判例検索AIは使える？弁護士の判例調査手順と架空判例対策

弁護士の条文リサーチ・判例調査でAIは使えるのか（結論と全体像）

結論から述べると、弁護士の条文リサーチ・判例調査においてAIは「下書き・あたり付け・要約の高速化」には有効ですが、AIの出力をそのまま成果物や書面に転記してはいけません。汎用の生成AIは、存在しない判例の事件番号や架空の判旨を、もっともらしく創作する「ハルシネーション」を起こすためです。実務では、AIを起点にしつつ、必ずe-Gov法令検索や裁判所の判例検索といった一次ソースで突合するという前提のフローを組むことが必須になります。

本記事では、汎用AIの弱点を踏まえたうえで、条文リサーチと判例調査を安全かつ高速に進める具体的な手順、実例プロンプト、突合チェックの判断フレームまでを、弁護士の業務目線で解説します。守秘義務や弁護士法72条の論点は関連記事に譲り、ここでは「リサーチの精度と効率」に絞って掘り下げます。

この記事で分かること

• 条文・判例リサーチで汎用AIが「使える場面」と「使ってはいけない場面」の線引き
• ハルシネーション（架空判例の捏造）が起きる仕組みと、法律分野で特に起きやすい構造的な理由
• Mata v. Avianca事件（ChatGPTの架空判例で米国の弁護士が制裁を受けた事案）の事実関係と、日本の実務への教訓
• 判例検索・判例要約でAIをどこまで使えるか（裁判所の裁判例検索・商用判例データベースとの役割分担）
• AI→一次ソース突合の具体的な実務フロー（条文編・判例編）
• そのままコピーして使える実例プロンプト集
• 汎用AIと法律特化型ツールの使い分け比較

そもそも「条文リサーチ」「判例調査」とは何か

条文リサーチで弁護士が確認すること

条文リサーチとは、案件に適用される法令の条文・要件・効果を特定し、現に施行されている最新の条文かどうかまで確認する作業です。実務では、改正の施行日前後で条文が異なる、特別法と一般法のどちらが優先するか、といった点でミスが致命傷になります。条文の文言は最終的に一次ソースで確定させる必要があり、デジタル庁が運営するe-Gov法令検索が日本の現行法令・未施行法令を確認する標準的な出発点になります。

判例調査で弁護士が確認すること

判例調査とは、争点に関連する裁判例を探し、事案の類似性・射程・先例的価値を評価する作業です。重要なのは「似た結論の裁判例があるか」ではなく、「自分の事案にその判断がどこまで及ぶか（射程）」を見極めることです。裁判所が公開する裁判所の判例検索システムの使い方によれば、判例は最高裁判所・高等裁判所・下級裁判所（速報）・行政事件・労働事件・知的財産事件の6カテゴリーに区分され、横断検索も可能です。ただし同システムには「すべての判決等が掲載されているわけではない」と明記されており、網羅性には限界があります。

汎用AIをリサーチに使うときの最大のリスク：判例の捏造（ハルシネーション）

ハルシネーションとは何か

ハルシネーションとは、生成AIが事実に基づかない情報を、あたかも事実であるかのように自信を持って提示する現象です。条文・判例リサーチの文脈では、これが存在しない事件番号・架空の裁判年月日・捏造された判旨という形で現れます。汎用の大規模言語モデルは「次に来そうな文字列」を確率的に生成する仕組みのため、判例の体裁を整えること自体は得意ですが、その判例が実在するかどうかは保証しません。

Mata v. Avianca事件とは｜ChatGPTの架空判例で弁護士が制裁を受けた実例

生成AIによる判例の捏造が抽象論ではないことを示したのが、米国の Mata v. Avianca, Inc. 事件です。以下は、米国ニューヨーク州南部地区連邦地方裁判所（S.D.N.Y.）に提出された制裁決定（Opinion and Order on Sanctions、事件番号 22-cv-1461 (PKC)、Castel裁判官、2023年6月22日付）の原文PDF（連邦裁判所提出文書 Document 54）で確認できる範囲に限って記載します。

何が起きたのか

• 2023年3月1日に原告側が提出した書面（Affirmation in Opposition）に、ChatGPTが生成した実在しない判例が引用された。
• 被告側が判例の存在に疑義を呈し、裁判所も同年4月11日・12日の命令で、引用された判決文の写しを提出するよう命じた。
• 担当弁護士は、引用した判例を無料の判例サイトで検索しても見つけられなかったにもかかわらず、引用を維持した。審尋で本人は「このウェブサイトが判例を丸ごと捏造しうるとは思っていなかった」旨を供述している。
• 裁判所は、この経過を「意識的な回避（conscious avoidance）」および裁判所に対する虚偽・誤導的な陳述にあたるとして、bad faith を認定した。

裁判所が科した制裁の内容

制裁決定の結論部分では、連邦民事訴訟規則11条（Rule 11）または裁判所固有の権限に基づき、次の内容が命じられました。

• 14日以内に、原告本人あてに本決定・2023年6月8日の審尋調書等を添付した書簡を送付すること。
• 14日以内に、架空の6件の意見（"Varghese"、"Shaboon"、"Petersen"、"Martinez"、"Durden"、"Miller"）の執筆者として名前を誤って使われた各裁判官あてに、同様の書簡を送付すること。
• 上記書簡の写しを裁判所に提出すること。
• 制裁金5,000ドルを、弁護士2名と所属法律事務所に連帯して科し、裁判所の登録口座に納付すること。

注目すべきは、決定の冒頭で裁判所が「信頼できるAIツールを補助に用いること自体に本質的な不当性はない」と述べている点です。そのうえで、既存のルール（Rule 11）が弁護士に提出書面の正確性を担保するゲートキーパーの役割を課している、と整理しています。問題視されたのはAIの使用そのものではなく、検証を経ずに提出し、疑義を示された後も撤回しなかったことでした。

日本の弁護士にとっての教訓

本件は米国の事案であり、日本の弁護士に直接適用される規範ではありません。それでも、決定文から実務に落とせる教訓は3つあります。

• 「検索しても見つからない」は赤信号。非公開でも未登載でもなく、単に存在しない可能性を第一に疑う。本件の弁護士は検索で見つけられなかったにもかかわらず「AIが捏造するはずがない」という思い込みで引用を維持しました。
• 誤りが判明した後の対応が制裁の重さを決めた。決定は、疑義が示された直後に事実を明らかにしていれば記録はまったく違うものになっていた、と明示しています。誤引用に気づいた時点で直ちに訂正する運用を、個人の判断ではなく事務所ルールとして組み込むべきです。
• 被害は依頼者と裁判所にも及ぶ。決定は、相手方が虚偽を暴くために時間と費用を費やすこと、依頼者が真正な判例に基づく主張を奪われること、名前を使われた裁判官や当事者の信用が傷つくことを列挙しています。個人の失敗では済まない構造です。

法律分野でAIのハルシネーションが起きやすい構造的な理由

「法律の質問だけ精度が低い」と感じるのは気のせいではありません。法律分野には、生成AIの仕組みと相性の悪い条件がそろっています。原因を分解しておくと、どこにチェックを置けばよいかが決まります。

① 出力しているのは「形式」であって「実在」ではない

判例の引用形式（事件名・裁判所・言渡日・登載巻号）はきわめて定型的です。大規模言語モデルは定型パターンの再現が得意なので、実在しない判例でも本物そっくりの引用形を難なく生成します。逆に言えば、引用形式が整っていることは実在の証拠にまったくならないということです。整った出力ほど疑ってかかる必要があります。

② 日本の判例は、そもそも網羅的に公開されていない

裁判所ウェブサイトの裁判例検索には、各区分に「本裁判例情報には、すべての判決等が掲載されているわけではありません」と明記されています。公開されている判決文が限られる以上、モデルは「学習していない領域」を推測で埋めることになります。なお、2025年に公布された民事裁判情報の活用の促進に関する法律（令和7年法律第49号）は、民事裁判情報を加工して第三者に提供する指定法人の仕組みなどを定めており、この前提は将来変わる可能性があります。ただし施行日は政令に委ねられている（附則で公布から9か月以内・一部規定は2年以内の範囲で政令指定）ため、当面の実務は「網羅的な公開はされていない」前提で組む必要があります。

③ 正解が時点で動く（改正・経過措置）

条文は改正され、判例は変更や射程の限定を受けます。モデルの知識には学習時点があり、案件の基準時と一致する保証はありません。施行済みか未施行か、経過措置でどちらの版が適用されるかは、AIが最も外しやすい論点です。日付と数値だけはAIに答えさせないのが原則になります。実際、本記事で引用した上記法律についても、公布日の記載が公的な情報源の間で一致しない場面がありました。だからこそ、期日はe-Gov法令検索などの一次ソースで最終確認してください。

④ 二次情報が大量に流通し、一次ソースと区別されない

法律分野はウェブ上に解説記事・Q&A・事務所コラムが大量にあり、その中には古い情報や不正確な要約も混ざっています。モデルは出典の権威性で重み付けして答えるわけではないため、条文原文と誰かの解説が同じ重みで混じった回答が生成されます。出典リンク付きの回答であっても、リンク先が二次情報なら結論の正確性は担保されません。

⑤ 流暢さが検証行動を止める（人間側の要因）

最後は技術ではなく人間側の問題です。AIの文章は自信に満ち、体裁が整っています。Mata v. Avianca事件でも、担当弁護士は検索で見つけられなかったにもかかわらず引用を維持しました。知識のある専門家ほど「それらしさ」を正しさと取り違えやすい、という前提で運用を設計すべきです。

構造的理由から導かれるチェックの優先順位

ハルシネーションを潰す実務フロー：AI起点・一次ソース突合

基本原則「AIで広げ、一次ソースで確定する」

安全なフローの核心は、役割分担を固定することです。AIには「論点の洗い出し」「検索キーワードの提案」「長文の要約」という拡散と整理を任せ、条文の文言確定と判例の実在確認という収束と検証は必ず一次ソースで行います。AIの回答を最終結論にせず、一次ソースへの入口として扱うのがポイントです。

条文リサーチの5ステップ

1. 論点の言語化：事案の事実関係をAIに渡し、「適用可能性のある法令・条文の候補」を列挙させる。
2. 候補の絞り込み：列挙された条文について、要件・効果と適用順序をAIに整理させ、争点を仮置きする。
3. 一次ソースで文言確定：候補条文をe-Gov法令検索で開き、条番号・文言・括弧書きを原文どおり確認する。
4. 施行時期の確認：改正がある条文は、案件の基準時に施行されていた版かを確認する（未施行・経過措置に注意）。
5. 引用形の確定：書面に載せる条文番号と文言は、AIの出力ではなくe-Gov上の原文からコピーする。

判例調査の5ステップ

1. 争点からあたりを付ける：AIに争点を説明し、関連しそうな論点・キーワード・想定される判断の方向性を出させる。
2. 検索語の設計：AIが出したキーワードを、参照法条・事件名・判示事項として裁判所の判例検索に投入する。
3. 実在確認（最重要）：AIが具体的な判例名や事件番号を出した場合は、その事件番号・裁判所・年月日を一次ソースで必ず照合する。一次ソースで確認できない判例は、存在しないものとして扱う。
4. 原典で判旨を読む：要旨だけでなく判決文本体を読み、AI要約と食い違いがないかを突合する。
5. 射程の評価：自分の事案との事実の異同を整理し、その判断がどこまで及ぶか（射程・距離）を自分の頭で評価する。

突合チェックの判断フレーム

判例検索・判例要約でAIをどう使うか｜判例データベースとの役割分担

「判例検索AI」という言葉で期待されているものは、実は2つに分かれます。検索そのものをAIに任せたいのか、見つけた判決文の読み込みをAIに任せたいのか。この2つは安全性がまったく違います。

AIに任せてよい工程・任せてはいけない工程

なぜ「探し当てる」工程だけはAIに任せてはいけないのか

検索は「実在する文書を突き止める」作業で、答えの正誤が0か1で決まります。生成AIは確率的に文字列を組み立てる仕組みなので、この工程を任せると、存在しないものを「見つけました」と報告する形で失敗します。実在の確認は、収録データと検索インデックスを持つ側にやらせるのが原則です。AIが具体的な事件名や事件番号を出してきたら、それは検索結果ではなく検索語の候補にすぎません。

裁判所の裁判例検索でカバーできる範囲と限界

裁判所ウェブサイトの裁判例検索は、最高裁判所判例集・高等裁判所判例集・下級裁判所主要判決速報・行政事件裁判例集・労働事件裁判例集・知的財産裁判例集といった区分で公開されており、無料で使える一次ソースとして実在確認の起点になります。一方で、各区分に「本裁判例情報には、すべての判決等が掲載されているわけではありません」と明記されているとおり、網羅性はありません。したがって、ここで見つからないことは「存在しない」ことの証明にはなりません。ただし、裁判例検索でも商用データベースでも見つからず、事件番号での照合もできない判例は、捏造を強く疑うべき状況です。

商用の判例データベースを併用すべきケース

網羅性が要る場面 ── 下級審裁判例の傾向を押さえたい、賠償額の相場観を示したい、相手方が挙げてきた裁判例の射程を検証したい ── では、判例秘書・Westlaw Japan・LEX/DB といった商用の判例データベースを併用するのが現実的です。収録範囲・検索機能・料金体系は各社で異なり、改定もされます。導入を判断する際は各社の公式サイトで最新の条件を確認してください（本記事では個別の機能・価格を断定しません）。なお、前述の民事裁判情報の活用の促進に関する法律に基づく指定法人の仕組みが動き出せば、この前提も将来変わり得ます。制度側の検討経緯は法務省の民事判決情報データベース化検討会の資料で追えます。

判決文をAIに要約させる5ステップ

1. 判決文本体を先に入手する：裁判例検索や判例データベースからPDF・テキストを取得する。「◯◯事件を要約して」と事件名だけを渡さない。要約対象は必ず自分の手元にある原文にする。
2. 出力項目を先に固定する：事案の概要／争点／裁判所の判断／理由づけの核／射程に関わる事実、といった枠を指定する。枠を決めないとAIの関心で要約されてしまう。
3. 原文引用を義務づける：各項目に判決文中の該当箇所をそのまま引用させる。引用を付けられない項目は、AIが原文から読み取れていない箇所で、そこに要約ずれが潜みます。
4. 射程の評価は書かせない：「自分の事案に使えるか」の判断はAIに出力させず、事実関係の異同の整理までに留める。
5. 判断部分は原文で読む：要約は当たりを付けるための地図であって、結論の根拠ではありません。

判例要約プロンプト（そのまま使えます）

あなたは日本法の判例分析を補助するアシスタントです。
以下に貼り付けた判決文「だけ」を情報源として、次の項目に整理してください。
判決文に書かれていない事項は、推測せず「判決文に記載なし」と明記すること。

1. 事案の概要（当事者の関係と紛争の発端）
2. 争点（複数ある場合は番号を付す）
3. 各争点についての裁判所の判断（結論のみ）
4. その判断の理由づけの核となる部分
   - 各項目の末尾に、判決文からの該当箇所を「」で原文どおり引用すること
5. 射程を考えるうえで重要になりそうな事実関係（評価はしない）

【本件で私が検討している争点】
（例：【争点】◯◯の要件のうち、△△の判断枠組み）

【判決文】
（ここに判決文の全文を貼り付け）

うまくいかない例 → 直し方

うまくいかない例：「令和◯年◯月◯日の最高裁判決を要約して」と事件名・日付だけを渡す。AIは判決文を持っていないため、記憶と推測で「それらしい要約」を作り、判示していない内容が混ざります。
直し方：判決文本文を必ず貼り付け、「貼り付けた判決文だけを情報源とする」「記載がなければ記載なしと書く」を明示する。

うまくいかない例：長い判決文を渡して「重要な点を3つ教えて」と頼む。何を重要とみなすかがAI任せになり、自分の争点と無関係な部分が要約されます。
直し方：「本件の争点は◯◯である。この争点に関係する判示に限って抽出せよ」と観点を先に固定する。

そのまま使える実例プロンプト集

ここでは条文リサーチに絞った実例を紹介しますが、契約書・内容証明・書面ドラフトなど業務別にまとめた弁護士のChatGPTプロンプト集もあわせて参照すると、事務所全体でのAI活用が進みます。許認可申請や定款・相続など隣接業務を扱う場合は、行政書士向けのChatGPTプロンプト集も業務横断の指示文の型として役立ちます。

論点・条文候補の洗い出し

事実関係を整理してAIに渡し、適用条文の候補を網羅的に出させる使い方です。最後に検証義務を明示する一文を必ず入れます。

あなたは日本の法律実務を補助するアシスタントです。
以下の事実関係について、適用可能性のある法令・条文の候補を、
要件・効果とあわせて漏れなく列挙してください。
【事実関係】（ここに匿名化した事案概要を記載）
出力後、「これらの条文・判例は必ずe-Gov法令検索および
裁判所の判例検索で実在と文言を確認すること」と明記してください。
不確かな点は推測せず「要確認」と記してください。

判例検索キーワードの設計

AIに判例そのものを答えさせるのではなく、検索語の設計だけを任せるのが安全な使い方です。

次の争点について、裁判所の判例検索システムで使う検索キーワードを、
「参照法条」「事件名に含まれそうな語」「判示事項のキーワード」
の3カテゴリに分けて提案してください。
判例名や事件番号そのものは創作せず、検索語のみ出力してください。
【争点】（ここに争点を記載）

長文判決文の要約・論点抽出

一次ソースで実在を確認した判決文を貼り付け、要約させる使い方です。これは原典が手元にあるため捏造リスクが低く、AIが最も力を発揮する場面です。短時間であたりを付けたいときは以下の簡易版を、争点を絞って精読の下ごしらえをしたいときは前掲の「判例要約プロンプト」を使い分けてください。

以下は実在する判決文の本文です。
(1) 事案の概要 (2) 争点 (3) 裁判所の判断（理由を含む）
(4) 射程を考えるうえで注目すべき事実
の4点に整理してください。本文にない情報は補わないでください。
【判決文】（ここに原典本文を貼り付け）

汎用AIと法律特化型ツールの使い分け

汎用AIの位置づけ

ChatGPTやGemini、Claudeといった汎用の生成AIは、論点整理・要約・文章ドラフトに優れ、導入コストも低いのが利点です。近年はウェブ検索と出典リンクを組み合わせる機能も提供されています。たとえばChatGPT search（OpenAI）では、回答に出典リンク（インライン引用）を付与できることが説明されており、GoogleもGemini APIのGrounding with Google Searchでリアルタイムのウェブ情報に基づく回答と出典提示によりハルシネーションを低減できるとしています。ただしこれらの機能があっても、引用先が法的に正確とは限らず、判例の実在確認を一次ソースで行う原則は変わりません。

法律特化型ツールの位置づけ

法律特化型のリサーチサービスは、判例・条文・法律文献など信頼性の高い情報源に検索対象を限定する設計のため、汎用AIに比べて架空判例のリスクが構造的に低い点が強みです。一方で、契約や利用範囲が限られ、最終的な実在確認・射程評価が不要になるわけではありません。

ツールをどう選ぶかは職種によっても着眼点が異なります。許認可申請や契約書作成が中心の隣接士業の視点は、行政書士がAIツールを比較・選定する際の判断軸もあわせて読むと、自分の業務に合う選び方の解像度が上がります。

比較表

守秘義務や弁護士法72条との関係、AIへの情報入力の可否といった論点は、弁護士法72条とAIの解説記事で詳しく扱っています。法務全般でのAI活用の全体像は法務AI活用ガイド2026を、契約書レビュー用途はAI契約書レビュー比較をあわせてご覧ください。

日本語の業務文書に強い「士業AI」という選択肢

条文リサーチや判例調査の前段にあるドラフト作業を効率化したい弁護士には、業務特化型の「士業AI」が選択肢になります。士業AIは税務AI・会計AI・法務AI・業務効率化AIを提供し、法務AIは司法書士・弁護士向けに契約書レビュー、登記書類ドラフト、条文リサーチの補助を想定しています。日本語と日本の業務文書に最適化されている点が特徴です。

士業AIはクレジットカード不要・メール登録のみで無料で開始できます。まずは論点整理や要約といった「検証コストの低い作業」から試し、リサーチの最終確認は必ず一次ソースで行う、という本記事のフローと組み合わせて活用してください。

よくある質問（FAQ）

AIが出した判例をそのまま書面に引用してもよいですか？

絶対に避けてください。AIが出した判例は事件番号・裁判所・年月日・判旨を一次ソースで照合し、実在と内容を確認してからでないと引用できません。実際に架空判例の引用で弁護士が制裁を受けた事例があります。

e-Gov法令検索と裁判所の判例検索だけで足りますか？

条文の文言確定と公開判例の確認には有効な一次ソースですが、判例検索システムには全判例が掲載されているわけではありません。網羅性が必要な案件では、商用の判例データベースや判例集も併用してください。

ウェブ検索付きのAIならハルシネーションは起きませんか？

リスクは下がりますが、ゼロにはなりません。出典リンクが付いていても、その出典が法的に正確とは限らず、判例の実在は一次ソースで確認する必要があります。

判例検索AIと判例データベースは、どちらを使えばよいですか？

役割が違うので併用が前提です。判例を探し当てる（実在を特定する）工程は、収録データを持つ商用の判例データベースや裁判所の裁判例検索が担います。AIが力を発揮するのは、争点から検索語を設計する前工程と、入手した判決文を要約する後工程です。AIに「探させる」使い方だけは避けてください。

AIに判例を要約させても問題ありませんか？

自分で入手した判決文本体を渡して要約させるなら、実務的に有効です。危険なのは事件名だけを渡して要約させる使い方で、この場合AIは判決文を持たないまま推測で要約を作ります。要約させるときは「貼り付けた判決文だけを情報源とし、記載がなければ記載なしと書く」ことを明示し、判断部分は必ず原文で確認してください。

守秘義務がある情報をAIに入力してよいですか？

本記事はリサーチ精度に絞っているため詳細は別記事に譲りますが、入力情報の取扱いはサービスの規約と守秘義務の観点で慎重に判断する必要があります。詳しくは弁護士法72条とAIの解説記事を参照してください。守秘義務・利益相反を踏まえて事務所全体の運用に落とし込む手順は、弁護士事務所のAI導入事例と業務別のビフォーアフターで整理しています。

参考文献

• e-Gov法令検索（デジタル庁）
• 裁判例検索（裁判所）
• 判例検索システムの使い方（裁判所）
• 民事裁判情報の活用の促進に関する法律（令和7年法律第49号／e-Gov法令検索）
• 民事判決情報データベース化検討会（法務省）
• Mata v. Avianca, Inc., 22-cv-1461 (PKC) Opinion and Order on Sanctions（2023年6月22日／連邦裁判所提出文書 Document 54 の原文PDF）
• Mata v. Avianca, Inc., 678 F.Supp.3d 443 (S.D.N.Y. 2023)（判決文PDF／カリフォルニア大学バークレー校ロースクール）
• Grounding with Google Search（Google Gemini API）