併用する方法もあります
3. 既製SaaSの評価導入：契約書レビューや契約管理は、まず既製SaaSのトライアルで自社の契約類型との相性を確かめます。ここで無理に開発はしません
4. 「残った課題」の特定とPoC：SaaS導入後もなお残る課題——多くの場合、過去案件・自社判断基準の参照＝ナレッジ活用です——を特定し、対象文書を絞った小規模なRAGで検証します。検索の精度と現場の使われ方をここで見極めます
5. 本番開発と運用設計：PoCで効果が確認できたら本番構築に進みます。機能の線引き（72条を意識した参照・照合型への限定）とデータの取り扱いは、この段階で法務・顧問弁護士のレビューを開発工程に組み込んで固めます

この順序の利点は、各段階で投資判断を見直せることです。ステップ3のSaaSで十分な成果が出れば、そこで止めても構いません。開発に進むのは、SaaSでは埋まらない課題が実際に残り、その工数と影響が数字で見えている場合だけです。

体制面では2点を押さえてください。自社の判断基準を最もよく知る法務の現場メンバーに、要件整理の段階から参加してもらうこと。そして契約書という秘密情報を扱う以上、情報管理の責任者と参照範囲のルールを最初に決めることです。
開発を外部に依頼する場合は、RAGの検索精度をどう評価・改善するかの進め方を具体的に示せるか、精度が想定に届かなかった場合の代替案まで提示できるかを確認するとよいでしょう。

Swoooの業務AI化支援について

本メディアを運営するSwooo（東証グロース上場・株式会社アイビス）は、AI駆動開発とノーコードを組み合わせた受託開発で、業務システムを含む累計50件以上の開発を支援してきました。社内文書を検索して根拠つきで回答するRAG構築や、業務のAI化の切り分け（ツールで済むのか、開発が効くのか）の段階からご相談いただけます。既製ツールで足りる場合はその旨をお伝えした上で、開発が効く領域に絞ったご提案をします。
なお、Swoooが提供するのはシステムの設計・開発・運用支援であり、契約内容の審査や法的判断は行いません。適法性に関わる論点は、貴社の法務部門・顧問弁護士と連携して進める前提です。

→ 法務業務のAI化・社内RAG構築について相談する（無料）

よくある質問

Q. 契約書のAIチェックは弁護士法72条に違反しませんか？

一律に「違反する／しない」と言える問題ではありません。法務省が2023年8月に公表したガイドラインでは、①報酬を得る目的、②事件性（法律上の権利義務に争いや疑義があること）、③法律事務該当性、の3要件すべてに当てはまる場合に72条との関係で問題になり得ると整理されており、企業の通常の業務に伴う契約締結に向けた検討は多くの場合事件性がない、ひな形やチェックリストとの機械的な照合・表示にとどまる機能は通常法律事務に該当しない、との考え方も示されています。ただし同ガイドラインは、該当性は個別事案の事実関係に基づき判断され、最終的には裁判所の判断に委ねられるとも明記しています。個別のサービスや使い方の適法性は弁護士に確認してください。

Q. 法務のAI活用はどの業務から始めるべきですか？

判断に関わらない業務、具体的には議事録・法務相談メモの要約、法令・判例リサーチの下調べ、契約書の誤字・条項番号チェックあたりが入口に向いています。LegalOn Technologiesの調査（2025年7月、500名）でも、活用場面の上位は契約書レビューと法律調査で、活用者の半数以上が1日30分以上の時間短縮を実感しています。外部サービスへの入力ルール（学習利用オフ、秘密情報の扱い）を先に決めてから始めるのが順序です。
精度や信頼性への不安が残る段階では、AIの出力を必ず人が確認する運用を前提に、誤りの影響が小さい業務で経験を積むのが定石です。契約審査そのものへの適用は、その後で検討しても遅くありません。

Q. 契約書をChatGPTなどの汎用生成AIに入力しても問題ありませんか？

個人向けの無料プランをそのまま使うのは避けてください。契約書には取引先の秘密情報（NDAの秘密保持義務の対象）や個人情報が含まれることが多く、入力内容がサービス側の学習に使われない設定・契約になっているかの確認が前提になります。法人向けプランで学習利用をオフにする、社名や固有情報をマスキングする、入力可否の社内ルールを明文化する、といった手当てをした上で使うのが実務的です。

Q. AI契約書レビューSaaSと社内RAG構築は、どちらを選ぶべきですか？

置き換えの関係ではなく、カバーする範囲が違います。SaaSは業界共通の契約類型・一般的なリスク条項の検出に強く、導入も速い。一方、自社の過去案件・交渉履歴・判断基準といった固有のナレッジは外部サービスが持ちようのない情報で、GVA TECHの調査（2026年5月、101名）でも62.4%が法務ナレッジの活用を最大の障壁に挙げています。まずSaaSで共通部分を固め、それでも残るナレッジ活用の課題に対して社内RAGを検討する、という順序が実態に合っています。

Q. 法務ナレッジのRAG構築の費用と期間の目安を教えてください

RAG・業務組み込み型の開発で100万〜1,000万円が目安です。対象文書を絞ったPoC（概念実証）なら数十万円から数百万円規模・1〜2ヶ月程度で検証でき、本番構築は対象範囲とアクセス権限設計の複雑さにより数ヶ月単位を見込みます。初期費用のほか、ひな形・判断基準の改定に追随する運用保守費が継続的にかかります。対象業務と文書の範囲を伝えた上で概算見積もりを取るのが早道です。

まとめ：適法性の枠組みを押さえ、共通部分はSaaS、固有ナレッジは自社基盤で

法務業務のAI活用のポイントを整理します。

• 活用の現在地は調査により幅がある。法務業務での活用22%（LegalOn・2025年7月・500名）、業務での利用9割超（GVA TECH・2026年5月・101名）、大手の法務業務での活用76%（日本経済新聞・2025年10月調査）。「触れた」段階は多数派、業務の中核への組み込みはこれから
• 弁護士法72条について、法務省ガイドライン（2023年8月）は「①報酬目的 ②事件性 ③法律事務該当性の3要件すべてに当てはまる場合に問題になり得る」と整理。通常の契約締結に向けた検討は多くの場合事件性がなく、機械的な照合・表示にとどまる機能は通常法律事務に該当しないとの考え方が示されている。ただし最終判断は個別事案・裁判所に委ねられる
• 既製SaaSが解決するのは業界共通の部分。導入後に残るのは自社固有のナレッジ活用で、62.4%が最大の障壁に挙げる（GVA TECH調査）。過去案件・判断基準を検索できる社内RAGが次の一手になる
• 法務RAGの設計要点は3つ。72条を意識した参照・照合型への機能の線引き、根拠箇所の提示、秘密情報・アクセス権限の設計。いずれも要件定義の問題であり、法務・顧問弁護士を交えて決める
• 費用はLLM API活用で50万〜300万円、RAG構築で100万〜1,000万円、契約業務全体の自動化基盤で500万〜3,000万円が目安。小さく検証して広げる進め方が現実的

法務AIで最も避けたいのは、適法性の枠組みを確認しないまま機能を広げることと、逆に、枠組みが整理されている領域まで漠然とした不安で止まってしまうことです。法務省ガイドラインという公表された物差しがあり、日常の契約実務の多くはその整理の中で見通しを立てられます。共通部分はSaaSに任せ、自社にしかないナレッジの整備に投資を絞り、判断は人と弁護士に残す。この軸で進めれば、法務のAI活用は着実に積み上げられます。自社の業務がどこに当てはまるか切り分けから検討したい場合は、お気軽にご相談ください。

→ 法務業務のAI化について相談する（無料）

関連ガイド：経理業務のAI化ガイド／人事業務のAI化ガイド／業務AI化支援