第217号

Googleが金融・法律から始めた理由：合格基準が文書化されている産業

OpenAIの集計で法務職のCodexユーザーは2月比108倍に急増しました。ベース効果を考慮すると絶対量首位ではないものの、相対順位は明確なシグナルです。Googleが金融と法律を最初の産業特化対象に選んだ理由を考察します。

ビジネス

アン・グァンソプ（Oswarld）· INLEVEL9 著者・編集者

Google の優先ソースに追加
Googleが金融・法律から始めた理由：合格基準が文書化されている産業

法務職のCodexユーザーが2月比108倍に増加

先週木曜日の号で、リーガルAI企業のHarvey（ハービー）が2カ月で独自モデルを開発した話をお届けしました。その際、取り上げきれずに残していた問いが一つあります。なぜ、よりによって法律だったのでしょうか。

その答えの半分は、その3日前にすでに示されていました。8月25日、Google Cloudが初の産業特化型Gemini Enterpriseを公開しましたが、それはちょうど二つだけでした。金融と法律です。

残りの半分は、OpenAIが8月12日に更新したエンタープライズ利用データにあります。2026年2月と比べて6月までに、企業顧客の週間アクティブCodexユーザーが職種別で何倍に増えたかを示した表ですが、そのトップはエンジニアリングではありませんでした。

法律でした。108倍です。エンジニアリングは5倍でした。

Codexはコードを書くためのツールです。弁護士がコードを書くはずはありません。そこで今回は、この食い違いから話を始めます。これは法律業界が突如AIに心を開いたという話ではありません。エージェントが真っ先に定着する場所は、AIが最も好きな職種ではなく、「何が良い結果なのか」がすでに文書として書き残されている職種である、というお話です。

108倍を真に受ける前に

まず、この数字の実態を正しく見ていきましょう。2026年2月1日を1とし、6月までの増加倍率を描いたものです。

職種2月比の倍率
法律108倍
セールス41倍
採用41倍
マーケティング26倍
ヘルスケア24倍
財務・会計20倍
エンジニアリング5倍

このチャートを紹介したa16zも、自ら注釈を付けています。「この変化がどれほどCodex自体のロールアウト拡大によるものかは検証が必要である」と。ここに私からも一言付け加えたいと思います。これは倍率であって絶対量ではありません。

legal2月時点で法務職のCodexユーザーが実質的にほぼゼロに近かったとすれば、108倍という倍率はわずかな増加数でも現れ得ます。逆にエンジニアリングが5倍にとどまったのは、成長が遅いからではなく、出発点がすでに高かったからです。絶対的なユーザー数で並べ替えれば、順位はほぼ確実に逆転します。「法律がエンジニアを追い抜いた」と解釈するのは誤読です。

では、この表から何が残るのでしょうか。私は相対順位が残ると見ています。

Codexの提供拡大は、法律だけに開かれたわけではありません。セールスにも、マーケティングにも、財務にも同様に開かれました。みんな揃ってゼロからスタートしたのに法律だけが108倍でマーケティングが26倍であるなら、その4倍の開きは「門戸が開かれたから」だけでは説明がつきません。門戸が開かれた後、誰が真っ先に飛び込んだのかという問題です。今回の記事は、まさにその一つの問いに答えようとしています。

もう一つ押さえておくべき点があります。同じレポートにおいて、6月時点でCodexは企業顧客におけるCodexとChatGPTを合算した出力トークンの64%を占めていました。質問に対して答えを受け取る対話よりも、タスクを任せて処理させる用途により多くのトークンが消費されたことを意味します。法務職が立ち上げていたのは、コーディングツールではなくエージェントだったのです。

Googleの産業特化版の第1弾は金融と法律

8月25日、Google CloudがGemini Enterprise for Financial ServicesとGemini Enterprise for Legalを同時にプレビュー公開しました。産業特化版の最初の二つです。ヘルスケアやライフサイエンスは「予定」とだけ記されています。

構成は両製品とも全く同じです。4つのレイヤーから成り立っています。業種別のドメインスキル、MCP1コネクタ、実際に業務を遂行するエージェント、そしてパートナーエコシステムです。

金融側の看板はFinancial Researchエージェントです。50を超える基本スキルを備えて登場し、信用リスク評価、ポートフォリオモニタリング、KYC（顧客確認）、債券発行といった業務を担います。Googleは、複雑な債券ポートフォリオのリスクエクスポージャー分析を5分以内に短縮したと発表しました。連携されるデータソースは、FactSet、Moody’s、MSCI、PitchBook、Guidepoint、Dun & Bradstreet、SEC EDGARなどです。

法律側は、契約レビューとレッドライニング、プレイブック2作成、規制モニタリング、リーガルリサーチ、DSAR3対応を扱います。連携対象はiManage、NetDocuments、DocuSign、Everlaw、RelativityOne、Thomson Reuters HighQ、さらには無料の判例データベースであるCourtListenerにまで及びます。開発にはCleary Gottlieb、Freshfields、Weil、Williams & Connollyが参画し、金融側にはドイツ銀行やCMEグループが加わりました。

ここまでは、よくある企業向け製品のリリース文です。私がじっくりと目を凝らしたのは、次の文章です。

金融エージェントは成果物を出す際、信頼度スコア、明示的な方法論、監査用のデータスナップショット、正確な出典の引用を併せて提示します。そしてデータガバナンスの項目には、次のような一文があります。「ライセンスされたデータはライセンスされた状態のまま、アクセス権限が設定されたデータは権限が設定されたまま維持される」。

これが新設された製品仕様ではなく、職業規範をそのまま書き写した文章であるという点こそが核心です。

何が合格かが文書化された職種にエージェントが先に入った理由

この二つのシグナルを重ね合わせると、ある構図が見えてきます。

法律と金融は、AIを特別に好む職種ではありません。むしろ保守的だという評判を長年受けてきました。しかし、この二つの職種には他の職種にはないものが三つあります。

第1に、成果物がテキストである点です。 契約書、メモ、意見書、リサーチノート。エージェントが生成できる形態そのものです。

第2に、何が合格基準であるかがすでに文書として書かれている点です。 法律事務所には条項ごとのプレイブックがあり、銀行にはKYCチェックリストや審査基準表が存在します。規制と先例が何十年にもわたって蓄積されています。これらはエージェントを訓練し、採点するために必要なまさにその素材です。前号でお伝えしたように、Harveyは1,750件の業務環境と7万5,000項目の採点項目を独自に構築してモデルを訓練しました。法律業界は、その採点表の原本を最初から保有していた職種なのです。

第3に、根拠の提示がすでに職業規範として確立されている点です。 弁護士はもともと出典なしに主張しません。アナリストはもともと方法論を明らかにします。したがって、「出典の引用、明示的な方法論、監査証跡」は、AI製品に後から付け足した安全装置ではなく、この職種が当初から求めていた成果物の仕様なのです。

legalaiこの三つが合わさると、こうなります。マーケティングにおいて「このコピーが良いコピーか」について合意を形成するのは困難です。しかし法律において「この条項が自社のプレイブックに違反しているか」は判定ができます。合格基準があれば結果が正しいかどうかを検証でき、検証ができればその業務をエージェントに任せることができます。

したがって、Googleが金融と法律を最初のターゲットに選んだのは、単に市場規模の大きさだけが理由ではありません。エージェントのアウトプットを採点できる産業から着手したのです。採点ができない産業では、エージェントがうまくやり遂げたのか失敗したのか、誰にも判定できないからです。

競争の鍵はモデル性能よりデータアクセス権

今回の発表で最も興味深いリストは、法律分野のコネクタ一覧です。そこにHarveyとLegora（レゴラ）が含まれています。

両社はリーガルAI市場における代表的なライバル同士です。Harveyは今年3月に110億ドル、Legoraは4月に56億ドルの企業価値評価を受けました。ところがGoogleは、彼らを排除する代わりにコネクタとして抱き込みました。Legoraの場合、双方の顧客が承認すればGemini Enterprise内でLegoraの機能の一部を利用でき、Legoraの出典引用とグラウンディング4はそのまま維持されます。業界メディアの『Artificial Lawyer』はこれを「競争ではなくエコシステム」と読み解きました。

私は少し見方が異なります。コネクタとして接続された瞬間、ユーザーが日常的にアクセスする画面はGoogle製品になり、リーガルAI企業はその画面の裏側で機能を提供する側に回ります。プラットフォームは競合を排除する代わりに、パートナーとして組み入れることでユーザーとの接点を手中に収めるのです。

そしてHarveyはすでに答えを出していました。前号で取り上げた通り、Harveyはわずか2カ月で自社モデル「Tenet」を発表し、「法律事務所が自らのインテリジェンスを所有できるようにする」という目標を明確に掲げました。時系列を見ればより明白です。Harveyの発表は8月18日、Googleの発表は8月25日でした。コネクタ一覧に名前が載る1週間前に、部品には甘んじないという回答を先に出していたわけです。

そのため現在、リーガル・金融AIの競争は、モデル、採点環境、データアクセス権という3つのレイヤーで繰り広げられています。

レイヤー保有者販売しているもの
モデルGoogle、OpenAI、Anthropicインテリジェンスそのもの。2カ月もあれば再び作り直せる消耗品
採点環境Harvey、Legora何が合格であるかを知る能力
アクセス権FactSet、Moody’s、iManage、Thomson Reuters元データとそこに設定されたアクセス権限

Googleが打ち出したのは、この3つのレイヤーを一つの権限体系の下で接続する製品です。前号では「消耗品はモデルであり、資本財は環境である」と整理しましたが、今回の発表はそこに一行を付け加えます。環境の次に高価なのはアクセス権である、と。どれほど優れたエージェントであっても、iManage内の文書を設定された権限のまま読み取ることができなければ、法律事務所では使えません。

韓国ではすでに3トラックが稼働中

この話が対岸の火事のように聞こえない理由があります。

韓国の大手法務法人である太平洋（Bae, Kim & Lee）が7月に韓国の法律事務所として初めてHarveyを全社導入し、8月にはChatGPT Enterpriseを韓国の大手法律事務所として初めて全社導入しました。韓国内の判例検索はL-BoxやSuperLawyerで別途運用しています。国際契約はHarvey、韓国国内の判例は韓国産リーガルテック、文書作成と翻訳は汎用AI。すでに3トラック体制が走っています。

Googleが売ろうとしているのは、まさにその3トラックの上に乗せるガバナンスレイヤーです。ツールをもう一つ増やすのではなく、増えすぎたツール群が同一の権限ルールの下で稼働するように束ねるレイヤーです。

したがって今、韓国の組織に求められている問いは「どのAIを購入すべきか」ではありません。次の二つです。

一つ。自組織の反復業務に採点表はありますか。

契約レビューのプレイブック、審査基準表、検収チェックリストのことです。これがなければ、どんなツールを導入したところで成果物が適切かどうかを判定できません。判定ができなければ委任もできず、結局は人間が最初からすべて読み直すことになります。法律や金融が先行できた理由はそこにあります。この基準表を作る作業はAIプロジェクトではなく業務定義プロジェクトであり、IT予算ではなく現場実務の時間がかかります。

二つ。エージェントを接続するシステムに権限設定がなされていますか。

Googleのリリースにあった「アクセス権限が設定されたデータは権限が設定されたまま維持される」という一文がなぜ製品の肝なのかは、社内文書が個人のPCやチャットツールに散在している組織であれば即座にご理解いただけるはずです。法律事務所がiManageを使っているからこそ、コネクタが成立するのです。文書にアクセス権限が設定されていなければ、接続する場所自体が存在しません。韓国の組織が直面しているボトルネックは、概してモデルの性能ではなく、ここにあるのです。

おわりに

要点をまとめると、次の3点になります。

第1に、 法務職におけるCodexユーザーの108倍という急増は、ベース効果が大きく混ざった数字です。ただし、同じ条件下で他職種を4倍引き離した相対順位は本物のシグナルです。

第2に、 Googleが最初の産業特化ターゲットとして金融と法律を選んだのは、この二つの産業がエージェントの成果物を採点する基準をすでに持っていたからです。

第3に、 競争の構図はモデルの性能ではなく、データアクセス権と権限体系へと移行しました。GoogleがHarveyやLegoraをコネクタとして取り込み、Harveyがその1週間前に自社モデルで先手を打ったことがその証拠です。

今週、皆さんの組織で試していただきたいアクションを一つ提案します。日常で最も頻繁に繰り返されている業務を三つ選び、それぞれについて**「どのような結果が出れば合格なのか」を5行で書き出してみてください。** その5行があれば、結果が合格かどうかを確認できるため業務を任せることができますし、なければツールばかりが増えていきます。法律業界が先行できたのは、その5行をすでに持っていたからにほかなりません。

参考資料と関連リンク

主要出典

  • OpenAI, “Enterprise signals: What frontier firms are doing differently”, 2026年8月12日更新。 ··· 108倍という数字の一次出典です。職種別の倍率だけでなく、「フロンティア企業＝月別AI使用量上位10%」という定義や、トークン消費量が事業価値の不完全な指標であるというOpenAI自身の注釈まで併せて読まれることをおすすめします。
  • a16z, “Charts of the Week: Winds of Thematic Change”. ··· このチャートを紹介した記事です。「Codex自体の提供拡大によるものがどれほどあるかは検証が必要である」という注釈を著者自身が付けている点が重要です。
  • Google Cloud, “Introducing Gemini Enterprise for Legal”, 2026.8.25. ··· コネクタ一覧にHarveyとLegoraが含まれている部分を直接ご確認ください。本稿の第4章はそのリストから生まれました。
  • Google Cloud, “Introducing Gemini Enterprise for Financial Services”, 2026.8.25. ··· 50以上の基本スキル、信頼度スコアと監査用データスナップショット、「ライセンスされたデータはライセンスされた状態のまま」という一文がここに記載されています。
  • Artificial Lawyer, “Google Launches Gemini Enterprise for Legal”, 2026.8.25. ··· 業界がこの発表を「競争」ではなく「エコシステム」と受け止めた証拠となる記事です。私の解釈とは異なる視点ですので、併せて参照することで判断しやすくなります。

背景知識

アン・グァンソプ（Oswarld）のイラスト

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 用語解説

각주

  1. MCP (Model Context Protocol): AIが外部システムのデータや機能に接続する方式を標準化したプロトコルです。サービスごとに個別に配線し直す代わりに、規格に合ったコンセントを使う仕組みに近いです。 ↩

  2. プレイブック (playbook): 法律事務所や企業の法務チームが契約条項ごとに「これは受け入れてもよく、これは必ず修正しなければならない」とあらかじめ定めた内部基準表です。人間にとってはマニュアルですが、AIにとっては採点表になります。 ↩

  3. DSAR (Data Subject Access Request): 個人が「自らの個人情報をどのように保有しているか開示してほしい」と企業に要求する権利です。回答期限が定められており、社内文書全体を探索しなければならないため、人手では多大なコストがかかる代表的な業務です。 ↩

  4. グラウンディング (grounding): AIが回答を捏造しないよう、実際の文書に根拠を紐付け、その出典を併せて提示させる手法です。根拠となる文書が見つからない場合は回答しないようにする方が安全です。 ↩

あわせて読みたい過去の号

第210号

Googleの優先ソースボタン、フォロワー数は教えてくれない

Googleが公開した優先ソース埋め込みボタンの内容と、パブリッシャーが自社サイトを登録した読者数や流入量を確認できない理由を整理しました。

ビジネス
第209号

単一銘柄レバレッジ純買い付けの92％が個人でした

個人が単一銘柄レバレッジ純買い付けの92％を占め、7月の反対売買は9,927億ウォンに。規制強化の背景と市場の歪みを分析します。

ビジネス
第205号

IBM、コンサルタント数千人にOpenAI認証を取得させる

OpenAIはIBMのコンサルタントや顧客企業の実務担当者に認証やバッジを付与し、企業への導入を着実に広げています。

ビジネス