法務への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 法務（米国の職業分類では コンプライアンス担当、SOC 13-1041）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 申請書・記録・文書を審査し、資格や責任に関わる情報を集める
2. 活動・評価・提言・決定の報告書を作る
3. 関係者に許認可の決定や不服申し立ての手続きを知らせる文書を作る
4. 違反者に違反の内容や罰則を警告する
5. 許認可・許可証・旅券の規則について、事業者や個人・団体に助言する
6. 法律や規則の違反を所管の委員会や機関に報告する

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- Harvey（Harvey）: 法律事務所と企業の法務部門が、案件や契約の作業をAIのエージェントとともに進める基盤。定型のレビューや交渉の準備、繰り返しの作業。
- LegalOn（LegalOn Technologies）: 契約書の不利な条項や欠けている条項をAIが洗い出し、修正の文案や交渉のコメントを下書きする。判断は担当者がする。
- Luminance（Luminance）: 契約書の一次レビューを自動で行い、組織の法務の基準に沿った修正案をAIが作る。
- Spellbook（Spellbook）: 契約書のレビューと起案を行う。条項や契約書全体、修正案をAIまたは自社のひな形から起案する。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: ほぼ同じ。規制や許認可の量は制度で決まり、AIの普及で減らない。一方で審査や報告の処理能力が上がることで、同じ人数でより多くの案件や新しい規制領域を扱うようになり、担当者数の増加は抑えられる。個人情報やAI利用自体の規制が増えれば仕事の量は増える。

{"tasks": [{"no": 1, "weight": 30, "now": 35, "year1": 45, "year5": 65, "human_layers": ["品質の確認", "例外の発見"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "制度・契約", "費用"], "outlook": "文書の読み取り、記録との突合、要件への当てはめはAIが担い、人は抜けや矛盾の確認と、ひな形にない申請の見極めに時間を使う。公的データとの連携と電子署名で原本性まで機械確認できれば人の確認は減る。提出物が紙や画像のままで誤読が多ければ人の再読が残る。", "confidence": "中"}, {"no": 2, "weight": 20, "now": 40, "year1": 50, "year5": 70, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "活動の記録から報告書の骨子と本文をAIが起こし、人は数字と結論の確認、提言の最終判断に時間を使う。記録が構造化され、提言の判断基準まで文書化されれば確認は短くなる。報告が監督機関や経営への説明責任を伴い、作成者の署名が制度で求められるなら読み直しは残る。", "confidence": "中"}, {"no": 3, "weight": 10, "now": 45, "year1": 55, "year5": 75, "human_layers": ["実行の承認"], "blockers": ["制度・契約"], "enablers": ["技術", "制度・契約", "費用"], "outlook": "決定内容と手続きの通知は定型性が高く、起案と送付はAIで済み、人は発出前の承認だけを行う。通知の様式と根拠条文が機械可読で管理され、誤送付の検知も自動化されれば承認は一括化できる。不服申し立ての期限や相手方の権利に関わる誤りが許されないため、個別確認が制度で求められるなら人の承認は残る。", "confidence": "中"}, {"no": 4, "weight": 10, "now": 20, "year1": 30, "year5": 45, "human_layers": ["例外の発見", "実行の承認"], "blockers": ["制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "違反事実の整理と警告文の下書きはAIが担うが、罰則の選択と相手への伝達は人が行う。違反の類型と罰則の対応が明文化され、相手が文書での通知を受け入れれば人の関与は承認だけになる。相手が争う姿勢を見せる、事実関係に争いがあるなど例外が多ければ、人の対話と判断が残る。", "confidence": "中"}, {"no": 5, "weight": 20, "now": 25, "year1": 35, "year5": 50, "human_layers": ["品質の確認", "例外の発見", "目的と制約の設定"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "規則の調べ物と一般的な回答の下書きはAIが引き受け、人は相談者の事情に合わせた解釈、灰色の判断、誤回答の責任を担う。規則が機械可読になり、相談者がAIの回答を直接受け入れれば人の関与は難しい案件だけになる。回答の誤りが相談者の不利益に直結し、人の助言を求める声が続けば、確認と対話は残る。", "confidence": "低"}, {"no": 6, "weight": 10, "now": 20, "year1": 30, "year5": 45, "human_layers": ["実行の承認", "目的と制約の設定"], "blockers": ["制度・契約"], "enablers": ["技術"], "outlook": "報告書の様式への記入と添付資料の整理はAIが担い、違反と認定して報告するかの判断と提出の承認は人が行う。報告の基準が明文化され、機関側が機械提出を受け付ければ人の作業は承認だけになる。報告が相手の処分や組織の責任に直結し、報告者の判断が制度で求められる限り、人の決定は残る。", "confidence": "中"}], "share_now": 32, "share_year1": 42, "share_year5": 60, "reason": "文書審査の読み取りと突合、報告書と通知文の起案という作業の層が、Harvey、LegalOn、Luminance、Spellbookのような文書レビュー・起案ツールと、申請や記録の管理システムに組み込まれたAIに移る。人には、確認の品質、ひな形にない案件の発見、警告や報告の承認、助言での解釈が残る。5年の値は、申請や記録が構造化されて機械確認できる範囲が広がることを見込んでいる。", "demand": "ほぼ同じ", "demand_reason": "規制や許認可の量は制度で決まり、AIの普及で減らない。一方で審査や報告の処理能力が上がることで、同じ人数でより多くの案件や新しい規制領域を扱うようになり、担当者数の増加は抑えられる。個人情報やAI利用自体の規制が増えれば仕事の量は増える。", "remains": "申請や契約の審査での品質の確認と例外の発見、警告や機関への報告での実行の承認、助言での目的と制約の設定が人に残る。理由は、誤りが相手の権利や組織の責任に直結し、制度が担当者の判断と署名を求めること、相手が人の説明を求めることにある。提出物や規則が機械可読になり、機関や相談者がAIの出力を直接受け入れるようになれば、残る部分は承認と難しい案件に絞られる。", "who": "仕事の量はほぼ同じで、人の時間は6割減ると見るため、担当者の人数は減るか、同じ人数でより広い領域を受け持つ。文書の読み取りや定型の起案を担っていた若手や補助職の枠が縮み、判断と承認を担う中堅以上の比重が上がる。経験の浅い人が審査の場数を踏む機会が減るため、育て方を変えないと判断できる人が育たない。", "skills": "AIが出した審査結果や文案の誤りを、根拠条文に当たって見抜く力。ひな形に収まらない申請や相手の事情に気づき、人が扱うべき案件を切り分ける力。規則や判断基準を機械が読める形に整え、ツールの設定とその結果の責任を持つ力。警告や不服申し立てで相手に説明し、納得を得る対話の力。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: ほぼ同じ。申請、審査、助言、違反対応は、対象となる事業と規則がある限り続く。低コストの相談や点検は増えうるが、手続きの簡素化で減る作業もある。処理が速くなることだけで対象案件が減るとはせず、仕事量はほぼ同じとみる。

{
  "tasks": [
    {
      "no": 1,
      "weight": 25,
      "now": 40,
      "year1": 52,
      "year5": 72,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "申請書の照合と論点抽出はAIに移り、人は事実と適用条件を確かめるが、証拠の真正性まで検証できれば審査も減る。書類外の事情や矛盾があれば、定型の審査にも人の調査が必要になる。",
      "confidence": "中"
    },
    {
      "no": 2,
      "weight": 20,
      "now": 55,
      "year1": 68,
      "year5": 85,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "報告書の下書きはAIに移り、人は根拠と決定の対応を確認するが、記録を追って検証できれば編集も減る。重要な留保や不利な事実を落とす場合は、報告の構成から人が修正する。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 10,
      "now": 55,
      "year1": 68,
      "year5": 85,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "通知文の作成はAIに移り、人は対象と手続きの正確さを確かめるが、決定内容と規則を照合できれば確認も縮む。期限や対象者を誤る場合は、定型通知にも人の点検が必要になる。",
      "confidence": "中"
    },
    {
      "no": 4,
      "weight": 10,
      "now": 25,
      "year1": 38,
      "year5": 58,
      "human_layers": [
        "作業",
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "警告文の案はAIが作り、人は違反の事実と対応の強さを判断するが、証拠と相手の事情を検証できれば判断も減る。誤認や過剰な警告が問題になる場合は、文案の準備から人が関わる。",
      "confidence": "低"
    },
    {
      "no": 5,
      "weight": 25,
      "now": 30,
      "year1": 42,
      "year5": 60,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "規則の検索と助言案はAIに移り、人は個別の事実関係を確かめるが、適用条件を検証できれば説明も縮む。解釈の対立や規則変更を反映できなければ、一般的な案内も人が確認する。",
      "confidence": "低"
    },
    {
      "no": 6,
      "weight": 10,
      "now": 40,
      "year1": 52,
      "year5": 72,
      "human_layers": [
        "品質の確認",
        "実行の承認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "報告資料の整理はAIに移り、人は報告対象と範囲を決めるが、事実と要件を照合できれば承認も減る。違反の疑いと確定した事実を区別できなければ、資料の選別から人が調査する。",
      "confidence": "中"
    }
  ],
  "share_now": 41,
  "share_year1": 53,
  "share_year5": 72,
  "reason": "現在は文書の照合、論点の抽出、報告と通知の下書きで時間が減る。1年では案件の記録と規則を結びつけた支援が進み、5年では定型審査の準備まで広がる。提示された業務は許認可や違反対応が中心で、契約レビューの自動化をそのまま全体へ広げない。人には事実関係の調査、規則の適用判断、警告や報告の承認が残り、文章の作成後に根拠を確かめる時間を含める。",
  "demand": "ほぼ同じ",
  "demand_reason": "申請、審査、助言、違反対応は、対象となる事業と規則がある限り続く。低コストの相談や点検は増えうるが、手続きの簡素化で減る作業もある。処理が速くなることだけで対象案件が減るとはせず、仕事量はほぼ同じとみる。",
  "remains": "書類にない事実を調べ、規則を個別案件へ適用する仕事が残る。人は違反の疑いと確定した事実を分け、警告や報告の範囲を判断し、相手に根拠を説明する。AIの文案が自然でも、重要な条件や手続きが抜けていないかを確かめる必要がある。証拠の真正性と適用条件を検証でき、関係者が自動判断を受け入れるなら、審査と承認の時間も減る。",
  "who": "仕事量がほぼ同じなら、文書の転記や定型報告を専任する人数は減り、一人が扱う案件は増える。事実調査、解釈の対立、相手との調整に強い人の比重が上がる。専門家の承認が残ることだけで担当者数が保たれるとは限らない。若手には文案を確認するだけでなく、根拠を原資料に戻って調べ、事実関係が変わると結論がどう変わるかを学ぶ経験が必要になる。",
  "skills": "事実、規則、結論のつながりを整理し、AIの案の適用条件を確かめる力が要る。文書の欠落と記録の矛盾を見つけ、必要な相手に追加の情報を聞く。案件の重要度に応じて調査と確認の範囲を決め、権限や秘密情報を管理する力も重要になる。警告や助言では相手の理解を確かめ、どの事実に基づいて判断し、何が分かれば見直すかを説明することが求められる。"
}