三井住友フィナンシャルグループ(SMFG)が生成AIをM&A契約書解析に導入し、デューデリジェンス作業を約50%削減した事例です。 日本経済新聞(2025-11-04)で報じられています。
「メガバンク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。 中小金融機関・士業・社内法務で「契約書レビューが膨大で人力では時間とコストがかかりすぎる」で悩んでいる構造そのものだからです。 SMFGはこの問題を、「リスク条項抽出+サマリー作成の自動化」で解いています。
僕が注目したのは、「全文を読ませるのではなく、リスク条項だけを抽出させる」割り切りです。中小規模の契約書チェック業務にそのまま転用できます。
中小法務・金融の契約書課題
社員10〜100名の士業・社内法務・地方金融にありがちな構造はこうです。
- 契約書1件のレビューに数時間〜半日
- リスク条項の見落としが法務担当者の経験頼み
- 過去類似案件の横断検索ができない
- レビューの所要時間が読めず営業・経営判断が遅延
汎用ChatGPTに契約書を直接入れるのは機密性で躊躇しがちです。「条項抽出に特化したAI+サマリー自動化」のセットが必要、というのがSMFGの構成から読み取れる発想です。
SMFGの取り組み
日経新聞で報じられている内容は以下です。
- 対象: M&Aデューデリジェンスの契約書解析
- 基盤: 生成AI(独自LLM運用想定)
- 用途:
- リスク条項抽出: チェンジオブコントロール・補償条項等を自動抽出
- サマリー作成: 長文契約書の要点を自動要約
- 見落とし低減: 重要条項のチェックリスト化
- 設計思想: 全文読込ではなく、リスク条項に絞って抽出
つまり「人がチェックすべき箇所だけをAIが指し示す」構成で、デューデリ時間を約半減しています。
何が真似できるか
SMFGは大手ですが、設計思想だけ抜き取るとこうなります。
- 契約書のリスク条項リスト(チェック項目)を先に作る
- AIに該当条項だけ抽出させる(全文要約させない)
- 抽出結果から人が最終判断
- 効果は「契約書1件あたりレビュー時間×見落とし件数」で測る
特に「条項抽出に絞る」割り切りが秀逸です。中小規模ほど「全文要約させたい」となりがちですが、抽出型の方が精度・速度ともに優位です。
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・地方金融・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 | SMFG | 中小法務・金融(社員10〜100名) |
|---|---|---|
| 対象 | M&A契約書 | NDA・取引基本契約・業務委託契約 |
| ツール | 独自LLM | GPT-4 + RAG or LegalForce等(月3〜10万円/ライセンス、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(契約書AI+ライセンス) |
| 初期費用 | (大規模開発) | 推定 50〜200万円(条項リスト整備+RAG構築) |
| 体制 | 法務+IT+M&A | 弁護士・法務担当+IT担当(or 外部支援) |
| 期間 | (記載なし) | 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。レビュー時間半減は法務単価換算で効果大
- 再現性は中。条項リスト整備に法務知識が必要
- 難易度は高め。抽出ロジックのチューニングが肝
前提条件・必要データ
- 契約書類がPDF/Wordで集約済み
- リスク条項チェックリストが文書化できる
- 過去契約書がRAG用に整備可能
- 弁護士・法務担当が最終判断する文化
失敗条件・適用しないケース
- 契約書が紙のままでデジタル化されていない
- AI抽出結果をそのまま顧客に提出(誤抽出リスク)
- 条項リストを作らず全文要約で運用
- 効果測定をせず「便利になった気がする」で終わる
「契約書AIを契約すればレビューが早くなる」のではありません。
条項リスト整備→契約書類デジタル化→AI抽出→法務担当最終判断→月次効果測定、という流れが3〜6ヶ月で回って初めて、SMFGが描く「契約書AI分析」像が中小組織にも見えてきます。
特に「条項リスト」を省くと、AIが見当違いの抽出をして法務の信用を落とします。
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。
