Harveyレビュー【2026年】法律AIの実力、日本の法務部が確認すべきこと

Harveyは、法律事務所と企業の法務部門に特化したAIプラットフォームです。料金は非公開で、公式サイトの入口はデモの申し込み（Request a Demo）のみ。製品はAgents、Spaces、Vault、Contract Intelligence、Command Center、Researchという構成で、後継基盤のHarvey IIの提供が告知されています。公式トップには、3,500以上の法律事務所・法務部門、20万以上のプロフェッショナル、85か国以上、AmLaw 100の80社以上という規模表示がありますが、これらは自己申告の数値として読むべきものです。本稿は実機検証を行っておらず、判断はすべて公開情報ベースで、日本語の契約実務での精度は未検証と明記した上で整理します。

Harveyとは何か。法律業務に特化したAIの現在地

Harveyは、法律事務所と企業法務の業務に特化して作られたAIプラットフォームです。汎用のAIチャットが「何でも聞ける」ことを売りにするのに対し、Harveyは法律業務の作業単位に製品を切り分けています。調査を担うResearch、文書を大量に扱うVault、契約を扱うContract Intelligence、チームの仕事場になるSpaces、業務を振り分けるAgents、管理側のCommand Center。この構成から、単体のチャットではなく、法務部門の一連の作業を交代させることを想定した体制だと分かります。

後継基盤のHarvey IIの提供が告知されている点も現時点の特徴です。どの程度の性能差があるかは公開情報の上では読み取れないため、ここは評価を保留します。分かるのは、製品群の基盤を更新する段階に入っているという事実だけで、導入を考える側は「告知段階のもの」と「提供中のもの」を区別して聞く必要があります。

公式の規模表示は自己申告として読む

公式トップには、3,500以上の法律事務所・法務部門、20万以上のプロフェッショナル、85か国以上、AmLaw 100の80社以上という数値が並んでいます。これらは公式サイトの表示であり、第三者検証された数値ではありません。つまり「何を組織と数えるか」の定義が公開されていないため、額面通りの市場性として受け取るのは早いと考えるべきです。とはいえ、AmLaw 100（米国の収益上位100事務所）の大部分が名前を連ねる表示である以上、大手事務所の採用が集まっていること自体は読み取れます。自己申告でも、ゼロではない情報。この温度感で扱うのが妥当だと考えます。

製品群の読み方として、切り分けの単位に注目する視点を足します。法律業務は「調査→文書の確認→契約→協働→管理」という流れで捉えられるため、Harveyの製品名は、この流れの各工程に対応する位置に並んでいます。Researchが調査、Vaultが文書の確認、Contract Intelligenceが契約、Spacesが協働、Command Centerが管理。Agentsは流れ全体への振り分けです。工程に沿って製品が並ぶ構成は、自組織の流れを重ね合わせるだけで、どの部分が空白かを特定できるということです。導入検討では、製品一覧からではなく、自組織の流れの空白から逆算するほうが、議論がぶれにくくなると考えます。

同じ規模表示の中に「月あたり平均25時間以上の節約」という集計もあります。これも公式サイトの集計表示であり、自社の検証条件は公開されていないため、導入効果の保証とは読まないほうが安全です。効果の数値は、自組織の業務の型によって変わります。引用する場合も「公式の集計表示」という出自を添えるのが、法務部門らしい慎重さだと考えます。

料金は非公開。何と比較して導入判断するか

Harveyの料金は公開されていません。公式の入り口はデモの申し込みのみで、個人向けのプラン表も、無料トライアルの案内も見当たりません。これは、対象が組織単位の契約であり、構成（席数・製品の組み合わせ・サポート体制）ごとに見積りが変わることを示唆します。検討の手順としては、料金より先に「自組織のどの業務を置き換えるか」を決める方が先になります。

料金の聞き方で印象が変わる

非公開料金の製品では、問い合わせの中身がそのまま見積りの質を決めます。「いくらですか」とだけ聞くと、幅の広い回答しか返りません。法務部門なら、対象業務（契約レビュー・調査・文書整理）の月間件数、扱う文書の機密区分、既存の文書管理システムとの関係を整理した上で聞くべきです。要件が具体であるほど、非公開料金でも比較可能な提案に変わる。この原則はBoomiのような連携ツールと共通ですが、法律業務では守秘の条件が加わる分、事前整理の価値がさらに高くなります。

比較の軸についても触れます。汎用AIのChatGPTやClaudeは、契約文書の下書きや要約を低コストで始められる点で強い。一方で、機密文書の取り扱い、監査ログ、権限管理という法務特有の条件は、組織向けの体制としてHarvey側が整えられています。どこまで汎用AIで済ませ、どこから専用ツールに移すか。この線引きが、料金非公開の製品を評価する際の実質的な対価の基準になると考えます。

社内手続きの視点も書いておきます。料金非公開の製品は、稟議資料の「予算」欄を初期段階で埋められないため、検討の承認が後ろ倒しになりがちです。対策としては、予算欄を「要件確認後確定」として区切り、要件文書の承認だけを先に取り進め方になります。法務部門が扱う道具である以上、導入判断の説明責任は通常のSaaSより重く出ます。承認の分割（業務要件と費用の分離）は、非公開料金と付き合う上での定型手続きだと考えます。手間ではありますが、後から「なぜこの金額なのか」と問われたときの根拠として機能します。

Agents・Spaces・Vaultが担う業務。何を置き換えるのか

製品群の中心をなす三つを順に読みます。Agentsは、複雑な法律業務をエージェントに振り分ける領域です。単発の質問ではなく、手順を伴う仕事（文書の確認、情報の照合）を任せる位置づけと読めます。Spacesは、事務所・クライアント・共同代理人が作業を共有するワークスペースで、ethical walls（情報の壁）の管理とセットで案内されています。Vaultは、数千の文書から一括で情報を抽出する領域です。

この三つの並びを見ると、置き換えの対象が見えてきます。Agentsは業務の進行、Spacesは複数人での協働、Vaultは文書の大量処理。つまり「一人の法務担当がやっていた作業を、役割ごとにAIに配り直す」構想です。置き換えが進むのは、手順が定型的な部分と、文書の読み比べのように量が勝負になる部分です。反対に、交渉の方針を決める判断、社内外の利害を測る読みは残ります。置き換えの線が引ける業務を持つ組織ほど、この製品群の恩恵は大きいと考えます。

ethical wallsの管理が意味するもの

法律事務所では、同一事務所内でも案件がぶつかるクライアント同士の情報を分ける ethical walls が実務の基本です。Spacesがこの壁の管理を機能として持つ点は、法律専用のAIであることの実質的な証左です。汎用のチャットツールでファイルを共有する運用では、この壁を運用で代用するしかなく、漏れのリスクが常につきまといます。ただし、壁の設定が自組織の案件構造に合うかは、デモで確認すべき点です。公開情報の上では、機能の存在までしか追えません。

Vaultの使いどころも具体的に考えます。デューデリジェンスや大規模契約の確認では、数百から数千の文書から、変更条項や期間条項を拾い出す作業が発生します。この量の読み込みは人の時間の主な消費先であり、一括抽出が機能すれば、「読む時間」を「判断する時間」に回せる計算が立ちます。抽出の正確さがどの程度かは公開情報からは確認できず、ここは未検証です。デモ時に自組織に近い文書サンプルでの確認を求めるのが、現実的な進め方だと考えます。

導入の進め方としては、VaultとContract Intelligenceから始めるのが安全な順序だと考えます。この二つは、入力（文書）と出力（抽出結果・指摘）の対応が確認しやすく、精度を人間が検証しやすいからです。Agentsのような進行形の領域は、検証の設計が難しく、成果物の良し悪しが担当者の感覚に依存しやすい。検証しやすい領域から実績を積み、信頼の土台ができてから範囲を広げる。これは公開情報の構成から導ける順序の提案であり、製品の制約ではありません。逆に、いきなり業務の進行全体を預ける入り方は、検証が追いつかず、利用が形骸化するリスクが高くなると考えます。

SpacesとVaultの組み合わせにも触れます。文書の抽出（Vault）で拾った結果を、複数人で確認・共有する場（Spaces）に流す、という連携は、法務業務の「大量読み込みからチームでの確認」という定型に合う組み合わせだと考えます。単独の機能として使うよりも、この形で評価したほうが製品群の意図に近いはずです。ただし、実際の連携の滑らかさは公開情報からは確認できないため、デモで両方を通した流れを見せるよう依頼するのが現実的な確認方法だと考えます。依頼した流れの確認結果は、契約条件の資料として残しておく価値もあります。

Research・Contract Intelligence・Command Centerはどこまで任せられるか

残る三つは、業務の質を決める部分です。Researchは法律調査の領域で、判例や規制の確認のような調べものを担う位置づけです。Contract Intelligenceは契約の確認・レビューに特化した領域、Command Centerは管理側から全体を見る領域と読めます。調査と契約レビューは、法務部門の作業時間の二大消費先であり、この二つに専用の領域を設けている点が、製品構成の主眼です。

日本語での精度は未検証という前提

ここをはっきり書いておきます。Harveyの調査・契約レビューが日本語の文書と日本の法制度の文脈でどの程度の精度を持つのか、公開情報の上では確認できません。公式の規模表示に85か国以上という数字はありますが、国の数と日本語の精度は別の話です。米国法の文脈での実績表示が中心である以上、日本の契約実務での精度は未検証の領域として扱い、導入検討では自組織の文書での試験を条件にすべきだと考えます。汎用AIでも法律文書の日本語処理は実用域に達したと言われますが、専用ツールの優位が日本語でも成立するかは、現時点で誰にも断言できません。

Command Centerの位置づけも見ておきます。管理側の画面が用意されているということは、組織としてAIの利用を「個人の道具」から「部門の基盤」に引き上げる意図があると読めます。法務部門の長が、どの案件にAIが関わり、どの程度の量が処理されたかを把握できる体制は、稟議と監査の文脈で意味を持ちます。個人利用の利便性より、組織としての管理可能性を重視する構成です。

他分野の業務AIとの並びで整理すると、位置づけが見えやすくなります。営業部門のSalesforce AIやHubSpot、リスト作成のClay、カスタマー対応のIntercomやZendesk Service Suite、商談解析のGongは、いずれも「部門の業務をAIに配り直す」構想です。Harveyはこの流れの法務版であり、部門特化型AIという同じ型が、法務にも適用されたと捉えるのが正確です。型が同じなら、他部門での導入経験（うまくいった点・つまずいた点）が参考になります。

具体的な参考点を挙げます。部門特化型AIでよく起きる失敗は、範囲を絞らずに全部の業務に載せようとして、結果の評価ができなくなる型です。営業部門の導入でも、対象の業務と成果の指標を先に決めていた案件は続けやすく、決めないまま始めた案件は形だけに終わりやすい傾向が語られます。法務でも同じで、対象業務（どの種類の契約か）、件数、判定基準を先に決めてからデモを見るかどうかが分かれ目になります。指標の決め方は法務特有の話ではなく、部門特化型AI全般の作法として、他部門の経験から借りられます。

セキュリティと認証の構え。守秘の壁を越える条件

法律業務のAIで最初に議論になるのは守秘です。公式サイトは、SAML SSO、監査ログ、IP許可リストという組織向けの制御に加え、SOC2 Type II、ISO 27001／27701／42001、GDPR、CCPA、AIUC-1という認証と準拠のリストを示しています。数の多さより、内容の方向性が重要です。情報セキュリティ（27001）、プライバシー（27701）、AIの管理（42001）の三層がそろっている点は、AI製品としての体制が整っていることを示します。

ただし、認証のリストは「体制があること」の証明であり、「自分のデータがどう扱われるか」の契約上の約束そのものではありません。機密文書を扱う以上、契約前に学習への利用の有無、データの保持期間、サブプロセッサの範囲を確認する必要があります。この確認リストは、Harveyに限らず部門特化型AI全般に共通する手続きです。認証表示を安心材料にするのではなく、契約書の文面で確認を終えるまで導入判断を留保するのが、法務部門として筋の通した順序だと考えます。

社内の情報検索基盤を持つ組織では、Gleanのような社内検索・エージェント基盤との役割分担も論点になります。社内文書の横断検索と法務特化の処理が重なる領域があり、両方導入すると費用と権限管理が二重化する恐れがあります。どちらを法務業務の主体にするかを先に決めてから契約するのが、後悔の少ない順序です。既存基盤との重複は、料金非公開の製品ほど見落としやすい費用の要因だと考えます。

契約前の確認事項を一段落にまとめます。学習への利用の有無、データの保持期間と削除条件、サブプロセッサの範囲、監査ログの取得範囲と参照権限。この四つは、認証リストとは別の契約文面レベルの確認です。加えて、日本の法務部門として、弁護士法上の秘密保持義務や所属機関の規程との整合も確認の対象になります。公開情報の上では、これらの結論を出せません。確認できるのは「確認すべき項目の存在」までです。ここを明確にした上で検討を進めることが、認証表示を過信しないという意味で重要になると考えます。

評価できる点（公開情報からの判断）

• 法律業務の作業単位に製品が切り分けられている。調査・契約・文書・協働の位置づけが明確
• ethical wallsを機能として持つSpaces。法律実務の守秘構造を製品側が理解している証左
• SOC2 Type IIとISO 27001系、42001の認証表示。組織導入の前提がそろっている
• SAML SSO・監査ログ・IP許可リストの制御が示され、管理側の要件に応えやすい
• Vaultによる数千文書の一括抽出。量が勝負になる作業の置き換えが狙える
• 大手事務所の採用表示（AmLaw 100の80社以上・自己申告）。組織単位で使われる実績の存在を読み取れる

第一に、製品構成の切り分け方が業務そのものだという点です。「法律AI」と一括りにしたとき、調査と契約レビューと文書処理は別の仕事であり、別の精度評価を受けるべきです。Harveyはこの分け方に従っており、どの領域を試すかを選べる構造になっています。一括導入を迫られにくい構成は、段階的な導入を考える組織にとって扱いやすい点です。

守秘の構造への対応も評価できます。ethical wallsは法律事務所特有の要件であり、汎用ツールでは運用で代用するしかない部分です。これが製品の機能として存在するだけでなく、SAML SSOや監査ログ、IP許可リストといった制御と組み合わさっている。公開情報の範囲ではありますが、法務部門が稟議で求める条項の多くが、製品側の体制として用意されていると読めます。

管理側の視点（Command Center）が製品群に含まれる点も、組織導入向きです。AIの利用を個人の判断に委ねるのではなく、部門として把握できる体制は、監査や説明責任の文脈で必要になります。個人の効率化ツールが部門の基盤になる際に必ず問題になる「見え方」の部分を、製品の段階で用意していると読めます。

選定者への助言として、比較の組み方を一段落まとめます。部門特化型AIの比較では、機能一覧の数で並べる手法が広く使われますが、法律業務の場合、機能の数より文書の型との相性が実質を決めると考えます。契約書、議事録、規程類では、問い合わせ方と確認の作法が異なり、同じ機能でも扱いやすさが変わります。デモでは機能の覧を追うのではなく、自組織で最も量の多い文書の型を一つ決め、その型で処理を一通り見せる時間を取るのが良いと考えます。型が合うかの確認は、機能表の差分よりはるかに判断材料になります。

気になった点・条件付きの評価

• 料金が非公開。費用の水準を確認できないまま検討が始まる
• 規模表示と効果の数値が自己申告。検証条件が公開されていない
• 日本語の契約実務での精度は未検証。公開情報からは確認できない領域
• Harvey IIが告知段階のものと提供中のものに分かれる。デモで区分の確認が必要
• 既存の文書管理や社内検索基盤との重複が費用を押し上げる恐れ。役割分担の設計が前提になる

正直に言えば、この製品の評価は「自組織の文書で試すまで決まらない」と考えるべきです。規模の表示は立派ですが、それは米国の大手事務所の文脈の数値であり、日本の法務部門の文書量・文書型・制度環境は別物です。条件付きの評価として、デモ時に自組織に近い文書での確認を求め、その結果で初めて判断する。この手順を省かない限り、公開情報だけでは導入の根拠になりません。これは欠点というより、部門特化型AIに共通する評価の作法だと考えます。

判断の分かれ目。汎用AIとの線引きをどこに置くか

分かれ目は、機密性と量です。機密性の低い下書きや公開情報の調べものなら、Perplexityのような検索系や汎用AIで足りる場面が多く、費用も読みやすい。反対に、機密文書の大量処理と権限管理が必要になる段階から、専用ツールの体制に価値が出ます。「量と機密性がどちらも高い領域」が専用ツールの領域だと考え、それ以外を汎用AIに残す。この線引きをしないと、すべてを専用ツールに載せた結果、非公開料金の総額が読めない状態に陥ります。線引きの文書を作ること自体が、最も安い対策です。

もう一つの分かれ目は、導入主体です。事務所単位か、部門単位か、個人単位か。Harveyの製品構成は組織単位を想定した形であり、個人の判断だけで入る前提の製品ではありません。法務部門の長が主体となり、情報システム部門と守秘条件の契約確認を並行して進める。この体制を組めない段階なら、時期尚早だと考えます。AIの能力以前に、組織の準備が道具の効果を決めるのが、この種の製品です。

この表の読み方を一言で言えば、機密性と量が揃った領域だけを専用ツールに置くのが費用と守秘の両面で筋が通る、という話です。表の「迷う」行に当てはまる業務を専用ツールに載せる根拠は現時点で弱く、そこまで含めて契約すると、効果の帰属がぼやけます。帰属がぼやけたままでは、次年度の予算説明も立ちません。表の一行目と三行目が該当する組織ほど、デモと契約確認の手間を払う価値があると考えます。

よくある質問

まとめ

主な参照元：Harvey公式サイトの公開表示（harvey.ai）。製品群・規模表示・認証リスト・Harvey IIの告知は2026年10月24日時点の公式ページにもとづく。規模と効果の数値は公式の自己申告表示。実機検証は未実施。