ノウハウ 契約レビューの属人化を解く「暗黙知の言語化」｜4つの暗黙知をAIが引ける判断知に変える
契約レビューの属人化を解く「暗黙知の言語化」｜4つの暗黙知をAIが引ける判断知に変える
「あの人しかできない」レビューの正体
どの法務部門にも、「この類型はあの人に見てもらわないと不安」というベテランがいます。この「あの人にしかできない」状態こそが、自社基準レビューの属人化です。
しかし、そのベテランが魔法を使っているわけではありません。彼らの頭の中には、明文化されていない判断基準——すなわち暗黙知が蓄積されているだけです。だから、この暗黙知を言語化してAIが引ける形にすれば、レビューは「あの人」から離れて、組織の資産になります。本記事では、その暗黙知の正体を「4つ」に分解し、どう言語化していくかを整理します。
（本記事は、AIに学ばせるべき「判断知」を整理したピラー記事のクラスターです。「なぜ判断知を言語化するのか」の入口にあたる話を扱います。）
レビュー＝事実×基準×判断主体
そもそも契約レビューとは、「事実」を「基準」に照らして、「判断主体」が結論を出す行為です。契約書本文や取引条件といった「事実」は明示的ですが、問題は「基準」と「判断主体の頭の中」にあるものが、ほとんど明文化されていないことです。
つまり、暗黙知は「基準」と「判断主体」の側に偏在します。AIに事実だけを渡しても自社基準レビューにならないのは、この「基準」と「判断のくせ」が渡されていないからです。言語化すべきは、まさにこの2つに潜む暗黙知です。
4つの暗黙知
契約レビューを成立させている暗黙知は、大きく4つに分けられます。
| 暗黙知 | どこに潜むか | 言語化しないと | 受け皿（器） |
|---|---|---|---|
| ①依頼者の意図 | 事業部が「本当は何を守りたいのか」 | 文言の修正に終始し、狙いを外す | 事例集（案件の背景） |
| ②過去の例外承認 | 「あの取引先には前回譲歩した」 | 毎回ゼロから判断し直し、一貫性が崩れる | 例外台帳 |
| ③最終ライン | 「ここだけは絶対に譲れない」 | 交渉で踏み越えてはいけない線を越える | 絶対NG集 |
| ④レビュアーの経験則 | 「この条項はこう見る」の型 | 判断の品質が人によってブレる | プレイブック |
重要なのは、4つの暗黙知が、そのままピラー記事で述べた「4つの器」に対応することです。つまり「何を言語化するか」と「どこに入れるか」は、最初からセットで考えられます。
言語化の進め方：ゼロから書かない
暗黙知の言語化で最も多い失敗が、「まずベテランにインタビューして、頭の中を全部書き出してもらおう」というアプローチです。これはほぼ確実に挫折します。暗黙知は「聞かれても思い出せない」から暗黙知なのであって、リストアップでは出てこないからです。
現実的なのは、レビューの現場で、判断が発生したその瞬間に拾うことです。とりわけ効果的な入口が、**AIレビューの「間違い」**です。生成AIに一度レビューさせ、人間がそれを修正したとき、その「修正した理由」こそが暗黙知です。
# レビュー差分ログ（拾い方の例）
- AIの出力: 「損害賠償上限は妥当」
- 人の修正: 「この事業部は品質クレームが多いので上限を下げた」
→ 拾う暗黙知: ①依頼者の意図 → 事例集へ
AIが間違えた箇所は、「人間が暗黙知で補っていた部分」の輪郭です。だから、AIの間違いを記録していくだけで、言語化すべき暗黙知が「優先度順」に可視化されます。人がよく直す箇所から言語化すれば、効く順に埋まっていきます。
4つの器への振り分け
拾った暗黙知は、性質に応じて「どの器に入れるか」を振り分けます。この振り分けができると、「漠然としたノウハウ」が「再利用できる判断知」に変わります。
- 「この条項はこう見る」という一般化できる型 → プレイブックの条項×観点に追加
- 「この取引先には例外的に許容」という個別判断 → 例外台帳に記録
- 「これを越えたら法令違反・会社方針違反」という最終ライン → 絶対NG集に追加
- 「この案件はこういう背景だった」という文脈 → 事例集に記録
この振り分けのルールをチームで共有しておくと、誰が拾っても同じ器に入り、判断知がバラつかずに蓄積されます。プレイブック・例外台帳・絶対NG集の具体的な作り方は、それぞれの姉妹記事で扱っています。
このナレッジを「引ける状態」にしておく
言語化した暗黙知は、手元のテキストとして軽く持ち、レビュー時に生成AIがそのまま読める状態にしておきます。そして、「あの取引先には過去にどう対応したか」という案件の事実は、案件IDでCLMのデータと紐づけておく。こうしておけば、レビューのたびにAIが「事実（CLM）＋判断知（手元）」を突合できます。
この「データは一元・判断知は手元・AIは自社で選ぶ」という役割分担は、ナレッジを特定ツールに閉じ込めずに育てるための前提です（考え方の詳細はすでにAIを使う法務がCLMに求める3条件）。一例としてContractS CLMのようなオープン型CLMは、この設計を採用しています。
よくある3つの失敗
- 完璧主義：すべての暗黙知を書き切ろうとして手が止まる。→ AIの間違いを入口に、効く順に1つずつ。
- 一人で書く：ベテラン一人に丸投げし、その人の手が空かず進まない。→ レビューフローの中で拾い、複数人で振り分ける。
- 書いて放置：一度言語化してそのまま古びる。→ 例外台帳・事例集を介して、レビューのたびに追記されるループに乗せる。
まとめ：暗黙知を「拾って振り分ける」
自社基準レビューの属人化は、ベテランの頭の中にある4つの暗黙知——依頼者の意図・過去の例外承認・最終ライン・レビュアーの経験則——が言語化されていないことから生まれます。
言語化のコツは、ゼロから書き出さないこと。AIレビューの間違いを入口に暗黙知を可視化し、性質に応じて4つの器に振り分ける。これをレビューのたびに繰り返せば、「あの人しかできない」レビューは、少しずつ「チームとAIができる」レビューに変わっていきます。「AIは選び、契約は1箇所に集める」——その上で、暗黙知を引ける判断知に変えておくことが、属人化を脱する第一歩です。
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・管理部門向けに執筆したものです。暗黙知の言語化の進め方は、自社の体制・業務特性に応じて調整してください。本記事はリーガルアドバイスではありません。
