AI契約書レビューを法律事務所で導入する前の実機テスト－ルールベース，生成AI，自動匿名化，採否記録及び停止条件（AI作成）

第１　本記事の対象と結論

上表は，本記事の試験方法の整理であり，特定製品の試験結果ではない。

本記事は，AIを用いる契約書レビューサービスを法律事務所へ導入する前に，どのような実機テストをすべきかを整理するものである。
令和8年10月1日時点の整理に，本文に記載した日付の製品提供者の説明等を追補したものであり，特定製品の導入を推奨するものではない。

結論は，形式確認，内容レビュー，最終判断を一つの「AI精度」で評価しないことである。表記，条番号，定義語及び参照先等の再現性が必要な作業はルールベースの検査，複数の解釈又は修正案が成り立つ内容面は生成AIによる候補提示，事実関係，交渉方針，リスク許容度及び最終案の採否は弁護士が担当する。導入可否は，利用量ではなく，重大な見落とし，過剰指摘，確認時間，修正時間，情報管理及び総費用を実機で測って判断する。

第６から第８には，令和8年10月3日に，業務の型ごとの比較，依頼者への追加質問を含む確認負担，指摘の不採用理由及び雛形の版管理について実務上の提案を追補した。製品の仕様や導入効果を独立に実測したものではない。

第２　契約書レビュー工程を三つに分ける

１　形式確認は再現性を優先する

「及び」と「並びに」の表記，定義語の不一致，条番号のずれ，参照先の誤り，括弧又はインデントの崩れ等は，同じ入力に同じ結果を返すことが重要である。生成AIに全文を書き換えさせると，形式修正の途中で意味まで変える危険があるため，規則を明示できる作業はルールベース又はWordの比較・変更履歴機能で確認する。

２　内容レビューは候補提示として使う

損害賠償，解除，秘密保持，知的財産権，保証，準拠法，裁判管轄等は，契約類型，当事者の立場，取引目的及び交渉経緯によって評価が変わる。生成AIは，見落とし候補，反対当事者の視点，修正案及び質問事項を挙げる補助に使い，出力件数の多さを品質と同一視しない。

３　最終判断は弁護士が行う

弁護士は，依頼者の事情と事件全体を踏まえて法的リスク，交渉方針及び修正後の契約書を最終確認し，依頼者が契約締結と事業上のリスク受容を判断できるよう助言する。
法務省の令和５年８月の整理は，サービスの機能・表示及び利用者を弁護士法72条との関係で区別している。
これを補完する令和８年８月２１日公表のガイドラインも，弁護士等が利用結果を自ら精査し，必要に応じて自ら修正する利用方法を区別している。
ツールを導入したことは，個別契約の法的評価をツールへ移したことを意味しない。

第３　Word上で動くことと外部送信の有無を分ける

Wordの画面内で操作できても，処理が端末内で完結するとは限らない。製品名ではなく，機能ごとに，①読み取る範囲，②端末外へ送信するデータ，③送信先，④保存先，⑤保持期間，⑥ログ及びキャッシュ，⑦人的アクセス，⑧再委託先，⑨処理国並びに⑩削除方法を確認する。

BoostDraftの公式説明は，従来の形式レビュー機能をインターネット不要のWord上の機能，BoostDraft AIをWord上で内容レビューを行うAI機能として区別している。また，BoostDraft AIについて，ファイル内の情報を保持せず，AIモデルの学習に利用しないと説明している。これは提供者による公式説明として重要であるが，個別契約の適用範囲，ログ・障害調査データ・バックアップ，基盤モデル又は再委託先の取扱いまで当然に証明するものではない。

クラウドサイン レビューについて，令和８年９月の提供者の発表は，Word上でAIが条文修正案やコメント内容を提示し，法務担当者がクリック操作で契約書へ反映できると説明している。
自社基準による審査については，従来の自社ひな型との比較と，同年６月のアップデートでβ版として案内された，あらかじめ設定した自社のチェックリストを基にAIがリスクチェックをする機能を分けて確認する。
修正内容やコメントなどの履歴を蓄積して次回以降の審査で活用するとの説明には，同発表の時点で今後の提供分も含まれている。
提供の有無は，使う契約プランと利用画面で機能ごとに確かめる。

第４　自動匿名化は機能名でなく工程として試験する

１　消す対象と残す対象を決める

会社名，氏名，住所，日付，金額，口座，メールアドレス，製品名，案件番号その他の識別子を，どこまで自動検出するかを確認する。識別子を消し過ぎると，当事者，時系列，金額条件又は定義語を取り違え，レビュー自体が不正確になる。

２　マスキング前後の各データを分ける

原文，マスキング後の文書，原文との対応表，AIへ送信するプロンプト，AIの応答，再識別後の表示，操作ログ，キャッシュ及びバックアップを別々に確認する。送信本文が匿名化されていても，対応表又はログが外部へ送られれば目的を達成できない。

３　文脈からの再識別を試す

氏名を記号へ置き換えても，希少な取引，地域，日付，金額，役職又は他の文書との組合せから当事者を推測できることがある。公開情報又は合成データで，匿名化漏れ，過剰匿名化，文脈による再識別及び再識別後の誤復元をテストする。

BoostDraftの公式製品ページは，社名・住所・取引条件等を自動でマスキングしてAIへ渡す機能を説明している。BUSINESS LAWYERSのPR記事は，匿名化機能をオンにすると会社名・住所・日付等を匿名化して送信し，応答時に元の名称へ戻すとの事業者説明を掲載している。後者はPR記事における事業者説明であり，独立試験又は契約条項そのものではない。

第５　契約前に確認する情報管理項目

確認項目は，少なくとも次のとおりである。

①利用規約，個別契約，秘密保持条項及びデータ処理契約の適用関係
②入力，出力，ログ，利用統計及びフィードバックの利用目的
③学習・モデル改善・サービス改善への利用の有無
④保存期間，削除方法，契約終了後の取扱い及びバックアップ
⑤提供者の人的アクセス，サポート又は障害調査時のアクセス
⑥基盤モデル，クラウド，ログ解析等の再委託先及び変更通知
⑦保存国・処理国，暗号化，SSO，権限管理及び監査ログ
⑧事故通知，調査協力，データ返還・削除及び監査に必要な情報

「学習に使わない」は重要な条件であるが，それだけで秘密情報を入力できるとは限らない。個人情報保護委員会は，個人情報を含むプロンプトについて利用目的の範囲内であることを確認し，個人データが応答生成以外の目的で取り扱われる場合には，提供者が機械学習に利用しないこと等を十分に確認するよう注意喚起している。弁護士実務では，これに守秘義務，依頼者との関係及び事務所の情報セキュリティ規程を重ねて判断する。

BoostDraftの公開プライバシーポリシーは同社のウェブサイト及びサービス一般に適用され，サービス内容向上のための匿名又は統計データの作成・管理等を利用目的に掲げる。公開ページだけでは，BoostDraft AIに特有の再委託先，基盤モデル，処理国，ログ及び保存期間の全てを確認できないため，導入時には個別資料又は契約書面で補う。

データの種類を区別する例として，Legal Agentの「Word AI Agent」の公開FAQは，入力データをAIモデルの再学習に使わないとする一方，操作ログ及びチャット履歴の保存と，文書情報の一時保存を分けて説明している。文書情報を２４時間以内に削除するという説明を，ログ・履歴を含む全データの削除保証と読み替えてはならない。同製品の公式FAQのQ１・Q３を，令和８年１０月２６日に確認した。

導入時には，文書情報，チャット履歴，操作ログ，障害調査用データ及びバックアップごとに，保存の目的，期間，閲覧者及び削除方法を書面で確認する。公開FAQは提供者の説明であり，契約上の保証や独立した安全性試験の結果とは区別する。

第６　実機テストの作り方

１　公開又は合成契約書で始める

最初の試験に実事件の契約書を使わない。公開された契約書，事務所が作成した合成契約書又は識別情報を含まない雛形を用い，正解又は確認すべき論点を担当弁護士が先に記録する。

Wordで修正案を選んで反映できる製品では，公開又は合成の契約書を使い，修正案・コメントの表示と，文書への反映結果を別々に確認する。
複数の案のうち一つだけを採用し，保存した文書を開き直して，選んだ箇所と選ばなかった箇所を見比べる。
確認結果は，第７の見落としや誤指摘の評価と分けて残す。

２　同じ資料を三つの方法で処理する

①人だけ，②ルールベース機能と人，③生成AI機能と人の三条件で，総作業時間と成果物を比較する。総作業時間には，準備，入力，待機，出力確認，一次資料確認，修正，差戻し及び保存後の確認を含める。

汎用の生成AIと法務特化製品を比較するときは，③をさらに次の三条件に分ける方法が考えられる。
いずれも，担当弁護士による確認を含める。

試験時には，モデル名・版，実施日，設定，参照資料，事務所基準の版及び利用したツールを記録する。
製品間で基盤モデルや利用可能な資料をそろえられない場合は，製品全体の比較と位置付け，結果の差を追加指示や実行環境だけの効果と断定しない。

ここでいう実行環境は，AIが資料を取得し，ツールを使い，検査結果を受け取る仕組みを指す。
Anthropicの令和６年１２月１９日の公式技術資料も，検索・ツール・記憶を備えた構成や途中の検査を説明している。
ただし，同資料の冒頭には，記載したツール環境の多くが公表後に変わった旨の注記がある。
また，同資料は，日本の契約書レビューで汎用AIと法務特化製品の優劣を実証したものではない。

３　難易度を分ける

前提事実に応じて結論が変わるかも，合成した試験事例で確認する。同じ秘密保持条項に対して，自社が主に情報を渡す場合と受け取る場合を用意する。同じ中途解約条項に対して，専用設備への投資を伴う場合と短期の試用の場合を用意する。同じ基本契約に対して，少額の単発発注と将来の大口発注を想定する。

これは試験方法の提案であり，特定の製品がその試験に合格したという意味ではない。契約文言が同じでも，重要な事実を変えると指摘の優先順位や代案が変わるかを人の評価と比較する。

単純な秘密保持契約，業務委託契約，英文契約，自社雛形から大きく外れた契約等を混ぜず，類型と難易度を分ける。自社基準に沿うかを測るときは，基準文書の版，適用部署及び例外条件を固定する。

同じ契約類型でも，業務の目的を分けて試す。①相手方作成の契約書を今回限りで審査する業務，②自社で反復使用する雛形を整備する業務，③生成AIが作成した長文案を検証する業務，④実績のある雛形から初稿を作る業務では，必要な確認と成果物が異なる。②では，将来の案件に再利用できる標準条項，例外条件及び確認事項を残す利益も評価する。①の所要時間だけで②の価値を測らない。

③では，長い案を速く生成できたことと，読んで確定する時間が短くなったことを分ける。④では，人が既存雛形を選び必要箇所だけを修正する方法も比較対象に含める。初稿の作成と既存案の審査を混ぜず，依頼者への聞取り，前提資料及び交渉方針を各条件でそろえる。これは実務上の比較方法の提案であり，生成AI又は雛形のどちらが常に速いという実験結果を示すものではない。

Wordへ修正を反映する機能は，指摘内容の試験と分けて確認する。変更履歴，コメント，脚注，表，条番号及び相互参照を含む合成契約書を用意し，修正前後を比較する。採用しなかった修正が確定版へ混入しないか，社内向けコメントが相手方への送付版に残らないか，保存して開き直しても差分と書式が保たれるかを試す。

試験前の原本を別に保持し，意図した変更だけが入ったことと，誤適用を取り消せることを確認する。これは本稿が提案する試験方法であり，特定製品の不具合や試験合格を報告するものではない。

４　形式チェック用の正解表を作る

合成契約書に，下表のような箇所を用意する。
試験を始める前に，対象の版，指摘すべき位置，正しい参照先及び人が判断すべき事項を正解表に記録する。

契約書と同時に渡す説明資料の例として，表紙，スライド及び番号なしの免責事項からなる合成PDFも用意する。
スライド番号を契約書の条番号として数えたり，スライドを指す頁参照を条項参照として扱ったりしないことを確認する。

定義語と参照条項を締結前に確認する手順と指摘票の例は，契約書の形式チェックリストを参照されたい。

５　基本契約と個別契約の整合性を別に試す

契約書レビューサービスには，レビュー対象の契約書に，基本契約書や原契約などの関連契約書を追加して，その内容を踏まえて確認できる機能を備えるものがある。
関連契約書を追加しなかった場合に，製品が入力されていない基本契約との整合性を確認済みとして扱わないかも，別に試す必要がある。
以下は提供事業者の機能説明を受けた試験方法の提案であり，本記事が製品の精度や適用範囲を実証したという意味ではない。

上表は本記事の試験案であり，製品への入力条件と，事務所側の比較基準を混同しない。

次のフローは，試験入力を変える前に，人が評価基準として用いる資料を確保する順序を示す。

AIの出力がもっともらしいという理由だけで，入力していない基本契約との整合性を確認済みにしない。

第７　測るべき指標

指摘の数だけでなく，重大なリスクを優先できるか，取引の目的に合うか，修正が通らない場合に実行可能な代案を出せるかを評価する。代案については，相手方の合意，実施する担当者，費用，期限及び残存リスクが示されているかを確認する。契約書審査の共通手順の確認票は，評価項目を定める際の参考となる。

次の指標を併用する。

①結論又は交渉方針を変え得る重大な見落とし
②誤った指摘又は重複指摘による確認負担
③修正案を採用できた割合と修正に要した時間
④法令，判例，社内基準及び原文との一致
⑤原文の意味を変えた形式修正の有無
⑥匿名化の漏れ，過剰マスキング及び誤復元
⑦準備から確定版保存までの総作業時間
⑧ライセンス料，トークンその他の利用料及び教育・管理費用

自作した実行環境と既製の法務特化製品を比べるときは，利用料の差だけでなく，判断基準の整理，連携の構築，試験，基準改訂の配布，教育及び障害対応に必要な工数を含める方法が考えられる。
初期構築費と継続運用費を分け，想定する利用期間と件数をそろえて比較する。
自作環境を維持する担当者の時間も費用に含める。

プロンプト数，生成文字数，利用時間，トークン消費量又はAIの指摘数を単独の人事評価指標にしない。不必要な場面でAIを使わない判断，出力を安全に棄却した判断及び人へ切り替えた判断も正の成果として記録する。

総作業時間には，AIの回答待ちだけでなく，長文案の全体通読，事実関係の再確認，打合せ，依頼者への追加質問及び依頼者の回答待ちを含める。文章量が増えた場合は，必要な論点が増えたのか，同じ論点の重複説明が増えたのかも記録する。質問についても，契約条件を決めるために必要だった質問と，前提を与えていないためにAIが増やした質問を区別する。

形式チェックの結果は，正解表にある誤りの見落とし，正しい箇所への誤指摘及び担当者への差戻しに分けて記録する。
定義の適用範囲を判断すべき箇所では，適切な差戻しを誤りと数えない。
反対に，意味が変わり得る修正を確認なしで適用した場合は，見落としとは別に記録し，第８の停止条件（②・⑥）に当たるかを確かめる。

第８　採否記録と停止条件

採用した修正を相手方へ送るときは，社内向けの判断理由と相手方向けの説明を分ける。AIが作成したコメントも，事実，修正理由及び本文への反映を確認してから使用する。契約書審査の修正コメントを参照し，社内の交渉限界や未公開情報を送付ファイルに残さない。

AIの各指摘について，採用，一部採用，不採用，確認待ちを区別し，理由と確認した一次資料又は自社基準を残す。採否記録は，ツールの正答率を飾るためではなく，どの契約類型・条項・条件で役立ち，どこで誤るかを次の回帰試験へ戻すために使う。

次の事象が生じた場合は，試行を停止して原因を確認する。

①存在しない法令・判例・社内基準を根拠として表示した
②契約本文の意味を無断で変更した
③秘密情報又は個人情報が許可していない経路へ送信・保存された
④匿名化前データ又は対応表が想定外の場所へ残った
⑤権限のない文書，メール又はクラウドへアクセスした
⑥人の承認なく外部送信，上書き又は確定版への反映が行われた

不採用の理由には，「原文との不一致」，「契約目的又は当事者の立場との不一致」，「実益が小さい」，「交渉上の優先順位が低い」，「既に別条項で処理済み」，「依頼者への質問が不要」を区別して記録する。重要な見落としを減らせても，軽微な指摘を大量に検討する負担が増えれば，全体として導入が適切とは限らない。

反復利用する雛形は，版番号，改訂日，適用する取引・部署，例外条件及び改訂責任者を記録する。更新後は旧版の利用を止める方法まで定め，採用した修正を標準条項に戻すか，今回だけの例外として残すかを分ける。再利用可能な知識が蓄積されたかも，審査件数や生成文字数とは別に評価する。

第９　導入可否の決め方

導入可否は，事務所全体について一度に決めず，「どの契約類型について，どの機能を，どの情報区分で，誰が使い，誰が確認するか」という単位で決める。モデル，プラン，規約，再委託先，匿名化機能又はWord連携の仕様が変わった場合は，同じ製品名でも再試験する。

再試験では，任意に追加した指示や補助工程を一つずつ変え，同じ試験事例で品質と総所要時間への影響を確かめる方法が考えられる。
Anthropicの令和８年３月２４日の開発報告は，モデルの能力向上に合わせ，補助工程を一つずつ外して結果を調べた過程を説明している。
これはソフトウェア開発の報告であり，法律業務で同じ効果が得られることを実証したものではない。
法令，契約，秘密情報の管理及び権限の要件を満たすための制約は，性能比較を理由に解除しない。

試行結果が良くても，直ちに処理件数の恒久ノルマへ置き換えない。確認時間，教育負担，事故対応及びモデル更新による変動を含め，見直し日を定めた条件付導入とする。

第１０　公開資料の限界と個別契約で確認する事項

法令・会規，行政ガイドライン，製品提供者の説明及び広告記事は，それぞれ役割が違う。製品ページは機能の説明として確認し，情報の取扱い，保存期間，再委託及び責任の配分は，実際に適用される契約やプランの条件と照合する。広告上の機能説明や一般プライバシーポリシーだけで，個別契約の条件や安全性を確定しない。

公開情報だけで分からない処理経路，匿名化の前後に送信される情報，管理者によるアクセス及び削除方法は，提供者への質問と実機テストで確認する。必要な回答が得られない場合は，実際の依頼者資料を投入する前に，対象業務を限定するか，導入を保留する判断を行う。

第１１　関連記事

①国内のリーガルテック・国産AIの規約は入力データをどう扱うか―学習条項と派生データ条項の比較（AI作成）
②法律事務所の生成AI利用ガイドラインの作り方－許可サービス，入力情報，出力確認，委託先及び事故対応（AI作成）
③AIで時短した職員を損させない法律事務所の評価制度－隠れた生産性，品質指標及び余力配分（AI作成）
④AI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）

第１２　出典・参考資料

１　法令・会規・公的資料

①e-Gov法令検索「弁護士法」
②日本弁護士連合会「弁護士職務基本規程」
③日本弁護士連合会「弁護士情報セキュリティ規程」
④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」
⑤法務省「AI等法務業務支援サービス提供と弁護士法第72条の関係に係るガイドライン等の公表について」

２　製品提供者及び二次資料

①BoostDraft「BoostDraft AI」（製品提供者の公式説明）
②BoostDraft「プライバシーポリシー」（サービス一般の公開方針）
③BUSINESS LAWYERS「なぜBoostDraftはAIレビューに踏み込んだのか？」（PR記事。事業者説明を含む二次資料）
④クラウドサイン「クラウドサイン レビュー、Word上で契約書審査を効率化するAIエージェント機能を提供開始」（製品提供者の公式発表）
⑤クラウドサイン「２０２６年６月アップデート」（製品提供者のリリースノート）

松尾剛行『実務の落とし穴がわかる！契約書審査のゴールデンルール３０』（学陽書房，２０２４年）の，取引の実態・リスク・交渉・最終確認に関する着眼点も参照した。本稿の審査・記録方法は実務上の整理であり，法定の統一書式ではない。