法律業務の固定量の誤謬

ダミアン・シャルロタン 2026年6月5日

「AIがすべての仕事を奪う」という懸念に対する標準的な回答の一つは、「固定労働量」の誤謬を指摘することである。この誤謬は、仕事には有限の量があり、誰がどのような条件で働くかを調整することで再分配可能であり、労働の需要や供給の外部ショックに対して脆弱であると仮定する。例えば、標準労働時間を短縮すれば（フランスが週35時間労働に移行したように）、失業を解決するのに十分な仕事を解放できるという理論だ。この誤謬は直感的に魅力的であるため広く信じられている。人生の多くのものは、物質的な物体、帯域幅、さらには「注意」など、ゼロサム的に共有できる。しかし、「仕事」について同じことを仮定するのは誤りである。なぜなら「仕事」は人間と機関の間の複雑な関係と義務の省略形だからだ。仕事量の変化は収入、消費、そして他の誰かの仕事に動的に影響を与え、無限の波及効果を持つ。過去の歴史も、新技術や移民労働者などの外部ショックがすべての仕事を破壊するという警告を支持していない。フランスも失業を克服できなかった。

現在、AIと弁護士に関する議論でも、同様の議論が暗黙的または明示的になされている。法律業務は固定量であり、AIが法曹の仕事を奪うと仮定する人々がいる。彼らは、大量の若手弁護士が単純なAIルーチンによって壊滅し、LLMが価格に信じられないほどの競争をもたらすと警告する。しかし、著者は中期的には弁護士の数が減るどころか増えると主張しており、その立場の大部分はこの「法律業務の固定量」の誤謬を否定することに基づいている。

法の均衡

まず、「法律」（または「法律業務」）も「仕事」と同様に、はるかに大きく複雑なものの省略形である。実体的な規範、規制規範、私人間の規範、ソフトロー、そして行動規範や倫理などが含まれる。仕事と同様に、法律の枠組みの一面に触れると、他のすべての面に影響が及ぶ。例えば、一つの規範違反が他の規範を引き起こす可能性がある。規範は技術的または人為的手段によって回避される可能性があり、脱税のように、抜け穴を塞ぐためにさらなる規範が必要になる。解釈の漂流は、規範の適用ごとにその意味が微妙に変化し、追跡と適応のための作業が必要になる。また、法域の重複は、一つの法的状況が多元的な世界で適法であることを保証するために必要である。これらの例はすべて、AIが法律業務に何をするにせよ、より多くの仕事が提供される可能性が高いことを示している。これは法律のフラクタルな性質に由来し、「十分に良い」という明確な答えがないことにも起因する。

ジェボンズ効果

最初のベクトルは、コンプライアンスコストに適用される典型的なジェボンズ効果である。多くの規範は、進取的な規範作成者（規制当局、立法者、規範を作成するインセンティブを持つ人）が潜在的な需要（弱いものであれ、作り出されたものであれ）を満たすことによって制定される。この需要はデフォルトで最大化主義的であり、何でも規制したがる。しかし、立法者がすべてを細かく管理するのを妨げるものは何か？常識もあるが、より一般的には、規範が遵守可能であるという感覚である。もちろん、実行不可能で遵守不可能な規範が制定されないわけではない。多くの法律や規制は、最終的に規範執行者に有利な運用方法が生まれることを承知で最大化主義的に設計されている。しかし、それでもなお、遵守の人間的可能性、誠実な審査が支持する範囲、特定の法共同体が苦情や回避なしに耐えられる範囲によって制限される。AIが加わると、コンプライアンスコストが削減され、遵守が容易になる可能性が高い。例えば、誰も読まない大量のテキストやフォームの形をとるコンプライアンスの場合、LLMはそのようなテキストの作成と解析に長けており、チェックすべき項目をチェックするパイプラインを構築することは十分に可能だろう。そうなると均衡はどうなるか？規範起業家は消え去るだろうか？むしろ、彼らは新しいベースラインを持ち、それを当然のこととしてさらに多くの規範を考案するだろう。堆積した体制が「改革」または「簡素化」されるたびに、私たちはこれを見る。EUの読者は、欧州委員会が現在進行中の一連の改革がEU法の簡素化を目的としていることを認識しているかもしれないが、それらは依然として、より多くの規範でなくとも、少なくともより多くの法的不確実性を導入している。同様に、規範はメタ規範を生み出す。例えば、技術的／技術的能力に関するルールは、まさにテクノロジーが法律業務をより複雑にしたために存在する。このようなメタ規範は、一次規範がそのレベルで遵守されるようにベースラインが満たされることを保証することを目的としている。そして、それらは静止しない。各世代のツールは、それらを有能に使用するための新しい期待と義務の世代を生み出し、それが次のラウンドの基盤となる。遵守を容易にすれば、規範負荷は増加する。

対抗的／赤の女王効果

第二のベクトルは、法律は他のプレイヤーとのゲームであり、適用を待っているルールのカタログではないということである。これは多くの文脈で見られる。税務計画と税務執行、原告と被告、先例を回避するための起草と先例を拡張するための訴訟、規制当局に適応するコンプライアンスチームとそれに適応する規制当局など。法律業務は、規範が何を言っているかだけでなく、他の誰かがそれを使って何をする可能性があるかによって形成されることが多い。AIは、この競争のレベルを変えるが、その構造は変えない。洗練された企業の独自の優位性としてのAIは堀であり、誰もが持っている場合は最低限の基準である。そして、数千の洗練されたアルファ探求者を追うトレーダーと同様に、弁護士は自分のゲームを強化し（そして仕事を増やし）て同じレベルを維持しなければならない。ここでフラクタルな点に戻る。法律サービスの需要は、デューデリジェンスが常に徹底的になる可能性があるため、契約がより多くの不測の事態を予見できるため、モニタリングがより広い範囲を包括できるため、増加する可能性がある。言い換えれば、対抗的な文脈でのAIはさらに多くの仕事を生み出す。FTCがマーケティングコピーを大規模にスクレイピングすれば、マーケティングコピーの大規模なコンプライアンスレビューの需要が生まれる。訴訟でのAIの使用は、LLMを失敗させる方法の使用を促進し、それに対抗する新たな防御手段が必要になる。これらすべてにおいて、法律活動の均衡量は増加し、減少しない。なぜなら、各側の改善された能力が競争の賭け金と洗練度を高めるからだ。多くの「AIが弁護士を置き換える」という話は、法律需要の性質と範囲を誤解している。需要は必ずしも法的に安全であるために必要なものと一致するわけではない。需要は内生的な制約（支払い能力と意欲）に由来し、部分的には相手が何を投げかけられるかに依存し、「十分に良い」レベルで止まる。他のすべてと同様に、この需要は誰もがAIを持つ世界に適応するだろう。

バウモルが登場

もう一つ考慮すべき側面がある。法律サービスの供給は需要に決して追いついていないことは公然の秘密であり、異論を唱えるのは難しい。その一部は、弁護士試験などの資格主義や意図的な摩擦による供給の抑制である。しかし、別の部分はバウモルのコスト病の結果かもしれない。法律は、生産性の向上がほとんどない分野でありながら、報酬は他の高給分野に合わせなければならなかった。この高いコストが需要を抑制した可能性がある。今、AIがこれらのコストを削減すると仮定すると、物語は再び需要の膨張になる。法律サービスの潜在需要の価格弾力性は高く、より低い価格帯で多くの潜在的な消費者が現れると期待できる。確かに、需要の一部は最も安いトークンの価格で満たされるだろうが、多くの活動は依然として実際の人間の弁護士を必要とするだろう。ちょうど多くの消費者がプロの配管工を好むのと同じだ。関連して、法律価格の低下はアンバンドリングに影響を与える。一部の法律サービスは、それらを取得するために周りのバンドル全体を購入する必要があることによって制限されている。例えば、シニア弁護士から「10分間の判断」だけを購入することはできず、アソシエイト時間や文書審査時間も一緒に購入しなければならなかった。ここで低価格について述べているが、これは弁護士が生計を立てるために倍働かなければならないという実際の危険を意味するわけではない。むしろ、平凡な法律サービスの低価格は、ボトルネックであり続ける部分（人間の判断と専門知識）におけるバウモルのコスト病をさらに定着させるだろう。クライアントが機械から受け入れないもの、または人間の名前がなければ受け入れないものだ。シニア弁護士は、アソシエイトが安くなったからといって安くなるわけではない。彼らは、安価な機械が生産するものに対する制約となるため、より高価になる。

しかし今回は違う

これらすべてに対する主な反論は、「固定労働量」の誤謬に対してなされるのと同じものである。つまり、過去にどれほど真実であっても、今回は違うということだ。著者は、この立場には価値がないと言いたいわけではない。LLMの出現とそれが可能にするものは真に前例がなく、高度なAIシステムで可能なことの範囲の表面をかじったに過ぎないという考えは魅力的である。モデルの能力の進歩が今日止まっても、短期から中期に無数の新しいアプリケーション、ビジネス、アイデアが生まれるのに十分であるという考えはそれ自体が魅力的だ。確かに多くのことが起こるだろうが、それは著者が喜んで共有する立場である。ただし、一つ注意点として、「固定量ではない」ことは、特定の弁護士が特定の仕事を維持することを保証するわけではない。再編成は個人にとって不親切であり得る。

（AIコスト管理のため省略）