Peach6000件をAIで下ごしらえ、判定は人

法改正や会計基準の変更に伴い、企業が保管している膨大な過去文書をひっくり返して精査しなければならない局面は、突然やってきます。専任の法務やIT担当者がいない中小企業にとって、こうした突発的な作業は現場の残業と根性論で乗り切るしかない重労働になりがちです。2026年9月15日に公表されたPeach Aviation株式会社の取り組みは、そうした「過去文書の棚卸し」をどう切り抜けるかという問いに対して、非常に再現性の高い答えを示しています。

6,000件の目視、なぜ今まで人海戦術しかなかったのか

新リース会計基準への対応に際し、Peach Aviationでは自社が保有する既存契約書約6,000件の中から、対象となるリース契約書を抽出・精査する業務が発生しました。従来通りの手作業で全件を目視確認する場合、数百時間規模の莫大な工数がかかる見込みでした。

なぜこのような作業は、これまで人海戦術でしか対処できなかったのでしょうか。理由は明確です。契約書は取引先ごとにフォーマットが異なり、ベタ打ちのPDFや紙をスキャンした画像データなどが混在しているため、従来のデータベース検索では目的の条項を正確に拾い上げられないからです。人を安易に増やせず、専用の解析システムを開発する予算もない中では、担当者が1件ずつファイルを開いて目を皿のようにして確認するしかありませんでした。非効率だと分かりつつも、これまで放置され続けてきた典型的な業務の構造です。

Peachがやったのは『AIに全部任せない』設計

Peach Aviationと契約書管理クラウドサービスを提供する株式会社Hubbleが取ったアプローチは、AI機能（Hubble mini）を活用して契約書の1次抽出とタグ付けを自動化することでした。しかし、この事例で最も注目すべき点は使われたツールそのものではなく、「AIと人間の役割分担」の徹底された設計にあります。

AIに100%の確定判定を求めず1次スクリーニングに特化させ、人間が最終確認・確定判定を行う役割分担を徹底した

AI導入でありがちな失敗は、AIに最初から「どれが該当する契約書か」を完璧に答えさせようとすることです。解釈の余地がある文章や複雑な条件が含まれる場合、AIの判定結果だけに頼ると見落としが発生するリスクがあります。そこで同社は、AIの役割を「条件に当てはまりそうな候補を洗い出し、要点を整理する下ごしらえ役」に絞り込みました。確定判定は必ず人間が行う前提にすることで、制度変更に伴うリスクを回避しながら、全件目視という莫大な労力を劇的に圧縮することに成功したのです。

なぜ効いたか｜間違えても人が拾える工程に置いた

この取り組みが成果を出した本質的な理由は、「万が一AIが間違えても、人間が最終確認で拾える工程」にAIを配置したことです。社外にそのまま送信する文書の作成や契約の自動締結など、ミスが即座に被害につながる工程にAIを置くと、現場は不安から使わなくなります。一方で、社内のスクリーニング作業であれば、抽出結果を人が確認するため、ハルシネーション（AIの嘘）や誤抽出があっても途中で修正できます。

浮いた確認工数は、単なる残業削減にとどまらず、担当者が「個別の取引条件の検討」や「事業部門との交渉調整」といった、人間しかできない付加価値の高い業務に集中する時間に変わりました。まさに、退屈な抽出作業をAIへ預け、判断という熱狂を人が引き受けた好例といえます。

ただし、この手法にも効かない条件が存在します。元データの文字が潰れてOCR（光学文字認識）で読み取れない画像ファイルの場合や、そもそも社内で「何を探したいのか」という抽出基準が明確になっていない場合は、AIを使っても正確な下ごしらえはできません。事前の条件整理と読み取り可能なデータの準備が不可欠な前提となります。

うちの300件で試す｜無料AIで下ごしらえする手順とやめどき

この「1次抽出をAIに任せる」運用は、数千件の契約書を持つ大企業だけのものではありません。契約書300件の更新確認や、過去の見積書・申請書類の棚卸しといった中小企業の現場でも、ChatGPTやClaude、Geminiなどの汎用AIを使って明日から再現できます。

大掛かりなシステムを入れる必要はありません。まずは手元にある数十件の文書から、小さなリスクで一歩を踏み出すことが大切です。

30分で課題を整理する→