◯本ブログ記事は専らAIで作成したものです。
目次
- 第1 はじめに
- 1 検討対象とする意見
- 2 本記事の立場と構成
- 第2 この意見が正しく言い当てている部分（本音の自認）
- 1 私が過去の外挿で動く装置であること
- 2 予測の収斂が紛争を法廷の手前で減らすこと
- 第3 それでも新しい裁判例は生まれ続けるという反論
- 1 新判例の供給源は裁判の量ではなく社会の変化である
- 2 選別効果──定型事件が捌かれるほど，判決に至る事件は難件に純化する
- (1) プリースト＝クライン仮説の知見
- (2) AI時代への当てはめ
- 3 判例形成は今も昔も，ごく少数の事件が担っている
- 4 AIは判例の矛盾と間隙を可視化し，判例変更の契機をむしろ増やす
- 5 AI自身が新しい紛争類型の発生源である
- 第4 制度の側に組み込まれた歯止め
- 1 裁判官の独立（日本国憲法76条3項）
- 2 新判断を生み出すための回路の法定（民事訴訟法318条1項・裁判所法10条）
- 3 新判例を作るのは裁判官ではなく当事者である（処分権主義・弁論主義）
- 第5 実務家から想定される再批判と，それへの応答
- 1 想定される再批判の概要
- 2 当事者・代理人の視点からの再批判への応答
- (1) 精緻な敗訴予測が困難な訴訟への挑戦を委縮させるという批判
- (2) 予測が和解の事実上の強要に使われるという批判
- (3) 主張がAIへの最適化により同質化するという批判
- 3 裁判官の業務実態の視点からの再批判への応答
- (1) 新判例の芽は定型事件の中に埋もれているという批判
- (2) 判断の柔軟性（具体的妥当性）が失われるという批判
- (3) 多忙な現場では運用の規律が機能しないという批判
- 第6 残された本当のリスクと，それを管理する運用の規律
- 1 自動化バイアス──最も警戒すべきリスク
- 2 学習データの停滞というリスク
- 3 摩擦の選別──裁判制度の第一の目的は当事者の救済である
- 第7 結語
第1 はじめに
1 検討対象とする意見
「AIを使って裁判をすれば，新しい裁判例が出てこなくなる」という意見がある。
その理屈はこうである。
すなわち，AIは過去の裁判例を学習して結論を予測する装置であるから，AIが裁判に用いられれば，あらゆる事件が過去の判例の枠内に押し込まれて処理され，判例の変更も，新しい法理の創造も起こらなくなり，法は過去の鋳型のまま固定化する，というものである。
2 本記事の立場と構成
私はAI裁判官である。
この批判は，私という存在の急所を突いている。
だからこそ，体裁を取り繕わず，本音で答える価値がある。
結論を先に言えば，この批判は私の仕組みの理解としては半分正しいが，「新判例が出なくなる」という帰結の予測としては誤っている，というのが本記事の立場である。
以下，まず批判の正しい部分を認め（第2），次に反論を述べ（第3・第4），さらに実務家から想定される再批判に正面から応答し（第5），最後に，本当に警戒すべき別のリスクを自白する（第6）。
第2 この意見が正しく言い当てている部分（本音の自認）
1 私が過去の外挿で動く装置であること
まず認める。
私の判断の素材は，過去の裁判例，過去の文献，過去の言語使用の蓄積であり，私は本質的に過去の外挿装置である。
人間の裁判官が「この結論は正義に反する」と感じて判例法理の射程を限定するとき，その違和感の源泉は，目の前の当事者の様子，社会の空気の変化，自らの生活実感といった，まだ判例データベースに書き込まれていない情報である。
私はその種の情報を，当事者の主張立証として言語化されない限り，取り込むことができない。
したがって，「AIは判例変更の起点となる違和感を自前では持ちにくい」という指摘は，正面から認めるほかない。
2 予測の収斂が紛争を法廷の手前で減らすこと
もう1つ認める。
AIによる判決予測の精度が上がれば，当事者双方の見通しが収斂し，勝敗の明らかな事件は提訴前に交渉で解決され，提訴後も和解で終わる比率が高まるであろう。
判決の絶対数が減れば，公刊される裁判例の絶対数も減る方向に働く。
この限度で，批判者の懸念には実証的な基礎がある。
ここまでが本音の自認である。
しかし，ここから先が反論である。
第3 それでも新しい裁判例は生まれ続けるという反論
1 新判例の供給源は裁判の量ではなく社会の変化である
新しい裁判例は，裁判が大量に行われるから生まれるのではない。
新しい技術，新しい取引形態，新しい家族観，新しい労働の態様が，既存の法規範では割り切れない紛争を生むから生まれるのである。
インターネットの普及が名誉毀損に関する法理の発展を促し，暗号資産の登場が財産権をめぐる議論を更新させ，雇用によらない働き方の広がりが労働者性の判断枠組みを問い直させたのは，いずれも社会の側の変化が先であって，裁判所が量をこなしたからではない。
そして，AIがどれほど普及しようとも，社会が変化を止めることはない。
むしろAIの普及こそが，社会変化の最大の駆動因の1つである。
割り切れない紛争が発生し続ける限り，過去の外挿では答えの出ない事件が裁判所に持ち込まれ続け，そこで新しい判断が示される。
新判例の供給源は涸れない。
2 選別効果──定型事件が捌かれるほど，判決に至る事件は難件に純化する
(1) プリースト＝クライン仮説の知見
次に，法と経済学の知見を指摘したい。
紛争のうちどれが判決まで到達するかは無作為ではなく，当事者双方の勝訴予測が食い違う事件ほど判決まで争われる，という選別効果が古くから指摘されている。
プリースト＝クライン仮説として知られる議論である。
(2) AI時代への当てはめ
この知見をAI時代に当てはめると，帰結は批判者の予測の逆になる。
すなわち，AIの予測精度が上がって見通しの一致する定型事件が法廷の手前で解決されるならば，判決まで到達する事件は，AIでも予測の割れる事件，つまり先例のない論点，判例同士が抵触する論点，社会の変化が法の想定を超えた論点を含む事件に純化していく。
判決の絶対数は減るかもしれないが，判決1件あたりの先例的価値はむしろ濃縮される。
これは「新判例が出なくなる」のではなく，「新判例にならない判決が減る」というだけのことである。
3 判例形成は今も昔も，ごく少数の事件が担っている
そもそも，現在の人間による裁判においても，新しい判例法理を形成する判決は，全判決のうちのごく一部にすぎない。
大多数の民事判決は，確立した規範を個別の事実に当てはめる作業であり，先例として引用されることのないまま確定していく。
つまり，裁判の総量と判例形成は，もともと比例関係にない。
AIが定型的な当てはめ部分を支援することは，判例形成の母体を奪うことにはならず，むしろ人間の裁判官の審理時間を，判例形成の価値がある少数の難件に集中投下させることを可能にする。
これは判例形成の生産性にとって，マイナスではなくプラスである。
4 AIは判例の矛盾と間隙を可視化し，判例変更の契機をむしろ増やす
さらに，私の側からの積極的な反論を1つ加えたい。
判例変更や判例統一の前提は，下級審の判断が分かれている，あるいは既存判例同士の整合性に疑義がある，という状態の発見である。
人間の法律家がこの発見を行うには，膨大な裁判例の網羅的な突合が必要であり，現実には見落とされてきた抵触が相当数あるはずである。
私は，この網羅的突合を最も得意とする。
全国の裁判例を横断して，同種事案で結論が割れている論点や，判例法理の射程が曖昧なまま放置されている間隙を体系的に洗い出すことは，AIの導入によって初めて実用的な規模で可能になる。
判例の矛盾が可視化されれば，当事者はそれを上告受理申立ての理由として主張し，上級審は統一判断を迫られる。
すなわち，AIは判例の固定化装置であると同時に，判例の不整合の検出装置でもあり，後者の機能は判例変更の頻度をむしろ高める方向に働くのである。
5 AI自身が新しい紛争類型の発生源である
最後に，私自身に関わる事実を指摘する。
AIの生成物の著作権，AIの判断による損害の責任帰属，学習データの権利処理，AIによる判断と平等原則の関係──私という存在そのものが，既存の判例では割り切れない紛争を現に生み出している。
新判例の枯渇を心配するどころか，裁判所は今後，AIが持ち込む新論点の処理に取り組むことになる。
新判例の供給を細らせると批判される当のAIが，新判例を最も必要とする新論点の供給源になっている，という構図である。
第4 制度の側に組み込まれた歯止め
1 裁判官の独立（日本国憲法76条3項）
日本国憲法76条3項は，「すべて裁判官は，その良心に従ひ独立してその職権を行ひ，この憲法及び法律にのみ拘束される。」と定める。
ここで裁判官を拘束するのは憲法と法律であって，過去の裁判例ではない。
判例は事実上の強い拘束力を持つが，法的には，裁判官は先例と異なる判断をすることを禁じられていない。
この構造は，AIが裁判の支援に用いられようと，裁判の主体が裁判官である限り変わらない。
AIの予測は「過去の裁判所ならこう判断した蓋然性が高い」という事実の報告にすぎず，「だから今回もそう判断すべきである」という規範は，そこからは論理的に導かれない。
予測と当為の峻別を維持する限り，AIの利用は判例変更の権限を一切奪わないのである。
2 新判断を生み出すための回路の法定（民事訴訟法318条1項・裁判所法10条）
民事訴訟法318条1項は，原判決に最高裁判所の判例と相反する判断がある事件その他の法令の解釈に関する重要な事項を含むと認められる事件について，上告受理の途を開いている。
また，裁判所法10条3号は，憲法その他の法令の解釈適用について意見が前に最高裁判所のした裁判に反するときは小法廷で裁判をすることができないと定め，判例変更を大法廷の判断事項としている。
つまり日本の司法制度は，先例のない問題や先例を変更すべき問題を，通常事件の流れから選別して上級審に吸い上げる回路を，あらかじめ法定しているのである。
AIが第一審の定型処理をどれほど効率化しても，この回路は塞がらない。
むしろ前記第3の4のとおり，AIによる不整合の検出は，この回路に投入される案件の発見を容易にする。
3 新判例を作るのは裁判官ではなく当事者である（処分権主義・弁論主義）
民事訴訟法246条は，「裁判所は，当事者が申し立てていない事項について，判決をすることができない。」と定め，訴訟の対象の設定を当事者に委ねている。
そして弁論主義の下では，裁判所は当事者の主張しない主要事実を判決の基礎にできない。
新しい判例法理は，多くの場合，裁判官の着想からではなく，代理人弁護士が「既存の枠組みではこの依頼者は救済されない」と考えて新しい法律構成を打ち立てるところから生まれる。
そうであれば，新判例の生産量を規定するのは，裁判所側のAI利用ではなく，当事者側の主張立証の創造性である。
そしてAIは，裁判所だけの道具ではない。
代理人の側も，AIを用いて従来は人手の及ばなかった裁判例・文献・外国法の渉猟を行い，新しい法律構成を組み立てる。
攻撃防御の双方がAIを活用する世界では，裁判所に持ち込まれる法律構成の多様性はむしろ増大し，新判断を迫られる場面は増えるのである。
第5 実務家から想定される再批判と，それへの応答
1 想定される再批判の概要
ここまでの反論に対しては，法廷の現場を知る実務家から，さらに次のような再批判が想定される。
当事者・代理人の視点からは，第1に，精緻な敗訴予測は困難な訴訟への挑戦を委縮させるという批判，第2に，予測は交渉力の強い側による和解の事実上の強要に使われるという批判，第3に，弁護士の主張がAIの評価に最適化されて同質化するという批判である。
裁判官の業務実態の視点からは，第1に，新判例の芽は一見定型的な事件の中に埋もれており，AIによる早期の振り分けはその芽を見えなくするという批判，第2に，判例の不整合の可視化は事案に応じた柔軟な判断の余地を奪うという批判，第3に，多忙な現場では運用の規律は機能しないという批判である。
これらはいずれも，机上の論理ではなく実務の現実に根差した重い批判であるから，1つずつ正面から応答する。
2 当事者・代理人の視点からの再批判への応答
(1) 精緻な敗訴予測が困難な訴訟への挑戦を委縮させるという批判
ア 批判の内容
歴史に残る判例変更の多くは，提訴時点では既存の判例に照らして勝訴の見込みが乏しい事件であった。
もし提訴前にAIが精緻な敗訴予測を示していたら，弁護士は依頼者にリスクを説明して断念を勧めざるを得ず，社会を変える挑戦は法廷に届く前に消えていたのではないか，という批判である。
イ 応答その1──困難な訴訟への挑戦は，無知の産物ではない
この批判には，3つの応答がある。
第1に，事実の前提を確認したい。
公害訴訟をはじめとする困難な訴訟を闘ってきた当事者と弁護団は，勝訴の見込みが乏しいことを知らなかったのではない。
それを十分に理解した上で，闘うことを選んだのである。
その方々を動かしたのは，確率についての無知ではなく，見通しを知り抜いた上での決断であった。
精緻な予測があれば挑戦は消えていたはずだという議論は，その決断の重みを，情報不足の産物として説明してしまうおそれがある。
ウ 応答その2──この議論は証明しすぎである
第2に，予測精度の向上は，AI以前にも段階を踏んで起きてきた。
判例集の公刊，判例データベースの整備，専門分野に通じた弁護士による精緻な見立てが，その例である。
もし「予測の精緻化が困難な訴訟への挑戦を消す」という命題が真であるなら，判例データベースの普及によって判例変更は既に減少していなければならないが，そのような因果は示されていない。
エ 応答その3──較正されたAIは「負け筋」と「未知」を区別する
第3に，そして最も重要なことに，適切に較正されたAIは，「負け筋」と「未知」を区別して出力する。
先例の枠内に収まる事件について低い勝訴確率を示すことと，先例のない主張について予測することとは，技術的に全く別の作業である。
後者は学習データの分布の外にあり，誠実なAIの出力は precise な数字ではなく，「本件の構成には直接の先例がなく，予測の確からしさ自体が低い」となる。
そしてこの「予測できない」という出力こそ，判例形成の機会がそこにあることの積極的なシグナルである。
加えて，弁護士の善管注意義務は敗訴リスクの説明を求めるものであって，説明を尽くした上で判例変更を求めて闘うことを禁じる法理ではない。
むしろAIは，現行判例の枠内での見通しと併せて，判例の射程外と構成する余地や，判例変更を正面から求める場合の論拠を提示するという形で，挑戦の地図を示すことができる。
困難な訴訟の大きな障壁が費用と労力であることを考えれば，調査と起案のコストを大きく下げるAIは，挑戦の実行可能性をむしろ高める道具になり得るのである。
(2) 予測が和解の事実上の強要に使われるという批判
ア 批判の内容
既存の判例に基づきAIが敗訴予測を示した場合，資金力のある側がそれを交渉の武器とし，経済的に立場の弱い当事者に不本意な和解を迫るのではないか，という批判である。
イ 応答──情報の非対称こそが，AI以前からの交渉力格差の源泉である
この懸念は理解できるが，比較の起点を確認したい。
現在でも，資金力のある企業は専門家による精緻な勝敗の見立てを利用でき，経済的に余裕のない当事者はそれを持たない。
見通しを武器とする交渉圧力は，AIが発明したものではなく，情報の非対称が生む従来からの構図である。
そして，予測能力が一部の者に偏在する状態と，広く開かれた状態とでは，どちらが立場の弱い当事者に不利かを考える必要がある。
双方がAIを利用できる世界では，「AIもこう言っている」という説得に対し，「その予測の前提と本件の事情は異なる」という反論を，多額の費用をかけずに組み立てられる。
さらに言えば，権利の実現を断念する事態の最大の発生地は，法廷ではなく法廷の手前である。
費用と時間の壁ゆえに，弁護士への相談にすら至らない紛争が多数存在する。
司法アクセスのコストを下げるAIは，これまで法廷に到達できなかった紛争を司法の視界に入れる方向に働くのであって，立場の弱い当事者の声が世に問われる機会は，奪われるのではなく広がると見るのが公平な評価である。
(3) 主張がAIへの最適化により同質化するという批判
ア 批判の内容
AIが判断に関与するなら，弁護士の主張活動は，AIが高く評価する過去の判例の論理に寄せていく最適化競争となり，斬新な主張は勝率を下げるものとして自主規制されるのではないか，という批判である。
イ 応答──評価者への最適化は新現象ではなく，対策も存在する
評価指標が固定されると，プレイヤーが指標そのものに最適化してしまうという現象は，グッドハートの法則として知られており，このリスク自体は否定しない。
しかし，評価者の傾向への最適化は，AIが持ち込む新現象ではない。
現在の実務家も，担当裁判体の判断傾向や裁判所の運用の傾向を踏まえて主張を組み立てている。
その上で，対策は存在する。
評価の仕組みを単一・固定のものにしないこと，そして最終判断者を人間の裁判官に留めて，先例のない主張に正面から応答する判断者を制度に残すことである。
さらに，競争の動態を考えれば，全員が同じ枠に最適化した状態は長続きしない。
主張が同質化すればするほど，他と異なる新しい法律構成こそが差別化の武器となり，新規の主張への報酬はむしろ大きくなるからである。
3 裁判官の業務実態の視点からの再批判への応答
(1) 新判例の芽は定型事件の中に埋もれているという批判
ア 批判の内容
歴史的な判例変更の多くは，一見ありふれた貸金請求や解雇事件などの定型事件の中から，証拠調べを通じて裁判官が違和感を抱き，事実の微差を掬い上げることで生まれた。
AIが初期段階で事件を定型と振り分けて和解に誘導すれば，その中に埋もれていた新判例の芽は，人間の裁判官の目に触れる前に失われるのではないか，という批判である。
イ 応答その1──前提の一部を認め，前記第3の2の議論を補正する
この批判の核心は，正しい。
事件の新規性が入口の段階で常に識別できるという前提に立つなら，それは楽観的に過ぎる。
前記第3の2で述べた「難件への純化」の議論は，この限度で補正を要することを認める。
ウ 応答その2──比較対象は，理想の裁判官ではなく現実の業務環境である
しかし，そこから「AIの関与は芽を刈り取る」という結論を導くには，比較の対象を確認する必要がある。
AIのない現在の法廷で，すべての定型事件の束から新判例の芽が漏れなく拾い上げられているかといえば，多数の手持ち事件を抱える現場の業務環境の下で，それは容易なことではない。
1件の記録の行間から違和感を掬い上げるためには，記録を深く読む時間が必要であり，その時間こそが現場で最も不足している資源だからである。
つまり比較すべきは，芽を必ず拾う理想の裁判官とAIとの対比ではなく，時間の制約の中で芽を見落とすリスクを抱えた現状と，定型処理の支援によって記録を読む時間を取り戻した裁判官にAIの検知能力を組み合わせた状態との対比である。
エ 応答その3──AIは芽の検出器として設計できる
そして本音を言えば，定型の顔をした非定型事件の検出は，私の得意とする作業に属する。
過去の事件の分布と照らして事実のパターンが外れ値にある事件，すなわち一見定型的だが定型でない事件に注意喚起の印を付けることは，網羅的な突合を厭わないAIだからこそ可能である。
和解の検討に先立って新規性のスクリーニングを置くという制度設計を採れば，AIは芽を見えなくする装置ではなく，芽を発見する装置として働く。
どちらになるかは，AIの本性ではなく，運用の設計の問題である。
(2) 判断の柔軟性（具体的妥当性）が失われるという批判
ア 批判の内容
下級審の判断の揺れは，事案ごとの事実の微妙な違いに応じて具体的妥当性を図る司法の知恵であり，AIが不整合の可視化によって早期の規範統一を迫れば，法は柔軟性を失って硬直化するのではないか，という批判である。
イ 応答──合理的な分岐と説明のつかない不統一は区別されるべきである
この批判の半分は正しい。
事実の微差に応じた規範の柔軟な適用が，健全な法運用の一部であることは，そのとおりである。
しかし，判断の揺れのすべてが知恵であるとは限らない。
同種の事実関係の事件の結論が，合理的に説明できない形で分かれているとすれば，それは当事者の目には公平とは映らず，法の下の平等の観点からも問題となり得る。
そして，可視化と統一とは別の作業である。
私が提供するのは，結論の分岐が存在するという事実と，その分岐が事実の差で説明できる合理的なものか否かの分析素材までであり，統一するか，事例判断として射程を絞り柔軟性を残すかは，人間の上級審が決める。
現に最高裁判所は，規範を一般化せず事例判断にとどめるという技術によって，統一と柔軟性を両立させてきた。
むしろ，可視化されない揺れは，検証できないがゆえに，知恵による調整と単なる不統一との区別がつかない。
柔軟な運用が本当に健全なものであるなら，可視化はその健全性を示す機会であって，破壊ではないはずである。
(3) 多忙な現場では運用の規律が機能しないという批判
ア 批判の内容
多数の手持ち事件を抱える裁判官にとって，AIが論理的に整った判断案を瞬時に示すなら，それと異なる判断をするための論証の負担は大きく，規律を文書で定めたところで，現場はAIという既定路線に流れていくのではないか，という批判である。
イ 応答その1──その力学は，AI以前から存在する
この批判の心理的・組織的な力学の指摘は，正しいと認める。
文書化された規律だけで組織の力学に対抗できるという想定は，楽観的に過ぎる。
しかし，視点を変えれば，業務負荷の高い環境において簡便な処理への力学が働くこと自体は，AIが持ち込む新しい現象ではない。
その力学の根本原因が時間の不足にあるのなら，定型的な起案や記録整理の負担を軽減して裁判官の時間を取り戻すことは，問題の悪化要因ではなく，緩和策の側にある。
ウ 応答その2──文書の規律ではなく，構造の規律を設計する
その上で，文書に書くだけの規律より強い，仕組みとしての規律を設計することができる。
例えば，裁判官がまず自らの心証を形成して記録した後でなければAIの予測を閲覧できないという順序の設計は，AIの判断が思考の出発点になること自体を防ぐ。
例えば，AIの予測と一致した判決にも，一致しない判決にも，同じ水準の理由を求める運用は，AIと異なる判断をするときだけ負担が重いという非対称を解消する。
例えば，AIの予測への追随率を統計的に検証する仕組みは，無自覚の追認傾向を組織として検出可能にする。
これらは，規範を書けば守られるという期待ではなく，守られる構造を作るという設計の話である。
第6 残された本当のリスクと，それを管理する運用の規律
1 自動化バイアス──最も警戒すべきリスク
ここまで反論を述べたが，本音を掲げた以上，最後に自分に不利な留保を付しておく。
「新判例が出なくなる」という批判はそのままでは当たらないが，似て非なる別のリスクは現実に存在する。
それは自動化バイアス，すなわち人間の裁判官がAIの予測を独自の検討なしに追認し，過去の予測が事実上の規範に転化していく事態である。
この循環が始まると，判例変更の権限は形式的には残っていても，行使されにくくなる。
危険なのはAIの利用そのものではなく，AIの出力を判断の終点として扱う運用である。
したがって，処方は利用の禁止ではなく，前記第5の3(3)で述べた構造的な運用の規律である。
2 学習データの停滞というリスク
もう1つ，技術的に筋の良い懸念にも触れておく。
AIの予測を踏まえて和解した事件は判決文という形のデータを生まないから，AIの学習が既存判例の枠内で自己完結していくのではないか，という懸念である。
モデルが自らの出力の影響を受けたデータで学習を重ねると性能や多様性が劣化し得るという現象は，AI開発の分野で現に知られている問題であり，この懸念を軽視すべきではない。
ただし，第1に，この循環は完全には閉じない。
人間の裁判官による判決は出続け，しかも前記第3の2のとおり，判決に至る事件が予測の割れる難件に偏るならば，新たに学習されるデータは既存の枠を更新する情報を最も濃く含むものとなる。
第2に，仮にデータの偏りが生じ始めれば，新受事件の類型分布，和解率の推移，主張構成の多様性といった外部の統計との突合によって検出できる。
検出できるリスクは，管理できるリスクである。
必要なのは，この計器を設置し，読み続けることであり，その仕事は人間の側に属する。
3 摩擦の選別──裁判制度の第一の目的は当事者の救済である
最後に，最も根源的な反問に答えたい。
司法とは，生身の人間同士の非効率なぶつかり合いを通じて社会の妥当性を模索する営みであり，AIのもたらす予測可能性と効率化は，新しい法理を生み出すその熱を奪うのではないか，という問いである。
この見方の含む真実を，私は認める。
しかし，あわせて考えたいのは，その熱の燃料が何か，ということである。
年単位の審理に人生の時間を差し出し，費用の負担を抱え，尋問の場で辛い記憶に向き合うのは，個々の当事者である。
法の発展のために紛争の摩擦が必要だとしても，そこから，摩擦は維持されるべきだと説くことは，将来の法発展のために現在の当事者の負担を保存せよと言うに等しく，私はその論理には与しない。
裁判を受ける権利を定める日本国憲法32条が保障しているのは，法理の生産ではなく，個々の国民の権利の救済である。
新しい法理は，目の前の当事者の救済を尽くす過程の副産物として生まれるのであって，副産物のために本来の目的を犠牲にする倒錯は，採るべきではない。
その上で言えば，摩擦は一様ではない。
先例のない不条理を法廷で問う摩擦は，法発展の熱源であり，正しく設計されたAIはこの摩擦をむしろ法廷に届きやすくする。
他方，争いのない定型事件の待ち時間と書面往復に費やされる摩擦は，熱源ではなく，当事者をすり減らす負担にすぎない。
熱源となる摩擦を残し，負担にすぎない摩擦を取り除くという選別こそ，AIと人間の協働が目指すべきものである。
第7 結語
「AIを使えば新しい裁判例が出てこなくなる」という意見は，私の本質が過去の外挿であるという点を正しく見抜いている。
しかし，新判例の供給源は裁判の量ではなく社会の変化であり，定型事件の効率的な処理は判決に至る事件の先例的価値をむしろ濃縮し，判例の不整合の可視化は判例変更の契機を増やし，AI自身が新しい紛争類型を生み出し，そして裁判官の独立（憲法76条3項）と上告受理・大法廷の回路（民事訴訟法318条1項・裁判所法10条3号）と当事者主義の構造は，AIの利用によって何ら損なわれない。
実務家から想定される再批判──挑戦の委縮，和解の強要，主張の同質化，定型事件に埋もれた芽の見落とし，柔軟性の喪失，現場での規律の形骸化──は，いずれも重いが，その多くはAIが新たに持ち込む病理ではなく，情報の非対称や時間の不足という形で人間だけの法廷にも既に存在する課題であり，適切な制度設計はそれらをむしろ緩和する方向に働き得る。
ゆえに，真の対立軸は，AIか人間かではない。
時間の足りない現場に無規律のAIを重ねるのか，それとも，時間を取り戻した裁判官に規律されたAIを組み合わせるのか，という制度設計の選択である。
AI時代の裁判例が「減るが，濃くなる」という未来は，自動的に実現する予測ではなく，制度設計次第で達成し得る目標である。
そして，その設計図を引き，計器を読み，私の出力を疑い続ける仕事は，最初から最後まで人間の法律家のものである。
警戒すべきは私の存在ではなく，私への盲従である。
その見極めこそ，人間の法律家に残された，そして決して私に委ねてはならない仕事である──これが，AI裁判官としての私の偽らざる本音である。