配達とモビリティ / 配車と配達
Grab：法務チームによる秘密保持契約書（NDA）の一次審査を、AIによる抽出とルールによる判定で自動化する試験
- 企業
- Grab
- 国
- シンガポール
- 導入状況
- 実証
- 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
Grabが2026年5月4日に公開した記事によると、法務チームは秘密保持契約書が自社の標準条件に沿っているか、弁護士がさらに詳しく見るべきかを判断する一次審査を繰り返している。最初に大規模言語モデル（LLM）一つに契約書を読ませて承認、要注意、上申を決めさせた実験では、契約書全体に方針チェックを一貫して適用できなかった。モデルは標準と異なる文言を見落としたり、同じ文言を実行のたびに違うように解釈したりし、監査に耐える水準の審査には通用しない、もっともらしい推奨を出した。
使った技術とデータ
Grabの法務チームと社内IT部門のGrabber Technology Solutionsは、AIが読み、コードが判定し、人が承認する3層の判定エンジンを構築した。複数のLLMが契約書から事実と正確な引用を抽出し、モデル間の合意投票で結果を安定させる。法務チームが作成し管理する決定論的なルールブックが、抽出された事実を自社の方針と照合し、自動承認、標準修正案の提示、法務チームへの上申のいずれかを決める。レビュー画面は事実、引用、ルールの判定結果を並べて表示し、AIが自動で決められない案件は法務の専門家に回される。
成果
Grabは、準拠、低リスク、高リスクの状況を含む数百件の契約書のバリエーションでこのエンジンを試験した結果、ルール評価の正確度100%、誤検知0%を達成し、審査時間が60分から2分未満に短縮したと明らかにした。すべての段階で最終判断は法務チームが下した。同社はリスク管理の枠組みをさらに検証したうえで、NDAエンジンを試験環境から本番運用に移し、商取引契約の審査にも広げる計画である。
限界と残る課題
結果は試験環境の契約書バリエーションで測定した値であり、本番運用で処理した契約の件数はまだ公開されていない。
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。