「相手方から届いた契約書を、一条ずつ自社ひな型と突き合わせてリスクを洗い出す——その作業に毎回数時間かかっている」。契約件数が増えるほど、法務・契約実務の負荷は重くなります。ここに生成AIを組み込むと、リスク条項の抽出・差分の洗い出し・ドラフト作成といった「読む・比べる・書く」作業を大きく短縮できます。
一方で、契約書レビューには他業務にない固有の壁があります。弁護士法72条（非弁行為）・情報漏えい・ハルシネーション（もっともらしい誤り）の3つです。使い方を設計せずに導入すると、効率化どころか法的リスクを抱え込みます。
本記事では、企業の法務担当・契約実務・経営者に向けて、生成AIが契約書レビューで効く4つの機能・効果を出す使い方・使う際の3つの注意点・PoC（試験導入）で小さく始める手順を、実装現場の一次情報をもとに整理します。なお、弁護士・司法書士など有資格者の事務所目線での活用は士業の生成AI活用で扱っており、本記事は「一般企業が契約レビュー業務にどう使うか」に絞ります。
結論：契約書レビューの生成AIは「一次レビューをAI・最終判断は人」が型
先に結論をお伝えします。生成AIによる契約書レビューは、AIに一次レビュー（当たり付け）をさせ、最終判断は人（社内法務・顧問弁護士）が担う分業が最も速く・安全です。私たちはこれを「契約レビューAI分業モデル」と呼び、文書AI活用のPoC支援で標準の型にしています（出典：キュリオシティの文書AI活用PoC。詳細は後述）。要点は次の3つです。
- AIは「リスクの当たり付け」に徹させる。 抜けがちな条項の洗い出し、自社ひな型との差分抽出、修正案のたたき台までをAIに任せ、採否と最終判断は人が行います。GVA法律事務所も、AIが得意なのは「大量の条文の読み込み・要約」「自社ひな型と相手方案の差分抽出」「一般的なリスク条項の当たり付け（一次レビュー）」だとしています（出典：GVA法律事務所）。
- 契約書は、そのまま外部サービスに入力しない。 契約書は相手方の営業秘密・個人情報を含みます。無料版の生成AIに貼り付ける運用は情報漏えいのリスクがあり、入力データを学習に使わない設定・法人向け環境・社内に閉じた構成を選ぶのが原則です。
- 「非弁」の一線を越えさせない。 AIに断定的な法的結論（「この条項は無効」等）を出させ、それを鵜呑みにする使い方は弁護士法72条の問題領域に入ります。最終的な法的判断は有資格者に委ねる設計にします。
この「契約レビューAI分業モデル」は、リーガルテック（AI契約書レビュー専用ツール）を導入する場合も、汎用の生成AIを社内で使う場合も共通します。市場では既に導入が進んでおり、企業法務でのリーガルテック導入が8割を超えたとの報道もあります（出典：日本経済新聞、2023年報道）。問われているのは「入れるか」ではなく「どう安全に使いこなすか」の段階です。
生成AIは契約書レビューの何を効率化できる？（4つの機能）
生成AIが契約書レビューで効くのは、①条項チェック ②リスク箇所の抽出 ③自社ひな型・過去契約との差分 ④修正ドラフトの作成の4機能です。いずれも「正解のパターンがある程度決まった読み書き」で、AIの得意領域と重なります。
①条項チェック：抜け漏れがちな条項を洗い出す
契約類型ごとに「入っているべき条項」はおおむね決まっています。生成AIに契約類型と自社の立場（買主／売主、委託者／受託者など）を伝えると、解除・損害賠償・責任制限・管轄・反社条項・秘密保持・知的財産の帰属といった、抜けると後で効いてくる条項の有無をチェックさせられます。市販のAI契約書レビューツールでも、損害賠償の上限や免責、知的財産権の帰属など「一般的にリスクとされる条項」を素早く特定できるとされています（出典：マネーフォワード クラウド契約）。
②リスク箇所の抽出：自社に不利な条項に当たりを付ける
相手方から提示された契約書を、自社の立場から読んで「不利になり得る箇所」に当たりを付けさせます。たとえば「損害賠償が無制限になっていないか」「一方的に解除できる条項が相手方だけに与えられていないか」「知財が相手方に帰属していないか」といった観点です。ここで重要なのは、AIの出力を「リスクの可能性がある候補リスト」として受け取ること。断定ではなく候補として扱えば、人のレビューの見落としを減らす「もう一つの目」として機能します。
③差分抽出：自社ひな型・過去契約と比べる
実務で最も効くのがこの機能です。自社の標準ひな型（または過去の類似契約）と、相手方提示案を並べて差分を抽出させると、「どこが変えられているか」が一覧化されます。人が一条ずつ目視で突き合わせる作業を大きく圧縮でき、GVA法律事務所も差分抽出をAIの得意作業に挙げています（出典：GVA法律事務所）。
④修正ドラフト：条項の修正案・カウンター文案を作る
抽出したリスク箇所に対し、修正案（カウンター文案）のたたき台を複数パターン生成させます。「自社に有利な案」「落としどころの案」を並べて出させると、交渉の準備が速くなります。ただし文案はあくまでたたき台であり、当該取引の力関係・業界慣行・最新の法改正を踏まえた採否は人が判断します。
生成AIが効く契約書レビュー4機能（まとめ）
機能 AIにさせること 人がやること ①条項チェック 契約類型に必要な条項の有無を確認 不足条項を入れるか判断 ②リスク抽出 自社に不利な箇所の候補を列挙 リスクの重大性を評価 ③差分抽出 自社ひな型・過去契約との相違を一覧化 変更の受入可否を判断 ④修正ドラフト カウンター文案を複数生成 文案の採否・交渉方針を決定 ※4機能はいずれも「一次レビュー（当たり付け）」まで。最終判断は人（社内法務・顧問弁護士）が担う前提。
専用ツールと汎用の生成AI、どちらを使うべき？
結論は「契約類型が定型で件数が多いなら専用のAI契約書レビューツール、社内文書と柔軟に組み合わせたいなら汎用の生成AI＋社内環境」の使い分けです。どちらでも「契約レビューAI分業モデル（一次レビュー＝AI／最終判断＝人）」は変わりません。判断軸を整理します。
| 判断軸 | AI契約書レビュー専用ツール（リーガルテック） | 汎用の生成AI＋社内環境 |
|---|---|---|
| 向く場面 | 定型契約・件数が多い・観点を標準化したい | 契約類型が多様・社内文書と組み合わせたい |
| 強み | 条項辞書・ひな型比較が作り込まれ精度が安定 | 用途を選ばず柔軟。要約・ドラフトも一気通貫 |
| 弱み | 対応類型・カスタム性に制約。月額費用 | プロンプト設計と社内ルールの整備が前提 |
| 非弁への配慮 | ベンダーがガイドライン準拠を設計済み | 自社で「断定させない・最終判断は人」を運用 |
| コストの考え方 | ユーザー数・件数に応じた月額（目安は月数万円〜、規模で幅） | 既存の法人向けAI環境に相乗り可で追加費用を抑えやすい |
まずは1契約類型のPoCで、自社のひな型・過去契約との相性を確かめるのが近道です。専用ツールも汎用AIも、AIに渡す前の文書整備（ひな型・チェックリスト）が精度を決める点は共通します。
契約書レビューで効果を出すプロンプトのコツは？
生成AIの契約書レビューは、「役割・背景・出力形式」を具体的に指定するほど精度が上がります。丸投げの「レビューして」では、一般論しか返ってきません。GVA法律事務所が挙げる実践的な型を、契約実務向けに整理します（出典：GVA法律事務所）。
- 役割（ペルソナ）を与える。 「経験10年以上のIT法務に精通した弁護士として」など立場を指定すると、観点が定まります。
- ビジネス背景を伝える。 「自社は受託側、相手方が委託側」「継続的な取引を重視したい」など、力関係と優先順位を明示します。これがないとAIは的外れな指摘をします。
- 出力形式を構造化する。 「リスク箇所・理由・修正案の3列の表で」「保守的な観点で」「修正案は3パターン」と形式を指定します。
- 対話でブラッシュアップする。 一発で終わらせず、「この条項の代替案をもっと自社有利に」など追質問で詰めます。
ポイントは、AIに渡す情報の範囲を限定することです。参照させる資料（自社ひな型・過去契約・チェックリスト）を明示し、「与えた資料の範囲で答える／不確かな点は指摘する」という制約を課すと、後述するハルシネーションを抑えられます。プロンプト設計の考え方は生成AIで文書作成を効率化でも詳しく扱っています。
生成AIで契約書をレビューするときの注意点は？（3つのリスク）
契約書レビューには、一般業務にない3つの固有リスク——弁護士法72条（非弁）・情報漏えい・ハルシネーションがあります。ここを設計してから使うことが、効率化と信頼の両立の前提です。
弁護士法72条（非弁行為）：AIに法的判断を「代行」させない
弁護士でない者が、報酬を得る目的で法律事務を業として行うことは弁護士法72条で禁じられています。AI契約書レビューサービスについては、法務省が2023年8月に「AI等を用いた契約書等関連業務支援サービスの提供と弁護士法第72条との関係について」を公表し、予測可能性を高めています（出典：マネーフォワード クラウド契約）。
線引きの考え方はおおむね次の通りです（同ガイドラインの整理より）。
弁護士法72条：AIの使い方の線引き（2023年8月ガイドラインの整理）
AIにさせること 該当性の目安 ひな型との機械的な字句比較 法律事務に該当しない可能性が高い（セーフ寄り） 法的効果と無関係な言語的類似性の表示のみ 法律事務に該当しない可能性が高い（セーフ寄り） 法的解釈に基づくリスク箇所の指摘 法律事務に該当する可能性がある（グレー〜リスク寄り） 個別条項のリスクと修正案の具体的提示 法律事務に該当する可能性がある（グレー〜リスク寄り） 「無効」「敗訴する」等の断定的結論の提示 法律事務に該当する可能性が高い（リスク寄り） ※出典：マネーフォワード クラウド契約（法務省2023年8月ガイドラインの整理）。個別具体的な事情で判断されるため、あくまで目安。
実務者への含意はシンプルです。AIの出力を「情報提供・当たり付け」として使い、法的な最終判断・断定は有資格者に委ねる。 社内で汎用の生成AIを使う場合も、AIの結論をそのまま契約判断の根拠にせず、重要契約は必ず社内法務・顧問弁護士のレビューを通す運用にします。
情報漏えい：契約書をそのまま外部に入力しない
契約書は相手方の営業秘密や個人情報を含む機微な文書です。無料版の生成AIは入力内容が学習に使われる可能性があり、機密の貼り付けは避けるべきです。対策は次の3層で考えます。
- 匿名化してから入力する。 社名・氏名・金額などの固有情報を「A社」「甲」「◯◯円」に置き換えてから使う。
- 学習に使われない環境を選ぶ。 入力を学習に利用しないオプトアウト設定、法人向けプラン、社内に閉じた構成（社内データで完結）を選ぶ。機微な契約ほど社内向け生成AIの構築や生成AIのセキュリティ対策の考え方が効きます。
- 社内ルールで運用を縛る。 「入力してよい情報／だめな情報」「使ってよいサービス」を明文化する。
ハルシネーション：架空の条文・判例を生む前提で検証する
生成AIは事実を理解しているわけではなく、統計的にもっともらしい文章を作っています。そのため存在しない条文・判例・数字を、平然と本当のように出力します。契約書レビューでこれを検証せず使えば、誤った前提で交渉・締結してしまうリスクがあります。GVA法律事務所も「判断と責任を負うのはあくまで人間」「完成形のイメージがないと出力の良し悪しを判断できない」と指摘しています（出典：GVA法律事務所）。
対策は、参照元を限定し、根拠を答えさせ、人が一次資料で確認すること。RAG（社内文書を検索させてから答えさせる仕組み）を使っても誤りはゼロにならないため、最終確認の工程は省けません。ハルシネーションを減らす設計の打ち手は生成AIのハルシネーション対策に整理しています。
契約書レビューに生成AIを導入する進め方は？（PoCで小さく始める）
「法務全体でAIを使おう」といきなり広げると、ツール選定とルール整備で止まりがちです。私たちが文書中心業務のAI化で繰り返し見てきた成功パターンは、1つの契約類型に絞ったPoC（試験導入）から始めることです。
- 対象を1契約類型・1立場に絞る。 「秘密保持契約（NDA）の受領側レビュー」「業務委託契約の受託側レビュー」など、件数がまとまり正解が明確な業務から始めます。全契約をいきなり対象にしません。
- AIに渡す前の「文書整備」を先に行う。 自社ひな型・過去契約・チェックリストが整理されているほど、①〜④の精度は上がります。ここは業務棚卸しの手順の発想がそのまま効きます。
- KPIと撤退基準を先に決める。 「レビュー時間」だけでなく「法務担当の修正率」「重大な見落としの発生件数」を測り、この水準に届かなければ見直す線を先に引きます。KPI設計の考え方は生成AIのPoCの進め方を参照してください。
キュリオシティの文書AI活用PoC（匿名化した実務知見）
少人数で大量の定型文書を扱う専門サービス業務（契約・申請類が中心）を対象に、文書の「リスク箇所抽出・要約」と自社ひな型との「差分・項目抽出」を生成AIで支援するPoCを行いました。当初、固定的にプロンプトを与えただけのときは「それらしいが要件を外した指摘」が頻発し、体感の手戻りが大きい状態でした。ひな型・チェックリスト・過去事例を整理し、AIに「与えた資料の範囲で答える」「不確かな点は空欄にして指摘する」という制約を課したところ、一次レビューの使える割合が実用域（おおむね7〜8割）まで上がりました。定型度の高い契約類型（NDAの受領側レビュー等）では、人が一条ずつ突き合わせていた一次確認の所要時間が体感で半分以下（おおむね4〜6割減）になり、担当者の修正率も回を重ねるごとに下がっていきました。最大のつまずきは技術ではなく手前の文書整備——版が混在し、暗黙のチェック観点が言語化されていないほどAIが迷いました。とくに条項の解釈が絡む指摘では、AIが古い条文・一般論を引いてくる事象が一定割合で出たため、「重要度の高い契約・条項は人が一次資料で照合してから確定する」工程を必須にしています。そこでKPIは「レビュー時間」に加えて「担当者の修正率」を併設し、機密は匿名化してから入力、最終確認は必ず人が行う運用としています。
※案件特定を避けた匿名表現。数値はレンジで記載。
この型は、生成AIを「いきなり全面導入」するのではなく、効果と安全性を検証しながら広げる考え方です。PoCから開発・本番までの進め方の全体像は生成AI開発・PoC支援にまとめています。
契約書レビューで今日から始める3ステップ
最後に、明日から動ける順番に落とし込みます。
- 社内ルールを1枚にする。 「入力してよい情報／だめな情報」「使ってよいサービス」「最終判断の責任者（社内法務・顧問弁護士）」を明文化します。
- 効果の出る1契約類型を選び、匿名化してAIに一次レビューさせる。 まずはNDAや業務委託契約の差分抽出・リスク抽出から。固有情報は伏せて入力します。
- 人が検証し、修正率を記録する。 「どこをAIが外したか」を残すと、プロンプトとひな型・チェックリストが改善され、回を重ねるほど精度が上がります。
【無料DL】生成AI PoC企画テンプレート
「どの契約類型から・どんなKPIで・どこまでを目標に始めるか」を1枚で整理できる企画テンプレートを無料で配布しています。守秘性の高い契約実務で、生成AIをPoCから安全に小さく始めたい方へ。
よくある質問（FAQ）
Q. 生成AIで契約書レビューはどこまで自動化できますか？
A. 一次レビュー（リスク箇所の当たり付け・差分抽出・修正案のたたき台）までが現実的な範囲です。最終的なリスク評価と法的判断は人（社内法務・顧問弁護士）が担うのが前提で、「AIが法律判断まで代行する」使い方は精度・法令（弁護士法72条）の両面で避けるべきです。
Q. 生成AIに契約書を貼り付けても大丈夫ですか？
A. 無料版にそのまま貼り付けるのは情報漏えいのリスクがあり推奨しません。固有情報を匿名化する、入力を学習に使わない法人向け環境や社内に閉じた構成を使う、社内ルールで入力範囲を縛る——の3点をセットにしてください。
Q. AIの契約書レビューは弁護士法72条（非弁）に違反しませんか？
A. 機械的な字句比較や差分表示は法律事務に該当しない可能性が高い一方、個別条項のリスクや修正案を断定的に提示することは該当し得ると整理されています（法務省2023年8月ガイドライン）。AIの出力を情報提供・当たり付けとして使い、断定的な法的結論と最終判断は有資格者に委ねる運用が安全です。
Q. リーガルテックのAIレビューツールと、汎用の生成AIはどちらがよいですか？
A. 契約類型が定型で件数が多いなら専用ツール、社内文書と組み合わせて柔軟に使いたいなら汎用生成AI＋社内環境、という使い分けが基本です。いずれも「一次レビューはAI・最終判断は人」の型は変わりません。まずは1類型のPoCで自社のデータと相性を確かめるのが近道です。
Q. 何から始めればよいですか？
A. 1つの契約類型（NDAや業務委託契約など）に絞り、自社ひな型と過去契約を整理したうえで、匿名化して差分抽出・リスク抽出を試すPoCから始めてください。KPI（レビュー時間・修正率）と撤退基準を先に決めておくと、投資判断がぶれません。
まとめ：契約書レビューの生成AIは「一次レビューはAI・最終判断は人」
生成AIによる契約書レビューの要点を、もう一度整理します。
- 「契約レビューAI分業モデル」で使う。 条項チェック・リスク抽出・差分・修正ドラフトの一次レビュー（当たり付け）をAIに、最終判断は人（社内法務・顧問弁護士）に。
- 3つの注意点を設計する。 弁護士法72条（非弁）＝断定的な法的判断を代行させない、情報漏えい＝匿名化と環境選びで守る、ハルシネーション＝参照元限定と人の検証で潰す。
- 1契約類型のPoCから始める。 ルールを決め、文書を整備し、修正率を測りながら広げる。
契約件数の多い現場ほど、生成AIは大きな時間を生み出します。だからこそ「いきなり全面導入」ではなく、1類型のPoCから・ルールを決めて・検証しながら広げるのが、効率化と信頼を両立させる近道です。まずは小さく、確実に前へ進めましょう。
監修：大槻 伸夫（キュリオシティ株式会社 代表取締役CEO）。現場主義 × AI を掲げ、生成AI・PoC・業務改善（BPR）支援を統括。事業会社の契約・文書業務のAI活用と、要件定義から実装までを一気通貫で支援している。
