第１ この記事の対象と結論
１ 生成の速さと仕事全体の速さは同じではない
生成AIは，候補の列挙，要約，比較及び初稿作成を短時間化できる。
しかし，候補が増えるほど，重複の整理，採否の判断，一次資料の確認，文章の統合及び手戻りも増え得るため，一つの出力が速く作られたことだけでは，仕事全体が速くなったとはいえない。
本記事は，AIへ指示する前に，①採用する候補の条件，②生成しない候補，③必ず含める事項，④候補数の上限及び順位付けを決める方法を「生成前フィルタ」と呼ぶ。
さらに，作業を中断するときに，①現在状態，②最後に確認した根拠，③次の一手，④未解決点，⑤停止又は確認条件を残す記録を「再開カード」と呼ぶ。
いずれも法令上の用語ではなく，本記事における法律実務上の提案である。
２ 資料の位置付け
検討の端緒は，生成AIに肯定条件より先に除外条件を与えること及び未完了作業の次の一手を具体化することを提案したX投稿である。
X投稿は論点発見資料であり，法律事務所における効果を証明する一次資料ではない。
本記事は，中断された情報労働，未完了目標に関する計画及び実行意図を扱った原著論文を確認し，法律実務への応用部分を提案として区別した。
本記事が扱う中心は業務設計であり，特定の法令解釈又は裁判例の判旨を主張するものではないため，e-Gov法令検索，裁判所ウェブサイト及び判例秘書による判例検索は実施していない。
これは関係する裁判例が存在しないことを意味しない。
第２ AIを使うほど仕事が増える仕組み
１ 候補生成の費用だけが下がる
AIは，同じ問いについて，多数の論点，見出し，表現，反対仮説又は関連記事候補を短時間で生成できる。
このとき下がるのは主として候補を作る費用であり，どれを採用し，どれを捨て，どの根拠で確定するかという判断の費用まで自動的に下がるわけではない。
候補が多いほどよい場面もあるが，採用基準がないまま候補だけを増やすと，似た案の比較，重複の除去及び「念のため」の確認が増える。
その結果，AIを使わない場合には作らなかった候補を，人が後から処理する仕事が発生する。
２ 生成時間と総作業時間を分ける
AI導入の効果は，回答が表示されるまでの時間だけで測らない方がよい。
少なくとも，①指示の作成，②候補の生成，③候補の読取り，④一次資料又は原典の確認，⑤採否及び統合，⑥修正，⑦中断後の再開，⑧保存又は公開後の読戻しに要した人の時間を含めて測る必要がある。
法律実務では，もっともらしい誤りを見つけるための確認が重要である。
生成が速くなった一方で，確認対象の引用，数値又は論点が増えれば，総作業時間は短くならず，重要な確認が薄くなる危険もある。
３ 否定形だけの指示では足りない
「不要な案を出さない」「関係の薄い資料を挙げない」という禁止だけでは，どの候補を採用すべきかが定まらない。
また，法律調査で否定形を強く使いすぎると，不利益な裁判例，反対説，例外，経過措置又は不利な証拠まで見えなくするおそれがある。
生成前フィルタは，禁止事項の一覧ではなく，採用条件，除外条件，必須事項及び件数制御を一組にする必要がある。
その際，調査段階と最終的な説明段階を分けることが重要である。
第３ 中断と具体的な計画について分かっていること
１ 中断後の再開までには別の仕事が入る
2005年の情報労働者24人に対する観察研究では，同じ日に再開された中断作業について，再開までの平均時間は25分26秒であり，その間に平均2.26個の別の作業領域が入っていた。
もっとも，この25分26秒は集中力を取り戻すためだけに失われた時間ではなく，中断から同じ作業へ戻るまでの経過時間である。
同研究の対象は一つの企業に所属する管理職，分析担当者及び開発者であり，日本の法律事務所を直接調べたものではない。
したがって，「中断一回につき必ず25分を失う」と一般化することはできないが，中断時に次の一手と根拠を残す設計を検討する資料にはなる。
２ 具体的な計画は未完了目標の侵入思考を減らした
2011年の一連の実験では，未完了の目標について，いつ，どこで，どのように行うかを具体化した計画を作った参加者では，別の読解課題中の侵入思考及び認知的干渉が減った。
他方，計画を作ることによって不安そのものが軽減したとの結果は得られていない。
この研究は，学生等を対象とした心理学実験であり，法律業務における再開カードの効果を直接測定したものではない。
再開カードは，研究結果から当然に導かれる義務ではなく，未完了作業を具体的な次の行動へ変えるための応用案である。
３ 実行の時機と場所を決めた小規模実験
1997年の実験では，クリスマス休暇中に短い報告書を書く課題について，実行する時機と場所を具体的に決めた参加者は17人中12人が所定期間内に作成し，対照群では19人中6人であった。
割合では71％と32％である。
これは少人数の学生による短い課題であり，複雑な法律案件の完遂率を示すものではない。
もっとも，「後で続ける」という抽象的な予定より，次に着手する状況と行動を具体化するという発想を支える原著資料である。
４ 数字の合わない逸話は根拠に使わない
検討の端緒となった投稿からたどれる説明には，聞き手が指で叩かれた曲名を当てる実験について「120曲中3曲」という数値が含まれていた。
これに対し，確認できた博士論文の書誌・要約情報は「150曲中2曲」としており，数値が一致しなかった。
この実験は，知識の呪い又は説明者と受け手の情報差を考える論点発見にはなるが，本記事では数値を実証的な根拠として用いない。
出典の数字が一致しないときは，もっともらしい方を選ばず，原典の該当箇所を確認できるまで保留する必要がある。
第４ 生成前フィルタの四項目
１ 採用する候補の条件
最初に，何を満たせば候補を採用できるかを肯定形で書く。
例えば，裁判例候補であれば，争点との直接性，裁判所名・年月日・事件番号の確認可能性，引用命題との対応及び基準時との整合を採用条件にする。
記事テーマ候補であれば，既存記事との重複が少ないこと，読者の具体的な疑問に答えること，一次資料又は原典を確認できること及び山中弁護士の業務との関係を説明できることが候補になる。
採用条件があれば，AIは単に連想を広げるのではなく，判断可能な候補を作りやすくなる。
２ 生成しない候補
次に，明らかに不要な候補を具体的に除外する。
例えば，対象期間外，同一内容の言い換え，出典不明の数値，個別事件の秘密情報を必要とする案及び依頼された法域と直接関係しない案である。
除外条件は，「良くない案」のような抽象語ではなく，対象，期間，法域，資料種別又は重複基準として観察できる形にする。
もっとも，除外条件に該当するか不明な候補まで黙って捨てさせず，「要確認」として別枠で返させる方法が安全である。
３ 必ず含める事項
必須事項は，候補の品質が平均的に高くても，一つ欠ければ成果物を利用できない項目である。
法律調査では，現行法，基準時，反対説，不利益な裁判例，例外，経過措置，確認できなかった事項及び検索範囲が候補になる。
裁判所提出書面のレビューでは，請求又は主張の根拠，重要事実と証拠の対応，引用箇所，期限，宛先及び求める措置を必須項目にできる。
必須事項は，生成後の平均点ではなく，個別項目を全て満たしたかで確認する。
４ 候補数の上限と順位付け
候補数には上限を置き，上限を超える場合の順位基準を先に定める。
例えば，「直接性，裏付けの強さ及び実務上の影響で順位を付け，上位5件を示す。採用基準を満たす候補が5件未満なら水増ししない」と指示する。
上限は情報を隠すためではなく，人が確認できる量へ制御するためのものである。
重大な反対材料又は必須事項は，上限の外に追い出されないよう，通常候補とは別枠で必ず表示させる。
第５ 法律調査では探索と説明を分ける
１ 探索完了前に不利益資料を削らない
法律調査では，最終回答を簡潔にするためのフィルタを，資料探索の入口でそのまま使わない方がよい。
探索段階では，依頼された法令，裁判例，行政資料，文献及びデータベースの各区分について，検索したか，本文を確認したか，確認できなかったかを台帳に残す。
不利益な裁判例，反対説，例外，経過措置，異なる時点の法令及び不利な証拠は，結論に都合が悪いという理由で生成又は表示の対象から外さない。
探索の網羅性を閉じた後に，読者又は依頼者の判断に必要な形へ統合し，重要度に応じて説明量を調整する。
２ 一次資料の本文確認とデータベースの状態を分ける
裁判例の一覧，検索結果の断片，要旨又はAI要約を見ただけでは，判決本文を確認したことにならない。
裁判例に依拠するときは，裁判所名，裁判年月日，事件番号，原文の所在及び引用命題との対応を確認する。
裁判所ウェブサイトで見つからないことは不存在の証明ではない。
判例秘書その他の判例データベースを利用した場合も，検索条件，ヒット件数，本文を読めたか及び収録範囲の限界を分けて記録する。
第６ 法律実務での指示例
１ 裁判例調査
裁判例調査では，次のように指示できる。
「争点Aに直接関係し，裁判所名，裁判年月日，事件番号及び判決本文を確認できる裁判例を採用候補とする。争点が異なるもの，検索結果の断片だけのもの及び同一裁判例の重複掲載は通常候補から除外する。不利益裁判例，反対方向の判断及び裁判所ウェブサイト未掲載の確認状態は別枠で必ず示す。候補は重要度順に5件までとし，5件に満たなければ水増ししない。」
この指示でも，検索対象のデータベースが完全であること又は該当裁判例が存在しないことまでは証明できない。
最終回答には，探索範囲と未確認事項を残す必要がある。
２ 裁判所提出書面のレビュー
書面レビューでは，「読みやすく直す」だけでなく，採用条件を，主張と証拠が対応し，引用が原文と一致し，求める措置が明確であることと定める。
除外条件は，単なる言い換え，証拠のない断定及び争点と関係の薄い一般論とすることができる。
必須事項には，相手方に有利な事実，例外，未提出証拠，期限及び未確認引用を含める。
修正候補は影響度順に並べ，重大な欠落と表現上の改善を混在させない。
３ 契約書レビュー
契約書レビューでは，当事者の立場，取引の目的，許容できない損失及び交渉可能性を採用条件に反映する。
市場で一般的に見える条項であっても，当該取引の仕様，検収，責任制限，知的財産，秘密保持又は終了後処理と整合しなければ採用しない。
必須事項には，契約全体で定義が一貫しているか，他条項との優先関係，別紙との不一致及び契約終了時の処理を含める。
候補数を絞る場合も，重大な無効・違法リスク又は依頼者に一方的に不利な条項は別枠で示す。
４ ブログ記事の監査
ブログ記事の監査では，公表済み本文を先に読み，修正候補を，法的正確性，原典との一致，基準時，読者の誤解可能性及び既存記事との役割分担で順位付けする。
検索順位だけを理由に，直接関係の薄い論点を追加しない。
必須事項には，現行条文，裁判例の事件表示，資料の性質，未確認事項，出典及び内部リンクを含める。
AI要約又はメタディスクリプションがある場合は，本文の修正後に要約も読み直し，本文にない断定又は古い論点が残らないようにする。
第７ 中断後の再開カード
１ 五つの記録項目
再開カードには，次の五項目を短く残す。
①現在状態 調査中，起案中，確認待ち，保存済み又は公開確認済み等
②最後に確認した根拠 資料名，版，頁，URL，事件番号又は保存本文等
③次の一手 再開後に最初に行う具体的な操作
④未解決点 結論を変え得る事実，資料不足又は不一致
⑤停止又は確認条件 送信，提出，公開，削除，期限又は方針変更等，人へ戻す地点
「続きから行う」では，再開時に会話履歴を読み直し，何が確定したかを推測する作業が生じる。
次の一手を一つに絞り，最後に確認した根拠を示せば，再開時の探索範囲を小さくできる。
２ 法律調査の記載例
例えば，「現在状態：裁判所ウェブサイトの検索完了，判例データベース確認待ち。最後に確認した根拠：確認した裁判例PDFの該当頁。次の一手：利用可能な判例データベースで同一争点を事件名と条文の双方から検索する。未解決点：下級審の反対例の有無。停止条件：不利益裁判例が見つかった場合は結論を書き換える前に担当弁護士へ報告する」と記録できる。
この例では，裁判所ウェブサイトの検索完了と，判例調査全体の完了を区別している。
データベースへログインできたこと，検索結果が表示されたこと及び判決本文を読んだことも，それぞれ別の状態である。
第８ 導入効果の測り方
１ 量と品質を分けて記録する
生成前フィルタを導入した前後で，①生成候補数，②人が読んだ候補数，③採用数，④重複又は対象外の数，⑤一次資料確認数，⑥修正数及び⑦総作業時間を記録する。
候補が減ったこと自体を成功とせず，重要な反対材料又は必須事項の見落としが増えていないかを併せて確認する。
総作業時間には，指示作成，生成待ち，読取り，確認，統合，手戻り及び中断後の再開を含める。
AIの利用料又は生成時間だけを比較すると，人が負担した選別及び品質保証の費用が見えなくなる。
２ 再開カードの効果を実測する
再開カードについては，①再開から最初の有効作業までの時間，②同じ資料の重複確認，③保存又は公開の二重実行，④未確認事項の脱落及び⑤担当交代時の質問回数を測ることが考えられる。
心理学研究の平均値を法律事務所の効果量として使わず，自らの業務記録で確かめる。
効果が確認できなければ，カードの項目を増やすのではなく，再開時に実際に必要だった情報へ絞る。
記録が長大になると，カード自体を読むことが新たな再開費用になるからである。
第９ 既存記事との関係
AIの生成時間と弁護士の価値を分ける考え方は，AIに代替される弁護士業務と人が担う役割－仕事がなくなる条件・根拠・限界（AI作成）で整理している。
本記事は，そのうち確認・手戻り・中断を含む総作業時間と，候補数を制御する方法を具体化するものである。
目的，コンテキスト，権限，完了条件，状態台帳及び復旧経路の全体設計は，法律事務所のAIエージェント業務設計－目的・コンテキスト・権限・完了条件をどう分けるか（AI作成）で説明している。
本記事の生成前フィルタ及び再開カードは，その個別作業指示と状態台帳へ組み込むための部品である。
裁判所提出書面について，一次資料の確認，起案と独立査読の分離及び確度と重要度に応じた確認方法は，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リライト）を参照されたい。
第１０ 出典・参考資料
１ 原著論文及び原典
①No Task Left Behind? Examining the Nature of Fragmented Work 321頁～330頁。特に326頁の同日再開時間及び介在作業数を参照した。
②Consider It Done! Plan Making Can Eliminate the Cognitive Effects of Unfulfilled Goals 1頁～18頁。具体的な計画，侵入思考及び不安の結果を参照した。
③Implementation Intentions and Effective Goal Pursuit 186頁～199頁。特に191頁～192頁の報告書作成実験を参照した。
④The Rocky Road from Actions to Intentions（博士論文の書誌・要約情報。指で曲を叩く実験の数値は論点発見資料との不一致があるため，本記事の効果根拠には用いていない。）
２ 公式資料及び論点発見資料
①OpenAI Academy「Brainstorming with ChatGPT」（生成と評価の分離，制約，順位付け等を説明する提供事業者の公式利用資料）
②Greg McKeown公式サイト「Essentialism」（選択基準を厳しくする考え方を示す著者公式資料であり，AI指示の効果を実証する資料ではない。）
③検討の端緒となったX投稿（論点発見資料。原著論文又は法律資料ではない。）