論点は「使い方」から「手放し方」に移った

ChatGPTが登場した2022年末から、法務部門のAI議論は長らく「どう使うか」に集中していました。プロンプトの書き方、契約類型ごとの活用法、ハルシネーションへの注意点——いずれも、人間が主体で、AIは道具として手元にあるという前提に立っています。

ところが、いま起きているのは、その前提自体の組み替えです。Claude Opus 4.7、GPT-5.5世代以降、AIエージェントは「人間が一回ずつ指示を出す」段階を超え、自律的に複数のステップを連続実行する段階に入りつつあります。ファイルを読み、調べ、判断し、別のツールを呼び出し、結果を整理する——その一連を、人間の介在なしに進めるエージェントが、法務領域でも検証フェーズに入ってきています。

この変化が突きつけるのは、もう少し根本的な問いです。すなわち、「どの業務を、人間がやらなくてよくするのか」「どこから手放しはじめて、どこは絶対に手放さないのか」。これは「AIの使い方」ではなく、「業務そのものの設計」の問題です。

本記事では、法務部門の業務を念頭に、AIに自律実行を任せる業務と、人間が残すべき業務をどう切り分けるかを、3軸の判断フレームとして整理します。

業務切り出しの3軸フレーム

業務を「人間が残す/AIに渡す」のどちらに置くか。実務で使える整理軸は、3つに集約できます。

この3軸で「AI寄り」が揃った業務から手放していくのが定石です。逆に「人間に残す側」が一つでも該当する業務は、自律化を急いではいけません。

3軸が揃っているかは、おおまかには次の順で考えると整理しやすくなります。まず定型性を確かめ、手順化できる業務だけを候補に残します。次に失敗コストを見て、最悪のケースが許容範囲に収まるかを判断します。最後に検証可能性を確認し、AIの出力を後から検証できる仕組みを持てるかを決めます。

この3軸は順番に意味があります。定型性は「AIに委ねる前提が成り立つか」、失敗コストは「委ねた結果を許容できるか」、検証可能性は「委ねた後に学習し続けられるか」を問うています。

「人間が手放してよい業務」の見分け方

AI委任に向くかどうかを、もう少し具体的なチェック項目に落とすと、次の7つになります。これらに多く当てはまる業務は、自律化の第一候補です。

1. 手順がドキュメントに書ける：マニュアル化、SOP化されているか、その気になれば書けるレベルにある
2. 判断基準が明文化できる：「こういう条件ならOK／NG」が、暗黙知ではなく明示できる
3. 入力と出力の形式が決まっている：何を渡し、何が返ってくるかが構造化できる
4. 間違いが起きても巻き戻せる：差し戻し、再実行、人間レビュー差し込みでカバーできる
5. 頻度が高い・件数が多い：年に数件しか発生しないものに自動化投資をしても回収できない
6. 正解の照合先がある：ひな形、過去案件、社内規程、法令など、結果の検証材料が手元にある
7. 担当者の知見が組織で重複している：複数人が同じ判断を独立にできる業務は、形式知化しやすい

この7点は、3軸の「AI寄り」側を、現場の言葉に翻訳したものです。すべてが揃わなくても構いません。4つ以上当てはまれば、自律化の検証に入る価値がある——というのが、目安として使いやすい基準です。

「人間が残すべき業務」の見分け方

一方、次の7項目のうち1つでも該当する業務は、現時点で自律実行に渡すべきではありません。手放さない理由を、組織として明文化しておくことが重要です。

1. 最終的な法的責任が問われる判断：契約締結の意思決定、訴訟方針の決定、規制当局との折衝など
2. 相手方との関係性で結果が決まる業務：交渉、利害調整、社内外への説得
3. 過去の前例にない、新規性の高い論点：判例も社内事例もない論点は、AIが学習元を持たない
4. 倫理的・社会的に微妙な判断を含む：取引中止、社員の処分、内部通報対応など
5. 間違えた瞬間に対外公表される業務：プレスリリースの最終文言、規制当局への公式回答
6. 検証する人が組織にいない：AIの出力が正しいかを判定できる人が社内にいなければ、自律化は不可能
7. 属人化が組織のリスクヘッジになっている領域：特定のシニア法務担当者の判断が、最後の安全弁として機能している領域

この7点のうち5番、7番は、見落とされがちな観点です。「失敗コストが低い」「検証可能」と思っていても、間違った瞬間にプレスリリースに載るような業務は、自律化の優先順位を下げるべきです。同様に、組織として「最後はあの人が見てくれる」という安全弁が存在することで成り立っている業務は、その安全弁を外す前にAI委任を進めると、組織全体のリスクが上がります。

段階的に手放す5ステップ

3軸と14項目で「渡せる業務」が見えたら、いきなり自律実行に切り替えるのではなく、段階を踏むことが重要です。次の5段階で進めると、組織として無理なく自律化のレベルを上げていけます。

この5段階の意味は、AIの能力差ではなく、組織の信頼蓄積の段階にあります。同じAI、同じ業務でも、ステップ1からスタートすれば、半年〜1年かけてステップ4まで進められます。飛ばしてはいけません。一度ステップ3に置いた業務を、半年運用してログを蓄積してから、ステップ4に上げるという順序が、組織として失敗を起こさない手順です。

特に重要なのは、ステップ1の「観察」フェーズです。多くの組織が、ステップ2や3からいきなり始めようとしますが、業務がそもそも「どうなっているか」を構造化できていない段階でAIに渡しても、検証可能性が確保できません。AIに渡す前に、人間の業務を構造化して観察する期間を意図的に1〜3ヶ月設けることを推奨します。

法務業務での具体的な切り出し例

3軸と5ステップの枠組みを、法務業務の実例に当てはめてみます。次の表は、典型的な法務タスクを、現時点（2026年）でどの段階に置くのが現実的かを整理したものです。

この整理から見えるのは、法務業務の中でも「契約レビューの一次稿」「過去契約の検索・要約」「ひな形差分抽出」は、ステップ4の監督付き自律まで進められるということです。これは、3軸（定型性・失敗コスト低・検証可能性）が揃っており、組織として運用ログを蓄積できる業務だからです。

契約レビューの一次稿を具体的にどう進めるかは、契約類型ごとに別記事で詳述しています。たとえばChatGPTで「業務委託契約」をレビューする手順とプロンプト集では、業務委託契約のレビューを具体的なプロンプト集として整理しており、ステップ3〜4で運用する際のたたき台として使えます。複数のAIを使い分けたい場合は、生成AIで「業務委託契約」をレビューする手順とプロンプト集が ChatGPT/Claude/Gemini/Copilot を横断的に扱っています。

失敗パターンと回避策

AIへの業務切り出しでよく見る3つの失敗パターンを、回避策とあわせて整理しておきます。

失敗1：検証可能性を確保しないまま、ステップを飛ばして自律化する

症状：AIに業務を渡したものの、出力が正しいかを誰も判断できず、ブラックボックスになる。間違いが見つかった時、どこで何が起きたかを遡れない。

回避策：自律化を進める前に、「AIの出力を、誰が、どの基準で、どうやって検証するか」を業務設計に組み込みます。ステップ4以降に進む条件として、「過去30件の出力レビューで、人間の判断と95%以上一致」のような明示的なクリア基準を置きます。

失敗2：個別ツールで切り出した結果、契約データが分散して自律化が頭打ちになる

症状：ChatGPTでレビューしたメモはChatGPTに、Claudeで要約した結果はClaudeに、Geminiで作った社内向け説明はGoogle Driveに——というように、AIごとに成果物が分散し、契約に紐づけて呼び出せない。結果、新しい業務を渡そうとするたびにファイルを集め直す手間が発生し、自律化のメリットが消える。

回避策：「AIは選び、契約は1箇所に集める」という設計原則に立ち戻り、契約データの正本管理を一元化します。詳しくはOpenCLMとは？ChatGPT/Claude時代のCLM選定基準を解説を参照してください。AI連携型CLMという考え方が、業務自律化のスケーラビリティを支える基盤になります。

失敗3：属人化の温存が「自律化されたつもり」を生む

症状：表面上はAIが業務を回しているように見えるが、実際にはAIの出力をベテラン担当者が逐一見直しており、その人が休むと回らなくなる。属人化が温存されたまま、形だけ自律化が進んでいる状態。

回避策：自律化のメリットを測る指標を、「AIが処理した件数」ではなく、「特定の担当者の介在なしで完了した件数」に置きます。属人化を温存する自律化は、組織のリスクを減らさないどころか、AIのコストだけが上乗せされる結果になります。

単発AIで切り出しが進まない理由──基盤としてのCLM

ここまで読んでこられた方には、ひとつの構造が見えてきていると思います。

業務の切り出しは、3軸で渡せる業務を見極め、5ステップで段階的に手放し、3つの失敗パターンを避ける——という、業務設計の話です。しかし、実務でこれを進めようとすると、ある時点で必ず壁にぶつかります。それは、契約データが個別ツールに分散しているという壁です。

ChatGPTのProjectsに過去のレビュー履歴を入れる、ClaudeのProjectsに社内ひな形を入れる、Geminiで社内規程ドラフトにコメントをつける、Microsoft 365 CopilotでWord上の契約書を直接修正する——これらは個別タスクとして有効でも、契約という「正本」に紐づいた状態にはなりません。結果、同じ契約について「どのAIで何をしたか」が散らばり、業務自律化のレベルがステップ3で止まることになります。

この構造を解くには、AI側ではなく、契約データを管理する側のアーキテクチャを整える必要があります。CLM（契約ライフサイクル管理）が、契約データの正本管理と運用基盤を担い、レビュー・要約・交渉支援のAI処理は外部の汎用AIを接続して利用する——という設計です。これがOpenCLM（AI連携型CLM）と呼ばれる考え方です。

この設計を採ると、業務切り出しのスケーラビリティが構造的に変わります。具体的には次のような変化が生まれます。

• ステップ4の「監督付き自律」で蓄積される運用ログが、契約に紐づいて一元管理される
• 新しい業務をAIに渡すとき、過去の運用ログを材料にすぐ検証可能性を確保できる
• AI側のモデル進化（Claude Opus 4.8、GPT-5.6など）に合わせて、CLMを変えずにAIだけを差し替えられる
• 「誰の介在もなく完了した件数」を、契約データから直接集計できる

つまり、業務切り出しを進めるほど、契約データの正本管理を一元化する設計の価値が増していきます。AIに業務を渡す判断は、AI単体の選定ではなく、契約データの管理基盤と一体で設計することで、はじめてスケールします。

CLM選定における具体的な観点は、AI内蔵型CLM vs AI連携型（Open）CLM 徹底比較や、すでにAIを使う法務がCLMに求める3条件に整理しています。法務部門ですでにAIを日常使いしている組織にとって、業務自律化を支える基盤としてのCLM選定は、避けて通れない論点です。

まとめ：「使い方」ではなく「手放し方」を設計する

AIエージェントの実用化で、業務の論点は「AIをどう使うか」から「何をAIに渡し、何を人間が手放すか」に移りました。

本記事で示したのは、その判断のための具体的な枠組みです。

• 3軸：定型性 × 失敗コスト × 検証可能性
• 手放してよい業務の7条件、手放してはいけない業務の7条件
• 5ステップ：観察 → 補助 → 部分委任 → 監督付き自律 → 完全自律
• 3つの失敗パターン：検証可能性不在の自律化、データ分散による頭打ち、属人化の温存

業務の切り出しは、AIの能力評価の話ではなく、業務そのものの設計の話です。そして法務業務における設計は、契約データの正本管理を一元化する基盤、すなわちCLMをどう位置づけるかと、不可分です。

AIは選び、契約は1箇所に集める——AIの進化が加速するこの時代に、業務自律化を組織のスケールメリットに変えるための設計原則として、本記事の枠組みが参考になれば幸いです。

本記事はContractS株式会社のコンテンツマーケティングチームが、エンタープライズ企業の法務・調達・CTO室向けに執筆したものです。AIを業務に組み込む際の判断は、必ず自社の業務特性・リスク許容度に応じて行ってください。本記事はリーガルアドバイスではありません。

ContractS編集部

ContractSは、契約プロセスの構築や契約管理・案件管理を通じて、契約業務を最適化するシステム「ContractS CLM」を開発・販売しています。大企業から中小企業、スタートアップまで、幅広い企業の契約業務改善を支援してきた実績があり、そのコンサルティング経験を活かして、契約業務に関わる読者が参考にできる情報を発信しています。

私たちについて