2026年8月12日の決算発表後、弁護士ドットコム(6027)の株価が約1週間で7割近く上昇しました。
面白いのは、その直前までの評価です。「生成AIにSaaSは代替される」という懸念から、株価は年初来で20%下落していました。
しかも今回、通期の業績予想は上方修正されていません。数字は何も変わっていないのに、株価だけが急騰した。
市場が買ったのは「今期の利益」ではなく、事業モデルそのものの再評価でした。
ここに、中小企業がAI活用を考えるうえでの重要なヒントが詰まっていると思います。
AIネイティブな業務再設計とは何か
まず整理しておきたいのが、「AIエージェント化」には段階がある、ということです。
レベル1:既存業務にAI機能を追加する
検索を便利にする、チャットボットで問い合わせに答える。多くの企業がここで止まります。
弁護士ドットコムで言えば「判例検索にAIアシストを付けました」という程度の話です。便利ではありますが、差別化にはなりません。
レベル2:検索→分析→生成をパイプライン化する
同社のLegalBrainが到達したのがここです。判例リサーチだけで終わらず、論点整理から分析、文書ドラフト作成までを一気通貫でつなげました。
若手弁護士の判例調査業務が6割減という実務インパクトが出たのは、この設計だからです。
「聞かれたことに答えるツール」ではなく、「業務そのものを代行する仕組み」になっている。この差は決定的です。
レベル3:独自データをAIのレイヤーに接続し直す
そして最も重要なのがここです。詳しくは後述します。
AIネイティブな業務再設計とは、既存のワークフローの隙間にAIを差し込むことではありません。AIが動くことを前提に、業務の流れそのものを組み直すことです。既存サービスにAI機能を後付けしたのではなく、ゼロベースで設計された。市場が評価したのは、まさにこの点でした。
なぜ市場は数字より先に評価したのか?
株価が動いた本質は、カテゴリーの移動だと考えています。
これまで弁護士ドットコムは「AIに代替される側」に分類されていました。
法律相談も契約書も、汎用LLMが飲み込んでいくのではないか、と。それが決算をきっかけに、「AIを武器にできる側」へと分類が変わった。
収益貢献が数字に表れるより先に、この物語(ナラティブ)の転換が評価されたわけです。
同じ理屈は他業界にも当てはまります。専門データベースを持つ企業、業界特化の蓄積を持つ企業は、今後同様の「AI再評価」を受ける可能性がある。
逆に言えば、蓄積があるのに接続できていない会社は、評価されないまま取り残されます。
弁護士ドットコムだからこそ築けた「堀」
技術的に見れば、LegalBrainの構造はRAG(検索拡張生成)です。
汎用LLMに直接聞くのではなく、信頼できる法律データベースから根拠を引いたうえで回答を生成する。アーキテクチャ自体は、他社も追随できます。
では何が堀になったのか。そのRAGに食わせられるデータを持っているのが同社だけだった、という点です。
20年分の無料法律相談Q&A(生の実務データの蓄積)
M&Aで取り込んだ判例データベース企業(LIC)の判例データ
企業法務メディア「Business Lawyers」の解説記事
ここで重要なのは、これらをバラバラに持っていても価値は限定的だったということです。
同社は「LegalGraph」というデータ同士の関係性をグラフ化した独自基盤に統合し直しました。この再構造化によって初めて、汎用LLMには模倣困難な優位性に転換したのです。
さらに示唆的なのは、その資産の出自です。
表の顔である電子契約(クラウドサイン)がデータ資産になったのではありません。
目立たない副業的なQ&Aコーナーと、一見無関係に見えた判例DB企業のM&A。この2つの伏線が、後から独自データとして結実しました。
自社に置き換えて考える3つの問い
この構造は、中小企業にもそのまま応用できます。私が普段のご相談でお聞きしているのは、この3つです。
「今、検索や照会を便利にしたいだけですか?」 → それはレベル1。差別化になりません。
「その先の分析や文書作成まで、一気通貫にできませんか?」 → レベル2。工数削減が実務レベルで効き始めます。
「御社が過去に蓄積してきた、他社にはないデータは何ですか?」 → ここが一番刺さります。
3つ目で「うちにそんなデータはない」とおっしゃる方がほとんどです。でも、たいてい眠っています。過去の顧客対応履歴や問い合わせ記録。ベテラン社員の暗黙知が詰まった議事録や日報、メール。業界特化の書類、マニュアル、過去案件の記録。
弁護士ドットコムのQ&Aコーナーだって、20年前は「データ資産」として集められたものではなかったはずです。
まとめ
AIエージェント化とは、既存業務をAIに置き換えることではなく、自社が蓄積してきた”埋もれた資産”をAIが使える形に構造化し、検索から実行までを一気通貫にすること。
一見AIと関係なさそうな既存の業務データにこそ、宝が眠っています。まずは自社の「20年分のQ&A」が何にあたるかを探すところから始めてみてください。
