Legal Agent Bench に新しい拡張機能を導入します。これは、法律分野で最も複雑なワークフローの 1 つである M&A デューデリジェンスにおける AI エージェントを評価するものです。
Legal Agent Bench（LAB）の目標は、現実的で大規模なエージェント環境を作成・配布し、エンドツーエンドの法務業務を遂行するエージェントの能力を評価するとともに、オープンモデルのトレーニングとエージェント研究を支援することです。本日、私たちは LAB を、最も重要な法務タスクの 1 つである M&A デューデリジェンスに拡張します。
デューデリジェンスは、すべての合併と買収の根幹をなすもので、2025 年には総額約 4.8 兆ドルの経済活動に相当します。デューデリジェンスのコストは通常、取引額の 1～4% の範囲で、年間 500 億ドルから 2,000 億ドルに上ります。そのコストの大部分は、仮想データルーム（VDR）のレビュー、つまり企業の法的・財務的な履歴を体系的に調査し、リスクを特定・軽減し、取引が期待に応えるものであることを確認する作業に費やされています。
デューデリジェンスのための LAB 環境を開発するにあたり、私たちは実際の VDR の深さと複雑さを再現することに重点を置きました。そのためには、評価の規模と深さの両方を拡大する、新しい評価環境を構築する必要があります。これまでのベンチマークは、比較的限られたコンテキスト内での深い推論か、大規模なデータセットに対する狭いタスク実行のいずれかに重点を置いていました。デューデリジェンスでは、モデルがその両方を行い、数百の文書を読んで多数の独立した取引リスクを特定する必要があります。
LAB Diligence を、環境規模とタスクごとの独立した検証基準において、主要な分野横断的ベンチマークと比較した図。
この問題についてモデルを評価するために、私たちは数千の文書にわたる複数の合成 VDR を作成し、税務からテクノロジー取引まで、デューデリジェンスの専門分野にわたる問題を埋め込みました。ある代表的な環境では、エージェントは数千万トークンのコンテキストを持つ VDR を与えられ、数十の課題を見つけて是正し、その作業は数百のルーブリック基準によって検証されます。
この投稿の残りの部分では、デューデリジェンスがどのようなものか、LAB のデューデリジェンスがその重要な部分をどのように再現しているか、そしてデューデリジェンスの実施を支援するための専門エージェントをどのように構築しているかについて説明します。
デューデリジェンスとはどのようなものか
ある企業を買収したいとしましょう。経営陣と面談し、価格、支払い方法、交渉の機密性など、いくつかの重要な条件について大まかに合意します。この合意は、数ページにわたるタームシートに文書化されます。実際に取引が行われるまでに、そのタームシートは、数百ページにわたり、買収の仕組み、当事者の義務、問題が発生した場合の対応を詳細に定めた買収契約に置き換えられます。これらの追加ページを形作った作業こそがデューデリジェンスです。
デューデリジェンスと買収契約との関係。
法的デューデリジェンスの核心は 2 つの部分からなります。1 つ目は、対象事業を理解し、正確な価値を評価することです。2 つ目は、対象事業の買収、統合、および統合後の成功に伴うリスクを配分することです。これらのタスクは両方とも、事業の基本要素、すなわち商業契約、雇用契約、知的財産ポートフォリオ、税務・規制文書、およびその権利と責任を確立するその他の法的契約から、事業への理解を深める必要があります。
ここで VDR が登場します。原則として取引に合意した後、重要な文書（多くの場合、数百から数千に及ぶ）が当事者によって整理され、VDR に追加されます。VDR が開かれると、さまざまな専門分野の弁護士チームが体系的に VDR を精査し、リスク、ギャップ、フォローアップの質問を特定します。この最初の精査により、フォローアップの要求、対象企業の主要人物へのインタビュー、取引およびその後の開示に関する追加の交渉が発生します。これらのレビューは可能な限り迅速に行われ、弁護士はタイトなスケジュールの中で事業のあらゆる側面を把握するために、通常 100 時間週単位で働きます。
結果として得られる分析は、デューデリジェンス報告書にまとめられます。この報告書は、以下の最終交渉と計画に影響を与えます。
- 取引価格： 企業が実際にどのように評価されるか。デューデリジェンスで特定された多くの法的問題がその評価に影響を与える可能性があるためです。
- 取引構造： 購入されるもの（株式または資産）の性質と購入の形態。
- 表明、保証、および補償： 売り手が事業について真実かつ正確であることを保証するよう求められる内容と、それらが顕在化した場合に売り手が支払う義務のあるリスク。
- 開示スケジュール： 売り手が明示的に責任を免れている既知の問題。
- 条件と同意： 取引を完了するために必要な第三者同意または規制当局の承認。
- クロージング後： 両社がどのように生産的な新組織に統合されるか、およびクロージング後に必要となるその他の措置。
効果的なデューデリジェンスとは、単に事実として企業を知ることではありません。その事実記録に判断を重ね、何が実際に事業に価値を生み出すのか、その価値にどのようなリスクが存在するのか、そしてそれらのリスクをすべての当事者が納得する最終契約にどのように織り込むかを理解することです。
仮想データルームの構築
LAB のデューデリジェンス環境は、現実的な VDR の規模で、エージェントが問題を特定し行動に移す能力をテストします。例として、Helios Cloud Holdings による買収の可能性が検討されている Sentinel Cloud Security の VDR を取り上げます。この取引は、業界、取引規模、買収の種類において、Google による Wiz の 320 億ドル買収を大まかにモデルにしています。
合成 Helios–Sentinel Cloud Security 買収のための VDR のファイルシステム。
Sentinel の VDR は、事業を検証するために必要な主要な文書タイプによって分類されたファイルシステムです。これらのカテゴリには、商業契約から訴訟資料まで、3,500 以上の文書が含まれています。これらの文書は全体で約 4,500 万トークンのコンテキストに相当します。デューデリジェンスでは、これらの数百万トークンを Sentinel に関する一貫したストーリーに集約し、そのコンテキスト内で問題を特定する必要があります。
これらの問題は直接的なものかもしれません。主要顧客が支配権変更時に契約を終了する権利を有しており、提案された買収に対する同意が得られていない場合です。ファイルが欠落している場合、つまり企業が特定の主要オフィスを所有または賃借している証拠がない場合もあります。あるいは、複数の手がかりにわたる推論が必要な場合もあります。同社はコピーレフトライセンスについてリスクの高い見解を持っており、その結果、主要な IP の一部が露呈するリスクがあります。その見解は、製品顧問弁護士のメモ、技術仕様書をレビューし、それらが現在の著作権法の下でどのように適合するかについて意見を述べることで初めて明らかになります。
コンテキストの量とそれを理解するために必要な形状は、現在のエージェントにとってデューデリジェンスを特に困難な問題にしています。彼らは数千万トークンをコンテキストに保持できず、タスク指向の圧縮戦略は VDR の明確な全体像を形成することを妨げます。圧縮による情報損失は、微妙で複数文書にわたる問題が検出されないことを意味します。これらの問題の糸口が、モデルが点と点を結びつけるのに十分なほど明確に維持されないからです。実際には、これらの根本的な問題は、キーワード検索と選択的読み取り戦略を使用した効率性へのフロンティアモデルの偏りによって悪化し、大規模な文書の網羅的なレビューが行われません。
LAB デューデリジェンスにおける他の VDR、それらがモデルにした実際の取引（業界、規模、買収の種類）、および環境サイズ。
デューデリジェンスエージェント
実際には、デューデリジェンスはまさにこの種の力技、つまりさまざまな業務分野にわたる数十人の弁護士が VDR を何千時間もかけて共同でレビューすることで解決されます。さまざまな専門家が、対象企業の IP ポートフォリオ、雇用契約、株式と報酬制度、商業契約、財務・税務記録を検討します。各分野の調査結果はデューデリジェンス報告書に統合され、取引条件とクロージング戦略の形成に使用されます。
LAB VDR のデューデリジェンスを成功させるには、1 つまたは複数のエージェントがこれらすべての役割を担い、問題を総合的に特定し、最初のドラフトのデューデリジェンス報告書を作成します。この報告書は、VDR に植え付けられた各問題に対する正解と推奨事項を含むルーブリックと照合されます。
LAB デューデリジェンスタスクの評価環境、エージェントの動作、出力、および評価基準。
これらのルーブリックにより、ハーネスレベルおよびポストトレーニングレベルの両方で、デューデリジェンスに従事できるエージェントを効果的に形成するための戦略を探求できます。そのためには、以下のような新しい技術的な問題を解決する必要があります。
- コンテキスト管理： エージェントは、コンテキストウィンドウの何倍にも及ぶ情報を読み取り、関連付けを行う必要があります。メモリと圧縮への新しいアプローチが必要であり、リスクを特定・追跡しながら、主要な情報を効果的に解析・保持できるようにする必要があります。
- 網羅的なレビュー： ほとんどのエージェントは、大規模なデータ空間内の関連部分（コードベース内の関連関数など）を特定するように訓練されています。彼らのバイアスは、完全性ではなく効率的な検索にあります。デューデリジェンスでは、この直感を逆転させ、あらゆる可能性のある問題を確認し、再確認するように教える必要があります。
- 文脈に応じた判断： 100 万ドルの契約における支配権変更は、ある取引では破綻要因となりえますが、別の取引では単なる不便にすぎないかもしれません。エージェントは、どの問題が重要か、どれほど重要か、なぜ重要か、そしてそれらをどのように最善に是正するかを学習する必要があります。
これらすべてを実行できるエージェントはデューデリジェンスに役立ちます。しかし、デューデリジェンスはチームスポーツです。実際にデューデリジェンスを行うには、エージェントはさらに、(1) 調査結果を特定の文書にソース付けし、説明または防御できること、(2) 複数の有効な戦略が存在する場合の代替アプローチを含めて、推奨事項を明確に伝えること、(3) さまざまなステークホルダーに対して適切な詳細レベルでこれらすべてを提示できることが必要です。
私たちは、エージェントがジュニアアソシエイトと同じように、経験豊富な実務家からの鋭いフィードバックを通じて、デューデリジェンスチームの最も効果的なメンバーになることを学ぶと信じています。そのため、弊社のデューデリジェンス環境は、研究のためだけでなく、顧客と協力して彼らのフィードバックを使用してモデルを訓練するためのデータセーフな方法として構築されています。今日、数十億ドルの取引を任されているのは弊社の顧客です。明日、同じ取引を任されるのは彼らのエージェントでしょう。
今後の展開
数週間以内に、効果的なデューデリジェンスエージェントのための戦略を特定する研究と、多様な VDR セットにわたる初期結果を公開する予定です。また、エンタープライズ検索、ファンド組成、調査・証拠開示などのタスクをカバーする追加の LAB 拡張機能もリリースします。
並行して、これらの環境を研究から実運用へと移行し、自然言語フィードバックを通じてエージェントを改善する方法を示し、顧客と協力して、彼らが難しい問題を解決する方法でカスタムモデルを洗練させていきます。
著者: @ItsJulioPereyra
ブログはこちらでお読みいただけます。
