ノウハウ 契約台帳のデータ品質をAIで高める｜AIに聞いても契約が出てこない原因と、欠損・紐付け漏れ・重複を整える運用
契約台帳のデータ品質をAIで高める｜AIに聞いても契約が出てこない原因と、欠損・紐付け漏れ・重複を整える運用
AIに聞いても、求める契約が出てこない
契約管理にAIを使う場面が増えています。「今月末までに解約通知期限が来る契約を一覧にして」「損害賠償の上限がない契約を出して」といった問いに、AIが契約データを検索して答える使い方です。
こうした使い方で正しい答えを得るには、2つのことが重要になります。1つは、AIに聞いたときに、AIが契約管理データを自動で調べて回答してくれる機能がそもそも備わっているかどうか。もう1つは、その機能があったうえで、AIが参照するデータ自体に問題がない状態で使えるかどうかです。
1つ目について、ContractS CLMでは、AIに聞くだけでAIが契約管理データを自動的に検索し、回答する形になっています。一方、AIリーガルテック製品の中には、「この条件の契約を探して」と指示しても、契約管理データから正しい情報を引き出せないものがまだ多いと考えられます。これは多くの場合、シンプルに検索・抽出の機能が不足していることが理由です。
ところが、2つ目の条件は機能だけでは解決しません。実際に、高いレベルのAIエージェント機能が使えるContractS CLMのお客様でも、AIに検索させて求める情報を抽出しようとしたところ、期待どおりの結果が出ないケースがあります。対象のはずの契約が一覧に出てこない、覚書で条件が変わっているのに変更前の条件で答えが返ってくる、同じ契約が2件として数えられている——こうしたケースの多くは、AIの性能ではなく、AIが参照している契約台帳のデータ品質に原因があります。
そこで有効なのが、AIを使ってデータ品質そのものを高めるという方法です。ContractS CLMでは、AIに台帳を点検させ、欠けている情報の補完案をつくらせ、人が承認して反映する運用を組むことができます。本記事では、AIで契約を正しく探すための2つの条件を整理したうえで、データ品質をAIで高める具体的な方法を解説します。
なお、どの契約を見直すかという棚卸しの進め方は「契約棚卸しはAIエージェントに任せる時代へ」で扱っています。本記事は「台帳そのものをどう整えるか」に焦点を当てます。
AIで契約を正しく探すための2つの条件
AIに契約を検索・抽出させて正しい答えを得るための条件を、もう少し詳しく見ていきます。
条件1：AIが契約管理データを自動で調べて答える機能があること
AIに自然な言葉で聞いたとき、AIが自分で契約管理データにアクセスし、条件に合う契約を探して回答する仕組みです。この機能がないと、担当者が検索画面で条件を設定して抽出し、その結果をAIに貼り付けて整理させる、といった手作業が残ります。
AIレビューなど特定の工程に特化した製品や、製品の中にAIを組み込んだ「内蔵型」の製品では、契約管理データ全体を横断して検索・抽出する機能が限られている場合があります。ContractS CLMは、契約データを外部の汎用AIから読み書きできるようにした「オープン型CLM」の実装の一つで、AIに聞くだけで契約管理データの検索から回答までをAIが自動で行える形になっています。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。
条件2：AIが参照するデータに問題がないこと
検索の機能があっても、参照する台帳に欠損や重複があれば、AIはその不完全なデータをもとに答えるしかありません。条件1を満たしているのに期待どおりの結果が出ない場合は、こちらを疑う必要があります。
💡条件1は製品の機能で決まり、条件2は日々のデータの状態で決まります。条件1を満たす環境に移っても、条件2が整っていなければ、AIの答えの精度は上がりきりません。2つを分けて点検することが大切です。
高いAI機能があっても答えが出ない3つの原因
条件2、つまり台帳のデータ品質の問題は、おおむね次の3つに分けられます。
- 項目の欠損
- 具体例：契約終了日・取引先・契約金額・自動更新の有無などが空欄
- AIの回答への影響：抽出条件に当たらず、対象から漏れる
- 紐付けの漏れ
- 具体例：覚書や変更契約が原契約に紐づいていない
- AIの回答への影響：「最新の契約条件」を正しく答えられない
- 重複登録
- 具体例：同じ契約が二重に登録されている、表計算ソフトとシステムで内容が食い違う
- AIの回答への影響：件数が誤る、どちらが正しいか判断できない
これらは、日々の登録作業のなかで少しずつ生じます。締結を急いで項目入力を後回しにした、覚書を別の案件として登録した、移行時に古いデータと新しいデータが混ざった——いずれも担当者の不注意というより、台帳整備が後回しになりやすい業務の構造から生じるものといえます。
なぜ台帳整備は後回しになるのか
台帳の整備が重要だと理解していても、実際には手がつけにくい理由があります。
緊急度が低く見える
台帳の欠損は、問題が表面化するまで気づかれにくいものです。審査依頼や相談対応など、期限のある業務が優先されやすくなります。
作業量が見積もりにくい
どこにどれだけの欠損があるかを調べること自体に手間がかかります。全件を確認しようとすると、一つのプロジェクトとして人員を割く必要が出てきます。
直しても、また崩れる
一度整備しても、日々の登録で再び欠損や重複が生じます。年に一度の一斉整備では、次の整備までに品質が下がってしまいます。
こうした性質から、台帳整備は「人が一度に大きく直す作業」ではなく、「AIを使って定期的に小さく直し続ける作業」として設計するほうが現実的と考えられます。
AIでデータ品質そのものを高める：4つのステップ
ContractS CLMでは、台帳の点検と補完をAIに任せる運用を、次の4つのステップで組むことができます。AIが台帳を読むだけでなく、承認された内容を書き戻せるため、点検から反映までを一続きで回せます。
ステップ1：検知
- AIが行うこと：欠損・紐付け漏れ・重複の候補を洗い出す
- 人が行うこと：点検の条件を決める
ステップ2：補完案の作成
- AIが行うこと：契約書本文を読み、空欄に入る候補値や紐付け先を、根拠となる条項とあわせて提示する
ステップ3：承認
- AIが行うこと：補完案を一覧にして提示する
- 人が行うこと：内容を確認し、反映するかを判断する
ステップ4：反映と記録
- AIが行うこと：承認された内容を台帳に反映し、変更履歴を残す
- 人が行うこと：反映結果を抜き取りで確認する
この流れを週次や月次の定期処理として実行すれば、台帳整備を人が都度思い出して取りかかる仕事から、決まったタイミングで結果が届く仕事に変えられます。
たとえば、週次の定期処理としてAIに次のような指示を渡すことが考えられます。
契約終了日・取引先・契約金額のいずれかが空欄の契約と、原契約に紐づいていない覚書を検知してください。
それぞれについて、契約書本文から補完する値の候補と、その根拠となる条項を示してください。
判断がつかないものは「要確認」として分けて一覧にしてください。
根拠となる条項をあわせて示させることで、人が承認する際の確認がしやすくなります。
点検の条件を設計する
AIに点検させる条件は、自社の契約管理で特に重要な項目から優先して設定します。条件の例を示します。
欠損の検知
- 契約終了日、自動更新の有無、解約通知期限が空欄の有効契約
- 取引先名が空欄、または取引先マスタと一致しない契約
- 金額のある類型（売買・業務委託など）で契約金額が空欄の契約
紐付け漏れの検知
- タイトルや本文に「覚書」「変更契約」を含むが、原契約に紐づいていない契約
- 本文中で引用している原契約の名称・日付に一致する契約が台帳にあるのに、紐付けがない契約
重複の検知
- 取引先・締結日・契約名が一致または近似する複数の登録
- 表計算ソフトの管理表とシステムで、同じ契約の項目値が食い違っているもの
最初からすべての条件を設定する必要はありません。更新漏れの防止に直結する「契約終了日と自動更新の有無」から始めるなど、影響の大きい項目に絞ると、効果を確認しやすくなります。項目の設計そのものについては「契約タイプ別フォルダ設計の考え方」も参考になります。
反映は人の承認を経る
AIが補完案をつくり、台帳に書き戻せるからといって、反映までAIに任せきりにするのは避けたほうがよいと考えられます。契約台帳は、更新判断や監査対応の根拠になる記録だからです。
承認のルールとしては、次のような設計が考えられます。
- 原則：AIの補完案は、人が確認して承認したものだけを反映する
- 一括承認の範囲：契約書本文に明記された日付の転記など、根拠が明確なものは一覧でまとめて承認できるようにする
- 個別確認の範囲：本文の解釈が必要なもの、複数の候補があるもの、金額に関わるものは1件ずつ確認する
- 要確認の扱い：AIが判断できなかったものは担当者に割り当て、期限を決めて対応する
運用が安定し、AIの補完案の正確さが確認できてきたら、一括承認の範囲を少しずつ広げていくことができます。
📝反映した内容は「いつ・誰が承認し・どの根拠で変更したか」を履歴として残しておくのが重要です。後から監査や照会で変更の経緯を問われたときに、説明しやすくなります。
導入の進め方：小さく始めて定期処理にする
台帳の点検・補完をAIに任せる運用は、次の順序で始めることができます。
ステップ1：現状を数える
まず、主要な項目ごとに空欄の件数を数えます。有効な契約のうち、契約終了日、自動更新の有無、取引先、契約金額が空欄のものがそれぞれ何件あるかを把握するだけでも、どこから手をつけるべきかが見えてきます。この集計自体もAIに聞けば出せます。
ステップ2：優先する項目を決める
すべての欠損を一度に直そうとせず、影響の大きい項目から優先順位をつけます。優先順位の考え方の例を示します。
- 優先度：高
- 契約終了日、自動更新の有無、解約通知期限：欠けていると更新漏れや不要な自動更新につながる
- 覚書と原契約の紐付け：欠けていると最新の契約条件を誤って参照する
- 優先度：中
- 取引先、契約金額：集計や照会対応の精度に影響する
- 重複登録の整理：件数の集計や棚卸しの対象に影響する
- 優先度：低
- 担当者、管理部署などの付随情報：運用上は必要だが、他の項目より影響が限定的
ステップ3：小さな範囲で試す
優先度の高い項目について、特定の類型や事業部の契約に絞ってAIに補完案をつくらせ、人が承認する流れを試します。補完案の正確さと、承認にかかる手間を確認します。
ステップ4：定期処理にする
試行で問題がなければ、点検を週次や月次の定期処理に組み込みます。新しく登録された契約も点検の対象になるため、一度整えた台帳の品質を保ちやすくなります。
点検結果の報告の仕方
定期処理の結果は、担当者が短時間で判断できる形で届くようにしておくと、運用が続きやすくなります。報告に含めたい内容の例は次のとおりです。
- 今回検知した件数（欠損・紐付け漏れ・重複の別）
- 補完案のうち、一括承認できるものと個別確認が必要なものの件数
- AIが判断できず「要確認」とした件数と、その理由
- 前回からの持ち越し件数
- 主要項目の空欄件数の推移
とくに「空欄件数の推移」は、台帳の品質が改善しているかを確認する指標になります。経営層や監査への説明にも使いやすい数字です。
使うほど台帳が整い、AIの答えが正確になる
台帳の点検を定期処理にすると、AI活用と台帳品質のあいだに循環が生まれます。
- AIに契約を検索・抽出させる
- その過程で、欠損や紐付け漏れが見つかる
- AIが補完案をつくり、人が承認して反映する
- 台帳の品質が上がり、次の検索・抽出の精度が上がる
この循環が回りはじめると、冒頭で挙げた「聞いても求める契約が出てこない」状態が少しずつ解消され、次のような業務の精度も上がりやすくなります。
1. 更新管理
自動更新の契約では、管理すべき日付は更新日ではなく解約通知期限です。この期限が台帳に正しく入っていれば、「今月末までに解約通知期限を迎える契約」をAIに定期的に抽出させ、担当者に通知する運用を組めます。
2. 監査・経営からの照会対応
「損害賠償の上限規定がない契約を一覧にしてほしい」「特定の取引先との有効な契約をすべて出してほしい」といった照会に、台帳の項目と契約書本文の両方を使って答えられるようになります。
3. 担当者の異動・退職時の引き継ぎ
担当者ごとの有効な契約を一覧にし、交渉の経緯や判断の理由とあわせて引き継ぎ資料をつくる場面でも、台帳の品質が前提になります。
4. 法改正時の対象契約の洗い出し
法改正の影響を受ける契約類型や条項を持つ契約を抽出する場面では、類型や取引先の属性が正しく登録されていることが重要です。
法改正対応での活用は「法改正対応をAIで“対応完了まで”走り切る」、法務の業務データの活用は「法務の生産性レポートをAIで自動化する」で解説しています。
💡台帳の整備は、それ自体が目的になりにくい作業です。「更新漏れをなくす」「照会に即日で答える」など、台帳の品質が効いてくる業務上の目的とセットで取り組むと、優先順位を説明しやすくなります。
運用を始める際の注意点
台帳の点検・補完をAIに任せる際には、次の点に注意が必要です。
1. 補完の根拠を必ず示させる
AIが根拠なく値を推測して埋めると、誤った値が台帳に入るおそれがあります。根拠となる条項や文書を示せないものは補完しない、というルールをAIへの指示に含めておくのが安全です。
2. 原本との突き合わせを前提にする
AIが読み取るのは、台帳に登録された契約書ファイルです。スキャン画像の読み取り精度が低いものや、最終版でないファイルが登録されている場合は、補完案も不正確になります。
3. データの取り扱いルールを確認する
契約書の本文を外部のAIに読ませる場合は、利用するAIの法人向けプランの条件や、社内の情報セキュリティの規程を確認しておく必要があります。考え方は「情シス・セキュリティ部門が安心する生成AI×CLMの設計」で整理しています。
4. 契約データを1か所に集める
契約書がファイルサーバー、表計算ソフト、各部署の共有フォルダに分散していると、そもそも重複や食い違いを検知する範囲が定まりません。正本を1か所に集め、AIからそこを読み書きできる状態にしておくことが前提になります。外部のAIとシステムをつなぐ仕組みについては「MCPとは？法務担当者のためのAI外部連携のしくみ」で解説しています。
よくある質問
Q. AIに聞いて契約が出てこないとき、機能とデータのどちらに原因があるかを見分けられますか。
まず、該当するはずの契約を1件特定し、台帳の項目がどう登録されているかを確認する方法が考えられます。項目が空欄だったり、覚書が紐づいていなかったりすればデータ品質の問題です。項目が正しく入っているのに抽出されない場合は、検索・抽出の機能や指示の出し方を見直す必要があります。
Q. 契約書がスキャン画像のPDFでも、AIは補完案をつくれますか。
文字認識の精度によって結果が変わります。画質が低いものや手書きの修正があるものは、読み取りを誤る可能性があります。そうした契約は「要確認」として人が確認する対象に分けておくと安全です。
Q. 過去の契約がすべて紙の場合はどうすればよいですか。
まず電子化して台帳に登録する工程が必要になります。すべてを一度に電子化するのが難しい場合は、有効な契約や更新期限の近い契約から優先して進める方法が考えられます。
Q. 表計算ソフトの管理表とシステムの両方で管理している場合は、どちらを正とすべきですか。
どちらを正本とするかを最初に決め、もう一方との食い違いをAIに検知させる運用が考えられます。長期的には、正本を1か所に集約し、二重管理をなくしていくほうが、品質を保ちやすくなります。
まとめ
AIに聞いて契約を正しく探せるかどうかは、機能とデータの2つで決まります。ポイントは次のとおりです。
- AIが契約管理データを自動で調べて答える機能があることと、参照するデータに問題がないことの2つがそろって、初めて正しい答えが返ってくる
- ContractS CLMでは、AIに聞くだけで契約管理データの検索から回答までをAIが行える。一方、検索・抽出の機能がまだ十分でないAI製品も多いと考えられる
- 高いAI機能が使える環境でも答えが出ない場合は、項目の欠損・紐付け漏れ・重複登録というデータ品質の問題を疑う
- AIに検知と補完案の作成を任せ、人が承認して反映する運用を定期処理にすると、AIでデータ品質そのものを高められる
- 影響の大きい項目から始め、承認と変更の履歴を残しながら、使うほど台帳が整う循環をつくる
まずは、有効な契約のうち契約終了日と自動更新の有無が空欄になっている件数を確認するところから始めてみてはいかがでしょうか。件数が見えるだけでも、整備の優先順位を決めやすくなります。
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・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。
