生成AIアシスタントは法について推論できるが、依拠すべき条文を見つけるのに苦労している。公証人、弁護士、法務担当者は既にChatGPT、Claude、Mistralを使用しているが、「最高の法務AI」に関する議論は、記事によれば、真の課題を見逃している。問題はもはや「どのAIか？」ではなく、「AIがアクセスできるのはどの条文か？」である。
事務所では、生成AIは既に導入されていることが多く、多くは入札や情報システム部門を経由していない。あるスタッフは手紙の言い回しを変えるために使い、あるパートナーはメモの準備に、ある公証人は夜間に推論を確認するために使用する。利用は内部規則より先行しており、専門家たちは時間を節約できるツールとして認識している。
しかし、同じシナリオがどこでも繰り返される。回答は流暢で、構造化され、説得力がある。次に決定的な質問が来る：それはどの条文に基づいているのか、どの版の条文か、どの判決か？すると回答は曖昧になり、参照は大雑把になり、専門家は自分で再検索する。時間の節約は、その責任が問われる瞬間に消えてしまう。
AIはその文章力で評価され、その情報源では評価されない
公開討論はほとんど常にモデルの品質についてである：どれが最もよく推論するか、どれが最も間違えないか。推論に関しては、大規模な汎用モデルは既に優れている。彼らは推論を組み立て、二つの立場を比較し、論拠の矛盾を見つけることができる。
問題は別のところにある。モデルは、訓練中に学んだこと、そして時にはウェブ検索から得たことに基づいて推論する。特定の日付で有効な条文への構造化されたアクセスを持たない。ある条文が改正されたこと、大臣答弁が撤回されたこと、最高裁判所の一部が立場を変えたことを知らない。一般向けの利用には、この詳細は二次的である。署名する専門家にとっては、致命的である。
法は書類の山ではない
この欠陥を埋めるために、AIに文書を提供するという誘惑がある：PDF形式の法典、いくつかの判例、書式のモデル。回答は関連性を増すが、肝心な点は依然として欠けている。法的文書は単独では存在しない。それは他の文書を引用し、改正され、廃止され、解釈され、政令で補完され、判決で明らかにされ、時には別のもので矛盾する。その射程は、その日付と規範の階層内での位置に依存する。
経験豊富な法務担当者は、したがって、このリンクのネットワーク上で推論する。彼は事実発生時点で適用可能な版、それに言及する判決、それを具体化する規制文書を探しに行く方法を知っている。記事によれば、AIに追加すべきなのは、より多くの文書ではなく、条文間の経路である。
推論と記憶を分離する
提案される道筋は、二つの機能を分離することである。一方で、推論エンジン、すなわち専門家が既に使用しているAI。他方で、法務検索層であり、これはコーパスを索引化し、版の履歴を保持し、条文同士を関連付け、検証可能な参照付きで有用な情報源をAIに返す。
このアプローチは、一般向けアシスタントが現在受け入れているコネクタに依存しており、MCPのようなオープンプロトコルを介して、アシスタントを外部データソースに接続することを可能にする。記事によれば、ChatGPTとClaudeの無料プランでさえ一つを受け入れている。AIは訓練記憶だけに頼る代わりに条文内を検索し、見つけたものを引用し、法務担当者はワンクリックで確認できる。
この分離は機密性の面でも利点がある。検索層は条文を見つけるために顧客名を知る必要がなく、検索にいかなる名前も現れないことを保証できる。これはオールインワンの法務AIでは保証が難しい約束である。
2年間、事務所はどのAIを選ぶか悩んできた。モデルが互いに近づくにつれ、この質問はその重みを失っている。差をつける質問はより現実的である：AIはどの条文にアクセスでき、その回答がどこから来たかを示すことができるか？
