Uberによると、契約書審査を支援する「Legal Redlining Agent」により、平均審査時間が20%超短縮され、AIが生成した判断の精度は91%に達した。このツールはMicrosoft Word上で動作し、相手方が提案した変更を特定して法的リスクを評価したうえで、契約条項を受け入れるか、拒否するか、修正するかを提案する。
エージェントは提案の理由を説明するコメントも作成し、注意深く確認すべき変更点に印を付ける。Uberの弁護士はすべての提案を確認し、承認する。最終判断を下すのはシステムではない。Uberは、発表した精度の測定方法を明らかにしていないため、どのような判断や誤りを対象にした数値なのかは分からない。
初期版にはプレイブックだけでは不十分だった
Uberは2024年初めに開発を始め、2025年に法務チームで試験運用を行った。初期版で採用していたのは、検索拡張生成(RAG)と呼ばれる手法だ。言語モデルが関連資料(この場合は法務プレイブック)を検索し、質問への回答に役立てる。Uberによると、この方式では適切な事例を見つけたり、交渉のトーンに合わせたりするのが難しく、既存の指針にない状況への対応にも苦戦した。
そこで同社は、弁護士の判断や理由、最終的に編集された文面を蓄積するフィードバックの仕組みを追加した。Uberによると、蓄積された過去のやり取りは数千件に上る。新たな条項が入力されると、検索とフィルターで候補を約20件に絞り込み、別の言語モデルで関連性を確認する。重み付けの仕組みでは新しい判断を優先し、半減期を365日に設定する一方、古い事例も残す。
ルールによって一部の判断をモデルに委ねない
Uberは過去の事例に加えて、交渉できない法的要件を適用し、モデルの提案を覆すこともできるルールエンジンを組み合わせている。また、作成した回答案が検索で見つかったルールに沿っているかも確認する。Uberの設計では、意図の解釈や交渉スタイルの調整など、状況に応じた対応はモデルが担う。一方、交渉すべきでない要件は固定ルールで守る。
Uberによると、弁護士は提案の根拠となったルールや過去のフィードバックを確認でき、相手方に返答する前に文面や判断を変更できる。同社は、法的知識を体系化した「リーガルナレッジグラフ」や、AIワークフローを整理するツールの活用も検討している。こうした検討がエージェントの変更につながる時期については明らかにしていない。
なぜ重要か
Uberの弁護士にとって、このツールは定型的な契約修正にかかる時間を減らし、複雑な判断により多くの時間を割く助けになる可能性がある。同社は審査時間が20%短縮したとする一方、精度の測定方法は説明していない。同様のツールを検討する企業にとっては、提案の承認責任を弁護士が担う点が参考になるが、別の法務チームでも同じ結果が得られるかは、提示された情報からは分からない。