Legora CTOが語る、閲覧できないデータでの法務エージェント構築と評価

Legora は、ストックホルムの地下室で ChatGPT とスウェーデン法、検索ツールを組み合わせた製品として始まった法務AIの企業である。CTO の Jacob Lauritzen が Latent Space で、弁護士向けエージェントの構築と評価について語った。現在のエージェントは Word 文書の作成・編集、数千件の契約の一括レビュー、弁護士・顧客・他のエージェント間の作業調整を担う。4月に年間経常収益（ARR）が1億ドルを超え、顧客は1,800社以上。今年の買収は5件目の Wexler を含むという。 最大の課題は、顧客がアップロードするデータが機密で、多くが法律事務所の依頼人のものであるため、トレースを読めない点だ。そこでエンジニア3人と弁護士3人のチームが、顧客の業務を模したテスト環境を作っている。例は、1万ファイルのデータルームでデューデリジェンスを行い赤旗を拾う RL 環境で、実務領域とタスクごとのヒートマップで新モデルの得意不得意を追う。本番では失敗を10〜20種類に分類し、安価な LLM ベースのチェックをフィーチャーフラグの裏で動かす。引用の正確性については、あるリリースで正答率が70%から99%に上がったが、Legora は何も変更していなかったという。ハルシネーション対策として、出力にはすべて出典 PDF 内の該当箇所を示す引用を付ける。インフラは、法律事務所が AWS や GCP を受け入れなかったため、承認済みベンダーの Microsoft 経由で Azure に統一した。 モデルについて Jacob は、弁護士に Sonnet や Opus の選択を任せるべきではないと考え、モデルピッカーの導入に長く抵抗したと述べた。法務業務の約60%はすでにモデルが十分にこなし、残りは100万トークン級の契約にまたがる複雑な分析や編集で、より高い知能が必要だという。特定タスクではオープンウェイトモデルのポストトレーニングも始めている。製品はプロジェクト、エージェント、Tabular Review、リストといった少数の基本部品でできている。Tabular Review は行が文書、列が質問の表形式で最大100万セルまで対応し、まず10行で試してからプロンプトを直せる。リストは Notion 風のデータベースで、エージェントが作成・参照し、変更がエージェントを起動する。Slack 経由の intake ボットも同じ部品で動く。 人員面では、弁護士出身で多くが CS 学位も持つ約100人の legal engineer がコードを書かずに製品を構成し、forward deployed engineer（FDE）が顧客の CRM や文書管理システムとの連携を実装する。Jacob は今後、数か月ずつ顧客に常駐する FDE のローテーションを想定している。2年後には大企業が Claude Cowork 経由で Legora を使い、法律事務所は Legora 内で働く姿を描き、ラボ各社が締め出すとは考えていない。

報道をもとにAIが作成しました・1 時間前更新

推移を表示するための継続的な観測データがまだ足りません。