AI要約を見る
※以下はAIが生成した要約です。内容の正確性は保証されません。本文をあわせてご確認ください。
AIによる勝訴予測は，費用・期間・資料の見通しや和解検討を助ける可能性がある。他方，低い予測値を事件の足切りへ使うと，先例変更を求める事件や少数者の権利に関する事件が法廷に届きにくくなるおそれがある。
公表裁判例は全事件や判断過程を示すデータではない。日本語不法行為事件データセットの研究も，判決から整理した双方の主張等を入力して，不法行為成否等を予測する実験である。特定モデルの研究用問題での正答率０．６８３は，初回相談の説明だけから測った個別事件の勝訴確率ではなく，損害額・費用・回収可能性までの精度を示さない。
予測は意思決定の一資料に限定し，対象データ，不確実性，反対仮説及び不足資料を示す。和解案では認容額，費用，時間，削除・謝罪等の条件を分けて検討する。自動的な受任・提訴の足切りを避け，人間へ相談し予測へ異議を示せる経路を残し，排除された事件類型や予測と実際の差を継続して確認する。
AIによる勝訴予測は、訴訟の見通しを早期に把握し、費用及び時間を節約する補助となり得る。
他方で、低い勝訴確率が示された事件が一律に法廷から排除されれば、先例変更を求める事件、少数者の権利に関する事件及び新しい社会問題が裁判所へ届きにくくなる。
本当の問題は、予測を提供すること自体ではなく、予測値を誰が、どのデータに基づき、どの法的効果へ接続させるかである。
第１ 結論
AIの勝訴予測には、無益な訴訟を減らし、合理的な和解を促し、司法アクセスを改善する可能性がある。
しかし、予測を客観的な正解のように扱えば、提訴の萎縮、和解の事実上の強要、主張の同質化及び新しい裁判例の減少を招く可能性がある。
したがって、予測は意思決定の一資料に限定し、データの範囲、不確実性、反対仮説及び人間へ相談できる経路を明示する必要がある。
第２ 勝訴予測がもたらす利点
１ 費用及び時間の見通し
当事者は、請求額、予想期間、証拠の不足及び過去の類似事件を整理できれば、訴訟、交渉又はADRのどれを選ぶか検討しやすくなる。
弁護士も、見落とした要件又は反対事例を把握するための補助として予測を使う余地がある。
２ 合理的な和解の促進
双方が過度に楽観的な見通しを持っている場合、過去事例の分布及び損害額の幅を示すことは、交渉の出発点を共有する助けとなる。
もっとも、平均的な解決を示すことと、個別事件の適正な解決額を決めることは同じではない。
３ 司法アクセスの改善
法律相談へ容易に到達できない人が、請求の要件、必要資料及び手続の選択肢を知ることができれば、権利を放置せず相談又は申立てへ進む契機となる。
AIは訴訟を減らす方向だけでなく、これまで表面化しなかった請求を裁判所又はADRへ運ぶ方向にも働き得る。
第３ 提訴を萎縮させる経路
１ 過去の多数傾向が将来の限界になること
勝訴予測は、通常、過去の裁判例、解決事例又は専門家の評価を基礎とする。
先例変更を求める事件は、過去の多数傾向に反するため、制度上重要であっても低い確率を示されやすい。
２ 予測値の権威化
確率が小数又は点数で表示されると、その値が学習データ、ラベル、事件選択及びモデル設計に依存する推計であることが見えにくくなる。
相談者、代理人、保険者、法律扶助の担当者又は訴訟資金提供者が一定の数値を機械的な足切りに使えば、AIは助言手段から事実上の入口審査へ変わる。
３ 弱い当事者ほど予測へ従わされること
経済的余裕のある当事者は予測に反して訴訟を続けられるが、資力、時間又は情報の乏しい当事者は低い予測値を覆すための調査を行いにくい。
同じ予測でも、当事者の立場によって萎縮効果が異なる。
第４ 和解圧力の問題
１ 参考情報と事実上の強要の境界
当事者が予測の根拠及び限界を理解し、拒否しても不利益を受けず、人間へ相談できるなら、予測は参考情報となる。
他方で、裁判所、保険者又は費用負担者が予測を示し、拒否した者だけに追加費用、遅延又は不利益を課すなら、形式上は任意でも実質的な強要となり得る。
２ 個別事情の消失
過去事例の中央値又は多数傾向は、個別当事者にとっての金銭以外の利益、謝罪、将来の行為、関係維持及び公開判断を求める利益を十分に反映しないことがある。
和解の適否は予測勝率だけでなく、当事者が何を解決と考えるかを含めて判断すべきである。
３ 裁判官の判断傾向分析
商事法務研究会の取りまとめは、民事裁判情報を用いた裁判官の判断傾向及び勝率予測について、客観的データに基づく和解促進及び訴訟コスト削減の利点と、フォーラムショッピング及び裁判官の独立を脅かす危険の双方を記録している（印字51頁～52頁）。
特定裁判官の属性と結び付けた点数が独り歩きすれば、当事者の裁判所選択だけでなく、裁判官自身の判断へ間接的な圧力を与える可能性がある。
第５ 新しい裁判例への影響
１ 新判例が減る経路
先例に反する事件が低確率と評価され、提訴、上訴又は資金提供の段階で排除されれば、既存先例を再検討する機会が減る。
代理人がAIに評価されやすい法的構成へ主張を合わせれば、裁判所へ届く反対説及び新しい論点も減り得る。
２ 新判例が増える経路
他方で、定型事件の見通しが早期に共有されれば、裁判所及び代理人が本当に争いのある難しい事件へ時間を振り向けられる可能性がある。
多数の裁判例を横断して判断の不一致、規範の空白及び例外的な事案を見つければ、先例変更又は新判断を求める論点を発見しやすくなる可能性もある。
３ 現時点では一方向の実証はない
勝訴予測が新しい裁判例を全体として増やすか減らすかは、予測精度だけでは決まらない。
誰が予測を使うか、訴訟費用へどう接続するか、人間による例外判断があるか及び困難事件を裁判所へ送る仕組みがあるかを含めた制度全体の実証が必要である。
第６ 公表裁判例だけでは予測できないもの
１ 選択されたデータであること
公表裁判例は、すべての提訴事件、和解、取下げ及び非公表判決を含む母集団ではない。
裁判所HPに裁判例が掲載される基準で説明しているとおり、ウェブ上の裁判例は選択された情報である。
２ 判断過程が欠けていること
公表判決だけからは、当事者の全主張及び全証拠、どの反対仮説が検討されたか、評議で見解がどう変わったか及び和解に至った多数の事件を知ることができない。
判決文の文体を模倣できることと、事件選別及び判断過程を予測できることは区別すべきである。
日本語の判決を用いた研究の成績も，個別事件の勝訴確率とは異なる。
日本語不法行為事件データセットの構築論文は，名誉毀損等を中心とする民事第一審判決から整理した，争いのない事実と原告・被告の主張を入力し，不法行為の成否や各主張の採否を予測する課題を扱う（１０４５頁～１０４６頁）。
表４の正答率０．６８３（標準偏差０．０２０）は特定モデルの５回の実験の平均であり，初回相談の片側の説明だけから測った勝訴確率ではない（１０４８頁）。
同論文は事前学習用判決との重複にも注意を促している。対象事件，入力，分割及び予測する結果の違いを確認し，金額・削除範囲・回収可能性まで予測できたと一般化しない。
第７ 必要な安全条件
１ 確率ではなく範囲及び限界を示す
単一の勝訴確率だけでなく、データ範囲、類似事例数、主要な不確実要因、反対方向の事例及び事実関係が変わった場合の幅を示す必要がある。
相談者への説明では，数字の対象と，不足している資料を併せて示す。
例えば「これは一定の研究用問題での成績であり，あなたの事件の勝訴確率を測ったものではない。現在は相手方資料と損害の裏付けが不足しており，取得後に見通しを検討する」と説明する方法が考えられる。
和解案は予測値だけでなく，認容額，証拠収集の費用，回収可能性，時間，削除・謝罪・守秘等の条件を分けて比較し，弁護士の検討と依頼者の意思決定を残す。
２ 足切りの自動化を避ける
予測値だけを理由に法律相談、法律扶助、提訴、上訴又は訴訟資金を自動的に拒否すべきではない。
憲法問題、先例変更候補、差別、生命・身体、住居及び公益性の高い事件は、人間による個別審査へ送る必要がある。
３ 人間へ到達できる経路を残す
当事者が予測の誤りを指摘し、個別事情を説明し、人間の専門家による再評価を求められるようにする必要がある。
４ 結果を継続的に監査する
属性別の提訴断念率、和解率、上訴率、予測と実際の差、先例変更候補の見落とし及び予測に反して提訴した事件の結果を測る必要がある。
第８ 関連記事
② 民事裁判情報のデータベース化及び判決書情報の活用に関する法律の解説
⑤ 「AI時代における民事司法を考える研究会」取りまとめの要点と限界
⑥日本語判決予測AIは実務でどこまで使えるか―日本語不法行為事件データセットの精度，判決文抽出の限界及び相談・和解での注意点（AI作成）
出典
① 公益社団法人商事法務研究会「AI時代における民事司法を考える研究会取りまとめ」
② 法務省「民事裁判情報管理提供業務を行う指定法人について」
③ 日本国憲法
④山田寛章ほか「日本語不法行為事件データセットの構築」，言語処理学会第３０回年次大会発表論文集，２０２４年，１０４５頁～１０５０頁。令和８年１０月４日に課題設計，表４及び事前学習用判決の重複の留意点を確認した。
この研究は不法行為成否等の予測実験であり，訴訟萎縮又は和解圧力の発生を直接実証した資料ではない。本記事の説明方法は運用上の提案であり，新たな裁判例の法的命題としては示していない。