【モデルケース】契約書の一次レビューをAIで。月200件をどこまで任せられるか

本記事はモデルケースです。 特定企業の実際の導入事例ではありません。中堅メーカーの法務部門が、取引先から届く契約書の一次レビューにAIを入れる場合の費用・効果・体制を、一般的な条件をもとに構成したものです。実際の数値は要件によって変動します。

契約書のレビューは、AI導入の相談が多い割に、導入後の評価が割れやすい領域である。

理由ははっきりしている。この業務でAIに任せられるのは「読む」と「下書き」までで、「決める」は最後まで人に残るからだ。にもかかわらず、提案書には「契約審査を自動化」と書かれる。どこまでが自動化で、どこからが人なのかを先に線引きしないと、費用も効果も見積もれない。

線引きを工程に割ったうえで、費用と回収を置いてみる。

横一列に並んだ3通の契約書。中央の1通だけが開かれ、1行に付箋が貼られている

想定する状況

中堅メーカー、従業員1,200名。法務部は4名（うち有資格者1名）
取引先から届く契約書の一次レビューが月200件
内訳は秘密保持契約（NDA）が約45%、業務委託契約が約25%、購買・売買の基本契約が約20%、その他10%
自社ひな形は存在するが、審査基準は担当者の頭の中にあり、文書化されていない
依頼は事業部門からメールで届く。Word ファイルが添付され、返信で修正案を返す
過去の審査済み契約は共有フォルダに年次でまとめてあるが、検索はファイル名のみ

現状の数値化

先に、いま何にどれだけかかっているかを数える。ここを飛ばすと、導入後に「速くなった気がする」で終わる。

項目	現状
一次レビュー件数	月200件
1件あたりの平均所要時間	40分（NDAは20分、業務委託は70分）
月間の作業時間	月133時間
同・人件費（時間単価4,000円で換算）	月約53万円 → 年間約640万円
依頼から一次回答までの日数	平均4営業日（繁忙期は7営業日）
差し戻し（基準の解釈違いによる再修正）	月12件程度

このうち、事業部門が最も不満を持っているのは金額ではなく「4営業日」のほうである。 費用対効果を人件費だけで測ると、このプロジェクトの本当の目的を見失う。効果測定の設計は AIプロジェクトのKPI設計の考え方に沿って、先に決めておく。

何を減らすのかを決める

1件40分の中身を工程に割ると、AIが効く場所と効かない場所がはっきり分かれる。

工程	現状の比率	AIで減るか
条文を読み、論点を拾い出す	35%	大きく減る（抽出と一覧化）
自社の審査基準と突き合わせる	20%	減る（基準を渡せる場合）
修正文案を作る	20%	減る（下書きまで）
事業部門への説明・交渉方針の相談	15%	減らない
最終判断と承認	10%	減らない（責任の所在）

下の2工程は残る。 ここを含めて「自動化」と表現した提案は、工程表と照らして確認したほうがよい。

現実的な目標は、1件40分を20分前後にすることであって、法務部の人数を減らすことではない。そもそも4名で月200件を回している時点で、削減余地は時間であって人員ではない。

フェーズ0：買わずに済む範囲を先に確かめる（3週間・社内作業）

開発を発注する前に、次の3つを社内で確認する。ここで止まる判断もある。

審査基準が文書化されているか。 されていないなら、AIに渡す正解がない。まずNDAだけでも「この条項はこう直す」を20項目書き出す。この作業自体が、外注費より先に効く
契約管理システム（CLM）を既に使っているか。 使っている場合、レビュー支援機能が標準搭載されていることがある。追加開発の前に提供元へ確認する
法務向けの既製サービスで足りないか。 契約類型が一般的で、自社固有の修正方針が少ないなら、月額のサービスで足りる場合がある

次の条件に全部当てはまるなら、開発を発注しないほうが安い。

レビュー対象がNDAなど定型契約にほぼ限られる
自社ひな形からの逸脱を「指摘できればよい」（修正文案の自動生成まで求めない）
過去の審査履歴を参照させる必要がない

開発せずに済ませる選択肢の整理は生成AI導入を安くする方法。開発せずに済ませる選択肢にまとめている。

フェーズ1：PoC（1.5か月・90万〜160万円）

検証範囲

NDAだけ、100件に絞る。件数の多い類型から始めるのが定石で、ここで測った数字が全体の判断材料になる。

対象は過去に審査済みのNDA 100件（正解が分かっているものを使う）
自社の審査基準20項目を文書化してAIに渡す
出力は「論点の一覧」と「該当条文の引用」まで。修正文案の生成はこの段階では評価対象に入れない

測る指標

指標	意味	目標の置き方
重大論点の見落とし率	損害賠償・秘密の範囲・期間など、見落とすと不利益が出る論点を落とす割合	最重要。ここが合否を決める
誤検知率	問題のない条項を問題と指摘する割合	高すぎると確認の手間が増え、時間が減らない
引用の正確さ	指摘した条文番号・文言が実物と一致しているか	ずれる場合がある。ハルシネーションの典型
1件あたりの短縮時間	実際に人が使って計測	体感ではなく計測する

見落とし率と誤検知率は必ず両方測る。 片方だけを緩めれば、もう片方はいくらでも良くできてしまう。精度の測り方そのものは AIの精度をどう評価するかに整理した。

この段階で分かったこと（モデルケース）

重大論点の抽出はNDAでは実用水準に届いた。一方で誤検知が多く、基準の書き方を直す作業が発生した
条文番号の引用がずれる事象が一定割合で出た。原文の該当箇所をそのまま表示する仕様にして回避する
業務委託契約は、事業部門ごとの慣行が絡むためPoCの対象外に置いたのは正解だった

フェーズ2：MVP構築（3か月・320万〜520万円）

主な構成要素

要素	内容
文書の取り込み	Word / PDF の受け取りと条文単位の分割
基準との突き合わせ	文書化した審査基準を参照して論点を抽出
過去事例の参照	審査済み契約から類似条項を検索して提示（RAGの構成）
修正文案の生成	自社ひな形の表現に寄せた下書きを提示
レビュー画面	原文と指摘を左右に並べ、採否を人が選ぶ
履歴	誰がどの指摘を採用・却下したかを記録

最後の「履歴」を必ず入れる。 採否の記録は、精度改善の材料であると同時に、審査の責任が人にあることの証跡になる。

費用の内訳（一式）

項目	金額の目安
要件定義・審査基準の設計支援	60万〜90万円
文書取り込みと条文分割	50万〜80万円
論点抽出・基準突き合わせ	80万〜130万円
過去事例の検索（RAG）	60万〜100万円
レビュー画面・履歴	50万〜90万円
テスト・受入支援	20万〜30万円
合計	320万〜520万円

RAGの部分の費用感は RAG・社内検索の費用相場の水準とおおむね重なる。文書量と権限の設計で動く。

運用費（月額14万〜30万円）

項目	内訳
API実費	月200件 × 長文の読み込み。契約書は1件あたりの文字数が大きい
保守	障害対応、モデル更新への追随
基準書の更新	判例・法改正・社内方針の変更を反映する。ここを止めると精度が落ちる
定点観測	月次で見落とし率を再測定する

基準書の更新を運用費から外さないこと。 契約審査のAIは、モデルの性能より「渡している基準の鮮度」で結果が変わる。法令改正の反映が止まった時点で、この仕組みは使えなくなる。

効果の見積もり

項目	導入前	導入後（想定）
1件あたりの所要時間	40分	22分
月間の作業時間	133時間	73時間
同・人件費換算	月53万円	月29万円（月24万円の圧縮）
依頼から一次回答まで	4営業日	1.5営業日
差し戻し	月12件	月5件程度

初期費用420万円（中央値）、運用月20万円として、人件費の圧縮だけで回収を計算すると 約8年になる。人件費だけを根拠にすると、この投資は通らない。

数字に出ない効果のほうが大きい

リードタイムが4営業日から1.5営業日に縮む。 取引の開始が2営業日以上早まる。受注機会に直結する部署では、ここが最大の効果になる
審査基準が文書化される。 属人性が下がり、担当者が替わっても判断がぶれない
過去事例が検索できるようになる。 「前に似た条項をどう直したか」を探す時間が消える
繁忙期の待ち行列が短くなり、現場が法務を飛ばして契約を締結してしまう事故が減る

稟議では、人件費ではなくリードタイムと統制を主語に置く。ROIの立て方は AI投資のROI計算に手順をまとめている。

つまずきやすい4点

審査基準が無いまま発注する。 最も多い失敗。基準が無ければ、AIの出力が正しいかどうかを誰も判定できない。フェーズ0を飛ばさない
条文の引用がずれる。 指摘の根拠として提示された条文番号が実物と違う事象は起こりうる。原文の該当箇所をそのまま表示する仕様にして、人が必ず現物を見る導線にする
「AIが見たから大丈夫」になる。 最終承認は人、という運用を最初に決め、承認記録を残す。責任の所在が曖昧なまま運用に入ると、事故が起きたときに誰も説明できない
相手方の秘密情報をAIに渡してよいかを確認していない。 受領した契約書は多くの場合、相手方の秘密情報を含む。既存NDAの条項によっては、外部サービスへの入力が制限される。法務部門自身が、自部門の利用について可否を文書で判断しておく。この論点は生成AIの著作権・法的リスクと社内AI活用ガイドラインの作り方に整理がある

発注時に聞くこと

論点の抽出に自社の審査基準をどう渡すのか。仕組みとして更新できるか、開発時に埋め込まれるだけか
見落とし率をどう測り、いつ報告するのか。検収条件に数値を書けるか
指摘の根拠として原文のどこを表示するのか
投入した契約書データはどこに保存され、学習に使われないことがどう担保されるか
基準書の更新作業は運用費に含まれるのか、都度見積もりなのか

4番目と5番目は、見積書に書かれていないことが多い。書かれていなければ質問する。運用費の範囲が曖昧な見積もりは、他社と並べても比較にならない。 比較の手順は AI開発の相見積もりを比較する方法を参照してほしい。

受け取った見積もりが妥当かは、見積書チェックに入力すると相場と共通の指標で確認できる。条件を整理してから相談したい場合は費用診断が使える。

まとめ

契約書レビューでAIが減らすのは「読む」「基準と照らす」「下書き」。説明と最終判断は残る
現実的な削減は1件40分が22分前後。人件費だけで回収を計算すると約8年で、投資判断としては通らない
効果の主語はリードタイム（4営業日→1.5営業日）と審査基準の文書化に置く
審査基準が無いまま発注しない。 フェーズ0の3週間が、そのまま精度を決める
モデルケースの費用は初期320万〜520万円、運用月14万〜30万円
受領した契約書は相手方の秘密情報を含む。外部サービスへの入力可否を、発注前に自社で判断しておく