第１ この記事の対象と結論
１ 「作業時間が無価値になる」という意味ではない
生成AIは，検索，分類，要約，比較，初稿作成その他の作業を短時間化し得る。
しかし，AIの効果は課題ごとに大きく異なり，利用すれば常に速く正確になるわけではない。
本記事では，AI時代に弁護士その他の専門家の価値が作業時間から完全に切り離されるのではなく，価値の重心が，①一次資料の確認，②事実評価，③戦略判断，④説明可能性，⑤機密保持及び⑥意思決定支援へ移ると整理する。
時間は引き続き費用，納期，業務量及び報酬計算の一要素であるが，長く作業したこと自体を品質の代わりにすることは難しくなる。
２ 価値を測る中心は，速さではなく判断の品質である
依頼者が必要とするのは，長時間を費やした文章ではなく，重要な事実と根拠が特定され，選択肢とリスクが比較され，理由を説明できる判断材料である。
AIが初稿を短時間で作れるほど，その初稿を採用してよい理由，採用しない理由及び追加確認の必要性を示す仕事が重要になる。
もっとも，これら六つの領域もAIが支援できる。
したがって，「AIにはできず，人間だけができる仕事」を固定的に探すのではなく，AIを含む工程全体について，誰が何を確認し，誰が採否を決め，誰が説明と責任を引き受けるかを設計する必要がある。
第２ AIによる時間短縮は課題によって異なる
１ 能力範囲内では速く，高品質になった実験
2026年に公表された知識労働者758人の実験では，AIの能力範囲内に設定された18の課題について，AIを利用した参加者は，利用しない参加者より12.2％多くの課題を完了し，平均25.1％速く，解答の品質も有意に高かった。
この結果は，定型化しやすい調査，整理及び起案でAIが作業時間を圧縮し得ることと整合する。
ただし，この数値を日本の弁護士業務全般にそのまま当てはめることはできない。
対象は経営コンサルティング型の実験課題であり，個別事件の証拠評価，法的助言又は裁判所提出書面を直接測定したものではないからである。
２ 能力範囲外では正答率が下がった実験
同じ実験では，AIの能力範囲外に設定された複雑な課題について，AIを利用した参加者は，利用しない参加者より正しい解答を作る可能性が19％低かった。
速く整った文章が生成されたことは，前提事実，引用又は結論が正しいことの証明にはならない。
総務省・経済産業省の「AI事業者ガイドライン（第1.2版）」も，自動化バイアスへの対策として，人間がAIの評価又は判断を承認する際には，承認する理由や根拠を人間自身が独自に考えることを挙げている。
AIの出力を別のAIに確認させるだけでは，この独立した検討の代わりにはならない。
３ 経験者でも遅くなった実験
2025年の別の無作為化比較試験では，対象プロジェクトについて平均5年の経験を有するオープンソース開発者16人が246件の実務的な課題を処理したところ，当時のAIツールを利用できる条件の方が，所要時間は19％長かった。
参加者は事前には24％の短縮を予測し，実験後にも20％短縮したと感じていたため，体感と実測も一致しなかった。
研究者自身が明記するとおり，この結果は特定の開発者，プロジェクト及び2025年前半のAIツールについてのものであり，AIが一般に役立たないことを示すものではない。
それでも，作業時間の変化は，印象や宣伝ではなく，対象業務ごとに測定する必要があることを示している。
第３ 価値の重心が移る六つの領域
１ 一次資料の確認
AIは，法令名，裁判例，統計，論文及び文献を列挙できるが，資料が実在するか，本文にその記載があるか，現行版か，設例や射程が一致するかまでは，別途確認を要する。
一次資料の確認とは，リンクを付ける作業だけではなく，条文，判旨，頁，版，日付及び前提事実を最終的な主張と対応させる仕事である。
その価値は，確認した資料だけでなく，確認できなかった資料及び検索範囲の限界を示すことにもある。
「見つからなかった」と「存在しない」を区別し，検索結果の断片，目次又はAI要約を本文確認の代わりにしないことが，説明可能な結論の出発点になる。
２ 事実評価
同じ記録から複数の説明が成り立つときは，観察できる事実と評価を分け，通常の説明，不利益方向の説明及び記録不備による説明を比較する必要がある。
誰がいつ何をしたかという事実，その事実が何を意味するかという推論，さらに法的責任の評価は，同じではない。
AIは時系列化，矛盾候補の抽出及び反対仮説の生成を支援できる。
しかし，欠けた証拠を事実らしい文章で補わず，どの追加資料が仮説を識別するかを決めることが専門家の価値になる。
３ 戦略判断
戦略判断は，法的に可能な選択肢を示すだけでは完了しない。
勝敗見込み，証拠の入手可能性，費用，期間，関係者への影響，交渉余地及び依頼者の優先順位を比較し，どの不確実性を先に解消するかを決める仕事である。
「AI活用と法務の未来―組織変革と働き方の刷新―」は，AIと人間を競争関係ではなく相互補完関係と捉え，AIの比較優位を大量データの高速処理等に，人間の比較優位を戦略的判断，創造的問題解決及び信頼関係の構築等に求めている。
これは著者らの将来予測を含む見解であるが，作業の代替ではなく役割分担を設計するという本記事の整理と整合する。
４ 説明可能性
説明可能性とは，AIの内部思考をすべて開示することではない。
何を前提にし，どの資料を確認し，どの選択肢を比較し，どの理由で結論を採用し，どの点が未確認かを，後から第三者が追跡できる状態をいう。
「AI事業者ガイドライン（第1.2版）」は，利用時の入出力や判断根拠等のログ，データの出所及び意思決定の追跡可能性を挙げる一方，説明のためにアルゴリズム又はソースコードの開示を必須とはしていない。
米国国立標準技術研究所の生成AIリスク管理資料も，用途，組織上の価値，前提，限界，データの来歴及び品質を文書化し，実環境での検証，人間による上書き及びその記録を行うことを提案している。
５ 機密保持
弁護士法23条は，弁護士又は弁護士であった者に，その職務上知り得た秘密を保持する権利及び義務を定めている。
弁護士職務基本規程23条も，正当な理由なく，依頼者について職務上知り得た秘密を他に漏らし，又は利用してはならないとしている。
クラウド型生成AIへの入力では，情報が事業者の計算環境へ送信されるという技術上の事実と，秘密保持契約上の第三者開示，個人情報保護法上の第三者提供及び弁護士の守秘義務上の漏示を分けて評価する必要がある。
学習利用を停止していることは重要な条件であるが，それだけで結論は決まらず，送信先，処理目的，保存期間，事業者による閲覧可能性，再委託，削除，ログ及び契約条件を確認しなければならない。
本ブログでは，学習利用の停止，目的を限定した処理，正当な理由のない人的閲覧の制限，暗号化，保存・削除及び再委託の管理を確認できる業務環境について，個人情報保護法上は委託に伴う提供として整理し，依頼者との委任契約約款にも生成AI利用への同意条項を置く運用を示している。
もっとも，この整理は，全ての消費者向け又はPreview段階のサービスを当然に利用できるという意味ではなく，秘密保持契約に外部AIへの入力禁止がある場合や，事業者を許容される委託先と位置付けられない場合には，別途承諾を得るか入力を見合わせる必要がある。
個人情報保護委員会は，生成AIサービスへの個人情報の入力が利用目的の範囲内かを確認すること，個人データが回答生成以外の目的で取り扱われる場合には，事業者が機械学習に利用しないこと等を十分確認することを注意喚起している。
東京弁護士会の公表資料も，利用規約上の許容，学習その他の目的利用の有無，事業者によるアクセス，暗号化及び削除機能等をサービス選択時の確認項目としている。
したがって，機密保持の価値は，AIを一律に禁止し，又は全ての固有名詞を機械的に匿名化することではなく，承認済みの業務アカウント，情報の機微性に応じたプラン，契約及びデータフローの確認，依頼者への説明と同意，アクセス制御，ログ並びに削除を一体として設計することにある。
過度な匿名化は人物及び時系列の取り違えを招き得るため，安全な環境で実名を用いる場合と，匿名化又は入力を見合わせる場合を，正確性と機密性の双方から選ぶ必要がある。
６ 意思決定支援
専門家の成果物は，知識を並べた長文ではなく，依頼者が決めるための構造を備える必要がある。
具体的には，①推奨案，②代替案，③各案の根拠，④主要な反対材料，⑤不確実性，⑥次に確認すべき資料，⑦決定期限及び撤回条件を示すことが考えられる。
「AI事業者ガイドライン（第1.2版）」は，AIの出力を人の評価に用いる場合，正確性，公正さ及び透明性を確保する手続を定め，人間による合理的な判断を行い，影響を受ける本人に説明することを求めている。
判断をAIに代行させるのではなく，AIを使って選択肢と根拠を可視化し，最終判断を支える設計が重要である。
第４ 人間が保持すべき役割
１ AIも六つの領域を支援できる
AIは，一次資料候補の探索，事実の分類，反対仮説の列挙，選択肢比較，説明文の作成及び情報流の点検を支援できる。
したがって，六つの領域を「人間にしかできない仕事」と表現すると，AIの能力向上に伴って説明が陳腐化する。
より安定した区別は，作業の種類ではなく統制の位置にある。
AIに何をさせるか，どの出力を採用するか，どの一次資料で検証するか，どのリスクを許容するか，誰にどう説明するかを決める権限は，人間側に残す必要がある。
２ 採否，理由及び責任を一体で保持する
人が承認ボタンを押したという形式だけでは足りない。
承認前に独立して理由を考え，重要な反対材料を確認し，誤りが判明したときに訂正できる記録を残す必要がある。
この意味で，人間の役割は「最後に読む人」ではなく，目的，証拠水準，停止条件及び説明方法を定める工程所有者である。
AIの利用範囲が広がるほど，個々の作業量より，この工程を設計し運用する能力が価値を持つ。
３ 若手育成を意図的に設計する
調査，資料整理及び初稿作成をAIが代替すると，その作業を通じて若手が事実と法令を結び付け，誤りを発見し，先輩の修正理由を学ぶ機会も減り得る。
一次資料探索，AI回答の反証，事実評価，依頼者面談，判断理由の説明及び失敗事例の振り返りを，偶然に任せず訓練として設計する必要がある。
米国Census Bureauの2026年の研究は，AI曝露が最も高い産業・州の区分で，22歳～24歳の雇用がChatGPT登場後10四半期に回帰調整後12％低下したと報告している。
もっとも，法律職固有の結果ではなく，COVID-19流行期からの先行傾向等の代替説明も残る。
同時期の全米企業調査では，AI利用企業の66％がタスクの補完だけにAIを利用し，AIに関連する雇用減少を報告した企業は2％であった。
現時点で安全にいえるのは，AI曝露の高い領域で若年採用への圧力を示す研究がある一方，法律職の大量代替は確認されていないという範囲である。
第５ 作業時間と報酬はなお別に考える
１ 時間は費用と業務管理の指標として残る
AI時代にも，所要時間は，人員配置，納期，原価，処理能力及び依頼者への請求を考えるために必要である。
価値の重心が移ることは，時間の計測をやめること又は短時間で終えた仕事を常に高額化することを意味しない。
弁護士ドットコムライブラリーで本文を確認した前記論考は，生成AIにより一案件当たりの時間が削減される結果，タイムチャージ制から業務内容に応じた固定額制への移行又は時間単価の引上げが予想されると述べる。
ただし，これは日本の弁護士報酬市場について実証された結果ではなく，著者らの予測である。
２ 固定報酬と価値基準報酬は同じではない
固定報酬は価格を事前に確定する方法であるが，予定工数に利益を加えただけの固定額は，原価を基準とする価格設定である。
価値基準と呼ぶには，依頼者が何をいつまでに決めたいか，どのリスクを回避したいか，代替手段は何か，成功をどう定義するかを確認し，価格との関係を説明する必要がある。
英国で2016年に実施されたLexisNexisの調査では，依頼者108人の優先順位は，①個別ニーズの明確な理解，②効率，③期限遵守，④途中経過の連絡，⑤費用の明示・固定料金の順であり，低価格は14項目中の最下位であった。
この調査は英国の小規模・専門型法律事務所を中心とする弁護士112人と，私的事件の経験者を多く含む依頼者を対象としており，日本の企業法務市場へ順位をそのまま移植できないが，固定料金だけで依頼者価値を説明できないことを示唆する。
AIで生じた時間短縮を，①料金の低下，②早期納品，③同じ期間での分析の深化，④相談範囲の拡大又は⑤事務所の余力のどれに振り向けるかも決める必要がある。
固定報酬を安定的に提供するには，AI単体ではなく，受任時の情報整理，論点テンプレート，検証済み資料庫，版管理，レビュー手順及び見積り差異の分析を標準化する必要がある。
３ 米国の倫理意見は時間制報酬の限界を示す
米国法曹協会のFormal Opinion 512は，生成AIを用いて15分で訴答書面の下書きを作った場合，入力に要した時間と正確性・完全性の確認に要した時間は請求できるが，実際には費やしていない時間を時間制で請求することはできないとの考え方を示している。
この意見は米国のModel Rulesに関するものであり，日本の弁護士報酬を直接規律しない。
もっとも，時間制報酬を採用する限り，AIによる効率化を架空の作業時間として請求するのではなく，固定額，段階別報酬，成果物又は判断支援の範囲を事前に明確化する必要があるという比較法上の示唆は得られる。
４ 日本での価格変化は【要確認】である
本記事の調査では，日本の法律サービスについて，生成AI導入後の支払意思額，固定額化又は時間単価の変化を直接測定した公開の実証データを確認できなかった。
したがって，「AIにより弁護士報酬が上がる」又は「下がる」と一律に断定することはできない。
実務では，調査範囲，検証水準，面談・交渉・出廷の有無，機密情報の取扱い及び納品後の説明責任を明示し，依頼者が価格と提供価値の対応を理解できるようにすることが重要である。
第６ 成果物を意思決定支援へ変える方法
AIを利用した調査報告書又は回答案は，文章量ではなく，依頼者の次の行動が明確になるかで評価すべきである。
そのためには，少なくとも次の七項目を含めることが有用である。
①結論又は推奨案
②確認した一次資料と具体的箇所
③反対説，例外及び不利益材料
④確認済み事項，出典の記述，推論及び未確認事項の区別
⑤代替案ごとの費用，期間及びリスク
⑥次に確認すべき資料と，確認結果によって結論が変わる条件
⑦最終決定者，決定期限及び見直し時点
この形式であれば，AIは検索，整理及び初稿作成を担い，弁護士は証拠水準，判断基準及び説明責任を管理できる。
作業時間が短くなっても，成果物が依頼者の意思決定に耐えるかを確認する工程は省略できない。
第７ 関連記事
AIを用いた公開記事の一次資料確認と出典管理については，「山中弁護士がAI作成又はAIリライトの記事を投稿するときに行っているハルシネーション防止方法（AI作成）」で説明している。
裁判所提出書面に必要な検証については，「山中弁護士がClaudeコードを使って裁判所提出書面を作成するときに行っているハルシネーション防止方法（AI作成）」で説明している。
文章統合と理由形成の境界については，「AIに判決理由を書かせてよいか―文章統合と理由形成・事後合理化の境界（AI作成）」で検討している。
生成AIへの秘密情報の入力については，「学習オフの生成AIに秘密情報を入力することは第三者開示に当たるか（AI作成）」で，学習利用の有無と送信・保存・閲覧可能性を分けて説明している。
弁護士業務で学習オフの生成AIを用いる具体的な環境，委任契約約款による依頼者の同意，過度な匿名化及びプランの使分けについては，「学習オフ設定のClaudeコード及びGoogle AI Ultraの利用は弁護士の守秘義務等に違反しないという個人的意見（AIリライト）」で説明している。
第８ 出典・参考資料
１ 法令
①e-Gov法令検索・弁護士法（23条）
２ 公的資料及び職業倫理資料
①総務省・経済産業省「AI事業者ガイドライン（第1.2版）」（2026年3月31日）15頁，20頁～21頁，40頁～41頁
②個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（2023年6月2日）1頁～2頁
③杉谷真「生成AIサービスの適正な業務利用に向けて―東弁ガイドラインと事業者照会を踏まえて―」LIBRA Vol.26 No.6（2026年6月）25頁～27頁
④National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1（2024年7月）35頁，39頁，44頁，51頁，53頁
⑤American Bar Association, Formal Opinion 512: Generative Artificial Intelligence Tools（2024年7月29日）10頁～11頁
３ 文献
①坂昌樹・山田健介「AI活用と法務の未来―組織変革と働き方の刷新―」『ビジネス法務』2026年6月号（中央経済社）76頁～77頁
②“Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality,” Organization Science（2026年3月11日公開）1頁～2頁，10頁～12頁
③“Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”（2025年7月）1頁～3頁
④LexisNexis, Bellwether Report 2016: The Riddle of Perception4頁，29頁，37頁
⑤U.S. Census Bureau, “The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks,” CES Working Paper 26-25（2026年4月）
⑥U.S. Census Bureau, “You’re (not) Hired: Artificial Intelligence and Early Career Hiring in the Quarterly Workforce Indicators,” CES Working Paper 26-27（2026年4月）
４ 関連記事
①山中弁護士がAI作成又はAIリライトの記事を投稿するときに行っているハルシネーション防止方法（AI作成）
②山中弁護士がClaudeコードを使って裁判所提出書面を作成するときに行っているハルシネーション防止方法（AI作成）
③AIに判決理由を書かせてよいか―文章統合と理由形成・事後合理化の境界（AI作成）
④学習オフの生成AIに秘密情報を入力することは第三者開示に当たるか（AI作成）
⑤学習オフ設定のClaudeコード及びGoogle AI Ultraの利用は弁護士の守秘義務等に違反しないという個人的意見（AIリライト）