Laravel + AI文書解析で契約書チェック工数を70%削減

中小企業の法務担当者を悩ませる契約書レビューをLaravel×AIで自動化。実際の導入事例をもとに、構築手順から運用上の注意点まで詳しく解説します。

こんな悩み、ありませんか？

「毎月10件以上の契約書を一から読み込むのに、半日以上かかってしまう」「法務専門家に外注する予算はないが、見落としリスクが怖い」「担当者が変わるたびにチェック品質がバラつく」——中小企業の法務・総務担当者からこうした声をよく耳にします。

専任の法務部を持てる規模でないにもかかわらず、取引先との契約書審査は年々増加する一方。結果として、担当者が深夜まで目を通し続けたり、重要な条項を読み飛ばすリスクを抱えたまま押印してしまうケースが後を絶ちません。

この記事では、弊社（Fivenine Design）が神奈川県内の製造業クライアントに導入した 「Laravel × OpenAI API を組み合わせた契約書自動解析システム」 の実践事例を中心に、仕組みの構築手順・注意点・費用感まで詳しくお伝えします。

なぜ「契約書チェック」はこんなに大変なのか

中小企業が抱える法務の構造的課題

契約書レビューの工数が膨らむ背景には、いくつかの構造的な問題があります。

1. 標準化されたチェックリストがない ベテラン担当者の「勘と経験」に依存しているケースが多く、何をどの順序で確認すべきかが属人化しています。

2. 文書量が多く、重要箇所が分散している NDA・業務委託契約・売買基本契約など、種類ごとに確認すべき条項が異なり、一律のフローで処理できません。

3. ひな形との差分が見つけにくい 先方から送られてきた契約書が自社ひな形と「どこが違うのか」を目視で拾うだけでも相当な時間がかかります。

これらの課題をすべて人手で解決しようとすると、1件あたり平均 2〜4時間 の工数が発生します。月20件なら最大80時間、つまり約2週間分の工数が「契約書を読む」だけで消えていくことになります。

実案件の概要：神奈川県内・製造業クライアントの事例

ご相談いただいたのは、従業員50名ほどの金属加工メーカーです。月に15〜25件の契約書が発生しており、総務担当の2名が本来業務と並行して対応していました。

課題の整理

• 1件あたり平均3時間のレビュー工数
• チェック漏れによる不利な条項を含む契約が過去に2件発覚
• 担当者の退職に伴い、ノウハウが引き継がれていない

選んだアプローチ：Laravel + OpenAI API 既存の社内業務ポータルがLaravelで構築されていたため、そこに文書解析モジュールを追加する形を採用しました。外部SaaSを新たに契約するより、既存システムへの統合の方がユーザーの学習コストも低く、データを社外に無制限に渡すリスクも最小化できると判断したためです。

導入後の結果

• レビュー工数：平均3時間 → 0.8時間（73%削減）
• チェック漏れ件数：半年間でゼロ
• 担当者の残業時間：月平均12時間削減

システム構成と実装手順

全体のアーキテクチャ

flowchart TD
    A[ユーザーがPDF/Wordをアップロード] --> B[LaravelコントローラーでファイルをS3に保存]
    B --> C[テキスト抽出ジョブをキューに投入]
    C --> D[pdftotext / PhpWord でテキスト化]
    D --> E[チャンク分割してOpenAI APIへ送信]
    E --> F[GPT-4oがリスク条項・欠落条項を解析]
    F --> G[解析結果をDBに保存]
    G --> H[担当者にメール通知 + ダッシュボード表示]

Step 1：ファイルアップロードとテキスト抽出

まずPDF・Word双方に対応できるよう、smalot/pdfparser と phpoffice/phpword をComposerで導入します。

composer require smalot/pdfparser phpoffice/phpword

コントローラー側では、アップロードされたファイルの種別を判定してテキストを抽出します。

use Smalot\PdfParser\Parser;

class ContractTextExtractor
{
    public function extractFromPdf(string $filePath): string
    {
        $parser = new Parser();
        $pdf    = $parser->parseFile($filePath);

        return $pdf->getText();
    }
}

use PhpOffice\PhpWord\IOFactory;

class ContractTextExtractor
{
    public function extractFromDocx(string $filePath): string
    {
        $phpWord  = IOFactory::load($filePath);
        $fullText = '';

        foreach ($phpWord->getSections() as $section) {
            foreach ($section->getElements() as $element) {
                if (method_exists($element, 'getText')) {
                    $fullText .= $element->getText() . "\n";
                }
            }
        }

        return $fullText;
    }
}

Step 2：OpenAI APIへのプロンプト設計

ここが本システムの核心部分です。ただ「チェックしてください」と投げるだけでは精度が低くなります。自社のチェック観点をシステムプロンプトに落とし込むことが品質を左右します。

use OpenAI\Laravel\Facades\OpenAI;

class ContractAnalysisJob implements ShouldQueue
{
    use Dispatchable, InteractsWithQueue, Queueable, SerializesModels;

    public function __construct(
        private readonly int    $contractId,
        private readonly string $contractText
    ) {}

    public function handle(): void
    {
        // トークン上限を考慮して4000文字ずつ分割
        $chunks   = str_split($this->contractText, 4000);
        $results  = [];

        foreach ($chunks as $index => $chunk) {
            $response = OpenAI::chat()->create([
                'model'    => 'gpt-4o',
                'messages' => [
                    [
                        'role'    => 'system',
                        'content' => $this->buildSystemPrompt(),
                    ],
                    [
                        'role'    => 'user',
                        'content' => "以下の契約書テキスト（パート" . ($index + 1) . "）を解析してください：\n\n" . $chunk,
                    ],
                ],
                'response_format' => ['type' => 'json_object'],
            ]);

            $results[] = json_decode(
                $response->choices[0]->message->content,
                true
            );
        }

        // 結果をDBに保存
        ContractAnalysisResult::updateOrCreate(
            ['contract_id' => $this->contractId],
            ['analysis'    => $this->mergeResults($results)]
        );
    }

    private function buildSystemPrompt(): string
    {
        return <<<PROMPT
        あなたは日本の企業法務に精通した契約書レビューアシスタントです。
        以下の観点で契約書を解析し、必ずJSON形式で返してください。

        【チェック項目】
        1. risk_clauses: 自社に不利な条項（損害賠償の上限なし、一方的な解約権など）
        2. missing_clauses: 通常必要だが欠落している条項（秘密保持、準拠法など）
        3. ambiguous_clauses: 解釈が曖昧で将来トラブルになりうる表現
        4. summary: 契約全体の要旨（3文以内）
        5. risk_level: "low" / "medium" / "high" のいずれか

        各項目には該当箇所の文言と具体的な懸念理由を必ず含めること。
        PROMPT;
    }

    private function mergeResults(array $results): array
    {
        // 複数チャンクの結果をマージするロジック
        return array_merge_recursive(...$results);
    }
}

Step 3：ダッシュボードでの結果表示

解析結果はリスクレベルに応じて色分け表示し、担当者が一目で優先度を判断できるUIに仕上げました。Blade テンプレートで risk_level の値に応じてバッジカラーを切り替えるだけのシンプルな実装です。

// ContractController.php
public function show(Contract $contract): View
{
    $analysis = $contract->analysisResult;
    $riskColor = match($analysis->risk_level) {
        'high'   => 'red',
        'medium' => 'yellow',
        'low'    => 'green',
        default  => 'gray',
    };

    return view('contracts.show', compact('contract', 'analysis', 'riskColor'));
}

よくある失敗パターンと対処法

実際にいくつかのクライアント案件を経験する中で、同じ失敗が繰り返されるポイントがあります。事前に把握しておくと、開発の手戻りを大幅に減らせます。

導入コストと費用対効果

今回の事例では、初期開発費80万円・月額ランニングコスト約18万円（API費用・保守含む）でした。

一方、削減できた工数（月60時間 × 担当者時給換算3,000円）は 月18万円相当。つまり約5ヶ月でROIが回収できる計算です。さらに「ミスによる契約トラブルのリスク軽減」という定量化しにくい価値も含めると、経営判断としては十分に合理的な投資といえます。

まとめと次のステップ

Laravel × OpenAI APIによる契約書解析システムは、決して大企業だけの話ではありません。既存のLaravelアプリケーションに段階的にモジュールを追加していく形であれば、中小企業でも現実的なコストで導入できます。

重要なのは「AIに全部任せる」ではなく、人間の判断を補助・効率化するツールとして正しく位置づけること。この点を押さえた設計・運用ルールの整備が、プロジェクト成功の鍵です。

まず取り組むべきステップをチェックリストにまとめました。

「自社の契約書でどこまで自動化できるか、まずPoC（概念実証）レベルで試してみたい」という段階からでもご相談をお受けしています。既存システムへの組み込み方や、OpenAIとAzure OpenAIどちらが自社の要件に合うかといった選定相談も含め、Fivenine Designまでお気軽にお声がけください。