近年、契約書レビューやリスク分析に“AI”を導入する企業が増えています。
しかし、その多くは統計的手法（機械学習・深層学習）を用いて「過去の膨大な契約文書からパターンを学習し、危険ワードをハイライトする」「確率的にリスクを推定する」という仕組みが中心です。もちろんこれは有用ではあるものの、法務実務には「確率50％だからセーフ」などという曖昧さが許容されない領域も多々存在します。
そこで注目されるのが、Symbolic AI（記号的AI） と Deontic Logic（デオンティック・ロジック） の組み合わせです。これらは「確率」ではなく「ルール」と「義務・禁止・許可」の概念をベースに、“法的に正しい判断” を機械に実装するアプローチといえます。
統計的AIは、大量のデータを学習して「類似事例が何％の確率でリスクを伴う」など、確率論的に予測する手法です。たとえばメールのスパム判定などはこれで十分機能し、「95％の確率でスパム」と推定されれば実用上はほぼ問題ありません。
しかし法務の現場では、「60％の確率で安全そうだから契約条件を満たしていることにしよう」とはならないのが実情です。義務や禁止事項が明示されている場合、確率ではなく“ルールを守る・守らない”が問われる からです。
契約書に「秘密保持義務を負う」と書かれていれば、たとえ確率が低くても違反は違反。そこに統計上の“グレー”を挟む余地は少ないといえます。
この問題を解決するのが、Symbolic AIとDeontic Logicです。
Symbolic AI は、ルール（規則）を明示的にプログラムとして書き込む手法です。たとえば交通ルールをAIに実装するとき、「赤信号では進んではならない（禁止）」「青信号では進んでもよい（許可）」「緊急車両が来たら道を譲らなければならない（義務）」のように、人間が定義した“正しいルール” をそのまま組み込みます。
Deontic Logic（デオンティック・ロジック）は、こうした「義務」「禁止」「許可」といった規範的概念を論理式で扱う体系です。契約や法令に書かれている「〜しなければならない」「〜してはならない」を、コンピュータでも理解可能な形に落とし込めるため、単なるYes/Noの条件分岐を超えた“規範的ルール” を機械に扱わせることができます。
ブロックチェーンの普及に伴い実用化が期待されてきたスマートコントラクトは、「ある条件が満たされたら自動的に契約を実行する」という仕組みです。これは金融決済などシンプルな分岐条件の自動化には向いています。しかし、多段階の例外処理や「裁判所からの命令があれば義務を優先する」「会社の取締役会が合意すれば途中解約を認める」など、現実の契約が内包するグレーゾーンは扱いづらいという欠点がありました。
Symbolic AIとDeontic Logicの組み合わせなら、「特定の条件下ではこの禁止を一時的に解除する」「両当事者が別の義務を優先する」など、多数の例外が論理的に衝突する場面でも、優先順位や例外規定 をあらかじめルールとして設定し、機械に解釈させることが可能になります。
いわば「0/1の単純な条件分岐を超える」「確率ではなくルールベースで、複数の選択肢から法的に正しいものを導き出す」方向へ拡張できるのです。
企業法務では、NDAのように「基本は禁止だが権限者が認める場合は例外処理を許可」「法令遵守のためには別の義務が優先」など、二重三重のルールが込み入った契約や社内規程が当たり前です。学校の宿題の例に例えるなら、「毎日やるのが義務、ただし病気の場合は期限を延長してよい」のように、その時々の優先順位に応じた、柔軟な運用が求められます。
Symbolic AIとDeontic Logicを使えば、「禁止を破るほどの例外要件が生じた場合に許可が発動し、さらにその許可は別の義務より優先される」というマルチステップの推論を機械に行わせられる可能性が出てきます。これによって「法的に正しい」かつ「企業内規程とも整合性がある」判断を自動サポートできるようになります。
統計・確率ベースのAIは、大量のデータを迅速に分析する強力な武器ですが、法務の現場では「確率的に半分OK」では済まされない状況が多々あります。
Symbolic AI と Deontic Logic を駆使し、0/1の条件分岐や確率論を超えた「義務・禁止・許可」「例外や優先順位の多層的関係」を機械に理解させる取り組みアプローチは、スマートコントラクトの限界を補完し、企業法務における複雑な契約書や社内ルールの矛盾を解消しうると考えます。
しかし、その多くは統計的手法（機械学習・深層学習）を用いて「過去の膨大な契約文書からパターンを学習し、危険ワードをハイライトする」「確率的にリスクを推定する」という仕組みが中心です。もちろんこれは有用ではあるものの、法務実務には「確率50％だからセーフ」などという曖昧さが許容されない領域も多々存在します。
そこで注目されるのが、Symbolic AI（記号的AI） と Deontic Logic（デオンティック・ロジック） の組み合わせです。これらは「確率」ではなく「ルール」と「義務・禁止・許可」の概念をベースに、“法的に正しい判断” を機械に実装するアプローチといえます。
統計的AIの限界―「確率」に頼れない法務の世界
統計的AIは、大量のデータを学習して「類似事例が何％の確率でリスクを伴う」など、確率論的に予測する手法です。たとえばメールのスパム判定などはこれで十分機能し、「95％の確率でスパム」と推定されれば実用上はほぼ問題ありません。
しかし法務の現場では、「60％の確率で安全そうだから契約条件を満たしていることにしよう」とはならないのが実情です。義務や禁止事項が明示されている場合、確率ではなく“ルールを守る・守らない”が問われる からです。
契約書に「秘密保持義務を負う」と書かれていれば、たとえ確率が低くても違反は違反。そこに統計上の“グレー”を挟む余地は少ないといえます。
この問題を解決するのが、Symbolic AIとDeontic Logicです。
Symbolic AIとDeontic Logicを組み合わせスマートコントラクトの壁―0/1の条件分岐を超える
Symbolic AI は、ルール（規則）を明示的にプログラムとして書き込む手法です。たとえば交通ルールをAIに実装するとき、「赤信号では進んではならない（禁止）」「青信号では進んでもよい（許可）」「緊急車両が来たら道を譲らなければならない（義務）」のように、人間が定義した“正しいルール” をそのまま組み込みます。
Deontic Logic（デオンティック・ロジック）は、こうした「義務」「禁止」「許可」といった規範的概念を論理式で扱う体系です。契約や法令に書かれている「〜しなければならない」「〜してはならない」を、コンピュータでも理解可能な形に落とし込めるため、単なるYes/Noの条件分岐を超えた“規範的ルール” を機械に扱わせることができます。
ブロックチェーンの普及に伴い実用化が期待されてきたスマートコントラクトは、「ある条件が満たされたら自動的に契約を実行する」という仕組みです。これは金融決済などシンプルな分岐条件の自動化には向いています。しかし、多段階の例外処理や「裁判所からの命令があれば義務を優先する」「会社の取締役会が合意すれば途中解約を認める」など、現実の契約が内包するグレーゾーンは扱いづらいという欠点がありました。
Symbolic AIとDeontic Logicの組み合わせなら、「特定の条件下ではこの禁止を一時的に解除する」「両当事者が別の義務を優先する」など、多数の例外が論理的に衝突する場面でも、優先順位や例外規定 をあらかじめルールとして設定し、機械に解釈させることが可能になります。
いわば「0/1の単純な条件分岐を超える」「確率ではなくルールベースで、複数の選択肢から法的に正しいものを導き出す」方向へ拡張できるのです。
企業法務へのメリット―例外と優先順位をさばくAI
企業法務では、NDAのように「基本は禁止だが権限者が認める場合は例外処理を許可」「法令遵守のためには別の義務が優先」など、二重三重のルールが込み入った契約や社内規程が当たり前です。学校の宿題の例に例えるなら、「毎日やるのが義務、ただし病気の場合は期限を延長してよい」のように、その時々の優先順位に応じた、柔軟な運用が求められます。
Symbolic AIとDeontic Logicを使えば、「禁止を破るほどの例外要件が生じた場合に許可が発動し、さらにその許可は別の義務より優先される」というマルチステップの推論を機械に行わせられる可能性が出てきます。これによって「法的に正しい」かつ「企業内規程とも整合性がある」判断を自動サポートできるようになります。
統計・確率ベースのAIは、大量のデータを迅速に分析する強力な武器ですが、法務の現場では「確率的に半分OK」では済まされない状況が多々あります。
Symbolic AI と Deontic Logic を駆使し、0/1の条件分岐や確率論を超えた「義務・禁止・許可」「例外や優先順位の多層的関係」を機械に理解させる取り組みアプローチは、スマートコントラクトの限界を補完し、企業法務における複雑な契約書や社内ルールの矛盾を解消しうると考えます。
