法務AI実務者がGPT-4o+Claude 3.5 Sonnet+専門RAGの三層構成で契約書レビュー業務を再設計した事例です。 note(2026-02-08)で公開されています。
「先進的な実務者の話」と読み飛ばすにはもったいないです。 中小法律事務所・社内法務・士業で「機密情報を扱うのでAI活用に踏み出せない」「契約書レビューが特定弁護士に集中して属人化」で悩んでいる構造そのものだからです。 この実務者は、「機密データを抜く前処理」+「LLM二層比較」+「自社RAG参照」の組み合わせで解いています。
僕が注目したのは、「機密情報を漏洩させない運用」を最初のレイヤーに置いた設計です。中小規模の法務現場にそのまま転用できます。
中小法務の課題
社員10〜100名の法律事務所・社内法務・士業にありがちな構造はこうです。
- 契約書レビューに1件あたり数時間〜半日
- レビューが特定弁護士・有資格者1〜2人に集中
- 機密情報があるためChatGPTに躊躇
- 過去の判例・自社条項DBが頭の中にあって共有されない
汎用ChatGPTでは機密情報を直接入れられない警戒感が壁になります。「マスキング前処理+LLM+自社RAG」のセットが必要、というのが本事例から読み取れる発想です。
法務AI実務者の取り組み
note記事で紹介されている内容は以下です。
- 対象: 契約書レビュー・社内法律相談
- 基盤: GPT-4o + Claude 3.5 Sonnet + 専門RAG(三層構成)
- 用途:
- GPT-4o: 高速ドラフト・条項抽出
- Claude 3.5 Sonnet: 長文契約書の整合性チェック
- 専門RAG: 自社過去条項・判例参照
- 設計思想: 機密情報マスキング → 三層LLM → 弁護士最終確認
つまり「前処理で機密情報を抜く+二つのLLMで相互チェック+RAGで自社条項参照」という多層防御です。レビュー時間60%削減・情報漏洩ゼロを6ヶ月維持しています。
何が真似できるか
本事例から、設計思想だけ抜き取るとこうなります。
- 契約書をマスキング処理してからLLMに渡す
- 二つのLLMで相互チェック(片方が見落とした条項をもう片方が拾う)
- 自社過去条項・判例をRAGで参照
- 弁護士・有資格者は最終承認だけに集中
- 効果は「レビュー時間×情報漏洩件数」で測る
特に「マスキング前処理」が秀逸です。中小法務ほど「機密だからAI使えない」と止まりがちですが、前処理層を作れば前に進めます。
中小企業で再現するなら
ここからが本題です。社員10〜100名の士業・社内法務で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 法務AI実務者 | 中小士業・法務(社員10〜100名) |
|---|---|---|
| 対象 | 契約書全般 | 業務委託・NDA・取引基本契約に絞る |
| ツール | GPT-4o+Claude+RAG | ChatGPT Team+Claude Pro+Pinecone等(月3,000〜4,500円/人〜、2026年5月時点。要最新価格確認) |
| 月額費用 | (記載なし) | 推定 月3〜30万円(LLM2系統+ベクトルDB) |
| 初期費用 | (記載なし) | 推定 50〜200万円(マスキング設計+RAG構築) |
| 体制 | 法務AI実務者 | 弁護士+IT担当(or 外部AI支援) |
| 期間 | 6ヶ月運用 | 3〜6ヶ月で契約書類運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★☆☆ |
| 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は高い。レビュー時間60%削減は弁護士単価で計算すると効果大
- 再現性は中。マスキング設計に法務知識が必要
- 難易度は高め。三層構成を運用に乗せる体制が必須
前提条件・必要データ
- 過去契約書・条項テンプレがMarkdown/PDFで蓄積
- マスキング対象(社名・金額・個人名)がルール化できる
- LLM2系統契約の予算がある
- 最終承認する弁護士・有資格者がいる
失敗条件・適用しないケース
- 機密情報をマスキングせずそのままLLMに入れる
- AI生成ドラフトをそのまま顧客に提出
- 三層を組まずにChatGPT単体で運用
- 効果測定をせず「便利になった気がする」で終わる
「ChatGPTを契約すれば契約書レビューが早くなる」のではありません。
マスキング設計→LLM二系統契約→RAG構築→弁護士最終承認運用→月次効果測定、という流れが3〜6ヶ月で回って初めて、本事例が描く「法務AI実務」像が中小士業にも見えてきます。
特に「マスキング前処理」を省くと、機密情報がLLM側に流出して懲戒事案になります。
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