配達とモビリティ / 配車と配達
Uber：法務チームによる契約修正案の検討と回答コメントの作成
- 企業
- Uber
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Uberの公式技術ブログによると、Uberは毎年数千件の契約を交渉しており、法務チームが相手方による契約文言の修正(redline)を一つずつ検討して対応している。Uberは、この作業は時間がかかり反復的で、取引の成立や顧客のオンボーディング、サービス開始を遅らせるボトルネックになりやすいと説明した。同時に、似た条項、顧客ごとに繰り返される修正、一定の法的判断のパターンがあることから、反復的な部分を自動化して弁護士が複雑な判断に時間を使えるようにできると考えた。
使った技術とデータ
Uberは2024年初めから2025年にかけて第一世代のLegal Redlining Agent(LRA)を開発し、2025年に法務チームと試験運用してその意見を製品に反映した。LRAは弁護士がすでに使っているMicrosoft Wordのアドインとして動作する。文書の中から相手方が修正した箇所を見つけて意図を解釈し、法務チームの方針と指針に照らして受け入れ、拒否、修正のいずれかを推奨し、相手方に送る根拠コメントとリスク水準もあわせて作成する。弁護士は提案を一つずつ確認し、受け入れるか、拒否するか、修正したうえで回答に反映する。当初は交渉指針書(playbook)を検索してLLMに渡すRAG方式を使ったが、検索が不正確で口調も合わなかったため、弁護士の決定、期待した対応、コメント、最終的な修正文言を集めて再活用するフィードバック構造に切り替えた。実行時には数千件の過去記録からメタデータ条件で約20件の文書を選び、LLMでさらに絞り込んで判断の根拠とし、最近の決定ほど大きな重みを与える。口調を整える指示文は社内弁護士が自ら管理し、弁護士がテンプレートの文ごとにUberの立場と代替案を記した規則データベースで合う規則が見つかると、最後のLLMの段階で出力がその規則を守っているかを確認する。バックエンドはLangGraphで意図の把握、リスク評価、方針の照会を並行して実行し、OpenSearchに規則と過去のフィードバックを保存し、LLMで結果を採点する評価によって検索品質と規則の順守を継続的に点検している。
成果
Uberの公式技術ブログによると、法務チームとLRAの利用を始めてから契約一件あたりの平均検討時間は20%以上短くなり、AIが出した判断の正確さは91%だった。ブログは、特にコメント提案の機能で実際に時間が減ったという弁護士の評価も紹介した。LRAは、2026年3月9日のALM Legalweek Leaders in Tech Law AwardsでUberの法務組織がMost Innovative Legal Department of the Yearを受賞した応募内容にも含まれていた。
限界と残る課題
ブログは処理した契約の件数や測定期間、91%の正確さを測った基準を明らかにしていない。他の事業部門への拡大は今後の計画として書かれている。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。