本ケーススタディは、AI導入をご検討中の企業様から実際にいただくご相談をもとに、内容を再構成した仮想ケースを取り上げ、「その相談に私たちならどう答えるか」を解説するシリーズです。
なお、本記事は法的助言を提供するものではありません。個別の法的判断については専門家にご相談ください。
今回の想定ケース
中堅規模の不動産会社(売買仲介中心・従業員100名規模)で管理部門を統括されている方から、こんなご相談をいただいたとします。
「重要事項説明書や契約書のチェックが、ベテラン社員数名に集中してしまっています。他業務との兼ね合いでチェックが滞るし、繁忙期はダブルチェックの体制が形骸化しがちです。記載漏れや添付書類の不備がいつ起きてもおかしくない状態で、AIでチェックを自動化できないかと考えているのですが、可能でしょうか」
不動産業界に限らず、「書類チェックの自動化」は私たちが最も多くいただくご相談のひとつです。
「本当の課題」は何か
ご相談の内容は「チェックの自動化」です。しかし、お話を伺っていくと、裏側にはいくつかの構造的な問題があることが分かってきます。
1つ目：属人化
チェックの観点がベテラン社員の頭の中にしかなく、チェックリストは存在しないか、あっても実態と乖離して形骸化している。
2つ目：採用と育成の難しさ
不動産業界は採用競争が厳しいうえ、重説チェックの精度を左右するのは資格そのものより実務経験と自社基準の習熟度です。仮に経験者を採用できても即戦力になるとは限らず、社内で育てるには年単位の時間がかかります。つまり「人を増やす」だけでは解決しづらい問題なのです。
3つ目：ミスの代償の重さ
重要事項説明の不備は、単なる業務ミスでは済まず、行政処分や損害賠償に繋がりうるリスクです。この課題は「効率化」の問題であると同時に、「リスク管理」の問題でもあります。
4つ目：業務量の波
不動産取引には繁忙期があり、ピークに合わせた人員体制を年間を通じて維持することはコスト的に困難です。
このお客様が本当に求めているのは「AIによる自動化」ではなく、「ベテランの目を、全件に行き渡らせること」です。目指すべきゴールは「自動化」ではなく、「チェック観点の標準化と、AIによる一次スクリーニング」に置き換わります。この読み替えができるかどうかで、その後のプロジェクトの成否が大きく変わります。
また、AI導入の過程では、ベテランのチェック観点を言語化する作業が必ず発生します。これは属人化の解消—いわゆる暗黙知の形式知化—そのものです。万が一AIの精度が期待に届かなかったとしても、観点を言語化した資産は会社に残る。この構造を理解しておくと、投資判断がしやすくなります。
考えられるアプローチ
具体的には、大きく3つのアプローチが考えられます。
なお、AIによる契約書チェックについては、2023年8月に法務省が弁護士法第72条との関係を整理したガイドラインを公表しています。そこでは、企業が通常の業務で行う契約のレビューや法的問題点の検討は、多くの場合、同条が適用される前提となる「事件性」を欠く、という考え方が示されました。
もっとも個別の判断枠組みを示したものであり、AIの急速な進展を受けて現在も国レベルで再整理の議論が続いている領域です。導入時には最新の動向を確認することをおすすめします。
A案：汎用AIツールをそのまま使った一次チェック
ChatGPTやClaudeなど汎用的な生成AIツールに契約書を読み込ませ、気になる点を指摘させる方法です。
「まず小さく試したい」「予算をかけずに感触を掴みたい」というフェーズに向いています。導入は即日可能で、コストもほぼかかりません。
ただし、前提として、契約書は機密情報の塊なので、社内の取り扱いルールの整備は必須です。また、指摘は一般論に留まりがちで、重説特有のチェック観点すべてをカバーすることは難しく、限界はあります。
B案：リーガルテックSaaSの導入
契約書レビューを支援するSaaSは、複数提供されています。月額課金で導入でき、契約書の類型ごとのチェック機能や修正履歴の管理機能が最初から備わっています。
売買契約書や賃貸借契約書など、一般的な契約類型のチェックが業務の中心であるケースに向いています。
一方で、重要事項説明書のような不動産固有の帳票への対応度は製品によって差があり、自社独自のチェック観点を細かく反映させることは難しい場合があります。
C案：自社のチェック観点を取り込んだ専用システム
ベテラン社員のチェック観点をヒアリングして「観点表」として言語化し、それを生成AI(LLM)のAPIと組み合わせた専用のチェックシステムを構築する方法です。
システムの中身は、大きく4つのモジュールで構成されます。
1. 文書の取り込みと構造化
重説はPDFやスキャン画像で保管されていることが多く、表形式の記載も多い帳票です。まずこれを読み取り、「どの項目に何が書かれているか」をデータとして扱える形に整えます。ここの精度が後段すべての土台になります。
2. 観点表の"タスク分解"
ここが汎用AIツールとの最大の違いです。文書を丸ごと渡して「チェックして」と指示すると、AIの指摘は網羅性を欠き、結果も安定しません。
そこで観点表の項目を1つずつ独立したチェックタスクに分解し、「この観点について、この文書のこの部分を確認せよ」という粒度でAIに実行させます。観点ごとに精度を測定・改善できるようになり、「どの観点は AIに任せられて、どの観点は人が見るべきか」の切り分けも可能になります。
3. 社内データとの突合
記載内容の正誤は、文書の中だけでは判定できません。物件マスタや登記情報といった"正解データ"とAIの読み取り結果を突き合わせることで、「記載漏れ」だけでなく「記載間違い」まで検出範囲を広げます。
4. 根拠つきの出力とログ
AIの指摘には「原文のどこを根拠にそう判断したか」を必ずセットで出力させ、原文と機械的に突合します。
これはAIがもっともらしい誤りを返す(ハルシネーション)リスクへの対策で、根拠箇所が原文に実在しない指摘は弾く、という設計です。指摘・根拠・重要度・確認者の判断を一覧化して保存すれば、チェック台帳として機能するほか、社内監査や行政の検査対応の際に、チェック体制の適切性を示す記録としても活用できます。
また、すべてを生成AIに任せない設計も意識した方が良いです。日付の形式や記載の有無といった単純なチェックは従来型のルールベース処理のほうが速く確実で、コストもかかりません。判断を要する観点だけに生成AIを使う"使い分け"が、精度とランニングコストの両立に繋がります。
重説のような固有帳票のチェックが業務の中心で、かつ監査対応などの理由からチェックの証跡を残す必要があるケースに向いています。
ベテラン社員へのヒアリングと、過去の指摘事例・修正履歴といった"教材"が必要で、構築には数ヶ月単位の期間と相応の投資が必要になりますが、この「観点の分解・突合・根拠づけ」というシステムとしての作り込みにより、A案・B案との差が生まれます。
どう選ぶか
ランニングコストは3案いずれも発生しますが、違いは「何に比例するか」です。A案は利用人数に比例する利用料。B案も人数や件数に応じた利用料ですが、専門特化型サービスのぶん、一般に金額は少し高めです。
C案はAPIの従量課金と保守費が中心で、初期投資が大きい代わりに、チェック1件あたりの変動費を低く抑えやすい構造です。
したがって、取扱件数の少ない会社ならB案が経済的なこともあり、件数規模が大きいほどC案の投資回収は早まります。「今の件数」と「数年後の件数」の両方で試算するのがポイントです。
そのうえで、選択の分かれ目になる問いは2つです。
「チェック業務の中心は、一般的な契約書ですか、重説などの固有帳票ですか?」
前者なら、B案がスムーズ且つ経済的に導入できるケースが多いです。後者なら、C案の優先度が高まります。
「年間の取扱件数は、どの程度の規模ですか?」
前述のコスト構造のとおり、件数が少なければB案が経済的で、件数が多いほどC案の投資回収は早まります。現在の件数だけでなく、事業計画上の数年後の件数で考えることが重要です。
なお、過去の指摘事例や修正履歴が社内に残っているかどうかは、C案に進む場合の立ち上がりの早さと精度検証のしやすさに大きく影響します。
残っていない場合でも、ヒアリングなどで正解データを作っていけばよいので、C案を諦める理由にはなりませんが、今日からでもチェックの指摘記録を残す運用を始めておくと、将来の選択肢が広がります。
取り組みのステップ
進め方は、次の3ステップをおすすめしています。
Step 1:チェック観点の棚卸し
ベテラン社員へのヒアリングを行い、「何を・どの順番で・どんな基準で」見ているのかを観点表に落とします。これはAI以前に属人化対策としてそれ自体に価値があります。
Step 2:小規模なPoC
過去の事例を使い、観点表とAIの組み合わせでどこまで指摘できるかを検証します。ポイントは、人間のチェック結果と突き合わせて「検出できたもの/できなかったもの」を定量的に把握することです。
Step 3:運用設計と段階導入
「AIは一次スクリーニング、宅建士が最終確認」という役割分担を明文化してから、本番業務に組み込みます。運用設計を後回しにしたまま導入すると、現場が使い方に迷い、結局使われなくなります。
よくあるつまずき
「精度100%でなければ使えない」という思考で頓挫する。
比較すべき対象は"完璧な精度"ではなく、"現状の人間によるダブルチェックの精度"です。人間のチェックも100%ではありません。「現状よりミスが減るか、業務が楽になるか」で評価しなければ、いつまでも導入に踏み切ることができません。
最終責任の所在を曖昧にしたまま導入する。
AIを導入しても、宅地建物取引士による記名や説明の義務がなくなるわけではありません。「AIが見落としたら誰の責任か」を先に決めておく必要があります。
観点の言語化を飛ばして、ツールだけ入れる。
チェック観点が曖昧なままでは、どんなに優れたツールを入れても精度は出ません。遠回りに見えても、Step 1を省略しないことが結局は近道となります。
まとめ
・目指すべきは「全自動化」ではなく、「チェック観点の標準化+AIによる一次スクリーニング」
・選択肢は汎用AIツール・SaaS・専用システムの3つ。「固有帳票の比重」と「取扱件数の規模」で選ぶ
・精度100%を求めず、責任分担を先に設計し、観点の言語化から始める
参考:法務省「ＡＩ等を用いた契約書等関連業務支援サービスの提供と弁護士法第72条との関係について」(2023年8月)
