コラム
第5回 賢い馬と、誂えの馬具——個々の弁護士は生成AIとどう向き合うか
2026年11月17日
第4回では、弁護士法72条という制度の話をした。今回は、個々の弁護士の机の上の話である。生成AIを、一人の弁護士は具体的にどう使い、何に気をつけ、何に投資すればよいのか——道具の話から始めて、最後は職業の芯の話まで降りていきたい。
出発点として、一つの現実を直視しておきたい。依頼者は、もう先に行っている。
日本の大企業の生成AI活用・推進度は、本年春の調査で87%に達した。ある大手電機メーカーは国内全社員約1万1,800人に社内AIアシスタントを展開し、2025年度に78.8万時間——総労働時間の3.4%——を削減したと本年7月に公表した。前年度の44.8万時間から、1年でほぼ倍である。法務部門も例外ではない。一次レビューはAI、最終判断は人間——この分業は、企業法務では標準になりつつある。
そして、依頼者の目は、すでに弁護士の側に向いている。本年6月に公表された国際的な調査では、企業の依頼者の78%が、AIによる品質の向上を「非常に重要」または「不可欠」と答えた。ところが、取引先の専門家の多くがそれを提供していると答えたのは、わずか6%である。そして32%が、12か月以内に取引関係を見直すつもりだという。海外中心の調査ではあるが、方向は読み取れる。依頼者はAIを使えというだけでなく、弁護士がAIで何を上乗せしてくれるのかを、値踏みし始めている。
弁護士にとってこの変化が意味するのは、相談の風景の変化である。依頼者は、まずAIに聞いてから、こちらに聞いてくる。「AIにここまで調べさせた。その先が知りたい」が、これからの法律相談の標準形になっていく。そして見落とせないのは、依頼者が使っているのが、多くの場合、何の調整もしていない「素の」汎用AIだということである。素のAIは、誰の手にもある。弁護士が同じ素のAIを同じように使っているだけでは、差がつかない。
では、何が差になるのか。それを考えるために、生成AIの性質を二つだけ確認しておく。
第一に、生成AIは、誤った情報を出力していることに自覚がない。確率的にもっともらしいテキストを生成しているだけだから、正しい情報も誤った情報も、同じ確信度で、同じ自信満々の口調で出てくる。「幻覚」という言葉は人間の側が付けた概念であって、AI自身はいつもどおり結果を出しているにすぎない。しかも生成AIには利用者に追従する傾向があり、誤った前提の質問にも、もっともらしく話を合わせてくることがある。
第二に、この性質は現実の制裁につながっている。米国では2023年、ChatGPTが示した実在しない判例をそのまま裁判所に提出した弁護士が制裁を受けた(Mata対Avianca事件)。それから3年、事態は収まるどころか広がっている。世界のAI幻覚裁判例を集めるデータベースの登録件数は、2025年半ばには200件ほどだったものが、2026年11月には2,300件を超えた。1年半で10倍以上である。制裁の中身も重くなった。本年には、原告・被告双方の代理人がそろって架空の判例を提出し、裁判官が手続を止めて双方の代理人全員を事件から外した事案(ミシシッピ北部地区連邦地裁)も報じられている。同データベースに日本の裁判所の事案はまだ登録されていないが、それは日本の弁護士が賢明だからというより、まだ表面化していないだけではないかと思う。プロンプトで「ウソをつくな」と指示しても、無力である。誤りの自覚がないものに、誤るなと命じても止めようがない。
割り切って言えば、生成AIの出力は、95%は正しく説得力がある。残りの5%に、説得力を保ったままの虚偽が紛れ込み得る。この5%を見抜く力——条文と判例に照らして論理の破綻や不自然さを嗅ぎ分ける力——こそが専門知識であり、リーガルマインドなのだと思う。そして、AIのミスは弁護士のミスである。自らの名前で書面に署名する以上、「AIが出したものだから」という弁明は成り立たない。東京弁護士会のガイドラインも、日弁連のAI戦略ワーキンググループの注意事項(2026年2月更新)も、出力の検証と弁護士の最終責任を前提に組み立てられている。東京弁護士会の会報は本年の特集で、生成AIが虚偽の裁判例を出力する事例は「しばしば指摘されており(執筆者も経験したことがある)」と、正直に書いている。
幻覚への対策の本命は、プロンプトの工夫ではなく、AIに確かな知識を与えることである。その代表がRAG——検索拡張生成——だ。
仕組みは単純で、AIに内蔵の記憶だけで答えさせず、まず信頼できる資料を検索させ、見つかった内容に基づいて回答させる。①質問に関連する資料を検索し、②見つかった資料をコンテキストに注入し、③それに基づいて生成する。回答の根拠が資料に紐づくので、出典を示せる。「思い出して書く」AIから、「資料を見て書く」AIへの転換である。
この「検索」の中身も、正確に述べておきたい。RAGの検索は、多くの場合、キーワードの文字列一致ではなく、意味の近さによる検索である。あらかじめ資料を細かく区切り、それぞれの断片を「埋め込み(エンベディング)」と呼ばれる数値の列——ベクトル——に変換して、索引を作っておく。質問が来ると、質問も同じ方法でベクトルに変換し、その数値空間の中で距離の近い断片、つまり意味の近い箇所を探し出してくる。だから、質問と資料とで言い回しが違っても、関連する箇所を拾うことができる。実務のシステムでは、この意味検索に従来型のキーワード検索を組み合わせるハイブリッド構成も多い。条文番号や事件番号のように一字一句の一致が決め手になる検索では、文字列検索のほうが確実だからである。
裏を返せば、限界もここにある。意味が近い資料が、法的に正しい資料とは限らない。検索が拾い損ねた資料は、どれほど重要でも回答に反映されない。RAGは幻覚を減らす有力な仕組みだが、検索と生成のそれぞれに誤りの入り口が残る——そう理解しておくのが正確だと思う。
もう一つ、押さえておきたい概念がある。AIに働いてもらうには三つの層がある。第一層がプロンプト——何を聞くか。第二層がコンテキスト——何を見せるか。RAGは、この第二層に信頼できる知識を自動で注入する技術である。そして第三層が、ハーネスだ。
ハーネスとは馬具のことである。どんなに良い馬でも、鞍や手綱がなければ仕事はできない。AIも同じで、モデル本体の賢さだけでなく、それを業務につなぐ道具立て——使えるツールの範囲、作業手順、出力形式、検証・承認のステップ、逸脱したときの停止——の設計が成果を左右する。この見方は、この1年で急速に共有されてきた。2026年には、同じモデルでもハーネスが違えば作業の成績が十数ポイント動くというベンチマークの報告が相次ぎ、ハーネスの設計を、プロンプト設計・コンテキスト設計に続く第三の工学として整理する研究も現れている。AIエージェントの時代の性能差は、モデルそのものよりハーネスの設計から生まれる——これは比喩ではなく、測定の対象になりつつある。
弁護士業務に引きつければ、引用には必ず出典を付けさせる出力形式。原典確認を挟まないと次の工程に進めないワークフロー。案件ごとにアクセスできる資料を分離する権限設計。これらはすべてハーネスである。守秘義務も、真実義務も、利益相反への備えも、かなりの部分をハーネスの設計として実装できる。倫理を「心がけ」から「仕組み」に落とす——この視点が、AI時代の職業規律の要になるように思う。
さて、ここからが本稿の核心である。RAGとハーネスの大切さが分かったとして、個々の弁護士は、具体的に何を使えばよいのか。ここに、現時点では答えの出ない、悩ましい二択が横たわっている。
一方の選択肢は、既製のリーガルテック専用ツールである。契約審査やリサーチのサービスの多くはRAGを内蔵し、法令や判例のデータベースにつながっているからこそ実務で使える。しかもこの1年で、棚の中身は目に見えて厚くなった。2026年には、数千冊規模の法律書籍を法令・判例・ガイドラインとともに横断検索の対象とし、回答の根拠箇所を示すAIリサーチ基盤が、複数の事業者から提供されるようになっている。出版社の側も、個々の弁護士にではなく、こうした事業者に対してなら、書籍を機械可読な形で提供し始めているということである。弁護士会のガイドラインが示す選定基準にも通りやすい。信頼性という点では、こちらに分がある。
だが、既製のツールは、柔軟性を欠く。中のモデルは選べない。生成AIの最前線では数か月単位でモデルの世代交代が起きているのに、ツールに組み込まれたモデルの更新は事業者の判断とスケジュール次第である。使い方も、事業者が設計したUIと機能の枠内に限られる。前段の言葉で言えば、馬も馬具も借り物であり、馬を替えることも、馬具を自分の仕事に合わせて誂え直すことも、思うようにはできない。
他方の選択肢は、最新の汎用モデルを直接使い、自前でRAGとハーネスを組むことである。モデルは常に最前線のものを選べるし、ワークフローも自分の業務に合わせて設計できる。柔軟性は申し分ない。
ところが、こちらには別の壁がある。RAGの棚に置ける材料が、足りないのである。条文は、公的なデータベースやAPIでどうにかなる。判例も、裁判所ウェブサイトの掲載分や手持ちの判例データベースで、一部はなんとかなる。だが、それだけでは実務の水準に届かない。日本の法律実務の質を支えてきたのは、コンメンタールであり、体系書であり、実務書であり、論文である。それらは著作権とライセンスの壁の内側にあって、機械可読な形では弁護士の手元に来ない。書棚には並んでいるのに、AIの棚には置けない。紙や電子書籍として「読む権利」は買えても、自分のAIに「参照させる権利」は、個々の弁護士向けには、事実上どこにも売られていないのである。事業者には卸されるのに、弁護士には卸されない——壁の位置は、この1年でそのように、より鮮明になったように思う。
つまり、こういうことだ。信頼性を取れば、柔軟性を失う。柔軟性を取れば、知識源が痩せる。既製ツールの安定と、最新モデルの性能との間で、個々の弁護士は当面、どちらか一方ではなく、組み合わせを設計するほかない。
その組み合わせの設計について、当面の現実解と思うものを四つ挙げてみたい。
第一に、使い分けである。案件の機微度と用途に応じて、既製の専用ツール、設定を固めた汎用AI、ローカル環境を使い分ける。東京弁護士会のガイドラインが示す5要件——弁護士業務での利用が禁止されていないこと、入出力が学習に使われないこと、提供者がみだりにアクセスできないこと、セキュリティ対策、削除可能性——は、その仕分けの物差しとして使える。入力した情報を学習に使わせず、保存させない構成は、クラウドでも契約と設定でかなりの水準まで実現できる。ただし、無料版と有料版、個人版と組織版とで学習利用の扱いやデータ処理契約の有無が異なること、初期設定のままでは意図しない取扱いになり得ることは、同会の会報の特集も注意を促している。
第二に、自前の知識資産の蓄積である。ライセンスの壁の外にある最良のRAG素材が、一つだけある。自分自身の仕事の蓄積——過去に書いた書面、調査メモ、研究ノート——である。これには誰の権利の壁もない。日々の仕事の成果を、後から機械が参照できる形で貯めていく習慣が、将来の「自分のAI」の土台になる。ただし、便利さとリスクは同じ仕組みの表裏であり、案件情報の混入は守秘義務と利益相反の新しいリスク源になる。東京弁護士会の会報の特集は、形式的にアクセス権限が分かれていてもAIを介して情報が共有され、情報遮断措置が実質的に機能しなくなるおそれを、従来の情報管理では想定されていなかった「生成AI特有の問題」として挙げている。案件単位のアクセス分離の設計は、蓄積とセットで考える必要がある。
第三に、持ち運べるハーネスを自分で書くことである。出典のない引用を許さない出力形式。判例・法令の引用は原典確認を経ないと使わないという工程。案件ごとの資料の分離。これらを自分の手順として言語化しておけば、中のモデルが替わっても、ツールを乗り換えても、持ち運べる。モデルは日進月歩で陳腐化するが、検証の仕組みと知識の蓄積は資産として残る。投資するなら、馬ではなく馬具のほうだと思う。
第四に、構造を与えることである。AIは構造化された問題に強く、法律学はまさに構造化された思考体系である。要件事実論の枠組み、契約書の条項の型、証拠から事実を推認する事実認定の構造。法律家が当たり前に使っているこれらのフレームワークをプロンプトとして与えるだけで、AIの精度は目に見えて変わる。法律家が受験勉強と実務で培ってきた構造的思考は、AI時代にこそ効く武器である。
もっとも、四つのうちどれをやっても、文献の壁だけは、個人の工夫では越えられない。コンメンタールや体系書を自分のAIに参照させる権利は、個々の弁護士が出版社と交渉して手に入れられるものではないからである。
ここは、制度の宿題だと思う。研修とガイドラインの改訂は、弁護士会でも会内の団体でも、すでに各所で説かれている。だが、その先にある文献の壁——出版社・データベース事業者とのライセンスの枠組みづくり、会としての共同調達や優待利用の交渉、若手がAI格差に沈まないための共同利用の仕組み——に正面から触れた提言は、まだ多くないように見える。私たちが「目指す姿」に、AIの出力を鵜呑みにせず原典に当たって確かめる目を手放さない弁護士と、若手がAIの時代に取り残されないよう支える弁護士会とを並べて掲げたのは、この壁を念頭に置いてのことである。第4回で見たとおり、法務省の新ガイドラインは「品質保証」の発想へ舵を切り、年度内には有識者検討会が立ち上がる予定である。その品質の中身——専門文献に接続され、専門家の検証を経たAI——を市場に用意する仕事は、個々の弁護士の自助努力の外にあり、業界と弁護士会が引き受けるべき領域ではないだろうか。
まとめよう。素のAIは、依頼者の手にもある。弁護士の側に差を作るのは、突き詰めれば三つ——鍛えた馬(確かな知識源につないだAI)、誂えた馬具(検証を組み込んだ自分のハーネス)、そして5%の虚偽を見抜く騎手の目(専門知識とリーガルマインド)である。三つのうち、馬はいずれ誰でも借りられるようになる。馬具と騎手の目だけは、自分で作り、自分で磨くほかない。
そして最後に残るのは、いつの時代も変わらない原則である。書面に署名するのは、AIではない。責任を引き受ける者の名前が、そこに書かれる。生成AIがどれほど成長しても、その一行の重みだけは、軽くならないのだと思う。
出典・注記
- 日本の大企業の生成AI活用・推進度87%は、PwC Japanグループ「生成AIに関する実態調査2026 春 6カ国比較」(2026年6月10日公表。売上高500億円以上の企業の課長職以上932人が対象。「活用中」と「推進中」の合計)による。大手電機メーカーの数値は、パナソニック コネクト株式会社の2026年7月29日付プレスリリース(自社AIアシスタント「ConnectAI」の2025年度活用実績。国内全社員約1万1,800人、削減78.8万時間=総労働時間の3.4%、2024年度は44.8万時間)による。数値はいずれも公表時点のものである。
- 依頼者側の数値(78%・6%・32%)は、Thomson Reuters Institute「Future of Professionals Report 2026」のプレスリリース(2026年6月22日。62か国1,816人の専門職を対象、調査は同年3〜4月)による。「企業の依頼者」は同リリースにいう corporate clients であり、日本に限った数値ではない。
- Mata対Avianca事件(2023年・米国)は報道による。AI幻覚裁判例データベース(Damien Charlotin氏が運営する AI Hallucination Cases Database)の件数は、同データベースの表示による(2026年11月16日更新時点で2,306件。国別では米国1,566件・カナダ245件・豪州112件・英国91件など。日本の登録はない)。2025年半ばの「200件ほど」は、同データベースを追跡する第三者の記事が示す推計値であり、データベース自身の当時の公表値ではない。ミシシッピ北部地区連邦地裁の事案(2026年6月8日付制裁命令。双方の代理人4人を事件から外し、うち2人は同裁判所への出廷を2年間禁止)は、Business Insider Japanの記事(2026年7月24日)による。
- 東京弁護士会「弁護士業務における生成AIサービスの適正利用ガイドライン」(2025年3月施行。全文は同会の会員サイト限定。選定5要件と主要事業者への照会結果は同会会報LIBRA2026年6月号の記事で公開されている)、および同誌2026年7・8月合併号の特集「弁護士業務における生成AIの利活用と留意点」(無料版・有料版等の差異、初期設定の注意、AIを介した情報共有による情報遮断措置の実効性、虚偽の裁判例の出力例、弁護士が原則として最終責任を負うとの整理)を参照した。本文中の「しばしば指摘されており(執筆者も経験したことがある)」は同特集p.16の記載による。
- 日弁連AI戦略ワーキンググループ「弁護士業務における生成AIの利活用等に関する注意事項」は2025年9月に取りまとめられ、2026年2月に更新版が公表された(LIBRA前掲特集p.16-17)。同資料は会員限定資料で会員外への交付は控えるべきものとされているため、本稿では内容を引用していない。
- ハーネスに関する2026年の研究動向は、同一モデルを複数のハーネスで比較したベンチマーク結果の報告(例: Terminal-Bench 2.0 における同一モデルのハーネス別スコア差)、プレプリント「Stop Comparing LLM Agents Without Disclosing the Harness」(2026年5月)、サーベイ論文「Agent Harness Engineering: A Survey」(2026年)等による。いずれも査読前の文献やベンダー公表値を含むため、数値は方向性を示すものとして読まれたい。
- 法律書籍を横断検索の対象とするAIリサーチ基盤の例として、Legalscape(法律書籍3,500冊超を搭載し、2026年6月にe-Gov収録の現行法令を追加)、弁護士ドットコム「Legal Brainエージェント」(2026年6月に法令・判例・ガイドライン・専門書籍を統合してアップグレード)がある。いずれも各社の公表資料による。
- 法務省「ビジネス分野におけるAI等法務業務支援サービス提供と弁護士法第72条の関係について」(2026年8月21日)と、同日のロードマップ(2026年度中に有識者検討会を立ち上げ、2027年度中の取りまとめを目途とする)については、コラム第4回「三百代言の百年後」を参照。2026年11月時点で、同検討会の発足は確認できていない。
- 弁護士の情報管理の制度的枠組みとして、弁護士情報セキュリティ規程(会規第117号・2022年制定、2024年6月施行)、弁護士職務基本規程23条(秘密保持)・37条(法令等の調査)を参照した。
- 図1・図2は本コラムのために作図した。