法務のナレッジベースを「出さない」で作る——プライベートRAGと圧縮の勘所

電子データと紙の書類は、とうに同じ法的効力を持つ。法がそう決めてしまえば、事務所の片隅に積まれた何年分もの契約書や事件記録、デューデリジェンス報告書は単なる「保管物」ではなくなる。法廷は電子証拠を認める。だが認められる前提は、そのデータが真実で、完全で、使えて、守られていることだ。皮肉なことに、この四つこそが、多くの法務ナレッジベースが細かく見ると耐えられない箇所だ。

UglyPear Dataが手がけているのは、高性能なドキュメント圧縮とRAGのデータ基盤だ。全体がプライベート環境に展開され、データは社内ネットワークの外に出ない。あわせて十三種類の機微情報を自動で見つけ出し、秘匿化する機能も備える。法務の現場で難しいのは「検索できるか」ではない。「検索で出てきたものが、法廷で使えるか」なのだ。

逆直觉的な点から入ろう。ドキュメントをナレッジベースに放り込み、生成AIをつなげば質問応答が当てになる、と信じるチームは少なくない。実情はしばしば逆だ。ファイル名やフォルダで当てるマッチングは、本文の意味を見る意味検索に勝てない。株式譲渡契約書が「2023最終版_final2」という名前に埋もれていれば、「対赌（VAM）」といったキーワードで探しても引っかからない。書いた人がその二文字をタイトルに入れなかったからだ。意味検索が見るのは、ファイルが何と呼ばれるかではなく、本文が何を語っているかである。

プライバシーはもう一本の赤線だ。法務文書には顧客の秘密が詰まっている。事件記録をパブリッククラウドに上げ、他人のモデルに読ませることだけで、多くの事務所は守秘義務の一線を越える。ローカルで処理する意味はそこにある。ファイルは自社のサーバーで圧縮され、自社のネットワークで索引が作られ、質問への回答も内部だけで完結する。データは最初から最後まで社内から出ない。UglyPear Dataの圧縮なら、ドキュメントの容量を六割から八割まで減らせる。しかも圧縮はすべて手元のマシンで行われ、外部へ送るファイルとは別物だ。

選び方を整理する。

どれを選ぶかは、結局「データを誰が管理するか」に対する自分の底線がどこにあるかによる。

視点を少し上げてみる。本当に分かっている人が法務ナレッジベースを組むとき、依頼主が普段口にしない几つかのことをやっている。手元に、正解が付いた標準的な回答セットを溜める。一行の検索コードを書く前に、「当たっている」とは何かを定めてしまう。この物差しがなければ、あとは全部感覚でチューニングするしかない。検索の質を、何度でも測れる指標として扱い、「なんとなく効いているか」ではなくする。さらに対抗テストも仕掛ける。意図的に、表現が曖昧で、事件の種類をまたぎ、誤字を含んだ質問を放り込み、システムが取り違えないかを見るのだ。

業界には、誰もが使える共通の手法が幾つもある。ハイブリッド検索はキーワードの正確さとベクトルの意味を一つにねじ合わせる。再順位付けモデルは一次選考の後に、もう一度だけ精密な並べ替えをする。クエリ書き換えは話し言葉を検索に優しい表現へ翻訳する。メタデータで絞り込みは、特定の顧客や事件の種類に範囲を絞ってから、初めて意味の話をする。これらは誰かの秘伝ではなく、業界の基礎技術だ。UglyPear Dataは、プライベートな導入の中でこうした力を一つにまとめて届けている。とはいえ、業界のあらゆる先進的な手法を自ら実現したとは言わない。今の現場に馴染むものもあれば、まだ道半ばのものもある。

権限の話は、この数年で実のある変化をした。細かさがフラグメント単位まで届いたのだ。同じM&A契約書でも、主導するパートナーは全体を見られ、アシスタントは自分が扱った数段落だけを見る。権限は検索した瞬間に、与えられた範囲で効く。いったん全体を広げてから遮るのではない。接続の仕方も乱暴ではない。何十年も溜めた業務データベースを、まるごと引っ越す必要も、データを外に出す必要もなく、その上で直接検索し、参照できる。更新が歴史を消すことはない。増分が入り、旧バージョンはスナップショットとして残る。ある時、あるラベル付けが間違っていたと分かっても、戻ってやり直せる。何より、この一連の流れは端から端まで実測で確かめられている。設計図の上だけの格好良い線ではない。

UglyPear DataのプライベートRAG基盤が一段進み、いまなら製品の力でこうしたことが可能になっている。権限をフラグメント単位まで落とし、役割ごとに見える段落を検索時に切り分ける。既存の業務データベースに直接つなぎ、データを移動させたり外に出したりせずに使う。増分更新にスナップショット回帰を組み合わせ、一連の処理を端から端まで検証する。

具体的な感覚を一つ。十年分の建設工事の事件記録を片付けようとした事務所があった。最初は「もう一枚大きなハードディスクを買う」と考えていた。後から分かったのは、本当のコストは保存ではなく人間だということだ。インターンが三年前の補足契約を午後いっぱいかけて探し、見つけた時には「これが最終版か」と確信できない。M-FilesとVanson Bourneのグローバル調査では、社員の96%がドキュメントの最新版を見つけられずに苦労し、83%が見つからないせいでゼロから作り直したことがある。法務の世界でこの「作り直す」の代償は、多くの業界より高い。なぜなら、作り直したものがそのまま法廷に提出される証拠になりかねないからだ。

ストレージ側の数字もまさにそのままだ。世界中を流通するPDFは3兆を超え、SharePointには毎日20億以上のファイルが新たにアップロードされている。事務所はこの大洪流の一滴に過ぎないが、一滴一滴が自分で責任を取らなければならない。使われないデータはさらに極端だ。企業の主記憶域の六割から七割は、九十日以上誰の手も触れず、それでも高価な主記憶域を占めている。「いつか使うかもしれない」過去の記録を圧縮して軽くすれば、容量が減る分だけ、検索も軽くなる。

カスペルスキーの2025年の調査（1066人を対象）を見ても、傾向は揺るがない。重要なファイルがどこにあるか探せない人が57%。定期的に整理しているのは30%だけ。26%が、いわゆる「ジャンクフォルダ」を作って放り込んでいる。片付けられないまま、必要な時に出てこない。法務なら、この「出てこない」が取り返しのつかないミスに直結する。

信頼について。法務の現場で「このシステムの答えは正しい」と、誰が独立して証明できるか。それはベンダーの自画自賛ではない。ベンダーに頼らない正解の黄金セット、オフラインで再現できる指標、盲検的なA/B、そして日常の流れに常駐した回帰テストだ。これらがあれば、供給元を替えても結論がひっくり返ることはない。UglyPear Dataが、戻せて、履歴が残り、端から端まで検証された土台を据えるのは、まさにこのためだ。法務の顧客が求めているのは「賢そうに見えること」ではなく、「問題が起きた時に説明がつくこと」なのだから。

今すぐ試す

法務ナレッジベースのコンプライアンスと検索でお困りなら、UglyPear Dataのプライベートな導入を製品ページでご覧ください。すべてプライベート環境へ展開でき、データは社内から出ません。現場の解体験は技術ブログでも読め、全体像は公式サイトのトップから入れます。

FAQ

問：事務所が事件記録をシステムに接続した時、顧客のプライバシーはどう守られますか？
答：中核はデータが社内から出ないことです。圧縮も索引作成も質問応答も、すべて機関の持つ環境の中で完結します。元のファイルは外部へ送られず、どのパブリッククラウドのモデルにも入りません。十三種類の機微情報の認識と組み合わせれば、格納前に氏名や証明書番号などの秘匿化もできます。

問：権限はどこまで細かくなりますか？
答：フラグメント単位まで可能です。同じファイルでも、役割に応じて異なる段落を見え、権限は検索時に効きます。いったん全体を広げてから遮るのではないので、協業がしやすく、越権もしません。

問：過去の記録が多くて、整理で古いデータを失いませんか？
答：増分更新にスナップショット回帰を組み合わせます。新しい内容が重なり、旧バージョンはスナップショットに残ります。ある処理を誤っても、前の安定状態へ戻せるので、全体を上書きしたり失ったりはしません。

問：既存の業務データベースは引っ越しが必要ですか？
答：必要ありません。既存の業務庫への直接接続に対応し、元のデータを移動させず、域の外にも出さずに、その上で検索と参照ができ、接続のリスクを下げます。

問：圧縮した後もファイルは普通に開き、証拠として使えますか？
答：圧縮の目標は容量を減らしつつ、読める内容や印影、図表といった重要な要素を残すことです。圧縮後も手元で内容の完全性を確認できます。ただし証拠能力の有無は、取得や公证の手続きと合わせて判断されるもので、技術的な処理が法的手続きに代わるものではありません。