Mikhail Yatsuha、CaseCraft.AI の CEO 兼共同創業者

Mikhail Yatsuha、CaseCraft.AI の CEO 兼共同創業者は、英国の弁護士で法務テクノロジー起業家であり、法務サービスで10年以上の経験があります。彼はインターン・研修弁護士から Sterling Law のパートナーへと昇進し、商務部門を率いながら、従来の法務費用を考慮すると経済的に成り立たなくなる低額紛争を何度も目の当たりにしました。2023 年末に、彼は CaseCraft.AI を共同設立し、AI を単に文書作成に適用するだけでなく、AI 搭載ワークフローを用いて民事請求の評価、作成、進行方法を根本的に再考しました。

CaseCraft.AI は、英国の法務テクノロジー企業で、民事訴訟向けの AI ネイティブプラットフォームを構築しています。このプラットフォームは、案件評価、証拠処理、訴前書簡、文書生成、手続き追跡、そして人間による法務レビューを単一のワークフローに統合し、個人の請求者には成功報酬制で、企業にはサブスクリプション型の大量請求・案件管理ツールでサービスを提供します。同社は3回の資金調達で約180万ポンドを調達し、2026年8月時点で合計価値1490万ポンド、4,562件の案件を作成し、そのうち51％が和解またはデフォルト判決で勝訴し、373件が現在進行中の法務作業です。また、初のエンタープライズ導入を試行中で、雇用法の MVP をテストしています。

インターン・研修弁護士から Sterling Law のパートナーへと昇進し、2023 年に CaseCraft.AI を共同設立するまでに何年も費やしましたが、法務実務で繰り返し目にしたものは何ですか？それが、単に法務ソフトウェアで効率化するだけでなく、AI によって小額請求プロセスを根本的に再設計できると確信させたのでしょうか？

私が確信したのは、弁護士がより優れた文書作成ツールを必要としているからではありません。多くの低額紛争では、弁護士が介入する前に経済的に成立しないことが問題です。代理費用が争点の価値に近づくかそれを上回り、ほとんどの法務費用は小額請求では回収できません。Sterling Law で有望な請求がこの理由で放棄されるのを目にし、後に未払い請求書を帳消しにする企業でも同様の計算が行われているのを見ました。これは文書作成の問題ではなく、提供モデルの問題です。AI は、単に弁護士の作業を少し速くするだけでなく、請求者を中心にしたプロセス全体を再設計することを可能にしました。

CaseCraft.AI は現在、数千件の法務案件を作成し、そのうち数百件が実際の法務作業に進んでいます。実際の案件で AI を運用して得た教訓で、プロトタイプやシミュレーション、ベンチマークテストだけでは決して明らかにできなかったことは何ですか？

二つの点が際立っています。まず、文書の生成は容易な作業ですが、案件の運営は難しいです。実案件では、証拠、支払い、期限、回答、次のステップが数か月にわたり一貫している必要があります。2026 年 8 月時点で、CaseCraft を通じて 4,500 件以上の案件が作成され、そのうち 400 件以上が実際の法務作業に進み、130 件の請求が裁判所に提起されました。

次に、AI に対する人々の行動が異なる点です。より率直になることが多く、重要な事実を早期に浮き彫りにするのに役立ちますが、システムは境界を設定し、人間が介入すべきタイミングを認識する必要があります。信頼が重要な段階で人間の介入を導入したところ、コンバージョン率が少なくとも 15％向上したことから、これを直接学びました。

初期の生成 AI の多くはテキスト生成に焦点を当てていましたが、CaseCraft.AI は証拠の収集、適格性の判定、手続き規則の遵守、アクションのトリガー、案件の時間経過にわたる追跡が必要です。このようなエージェント型ワークフローを構築することは、AI アシスタントやチャットボットを構築することと技術的にどのように異なるのでしょうか？

チャットボットは質問に答えるだけですが、エージェント型ワークフローは実際の案件の状態を時間とともに維持しなければなりません――何が起きたか、どの証拠が存在するか、何が欠けているか、次に何が起こり得るか。したがって、システムはすべてを一つのモデルで処理するのではなく、専門化されたコンポーネントの集合として考えます――情報を収集・検証するもの、法的推論を行うもの、受領文書を処理するものなどです。目的は最良の段落を作ることではなく、案件を最適な結果へ導く信頼できる意思決定とアクションの連続です。

法務ワークフローにおいて、モデルは手続き的または事実的に誤っていても、完全に説得力のある出力を生成することがあります。CaseCraft.AI は、説得力のある AI 出力と、実際に法的案件で使用できるほど信頼できる情報をどのように区別するよう設計されていますか？

基本原則は、モデルが自ら法的領域を創造してはならないということです。システムは案件の証拠と権威ある法的情報源に限定し、汎用モデルに記憶に基づいて回答させません。CaseCraft.AI は政府 API やその他の権威ある情報源を通じて、最新の法改正、関連判例、確立されたベストプラクティスにアクセスできるため、法的コンテキストは常に最新の状態に保たれます。

また、生成と検証を分離し、専門家によるレビューを規制された法務サービスの枠組み内に保持しています。評価基準は、出力が弁護士らしいかどうかではなく、出典・証拠・手続きステップが検証可能かどうかです。

「測定可能な人間の監視」の重要性について語られましたが、実務ではそれが何を意味し、AI システムが自律的に行える判断と、人間が責任を持つべき判断をどのように決定していますか？

測定可能な人間の監視とは、人間の関与が明確に特定できるリスクに結びつき、介入がどこで起きたか、なぜ起きたかを把握できることを意味します。「ヒューマン・イン・ザ・ループ」は単なる安心感を与えるフレーズではなく、トリガー、レビュー、そしてそれに続く判断を指摘できる必要があります。

これらの境界がどこにあるべきかの証拠基盤はまだ構築中です。すでに指標として挙げられるのはレビュー時間です――導入以降、システムの改善に伴い人間によるレビューに要する時間は4倍短縮されました。今後は、リスクに基づくレビューを目指しつつ、法的に求められる場面では専門家の判断を保持します。

証拠は小額請求の中心ですが、証拠は契約書、請求書、メール、メッセージ、写真、その他の非構造化情報として届くことがあります。そのような資料を、出所を保ちつつ裏付けのない結論を避け、AI システムが推論できる構造化入力に変換する方法は何ですか？

重要な原則は、抽出と推論を分離することです。ユーザーが建設業者との WhatsApp スレッドをアップロードした場合、日付、提示された価格、使用された語句は抽出された事実であり、そのやり取りの法的意義に関する結論は推論です。この二つを同一視してはいけません。文書を構造化し、ワークフローが利用できるようにしつつ、元の証拠へのリンクを保持します。そのリンクが失われると、見た目は整っていても、争点になった際に崩れてしまうケースファイルになるでしょう。

自律システムにとって最も難しい課題の一つは、行動すべきでない時を判断することです。CaseCraft.AI が、請求があまりにも曖昧、複雑、またはリスクが高く自動化に適さないと判断し、法務専門家にエスカレーションすべきと判断するシグナルは何ですか？

我々の安全策の一つは逆説的です――AI が進めようとする案件だけでなく、却下しようとする案件にも注意を払います。人間の監視は、AI が過度に積極的になるのを防ぐだけでなく、システムが過度に保守的になり、正当な主張を捨ててしまうことも防ぎます。

現在、最も明確なエスカレーションシグナルの一つは証拠の不足です。関係書類をアップロードしなかったり、時間の経過で紛失したり、どの証拠が請求に重要か認識していなかったりします。案件が十分に明確または完結していない場合、次のステップは自動進行ではなく人間のレビューになるべきです。弁護士は現在のシステムよりも文脈やグレー領域を一貫して処理できます。

AI システムが従来弁護士が行っていたステップをますます担う中で、ソフトウェア自動化と規制された法務サービスとの境界はどのように変化すると考えますか？

境界は変わりますが、テクノロジー業界の多くが予想するよりも遅いペースです。ハイステークスなシステムは次のモデルがより優れるという約束に依存できず、信頼性は権威ある情報源、検証、制御、そして責任ある人間のレビューを通じて示さなければなりません。時間とともに、AI は明確に定義された範囲内で専門家が信頼できるものになると予想しますが、自律性は実績と実際の結果によって獲得される必要があります。重要な問いは「ソフトウェアか弁護士か？」ではなく、どの活動が行われ、どの証拠がそれを支え、誰が最終的に責任を負うかです。

汎用 AI モデルは急速に高性能化していますが、誰もが利用できる基盤モデルが継続的に向上する中で、CaseCraft.AI のような垂直型 AI 企業が持続的な優位性を保つ要因は何ですか？

当社の優位性は基盤モデルを所有することではありませんでした。汎用モデルの向上は当社にとって好材料です。難しいのはそれらの周辺領域――検索、案件データベース、法的知識、ワークフロー基盤、統合、制御、そして請求が開始から完了までどのように進むかという運用理解です。この作業は新しいモデルが登場しても消えません。

ユーザーにとっては、案件が一つの場所で完結するように感じられ、裏側でオーケストレーションが機能しています。同じ基盤が、個人の請求者と、最大 150 件をワンクリックでバッチ請求し、案件管理ワークフローを利用する企業の両方をサポートし始めています。オーケストレーションとドメイン実行が、垂直型 AI の持続的な堀（競争優位）になると考えています。

小額請求を超えて、CaseCraft.AI からエージェント型 AI の将来について何を学びましたか？複雑なワークフローを管理しつつ、重要な判断に対して人間が責任を持つシステムに特に適していると考える他のハイステークス産業はどれですか？

エージェント型 AI には楽観的ですが、難しい作業はモデルの周辺――プロセスの再設計、情報の構造化、システムが行えることの定義、検証とエスカレーションの構築――にあります。そのため、規制産業はしばしば進展が遅くなります。ワークフローを自動化できるほど深く理解している人材は、組織内で最も忙しい専門家であることが多いからです。

最も有望な機会は、情報収集や文書処理が多数繰り返し行われるワークフローですが、例外は少数で、依然として責任ある判断が必要です。CaseCraft にとっては、雇用法が最も近い拡張領域で、MVP が実証テスト中です。また、専門訴訟事務所と共に人身傷害分野も検討しています。法務以外でも、保険、金融サービス、コンプライアンスが同様の形状を持っています。勝ち残るシステムは、会話を自動化する方法だけでなく、機械が止まるべき正確なタイミングと人間が介入すべきタイミングを知っているでしょう。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は CaseCraft.AI をご覧ください。