ごとう行政書士事務所
書類・規程・文書作成/Anthropic(Claude Chat/Cowork/Code)、OpenAI(ChatGPT・Codex)、Google(Gemini・NotebookLM)
Claudeを「事務所の中核」に据え、AIを賢く使うだけで「複数人分」に近い時間が生まれると実感。スキル機能で事務所の仕事を「型」として覚えさせ、品質を安定させ再現可能にしたと自ら公表。※定性成果のみ(数値公表なし)
INDUSTRY HUB
弁護士・司法書士・行政書士・弁理士の事務所における生成AI・AI-OCR導入事例を21件収録しています。契約書レビューの時間短縮が最も事例が多く、リーガルリサーチや書類ドラフト作成が続きます。数値はすべて出典元の公表値で、分母(対象件数・人数)の記載があるものだけを見出しに使用しています。
※AIの出力は下書きとして使い、内容の確認と最終的な責任は弁護士・行政書士・弁理士など有資格者が負います。記載はいずれも出典元の公表内容です(出典URLと確認日は各事例ページに記載)。
分母(母数規模)とともに削減率が公表されている事例のみを母集団とし、n≥3の用途のみを表示しています。 n<3 の用途は、統計として十分ではないため表示していません。
この業種では、分母とともに削減率が公表された事例が n≥3 に達した用途がないため、 中央値は表示していません。個別の事例は、下の一覧をご覧ください。
※中央値は各事例の公表値(レンジは中点)から当サイトが算出した参考値です。効果を保証するものではありません。
書類・規程・文書作成/Anthropic(Claude Chat/Cowork/Code)、OpenAI(ChatGPT・Codex)、Google(Gemini・NotebookLM)
Claudeを「事務所の中核」に据え、AIを賢く使うだけで「複数人分」に近い時間が生まれると実感。スキル機能で事務所の仕事を「型」として覚えさせ、品質を安定させ再現可能にしたと自ら公表。※定性成果のみ(数値公表なし)
その他・複合/AI inside(DX Suite → AI inside Cube)
入力業務専門の社員の教育期間が半年ほど→2週間に。1日約7,500枚〜9,000枚発生する取引履歴の入力と確認(以前は20名)の業務量が約20%削減分母: 1日約7,500枚〜9,000枚発生する取引履歴の入力と確認(以前は20名で実施)
文書検索・リサーチ・ナレッジ/複数ツール併用(特定ベンダーへの依存を避ける「ベスト・オブ・ブリード」方針。具体的なベンダー名の記載なし)
情報の検索効率化、文書要約の迅速化、クライアントへの報告資料の叩き台作成などで実績を積み重ねている。ユーザーとしてサービス品質を高める側面と、AI関連の法的助言を提供する専門家としての側面の両輪を進化させることが狙い。※定性成果のみ(数値公表なし)
契約書レビュー・契約管理/Legalscape(AIリーガルリサーチ)
書類作成と並行してAIによるリサーチが可能になり、業務時間内のアウトプットの質と量が向上。顧客からの相談(正式依頼前を含む)に初期回答を迅速に用意できるようになった。紙で管理していた資料をPDFとして案件フォルダに格納できるようになった。代表は「AIの出力をそのまま用いることはありませんが、それを入口に参考文献を精査することで、より正確な判断が下せるようになりました」とコメント。※定性成果のみ(数値公表なし)
文書検索・リサーチ・ナレッジ/パテント・インテグレーション株式会社(特許読解AIアシスタント サマリア)
ユーザーからの報告として「公報のスクリーニング時間が80%程度低減できた」「読み込み負担が70%程度低減できた」(個別事務所の計測値ではない)※母数規模の記載なし(参考値)
書類・規程・文書作成/OpenAI(ChatGPT)ほかPerplexity等を併用
ChatGPTに「施設利用規約を作って」と投げると一般的な条項が入った案が作られ、「修正なく完成することは難しいですが、一旦叩き台があると作業が進みやすい」としている。Perplexityは検索元が表示されるため判例検索や条文検索にも役立ち、相談事項について複数の事例を照会して検討したいときに使っている。※定性成果のみ(数値公表なし)
契約書レビュー・契約管理/LegalOn Technologies(LegalOn)
契約リスクチェックと条文検索の活用で、5時間かかっていた作業が10分になった(弁護士本人の実感)※母数規模の記載なし(参考値)
契約書レビュー・契約管理/GVA TECH(OLGA)
1stレビュー結果への指示出しがスムーズになり、アソシエイトが「自分で探せる」「自己学習できる」ようになったことで、コミュニケーションにかかる時間を大きく削減できた。ひな型を探す作業も大きく減った。※定性成果のみ(数値公表なし)
問い合わせ対応・チャットボット/自社開発「相続AI」チャットボット
概ね7〜8割の質問を、予め用意した80個超の定型シナリオで解決できる設計。有人対応へボタン1つで切り替え可能※母数規模の記載なし(参考値)
契約書レビュー・契約管理/LegalOn Technologies(LegalForce)
契約書レビューが1件あたり2時間ほどから30分前後に(早いものは10分ほど・出典は「4分の1以下」)。自動レビューによるファーストレビューは早いときは数分で返せる※母数規模の記載なし(参考値)
契約書レビュー・契約管理/GVA TECH(OLGA)
これまでの契約書業務と比較して、業務時間を30%くらい短縮できた(代表弁護士の実感)分母: これまでの契約書業務
文書検索・リサーチ・ナレッジ/Patentfield株式会社(Patentfield/AI分類予測)
過去分の査読結果の公報約2,000件をAI分類予測機能の教師データとして登録し、定期調査の新着公報を振り分けたところ「80%ぐらいの精度で正解していました」(マネージングパートナー談)分母: 定期調査の新着公報の振り分け(教師データは過去分の査読結果の公報約2,000件)
契約書レビュー・契約管理/LegalOn Technologies(LegalForce)
レビューにかけていた作業時間を4〜5割程度削減(パラリーガルの体感・月40〜50件の契約書レビュー)分母: 月間40〜50件の契約書レビュー
契約書レビュー・契約管理/LegalOn
レビュー時間が半分に※母数規模の記載なし(参考値)
契約書レビュー・契約管理/Legalscape
出典元の導入事例に定性的な記載あり(詳細は出典リンクを参照)。※定性成果のみ(数値公表なし)
文書検索・リサーチ・ナレッジ/ChatGPT(OpenAI)
業務負担が体感で従来の3分の1程度に軽減。初回面談を30分から15分に短縮。サービス開始から約半年で新規顧客を約100社獲得※母数規模の記載なし(参考値)
文書検索・リサーチ・ナレッジ/Legalscape
キーワード横断検索や引用文献の遡り確認が可能になり、リサーチの網羅性・正確性への安心感が向上※母数規模の記載なし(参考値)
文書検索・リサーチ・ナレッジ/自社開発AI特許明細書自動作成システム
最速ケースで午後のヒアリングから翌日昼過ぎに出願レベルの明細書・図面が完成。システムは特許登録済み※母数規模の記載なし(参考値)
文書検索・リサーチ・ナレッジ/4社共同開発RPA
不動産登記の登記原因証明情報作成、会社設立登記の申請書作成の実運用を開始※母数規模の記載なし(参考値)
文書検索・リサーチ・ナレッジ/自社開発生成AI
生成AIがチャットで必要事項を聞き取り分類コード候補を自動推定、分類作業の正確性とスピードが向上※母数規模の記載なし(参考値)
経理・記帳・経費の自動化/Google Workspace(Gemini)+Python自動化
複数書類からの情報抽出〜申請システム入力までを自動化し、処理時間を5分程度に短縮※母数規模の記載なし(参考値)
法律・法務系士業に近い事例を、無料の事例マッチング診断で絞り込めます
業種・規模・業務領域・課題の4問に回答いただくと、収録した導入事例から条件の近いものを照合します(判定はすべてルールベースで行い、スコアの重みも開示しています。該当する事例がない場合は「該当なし」と表示します)。
Q. 法律・法務系士業では、生成AIはどのような業務に使われていますか?
A. 本ページに収録した法律・法務系士業の生成AI導入事例21件では、契約書レビュー・契約管理・文書検索・リサーチ・ナレッジなどの用途が中心です。上記の用途分布と事例一覧で、どの業務でどの程度の成果が得られているかを確認できます。
Q. 法律・法務系士業の生成AI導入にかかる費用の目安はどのくらいですか?
A. 費用は、ツールの種類や導入規模によって異なります。月額数千円からのSaaS型ツールで始められるものもある一方、社内システムとの連携や独自開発を伴う場合は費用が増加します。当サイトの事例では成果(削減率など)を出典とあわせて確認できるため、費用対効果を検討する際の参考としてご活用いただけます。具体的な料金は、各ベンダーの公式サイトにてご確認ください。
Q. 法律・法務系士業で生成AIの導入を始めるには、何から着手すればよいですか?
A. まず自社の課題に近い導入事例を確認し、次に無料の事例マッチング診断(4問)で条件の近い事例に絞り込む方法をおすすめします。用途と期待できる成果の目安を把握したうえでベンダーへ相談することで、失敗を避けやすくなります。
Q. 掲載されている法律・法務系士業の事例は信頼できますか?
A. 当サイトの事例は、ベンダーや導入企業等が公表した一次情報を出典として収録し、成果の数値には出典・確認日を明記しています。推測による数値や架空の事例は掲載していません。掲載基準は「掲載・検証基準」ページで公開しています。
法務・士業の業務を工程別に分け、AIの活用に適した場面を整理しました。実際の成果(時間短縮など)は、このページ上部の導入事例(21件・全件に出典を記載)で用途別に確認できます。
契約書レビュー
自社の基準・過去の契約と照合した条項の抜け漏れの確認や、リスク条項の指摘に活用します。当サイトの事例でも最も件数の多い用途です。
契約書の作成・ドラフト
ひな型からの初稿作成や、条項の言い換え・追記に活用します。草案を作成する用途であり、最終確認は担当者が行います。
リサーチ・調査
論点整理や関連情報の下調べに活用します。判例・法令の調査対象の絞り込みに用い、正確性は原典で確認します。
ナレッジ管理・文書検索
過去案件・書式・社内規程を横断的に検索(RAG)し、過去の対応内容を速やかに参照する用途です。
書類作成・AI-OCR
登記・申請書類の下書きや、紙書類の読み取り・データ化に活用します。定型書類の多い士業に適した領域です。
法務でAIを利用する際に注意すべきなのが弁護士法72条(非弁行為の禁止)です。同条は、報酬を得る目的で、法律事件に関する鑑定・代理・和解その他の法律事務を、弁護士でない者が業として行うことを禁じています。AIによる契約書レビュー等のサービスについては、法務省が2023年8月にガイドラインを公表し、一定の整理を示しています。さらに2026年8月21日には、その内容を補完・拡充する新たなガイドライン「ビジネス分野におけるAI等法務業務支援サービス提供と弁護士法第72条の関係について」と、今後のルールメイキングの検討ロードマップが公表されています(法務省「弁護士法(その他)」・2026年10月28日確認)。
実務上は、AIはあくまで下調べ・一次チェックを支援するツールであり、最終的な法的判断は弁護士・担当者(有資格者)が行う体制を前提とすることをおすすめします。適法性を一律に判断できる問題ではないため、自社の利用方法に問題がないかは、必要に応じて専門家や公式ガイドラインでご確認ください。
※本記載は一般的な情報であり法的助言ではありません。条文・ガイドラインの正確な内容は法務省・e-Gov法令検索でご確認ください。個人情報の取り扱いは個人情報保護法とAI学習の実務ポイントもあわせてご覧ください。