2026/09/19AI業務効率化

Astra for Lawとは｜日本の法務で使えるのか

Astra for Lawとは｜日本の法務で使えるのか

「Astra for Lawって、うちの契約書チェックにも使えるんですか」——法律特化のAIが発表されるたび、この質問をいただきます。

結論から言うと、2026年9月19日時点の Astra for Law を日本の中小企業がそのまま使うことはできません。検索対象が米国法に限られ、提供先も選ばれた法律事務所からの段階的な開始だからです。

株式会社Fyveは、中小企業のAI活用を月額で伴走しています。私はこの発表を「新しい法務AIが出た」ではなく、「AIの精度はモデルではなく参照先で決まる、と提供元が数字で示した」ニュースとして読みました。本記事では、その数字の中身と、日本の会社が明日から真似できる部分だけを切り分けます。

Astra for Law とは何か

Astra for Law は、OpenAIが2026年9月17日に発表した法律業務向けのオファリングです。まったく新しいモデルが作られたわけではありません。同社の最上位モデルである GPT-6 Astra に、法律向けの検索・指示・アクセス制御を組み合わせた「構成版」という位置づけです。

足されたのは「モデル」ではなく「調べ先」

発表内容を分解すると、足されている要素は大きく3つです。

  • 法律に特化した検索インデックス（Legal Search Index）
  • 法的な分析・文書作成のための指示セット（どう読み、どう書くかの型）
  • 法律事務所向けのアクセス制御（情報権限・倫理の壁・依頼者の指示にもとづく統制）

ここで注目したいのは、1つ目の検索インデックスです。後述するベンチマークの改善は、ほぼこの部分が生んでいます。土台のモデルは変わっていないのに正答率が上がった、という構造が今回いちばん重要な点です。

2億3,000万URLの法律検索インデックス

Legal Search Index は、2億3,000万を超えるURLを対象にしたインデックスです。カバーしているのは米国の判例法・制定法・規則・裁判所規則・行政決定で、情報源は日次で追加されるとされています。

判例の多くは、CourtListener を運営する非営利団体 Free Law Project との連携によるものです。OpenAIはこのコレクションについて、公表された米国の先例判例の99.9%以上をカバーすると説明しています。

言い換えると、これは「汎用のWeb検索で法律サイトを巡回する」のとはまったく別の仕組みです。あらかじめ法的な一次情報だけを集めた箱を用意し、その中だけを探させています。

提供形態は Trusted Access から段階的に

提供は、選定された法律事務所向けの Trusted Access という枠組みから始まります。入口は ChatGPT と Codex の2つで、API での提供は後日とされています。

Trusted Access には、法律事務所が扱う情報の性質を踏まえた取り扱いが含まれます。公開されている説明では、APIにおけるゼロデータ保持、ChatGPT Enterprise の利用が既定で人手レビューの対象外となること、そして情報権限・倫理の壁・依頼者の指示にもとづくアクセス統制が挙げられています。

導入企業として名前が挙がっているのは、Harvey や Legora といったリーガルAI企業に加え、Sullivan & Cromwell、Ropes & Gray、Cooley、Latham & Watkins、Wachtell Lipton Rosen & Katz といった米国の大手法律事務所です。

プラグインは26＋9本

同時に、既存の法務システムとつなぐためのプラグインが公開されています。

  • パートナー製 26本——Thomson Reuters、Relativity、Clio、iManage、Intapp、DeepJudge など
  • コミュニティ製 9本——LegalQuants、LECG、Skills.law の3社から。あわせて47のカスタムスキルを含む

この構成は、2026年5月に Anthropic が発表した Claude for Legal Industry（法務系SaaSとの連携コネクタ20以上＋12の実務エリア別プラグイン）と発想がよく似ています。そちらの中身はClaude for Legal Industry とは？中小企業のAI法務入門で解説しました。主要ベンダーが揃って「業種特化＝専用の参照先＋既存システム連携」という形に寄せてきている、と読むのが正確だと思います。

料金は公開されていない

2026年9月19日時点で、Astra for Law の料金体系は公表されていません。Trusted Access の対象も限定的なため、「いくらで使えるのか」は現時点では答えが存在しない質問です。

この手の発表では、検索結果のまとめ記事に推測の価格が載ることがあります。私は自社でも顧客向け資料でも、公式ページで自分の目で確認できない価格は書かないことにしています。導入判断の根拠になる数字だからです。最新の条件は必ず公式の案内でご確認ください。

いちばん重要な数字は「38.7% → 54.0%」

今回の発表で、私がもっとも価値があると感じたのはベンチマークの数字です。ここだけは、日本の中小企業にも直接効く示唆を含んでいます。

何を測ったのか

使われたのは Vals AI Legal Research Bench という法律リサーチ向けのベンチマークで、200問の法律リサーチ課題に対する正答率が測られています。結果は次のとおりです。

構成

正答率（200問）

GPT-6 Astra ＋ Web検索

38.7%

Astra for Law（法律検索インデックス）

54.0%

相対では約40%の改善です。あわせて、判例に関する設問では参照した判例の数が24%増え、関連する条文・判示の取得は最大54%増えたと説明されています。

モデルは同じ。変わったのは参照先だけ

この比較で決定的なのは、両者とも土台は GPT-6 Astra だという点です。パラメータを増やしたわけでも、推論を長くしたわけでもありません。変えたのは「どこを調べさせるか」だけです。それで正答率が15ポイント以上動いています。

私はこの数字を見て、自分の運用で起きたことと同じだと思いました。AIの出力が安定しなかったとき、効いたのはモデルの世代を上げることではなく、毎回同じ資料を参照させる仕組みを作ることでした。モデルを新しくしても、参照先が「その時々のWeb」のままなら、出力は毎回ぶれます。

同じGPT-6 Astraでも、Web検索なら38.7%、法律検索インデックスなら54.0%という正答率の比較図

それでも54%は「半分」である

ただし、数字は正確に読む必要があります。54.0%という値は、200問のうち半分弱は正解に届いていないことを意味します。

専用インデックスを積み、最上位モデルを使い、法務向けの指示まで入れて、それでも約半分です。これは技術の欠陥というより、法律リサーチという仕事の難しさを示した数字だと私は受け取りました。

したがって、この発表を「AIが法律業務をこなせるようになった」と読むのは誤りです。正しくは「調べ先を絞ると、AIの下調べは実用に近づく。ただし人の検証は外せない」です。

なぜ汎用のWeb検索では38.7%で止まるのか

ここは少し踏み込んでおきます。「専用インデックスのほうが良さそう」で終わらせると、自社に応用できないからです。汎用のWeb検索が法律リサーチで力を発揮しきれない理由は、大きく3つあります。

理由1：網羅されているかどうかが分からない

Web検索は、見つかったものを返す仕組みです。「探したが存在しなかった」と「存在するが見つけられなかった」を区別できません。

法律リサーチでは、この区別が結論を左右します。不利な判例を見落としたまま「問題ありません」と答えるのは、誤りより質が悪い結果です。一方、対象範囲をあらかじめ定義したインデックスなら、「この範囲は全部見た」と言えます。99.9%以上という数字が示されているのは、そのためです。

理由2：版と時点が分からない

法令や規則は改正されます。Web上には改正前の条文を載せたページが残り続け、多くの場合そこに「いつ時点のものか」は書かれていません。

AIは、その日付のない古い条文を、新しい条文と同じ重みで読みます。情報の鮮度を判定する手がかりが、ページの中に存在しないからです。日次で更新される専用インデックスは、この問題を構造で回避しています。

理由3：出典の粒度が粗い

Web検索の結果は「このページ」までしか特定しません。長大な判決文のどの部分を根拠にしたのかは、AIの要約からは追えないことがあります。

一方、法的な文書構造を前提に作られたインデックスなら、条文や判示の単位で返せます。前述の「関連する条文・判示の取得が最大54%増えた」という説明は、この粒度の差を示した数字だと読めます。

この3つは、社内文書でもそのまま起きる

重要なのは、いま挙げた3つが法律に固有の問題ではないことです。

共有フォルダをAIに読ませたとき、網羅されたかは分かりません。旧版の見積テンプレートには「旧版」と書いていません。「どのファイルのどこを見たか」も、指示しなければ返ってきません。大手法律事務所が直面している問題と、中小企業の共有フォルダで起きている問題は、構造がまったく同じです。

だからこそ、この発表は他人事ではありません。対処の方向も同じで、後半の3ステップはこの3つに1つずつ対応しています。

日本の中小企業にとっての結論：そのままでは使えない

ここまでを踏まえて、日本の会社が判断すべき点を整理します。

使えない理由1：インデックスが米国法に限られる

Legal Search Index の対象は、米国の判例法・制定法・規則・裁判所規則・行政決定です。日本の民法や商法、労働関係法令、業法、国内の裁判例は対象に含まれていません。

したがって、日本国内の取引で使う契約書のレビューや、国内の規制対応の調べ物に対して、このインデックスは効きません。強い道具ですが、向いている方向が違います。

例外的に接点があるとすれば、米国企業と英文契約を結ぶ、米国での販売・進出を検討する、といった場面です。それが自社の日常業務でないなら、今回の発表は「待っていれば使えるようになるもの」ではありません。

使えない理由2：提供が Trusted Access からで一般提供ではない

提供先は選定された法律事務所から始まり、APIは後日です。法律事務所でない一般の事業会社が、発表の翌日から申し込んで使い始められるものではありません。

使えない理由3：日本法への適合は結局、別途確認が要る

仮に将来、日本法のインデックスを備えた同種の製品が登場したとしても、最終判断を人が行う前提は変わりません。AIが出した条文解釈や判例の要約を、そのまま契約締結や紛争対応の根拠にはできません。

私は自社の契約書を扱うときも、AIの出力は「弁護士に相談する前に論点を洗い出すフィルター」として使っています。この線引きは製品が新しくなっても動かしていません。

2026年、業種特化AIは同じ形に収束した

もう1つ、今回の発表を単体で見ていると気づけない点があります。2026年に入ってから、主要3社が相次いで法務向けのオファリングを出しており、その構造がほぼ同じ形に揃っています。

3社の発表を並べる

提供元

名称

発表

中核

提供状況

Anthropic

Claude for Legal

2026年5月12日

20以上のMCPコネクタ＋12の実務分野別プラグイン

Claude Cowork 上で提供

Google Cloud

Gemini Enterprise for Legal

2026年8月25日

法務向けスキル／専門システムへのコネクタ／third-partyエージェント／基盤プラットフォームの4点

プレビュー

OpenAI

Astra for Law

2026年9月17日

2億3,000万URLの法律検索インデックス＋26＋9本のプラグイン

Trusted Access（選定事務所）

導入先として名前が出ているのも、いずれも大手法律事務所です。Google は Cleary、Freshfields、Weil、Williams & Connolly を、OpenAI は Sullivan & Cromwell、Ropes & Gray、Cooley などを挙げています。

共通しているのは3点セット

名称も構成要素の呼び方も違いますが、分解すると3社とも同じものを載せています。

  • 専用の参照先——検索インデックス、あるいは業務システムへのコネクタ
  • 既存システムとの接続——文書管理、契約ライフサイクル管理、判例データベース
  • アクセス統制——権限の継承、学習に使わない扱い、データの保持方針

3社とも、モデルそのものの性能で勝負していません。業種特化とは「賢いモデルを作ること」ではなく「そのモデルに何を見せ、誰に見せてよいかを設計すること」だ、という理解が業界で共有された結果だと私は見ています。

興味深い一致：同じ非営利データベースに行き着いている

細部ですが、示唆的な一致があります。OpenAI が判例の情報源として挙げている Free Law Project は、Anthropic が2026年5月に公開したMCPコネクタの接続先にも含まれています。Thomson Reuters や Harvey に至っては、3社すべての発表に名前が出てきます。

つまり、参照先として価値のある一次情報は、そう多くありません。各社は同じ情報源を取り合っているのであって、独自に新しい知識を生み出しているわけではない、ということです。

中小企業がここから読むべきこと

この収束は、中小企業にとっては良い知らせです。

なぜなら、自社の業務にとっての一次情報は、自社の中にしかないからです。過去の見積、施工記録、顧客とのやり取り、断った案件の理由。これらは誰も商品化できません。3社が奪い合っている判例データベースと違い、競合が同じものを買ってくることもありません。

業種特化AIの発表が続くと「自分たちは取り残される」と感じやすいのですが、実際に起きているのは「参照先を持っている者が強い」という構図の可視化です。そして参照先を整える作業自体は、専用製品を待たなくても今日から始められます。

では、何を持ち帰るのか——参照先を用意するという発想

ここからが本題です。Astra for Law 自体は使えなくても、「専用の参照先を用意すると精度が上がる」という構造は、日本の中小企業でもそのまま再現できます。

ここで扱うのは「AIに何を調べさせるか」の話です。「AIにどう判断させるか」——つまり自社の判断基準をどう言語化するかは、契約書AIレビューの前提｜自社プレイブックの作り方で詳しく書きました。参照先と判断基準は別物で、両方揃って初めてAIレビューが実務に乗ります。本記事は前者に絞ります。

原則1：モデルを替える前に、参照先を決める

「精度が出ない」と相談を受けたとき、私が最初に聞くのは「AIは何を見て答えていますか」です。多くの場合、答えは「特に指定していない」です。

この状態は、Astra for Law のベンチマークで言えば 38.7% 側にあたります。ここから最上位モデルに乗り換えても、見ている先が「その時々の検索結果」のままなら、改善幅は限られます。

先にやるべきは、自社にとっての一次情報がどこにあるかを決めることです。就業規則なのか、過去の見積書なのか、製品マニュアルなのか。それが決まらないうちにモデルを比較しても、比較の土台がありません。

原則2：「社内の正本」を1か所に決める

参照先を決めるとき、中小企業でいちばん詰まるのが同じ文書が何か所にもある状態です。共有フォルダに3世代の見積テンプレートがあり、担当者のPCに最新版があり、メール添付が回っている、というのはよくある姿です。

この状態でAIに読ませると、AIは古い版を根拠に自信満々の答えを返します。しかも、どの版を見たかは出力からは分かりません。人が迷う資料は、AIも同じように迷います。

ですから、AIを入れる前に「この業務の正本はこのフォルダのこのファイル」と決め、それ以外を参照させない状態を作ります。地味ですが、ここが精度にいちばん効きます。

原則3：出典が返る形にする

Astra for Law が実務で意味を持つのは、答えとあわせて根拠となる判例や条文を提示できるからです。法律業務では、結論だけ渡されても検証できません。

これは社内業務でも同じです。AIに社内資料を参照させるときは、「どのファイルの、どの部分を根拠にしたか」を必ず出力させます。出典が返る形にしておけば、人の確認が「全文の読み直し」から「該当箇所の照合」に変わります。確認の手間が一桁下がるので、実際に運用が回ります。

逆に、出典が返らない仕組みは、結局すべてを人が読み直すことになり、導入しても楽になりません。

社内版の参照先を作る3ステップ：文書を1か所に集める、AIから参照先につなぐ、人の確認の位置を決める

中小企業が今日からできる3ステップ

上の原則を、実際の手順に落とします。特別なツールがなくても着手できる順番にしてあります。

ステップ1：参照させたい文書を1か所に集める

まず、対象の業務を1つだけ選びます。契約書レビュー、見積作成、社内規程の問い合わせ対応など、頻度が高く、答えの根拠が文書に存在するものが向いています。

選んだら、その業務で参照する文書を1か所に集めます。このとき、古い版を「念のため」残さないことが重要です。残すなら、明確に別のフォルダに分けて参照対象から外します。

ここで、何を入れてよいかの線引きも先に決めます。取引先が特定できる情報、個人情報、未公開の数字をどう扱うかは、ツールの選定より前に決めるべき事項です。

ステップ2：AIから参照先につなぐ

次に、集めた文書をAIが読める状態にします。最小構成なら、そのフォルダをAIツールの作業対象として指定するだけで足ります。

業務システムの中にデータがある場合は、MCP（Model Context Protocol）という仕組みで接続する選択肢があります。会計・カレンダー・チャットなど、外部サービスをAIの参照先として扱えるようにする共通規格です。仕組みの詳細はMCPとは？仕組みと実務での活用法をわかりやすく解説にまとめています。

Astra for Law がパートナー製26本・コミュニティ製9本のプラグインを同時に出したのも、狙いは同じです。AIを既存の業務システムの外に置いたままでは、参照先が痩せるからです。

ステップ3：人の確認をどこに置くか決める

最後に、人が確認する位置を決めます。ここを決めないまま運用を始めると、「全部チェックするので結局手間が変わらない」か「誰もチェックしない」のどちらかに倒れます。

私の場合、契約書であればAIには論点の抽出までをさせ、条項の可否判断は人が行うと決めています。AIの出力は結論ではなく、確認すべき箇所のリストとして扱います。

この分担は、前述の54.0%という数字とも整合します。専用インデックスを積んでも半分弱は外すのですから、出力をそのまま採用する設計にはできません。外す前提で、外したときに気づける置き場所に人を配置するのが実務的です。

汎用AIで契約書を見るときの現実的な使い方

「専用製品が使えないなら、手元の ChatGPT や Claude では何ができるのか」という疑問が当然出てきます。

結論としては、論点の洗い出しと、自社ひな形との差分チェックは十分に実用になります。逆に、日本法にもとづく有効性の判断や、判例を根拠にした主張の組み立ては任せられません。前者は文書の突き合わせ、後者は一次情報の検索だからです。

この切り分けと具体的な進め方はClaude Proで契約書チェック｜公式プラグイン不要の実用解で書きました。専用プラグインがなくても、参照先を自社文書に固定すれば実務に足りる、という内容です。

Astra for Law の登場は、この現実的な使い方を否定するものではありません。むしろ「専用インデックスを持てる領域は限られる。だから自社の参照先は自社で作る」という方向を裏づけていると私は考えています。

よくある質問

Q. 日本法版の Astra for Law は出ますか

2026年9月19日時点で、日本法を対象としたインデックスの提供予定は公表されていません。米国版が Trusted Access で始まった段階であり、対象法域の拡大について確認できる情報はありません。予定が出ていない以上、待つ前提で計画を立てるのは避けたほうが安全です。

Q. 料金はいくらですか

公表されていません。Trusted Access の対象が限定されているため、一般向けの価格表そのものが存在しない段階です。検索結果に出てくる金額は推測である可能性が高いので、導入判断の根拠にしないでください。

Q. 正答率54%のAIを業務に入れて大丈夫ですか

「AIの答えをそのまま使う」設計なら危険です。「AIに下調べをさせ、人が検証する」設計なら十分に価値があります。判断が変わるのは精度ではなく、人の確認をどこに置くかです。この点は、社内業務でAIを使うときも同じ考え方で設計しています。

Q. 弁護士に依頼しなくてよくなりますか

なりません。今回の発表でも、導入しているのは法律事務所そのものです。専門家を置き換える製品ではなく、専門家の下調べを速くする製品として出ています。中小企業にとっても位置づけは同じで、相談前に論点を整理しておくための道具だと考えるのが実態に合っています。

Q. まず何から手をつければいいですか

業務を1つ選び、その業務で参照する文書を1か所に集めるところからです。ツールの比較検討より先にここを済ませると、その後の選定がはるかに楽になります。参照先が決まっていない状態でのツール比較は、多くの場合やり直しになります。

まとめ

Astra for Law は、GPT-6 Astra に米国法の検索インデックスを組み合わせた法律業務向けの構成版です。2億3,000万URLを対象とし、公表された米国の先例判例の99.9%以上をカバーするとされています。

日本の中小企業が直接使える製品ではありません。インデックスが米国法であり、提供も選定された法律事務所からの段階的な開始だからです。

一方で、持ち帰れるものははっきりしています。同じモデルのまま、参照先を専用インデックスに替えただけで正答率が38.7%から54.0%に上がったという事実です。これは、社内文書を整理してAIの参照先を固定する作業に、どれだけの価値があるかを示した数字でもあります。

そして54.0%という値は、同時に「半分弱は外す」という現実も示しています。参照先を整えることと、人の確認を正しい場所に置くこと。この2つは片方だけでは機能しません。

私たちが提供している専属AI活用顧問サービスでも、どの業務から着手し、どこに人の確認を残すかの設計から一緒に決めています。モデル選びより先に決めるべきことがある、というのが現場で得た実感です。

参考にした情報

※本記事の数値・提供条件は2026年9月19日時点で確認できた内容です。導入をご検討の際は、その時点の公式案内で最新の条件をご確認ください。

AIを使う会社と、使わない会社。
その差は、開き始めています。

ここ数年でAIは急速に進化し、正しく導入できている企業とそうでない企業とでは、業務効率や人件費に大きな差が生まれ始めています。「AI導入に興味はあるが、実際に何ができて、どこから手をつければいいか分からない」——そんな方は、まずこの無料プレゼントに目を通してみてください。

無料プレゼント：様々な業種にAIを導入して分かった、成功の型と失敗パターン ― 無料でダウンロードする
← 記事一覧に戻る