米国の2名規模法律事務所がHarvey AIでリサーチ高速化した事例です。 Harvey公式(2025-09-15更新)で公開されています。
「米国大手法律事務所の話だから関係ない」と読み飛ばすにはもったいないです。 日本の中小士業(弁護士・税理士・行政書士・社労士)で「人手が足りずリサーチ・書類作成に時間がかかる」で悩んでいる構造そのものだからです。 同事務所はこの問題を、「業務特化AI+一次資料連携+士業監修」で解いています。
僕が注目したのは、「2名規模の事務所でも大手クラスのアウトプット」という踏み込みです。日本のソロ士業にそのまま転用できます。
中小士業のソロ・小規模課題
ソロ〜2名規模士業にありがちな構造はこうです。
- 案件1件ごとにリサーチ時間が膨大
- 受任数が人手で頭打ち
- 結果、新規受任を断る
- 1件あたり単価で競合に負ける
汎用ChatGPTには判例・条文・税法の正確性が保証されません。「業務特化AI+一次資料連携+士業監修」が必要、というのが本事例の骨子です。
米国小規模事務所の取り組み
Harvey公式の事例として紹介されている内容は以下です。
- 対象: 2名規模の専門特化型法律事務所
- 基盤: Harvey AI(法務特化LLM)
- 用途:
- 判例リサーチ: 一次資料連携で正確性担保
- 書面ドラフト: 初稿生成+人レビュー
- クライアント対応: 質問応答の下準備
- 設計思想: 法務特化AI+一次資料連携+弁護士監修
効果実感:
- 案件処理スピード大幅向上
- 2名で中規模事務所相当のキャパ
- 単価維持で収益性向上
何が真似できるか
米国法律事務所ですが、設計思想だけ抜き取るとこうなります。
- ソロ・小規模は業務特化AIを活用
- 一次資料連携で幻覚回避
- 士業本人が最終監修
- 効果は「処理件数×処理時間×受任単価」で測る
特に「業務特化AI+一次資料連携」が秀逸です。日本のソロ士業ほど「汎用ChatGPTだけ」となりがちですが、特化AI+一次資料で精度が桁違いに上がります。
日本のソロ・小規模士業で再現するなら
ここからが本題です。社員1〜10名のソロ・小規模士業で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 米国2名事務所 | 日本ソロ士業(社員1〜10名) |
|---|---|---|
| 対象 | 専門特化案件 | 自分の専門分野から段階展開 |
| ツール | Harvey AI | 業務特化AI(LegalForce/MyShingi/freee顧問契約等、月1〜10万円目安) |
| 月額費用 | (記載なし) | 推定 月1〜10万円 |
| 初期費用 | (記載なし) | 推定 10〜50万円(プロンプト設計+一次資料整備) |
| 体制 | 弁護士2名 | 士業本人+補助担当 |
| 期間 | (記載なし) | 1〜3ヶ月で1業務運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★★ |
| 再現性(ソロ・小規模士業) | ★★★★★ |
| 難易度(低いほど簡単) | ★★☆☆☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは最高。受任キャパ拡大は売上直結
- 再現性は最高。業務特化AIで同思想を再現可
- 難易度は低。1業務から段階導入で開始可
前提条件・必要データ
- 判例・条文・基準の一次資料アクセス
- AI出力後の士業本人レビュー運用
- 月次で処理件数+処理時間+受任単価を計測
- 機密情報の取扱ルール整備
失敗条件・適用しないケース
- 汎用ChatGPT単体で完結(幻覚リスク)
- AI出力を監修なし提出
- クライアント機密をプロンプトに直貼り
- 効果測定をせず「便利になった気がする」で終わる
「Harvey入れれば36倍」のではありません。
専門分野特定→特化AI選定→一次資料連携→士業監修→運用標準化→月次測定、という流れが1〜3ヶ月で回って初めて、本事例が描く「ソロでも大手キャパ」像が日本士業にも見えてきます。
特に「士業監修」を省くと、NY弁護士懲戒事案と同じリスクを負います。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら