OPENAI SEARCH INSIGHT

2026.10.19 / OpenAI最新情報

Sullivan & Cromwell、GPT-6 Astra活用で契約審査AIを高度化

この記事で分かること: OpenAIとSullivan & Cromwellが開発した契約審査支援AIの仕組み、技術的な特徴、日本の法務・開発組織で評価すべき点を知りたい。

OpenAIは2026年10月15日、米法律事務所Sullivan & Cromwell（S&C）との協業事例として、契約書案の論点を特定するAIツール「Agreement Analyzer」を紹介した。同ツールは、事務所の先例、交渉プレイブック、依頼者の優先事項を一つの審査ワークフローに統合し、弁護士が確認・修正・却下できる分析結果と変更案を返す。

重要なのは、AIが契約書の修正を自動確定する仕組みとしてではなく、専門家の判断を支える設計として説明されている点だ。S&Cのパートナー、John Savva氏は、AIは弁護士を置き換えるものではなく、より深い分析と先例・権威の探索を支援し、顧客への成果物の品質を高めるための道具だと位置付けている。

OpenAIが公表したAgreement Analyzerの概要

契約審査では、契約条項を関連する先例と比較するだけでなく、事務所で蓄積した対応方法、顧客ごとの交渉方針、案件の優先順位を踏まえる必要がある。OpenAIの公式発表によると、Agreement Analyzerはこうした入力を集約し、弁護士が精査できる分析と修正提案を生成する。

S&Cの弁護士は、契約書案をツールへ入力した後、案件に応じて選んだ先例や、事務所・顧客の立場を記したプレイブック、市場慣行に関する情報を追加できる。出力はメモランダムと変更履歴付きの修正案であり、最終的に採用、調整、却下するのは弁護士であることが明示されている。

公式発表は、ツールが対応する契約類型、利用対象となる顧客や組織の範囲、価格、一般提供の予定については示していない。そのため、今回の発表はS&Cの業務に合わせた協業事例として読むべきであり、外部向け製品の提供開始と解釈することはできない。

先例比較から条項間の相互作用まで扱う設計

Agreement Analyzerは、複数の先例にある対応条項を比較し、それらの条項がどのように相互作用するかを追跡することを支援する。契約審査では、個別条項が一般的に見えても、定義、責任制限、補償、解除、準拠法などの組み合わせによってリスク評価が変わり得る。この点で、単純な条文検索とは異なる作業を対象にしている。

OpenAIの説明では、ツールは異なる観点から複数回のレビューを行い、その結果を統合して潜在的な論点を特定する。単一の回答を返すのではなく、複数のレビューサイクルを合成するワークフローが、契約分析を支える中核として示された。

ただし、公式発表には、各レビューの具体的なモデル構成、評価指標、誤検出率、先例データの更新方法は記載されていない。専門職向けの導入評価では、完成度を一般論で判断するのではなく、自組織の契約類型とレビュー基準を用いた検証を別途設計する必要がある。

Codexの試作から複数人利用へ

Savva氏は当初、Codexを使って単一ユーザー向けの概念実証を開発した。その後、OpenAIと協力し、出力品質の改善、並列処理による効率化、複数の弁護士が同時に利用できるツールへの転換を進めたという。

単一ユーザーの試作を、並列処理と複数人同時利用を考慮した業務ツールへ発展させた点は、専門業務AIを実装する際の論点を示す。モデルへの指示設計だけでなく、案件情報の分離、レビューの競合防止、結果の共有単位、監査可能な履歴といった運用設計が、実務投入時には重要になる。

また、公式発表はAgreement AnalyzerがS&Cのワークフロー、選定済みの事務所内先例、交渉プレイブック、ChatGPT Enterpriseを統合すると説明する。ここでの価値は汎用モデル単体ではなく、専門家組織が管理する知識と判断手順を、案件ごとの審査に接続していることにある。

根拠と不確実性を可視化する考え方

Savva氏は、AIツールの出力を信頼できるものにするには、完全な透明性が必要だと強調する。市場慣行についてAIが主張するなら、その情報源を確認できなければならない、という立場だ。結論だけでなく、その結論を支える説明と関連先例を弁護士が確認できることが、公式発表で示された信頼性の条件である。

同氏は、あるエージェントが結論を導き、別のエージェントが反証・検証する対抗的なプロセスも説明した。想定例では、市場慣行からの乖離、リスク配分、条項間の相互作用、訴訟に影響し得る曖昧さを、それぞれ専門化したエージェントが並列に検討する。

この構想では、他のエージェントによる検証後も支持された指摘、棄却された指摘、留保付きで残った未検証の論点を区別する。不確実な論点を「確定した問題」として一括表示しないことは、専門判断を必要とする領域で特に重要だ。最終マークアップに反映するかは、根拠を確認した弁護士が決める。

GPT-6 Astraに関する公式発表の範囲

「What’s next」でSavva氏は、GPT-6 Astraの推論能力の進展が、利用可能な推論の品質を前進させたと述べた。契約書のような複雑な文書を深く分析する作業では、推論能力が過去にはボトルネックだった、というのが同氏の評価である。

一方で、OpenAIの今回の公式記事は、Agreement AnalyzerがGPT-6 Astraのみで構成されること、同モデルが一般利用できること、または特定の性能水準を保証することを示していない。GPT-6 Astraへの言及はS&C側の評価として公表されたものであり、提供条件や性能保証の発表ではない点を区別したい。

Agent Memories編集部の考察

日本の企業法務、法律事務所、リーガルテック開発チームが注目すべきなのは、「契約書を読ませるAI」を導入すること自体よりも、どの知識を正式な根拠として接続するかである。先例、ひな型、取引方針、顧客別の許容リスクを混在させず、出所・版・適用条件を管理する設計が必要になる。

特に日本語契約と英文契約が混在する組織では、翻訳上の表現差を市場慣行の差と誤認しない評価が要る。モデル出力に対し、原文条項、比較対象の先例、採用したプレイブック上の規則、レビュー担当者の判断を対応付けて保存できるかを確認したい。

導入時には、まず対象を限定し、論点検出、根拠提示、修正案、最終判断を分けて測定する方法が実務的だ。例えば、秘密保持契約や基本取引契約など、比較的定型性が高くレビュー基準を定義しやすい領域から始めれば、見逃しと過剰指摘の双方を専門家レビューで検証しやすい。

さらに、複数エージェントによる相互検証を採る場合も、エージェント間の一致を正確性の証明とみなすべきではない。同じ不十分な資料や前提に依存すれば、複数の出力が同じ方向に誤る可能性がある。根拠資料への到達性と、人間による反証手順を評価要件に組み込む必要がある。

よくある質問

Agreement Analyzerは弁護士を置き換えるツールですか

いいえ。OpenAIの公式発表では、弁護士が分析、根拠、先例、変更案を確認し、修正・採用・却下することが前提とされている。Savva氏も、弁護士を代替するのではなく、重要な判断に集中できるようにするためのツールだと説明している。

どの情報を入力してレビューする仕組みですか

公式発表によれば、契約書案に加え、弁護士が選択した先例、事務所と顧客の立場を記したプレイブック、市場慣行に関する情報を利用できる。S&Cのワークフロー、選定済みの先例、交渉プレイブック、ChatGPT Enterpriseとの統合も説明されている。

AIが指摘した論点は、すべて修正すべきですか

そうではない。公式発表では、検証により支持された指摘、棄却された指摘、留保付きの未検証論点を区別する構想が示されている。各論点の説明と関連先例を確認し、変更が必要かを弁護士が判断する設計である。

日本の組織が導入する場合、最初に何を確認すべきですか

これは編集部の考察だが、先例・ひな型・市場情報の出所と更新管理、案件情報のアクセス権、出力と根拠の保存方法、専門家による承認責任を先に定義することが重要だ。特に顧客別方針を扱う場合、データの分離と閲覧範囲の設計は不可欠となる。

まとめ

OpenAIとSullivan & Cromwellの協業事例は、契約審査AIを「条文生成」ではなく、先例、交渉方針、市場情報、専門家の検証をつなぐレビュー基盤として設計している。価値の中心は自動修正ではなく、根拠をたどりながら論点を比較・検討できることにある。

日本の実務で同様の仕組みを評価する際は、モデル名や生成文の流暢さだけで判断せず、根拠表示、不確実性の扱い、知識の版管理、最終判断者の明確化を確認したい。今回の公式発表は、専門職AIの品質を業務知識と検証可能性で高める方向性を示している。

本カテゴリはMiraigent / Agent Memoriesによる非公式編集記事です。OpenAIとの提携・承認・後援を示すものではありません。