ノウハウ NDAの前さばきをAIで自動化する設計｜案件判定・不足情報の差し戻し・人に回す条件の決め方
投稿日:2026年10月8日
NDAの前さばきをAIで自動化する設計｜案件判定・不足情報の差し戻し・人に回す条件の決め方
NDAの審査で、時間はどこに消えているか
秘密保持契約（NDA）は、多くの企業で契約審査件数の大きな割合を占めます。商談の前段階で締結されることが多く、依頼のスピードも求められます。一方で、条項そのものの論点は比較的定まっているため、「NDAの審査に時間がかかる理由は条文の読解ではない」と感じている法務担当者も少なくないと考えられます。
実際に時間を取られやすいのは、レビューの手前の工程です。相手方の名称や開示する情報の範囲が書かれていない、自社ひな形か相手方ドラフトかがわからない、一方向か双方向かが判断できない——こうした依頼が届くと、法務は依頼者に確認の連絡を入れ、返事を待ち、もう一度読み直すことになります。この往復が積み重なると、法務が案件の滞留点になりやすくなります。
本記事では、このレビュー手前の工程を「前さばき」と呼び、NDAを対象にAIへ任せる場合の設計方法を整理します。プロンプトの書き方ではなく、案件判定のロジック、不足情報の扱い、人に回す条件、記録の残し方といった業務設計の観点を中心に解説します。NDAの条項レビューそのものの手順は「生成AIで「秘密保持契約（NDA）」をレビューする手順とプロンプト集」で扱っているため、あわせて参照してください。
前さばきとは何か：レビューとの違い
前さばきは、レビューに入る前に「この案件をどう扱うか」を決める工程です。レビューが条項の中身を評価する作業であるのに対し、前さばきは案件の種類を見分け、必要な材料がそろっているかを確かめ、適切な処理ルートに乗せる作業といえます。
- 主な問い
- 前さばき：この案件は何で、どう処理すべきか
- レビュー：この条項は自社として受け入れられるか
- 主な作業
- 前さばき：類型の判定、不足情報の確認、差し戻し、優先度づけ
- レビュー：条項ごとの評価、修正案の作成、コメント付与
- 判断の性質
- 前さばき：定型的な判定が中心
- レビュー：自社基準の適用と例外判断
- 誤りの影響
- 前さばき：処理ルートの誤りや手戻り
- レビュー：リスクの見落としや不利な合意
前さばきは判定が定型的で、誤りがあっても後工程で気づきやすい性質があります。そのため、AIに任せる最初の範囲として検討しやすい工程です。業務全体のどこをAIに渡すかという考え方は「AIに任せる業務、人間が残す業務の切り分け方」で整理しています。
NDAが最初の対象に向く3つの理由
AIエージェント化（AIに審査プロセスの前さばきを任せて、自律的に動かす仕組み）を検討するにあたり、さまざまな類型を丸ごと移行することを考えるのは現実的ではありません。複数の契約類型を最初からAIエージェント化しようとすると、どうしても設計が複雑になってしまうためです。そのため、最初にどの類型からエージェント化すべきかという点が非常に重要になります。
その候補としてNDAが挙げられることが多いのは、次の3つの理由によります。
1. 件数が多く、効果が見えやすい
NDAは契約全体の件数のなかで比率が高い傾向があります。件数の多い類型で前さばきの時間が減れば、法務全体の負荷の変化として確認しやすくなります。
2. 判断軸をそろえやすい
NDAの論点は、秘密情報の定義、目的外利用の禁止、有効期間、返還・廃棄、損害賠償などに比較的まとまっています。判定ロジックを設計する際の分岐が少なく、小さく試すのに適しています。
3. 誤りの影響を限定しやすい
前さばきの段階で判定を誤っても、最終的な承認を人が持っていれば、取り返しのつかない結果になりにくい構造をつくれます。
💡最初の対象は「最も件数が多い類型」を選ぶのが基本です。直近3か月の依頼を類型別に数えると、多くの企業ではNDAが上位に来ると考えられますが、業種によっては業務委託契約や売買基本契約が最多になることもあります。自社のデータで確認してから決めるのが確実です。
AIに渡す前さばきの5工程
NDAの前さばきは、次の5つの工程に分けて設計できます。最終判断と相手方との合意形成は人が持ち、その手前までをAIに渡す形です。
- 1. 案件判定
- AIが行うこと：NDAの種別（一方向・双方向）、ひな形の別、事業部などを判定し、処理ルートを振り分ける
- 人が持つもの：判定ルールそのものの設計と改定
- 2. 不足情報の洗い出し
- AIが行うこと：必須項目のチェックリストと照合し、欠けている情報を特定する
- 人が持つもの：必須項目の定義
- 3. 依頼者への追加情報の取得
- AIが行うこと：不足項目を具体的に示して依頼者へ差し戻す
- 人が持つもの：差し戻しが進まない案件のフォロー
- 4. 一次レビュー
- AIが行うこと：自社基準に照らして条項を確認し、論点を整理する
- 人が持つもの：基準から外れる論点の判断
- 5. 結果の引き渡し
- AIが行うこと：判定結果と論点を法務に渡し、記録する
- 人が持つもの：承認と相手方との合意形成
このうち、従来の運用と比べて最も変化が大きいのは工程3です。不足のある依頼が法務に届いてから法務が催促する形ではなく、法務に届く前にAIが不足を判定して差し戻す形に変わります。法務の手元に届く時点で材料がそろっているため、往復の回数を減らしやすくなります。
案件判定ロジックの設計：NDAの中でも分けて考える
「NDA」とひとくくりにしても、処理の難しさは案件によって異なります。判定ロジックを1つにまとめようとすると例外が増えるため、NDAの中でも種別を分け、それぞれに処理ルートを用意するのが有効です。
- 開示の方向
- 分類の例：一方向（自社が開示／受領）・双方向
- 処理への影響：一方向は確認項目が少なく、先に自動化しやすい
- ドラフトの出所
- 分類の例：自社ひな形・相手方ドラフト
- 処理への影響：自社ひな形で変更なしなら確認範囲を絞れる
- 依頼元の事業部
- 分類の例：事業部A・B・C など
- 処理への影響：事業部ごとに必要な情報の粒度や取引の性質が異なる
- 取引先の属性
- 分類の例：既存取引先・新規取引先
- 処理への影響：新規の場合は反社チェックや与信の確認が前提になる
進め方としては、頻度が高く判定が単純な組み合わせ（たとえば「自社ひな形を使った一方向NDA」）から自動化を始め、精度を確認したうえで双方向NDAや相手方ドラフトへ広げていく順序が考えられます。
📝判定ロジックは「AIにできることは何か」から考えると、要件が定まりにくくなります。製品ごとの機能差や情報の粒度に引きずられやすいためです。「自社のNDA案件のうち、人が見るべきものはどれか」から定義し、それ以外をAIのルートに乗せる考え方のほうが、自社の要件を固めやすいと考えられます。
不足情報の判定と差し戻しの設計
前さばきの中心になるのが、不足情報の判定です。NDAの依頼で確認しておきたい項目は、たとえば次のように整理できます。
- 相手方の正式名称と所在地
- 開示する情報・受領する情報の概要と範囲
- 利用目的（検討中の取引の内容）
- 開示の方向（一方向か双方向か）
- 希望する締結時期
- 相手方ドラフトか自社ひな形か
AIはこのチェックリストと依頼内容を照合し、欠けている項目を特定して依頼者に差し戻します。差し戻しの文面には「何が足りないか」だけでなく「なぜ必要か」を一言添えると、依頼者が対応しやすくなります。
ただし、すべての不足情報をAIの差し戻しだけで解決できるとは限りません。たとえば、取引の背景が複雑で依頼者自身も判断がつかないケースや、何度差し戻しても情報がそろわないケースもあります。こうした案件まで機械的に差し戻し続けると、かえって進行が止まるおそれがあります。
そのため、差し戻しの設計では次の2点を決めておくのが有効です。
- AIが差し戻してよい不足項目：名称・目的・方向など、依頼者が答えやすい事実確認
- 人が対応する不足項目：取引の背景や事業判断が絡む確認、差し戻し回数が一定を超えた案件
はじめは簡単な不足項目だけをAIの差し戻し対象にし、運用で問題がないことを確認しながら対象を広げていく進め方が、移行をスムーズにしやすいと考えられます。
人に回す条件（エスカレーション）を先に決める
前さばきの自動化で特に重要なのが、AIの処理から外して人に回す条件です。イレギュラーな案件は必ず発生するため、どの条件に当たったら人が対応するかを明文化しておく必要があります。
人に回す条件の例は次のとおりです。
- 反社チェックの結果が取得できない、または判断が必要な取引先
- 与信や取引実績が不明確な新規取引先
- 自社基準から外れる修正が相手方ドラフトに含まれている
- 過去に類似案件がなく、参照できる判断の前例がない
- 依頼者への差し戻しが一定回数を超えても情報がそろわない
これらの条件では、AIで処理するより人が処理することをあえて優先する設計にしておくと、リスクを抑えながら自動化の範囲を広げやすくなります。条件は運用しながら見直し、問題がないとわかったものから順にAIのルートへ移していきます。
なお、自社基準から外れる判断を記録しておく方法については「契約レビューの「例外台帳」の作り方と運用」が参考になります。
記録を残す設計：次の段階の材料になる
前さばきを始める時点で、あわせて設計しておきたいのが記録の残し方です。次の3種類の情報を、案件単位で残しておくことが考えられます。
- 前さばきの結果
- 内容：判定した種別、不足項目、処理ルート
- 後で使う場面：判定ロジックの精度確認と見直し
- 依頼者とのやり取り
- 内容：差し戻しの内容と回答、回数
- 後で使う場面：差し戻し文面の改善、やり取りの型化
- レビュー結果と承認の根拠
- 内容：論点、修正内容、承認者の判断
- 後で使う場面：類似案件の参照、監査対応、引き継ぎ
これらの記録は、次の段階で効いてきます。過去のやり取りがたまると、「この種類の依頼にはこう対応する」というパターンを抽出できるようになり、依頼者や相手方とのやり取りそのものを型にしていけるからです。逆に、記録を残していなければ、やり取りの型は汎用AIの一般論からゼロで設計するしかなく、自社の実態に合った精度を出しにくくなります。この順番は入れ替えにくいため、最初の段階から記録を前提に設計しておくことをおすすめします。
段階的な進め方：小さく始めて広げる
前さばきの自動化は、一度にすべてを切り替えるのではなく、段階的に進めるのが現実的です。進め方の一例を示します。
- 最多類型を1つ選ぶ：直近3か月の依頼から件数が最も多い類型を特定する（多くの場合NDA）
- 過去の案件を10件程度集める：判断の流れを書き出し、判定ロジックと必須項目のたたき台をつくる
- 頻度の高い組み合わせから始める：自社ひな形の一方向NDAなど、判定が単純なものに絞る
- 1つの事業部で試す：依頼件数の多い事業部で運用し、精度と現場の反応を確認する
- 種別と事業部を広げる：双方向NDAや相手方ドラフト、他の事業部へ順に拡張する
あわせて、事業部側への周知も早い段階から計画しておくのが有効です。差し戻しの増加など、移行期には依頼者側にも一定の負荷がかかります。負荷をゼロにすることを目指すより、「いつからどう変わるか」「どの程度の期間か」を事前に繰り返し伝えておくほうが、現場の理解を得やすいと考えられます。
移行の初期は、AIの判定結果を人が高い頻度で確認し、精度が安定してから確認の間隔を空けていくのが安全です。業務全体の自動化の段階づけは「法務業務のAI自動化の進め方｜成熟度6段階と着手すべき5領域」も参考になります。
前さばきの自動化でつまずきやすい点と対策
前さばきの自動化を進める過程では、いくつかつまずきやすい点があります。代表的なものと、その対策を整理します。
- 最初から全種別を対象にする
- 起きやすいこと：判定ロジックの分岐が増え、精度の検証ができない
- 対策の例：頻度の高い1種別に絞り、精度を確認してから広げる
- 必須項目を多く設定しすぎる
- 起きやすいこと：差し戻しが増え、依頼者の負担と反発が大きくなる
- 対策の例：判断に本当に必要な項目だけに絞り、運用で見直す
- 差し戻し文面が機械的
- 起きやすいこと：依頼者が何を答えればよいかわからず、往復が減らない
- 対策の例：不足項目ごとに「なぜ必要か」と回答例を添える
- 人に回す条件が曖昧
- 起きやすいこと：AIが判断すべきでない案件まで処理してしまう
- 対策の例：条件を明文化し、該当した案件は必ず人のルートに乗せる
- 記録が担当者の手元に散らばる
- 起きやすいこと：精度の確認や次の段階の型化ができない
- 対策の例：前さばきの結果とやり取りを案件単位で1か所に残す
とくに注意したいのは、必須項目の設定です。法務の視点で「あると望ましい情報」をすべて必須にすると、依頼のたびに差し戻しが発生し、依頼者にとっては以前より手間が増えたように感じられます。必須項目は「この情報がないと判定やレビューに進めないもの」に限定し、「あると望ましいもの」は任意項目として扱うのが現実的です。
また、差し戻しの文面は、依頼者がそのまま答えられる形にしておくと効果が出やすくなります。たとえば「開示する情報の範囲が記載されていません」とだけ伝えるより、「検討中の取引で相手方に渡す予定の資料（例：製品仕様書、価格表）を教えてください。秘密情報の定義の範囲を確認するために使います」と伝えるほうが、1回の差し戻しで情報がそろいやすくなります。
よくある質問
Q. 前さばきをAIに任せると、法務が案件を把握できなくなりませんか。
前さばきの結果と依頼者とのやり取りを案件単位で記録し、法務がいつでも参照できるようにしておけば、把握できなくなるおそれは小さくなります。移行の初期は、AIの判定結果を法務が高い頻度で確認し、精度が安定してから確認の間隔を空けていく進め方が安全です。
Q. 相手方ドラフトのNDAも前さばきの対象にできますか。
対象にできますが、最初の段階では自社ひな形のNDAから始めるほうが進めやすいと考えられます。相手方ドラフトは条項の書き方が多様で、自社基準から外れる修正が含まれる可能性も高いためです。自社ひな形で判定ロジックと記録の運用を固めたあとに、相手方ドラフトへ広げる順序が考えられます。
Q. どの程度の件数があれば、前さばきの自動化を検討する価値がありますか。
一律の基準はありませんが、同じ類型の依頼が継続的に発生していて、法務が差し戻しや催促に時間を取られていると感じている場合は、検討の余地があると考えられます。まずは直近3か月の依頼件数と、差し戻しが発生した割合を確認すると、効果の見込みを判断しやすくなります。
Q. NDA以外の類型にはいつ広げればよいですか。
NDAで判定の精度が安定し、人の修正が必要な割合が十分に下がった段階が目安です。広げる類型は、過去の案件記録が一定数たまっていて、前さばきの判断が毎回同じ結論に収束しているものから選ぶと、精度を保ちやすくなります。
単体のAIだけでは前さばきが運用として回りにくい理由
ChatGPTやClaude、Copilotなどの汎用AIは、NDAの条項確認や不足情報の指摘を単体でもかなりの精度でこなせるようになっています。ただし、前さばきを日々の業務として回そうとすると、AIの能力とは別の要件が見えてきます。
- 記録の置き場：判定結果や差し戻しの履歴が案件ごとに残り、後から辿れること
- AIからの読み書き：AIが過去案件を参照し、前さばきの結果を書き戻せること
- 承認の場所：AIの結果を人が承認・差し戻しでき、その履歴が案件に紐づくこと
チャット画面でAIを使うだけでは、これらは担当者の手作業に頼ることになりがちです。そこで、契約データと案件の記録を1か所に集めつつ、外部の汎用AIから読み書きできるようにしたCLMを基盤にするという選択肢があります。製品にAIを組み込んだ「内蔵型」に対し、こうした設計は「オープン型CLM」と呼ばれます。両者の違いは「AI内蔵型CLM vs AI連携型（Open）CLM 徹底比較」で整理しています。
ContractS CLMは、オープン型CLMの実装の一つです。普段使っているAIを選んで接続し、契約と案件の記録はCLMに集めるという「AIは選び、契約は1箇所に集める」考え方に基づいています。AIで自動化しても承認や記録が必要になる理由については「AIで契約業務を自動化しても“内部統制”は残る」もあわせてご覧ください。
まとめ
NDAの前さばきは、件数が多く判定が定型的なため、AIへの移行を始める最初の対象として検討しやすい工程です。設計のポイントは次のとおりです。
- 前さばきを「案件判定・不足情報の洗い出し・差し戻し・一次レビュー・結果の引き渡し」の5工程に分け、承認と合意形成は人が持つ
- 「AIにできること」ではなく「人が見るべき案件」から逆算して、人に回す条件を先に決める
- NDAの中でも開示の方向やドラフトの出所で種別を分け、単純な組み合わせから自動化する
- 前さばきの結果とやり取りを案件単位で記録し、次の段階の材料にする
- 最多類型・1事業部から始め、精度を確かめながら範囲を広げる
まずは直近の依頼を類型別に数え、最も件数の多い類型の過去案件を10件ほど集めて判断の流れを書き出すところから始めてみてはいかがでしょうか。
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・経営・管理部門向けに執筆したものです。AIエージェントを契約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。
