Berkeley LawのAIポリシーはAIを制限するが、ロースクールはAIを禁止していない
Berkeley Lawは、将来の弁護士にはこの技術への習熟が求められると認めながらも、2026年夏にAIに関する規則を厳格化した。Berkeley LawのAIポリシーは、単位取得のために提出する課題について、AIを使った構想、アウトライン作成、執筆、改訂、編集、翻訳を禁じている。また、教員が認める例外を設けない限り、すべての試験でのAI利用も禁止している。
これはロースクールによるAI禁止のように聞こえるが、その呼び方ではポリシーの最も重要な特徴を捉えきれない。Berkeleyは、コースの教育目標に資する場合、教員がAI利用を認めることを引き続き許可している。同校は2026年秋に法とテクノロジーに関する22科目も開講する予定であり、そのアプローチは制限的であると同時に拡張的でもある。
シカゴ大学とColumbia Law Schoolも、同様に二分された戦略を採用している。法学教育の一部を自動化から守る一方で、意図的なAI利用のための別の場を設けている。したがって真の対立は、ロースクールとAIの対立ではない。独立した法的推論と、時期尚早な認知的アウトソーシングとの対立である。
Berkeley LawのAIポリシーが実際に変えること
Berkeleyは独立した学生の作業を原則としつつ、AIリテラシーを教える授業には限定的な例外を残している。
基本AIポリシーは2026年夏に発効した。学術単位のために提出される課題に適用され、チャットボット生成のエッセイを単純に禁じる範囲をはるかに超えている。
学生は、論文のテーマや論旨を考えるためにAIシステムへ依頼できない。構成案の作成、段落の下書き、改訂すべき箇所の特定、文法の整備も依頼できない。翻訳された内容が提出課題の一部となる場合、AI支援による翻訳も禁止される。
試験に関する規則はさらに厳しい。学生は試験中、いかなる目的でもAIを利用できない。AIでアウトラインを作成し、そのアウトラインの内容を試験に持ち込むことも認められない。
これらの制限は、最終的な文章だけでなく、知的生産の全プロセスを対象とする。この区別は重要だ。生成AIは、一文を書く前から論証に影響を及ぼし得る。提案された論旨や構成によって、どの根拠に注意が向けられ、どの反論が消えるかが決まる可能性がある。
このポリシーは、学生が課題、リーディング、スライド、録音、その他のコース内容を生成AIシステムにアップロードすることも禁じている。この規則は、学術的公正さと並んで、プライバシー、知的財産、機密保持に関する懸念にも対応するものだ。
それでもBerkeleyは、このポリシーが一律の禁止ではないと説明している。教員は、AIリテラシーを教える目的で設計された授業に別の規則を採用できる。また、別のアプローチの方がコースに適している場合には、特定の利用を認めることもできる。
この柔軟性は、Berkeleyの立場を、生成AIをキャンパス全体で拒絶する姿勢から区別するものだ。同校は、評価対象となる思考には境界を設けながら、それ以外の場では監督下での実験を許容している。
付随するガイダンスは、こうした境界を教育の順序として提示している。学生はまず、自動化による代替なしに構想し、分析し、執筆し、評価する必要がある。その後、システムが何を変え、何を省き、何を捏造したのかを理解したうえでAIを利用できる。
この順序は、Berkeley LawのAIポリシーの中心的な前提を反映している。論証を独力で評価できない弁護士は、論証を生成するシステムを信頼して監督することもできない。
この規則は、より明確で一貫した期待値を生み出すことも目的としている。Berkeleyは、従来のポリシーでは文法修正とAIによる文章作成の境界をめぐり、難しい問題が生じていたと述べた。新しいアプローチでは、授業で例外が設けられない限り、自動編集を禁止対象としている。
この判断は、管理のしやすさのために一定の利便性を犠牲にする。AIの提案が文法を直しただけなのか、主張を書き換えたのか、あるいは基礎となる分析を気づかれないまま変えたのかを、教員に判断させずに済む。
代償は、その適用範囲の広さにある。学生が普段使う文書作成アプリケーションに、積極的に求めなくとも生成機能が含まれていることがある。学校には、通常のスペルチェックと禁じられた自動書き換えを区別する実践的なガイダンスが必要になる。
Berkeleyの主張を最も強く表現するなら、すべてのAIとのやり取りが学習を害するということではない。単位に結び付く課題は、学生自身の能力を示さなければならない、ということだ。そうでなければ、成績はロースクールが育成すると主張する技能を測るものではなくなる。
法的推論が守られるべき技能になった理由
ロースクールは、学生が後にAIを監督するために必要な判断力を身につけなければならない、まさにその局面でAIを制限している。
法学教育は、正しいルールを見つけ出すことだけに依存しているわけではない。学生は、権威を解釈し、先例を区別し、欠けている事実を特定し、競合する論拠に対して結論を擁護しなければならない。こうした活動が専門的判断力の土台となる。
生成AIは、学生がその判断を形成する前に、もっともらしい文章を生み出せる。その出力は不完全な論証を完成したものに見せかけることがあり、学習と評価の双方を難しくする。
このリスクは、ロースクールの1年次に特に深刻だ。1年次の科目では、判例を読み、不完全な権威から推論するための習慣を身につける。学生はまた、ある事実や先例が一つ変わるだけで法的結論がどのように変化するかも学ぶ。
AIが生成した判例要約は時間を節約できる。しかし、判例を読むこと自体が課題である場合、その効率性は教育上のコストとなる。学生は、そこに至る推論を練習せずに、見かけ上の成果物だけを受け取ることになる。
同じ問題はリーガルライティングにも及ぶ。チャットボットは構造化されたメモランダムを生成できるが、構造は単なる見せ方ではない。論点の順序を選ぶことには、どの事実や根拠に最も大きな法的重みを与えるべきかを判断する作業が伴うことが多い。
Berkeleyは、思考を優れた法務実践と質の高い法学教育に不可欠なものとして位置づけている。そのポリシーは、構想、アウトライン作成、執筆、改訂、編集を、切り離せる生産段階ではなく、相互に結び付いた認知的作業として扱う。
この立場は、生成された法的資料の信頼性の低さにも対応している。言語モデルが出力するのは、検証済みの法的結論ではなく、確率的な文章だ。引用を捏造したり、判示内容を誤って伝えたり、法域間の違いを曖昧にしたりすることがある。
経験豊富な弁護士でも、こうした誤りを犯すことはある。違いは、AIがそれらを迅速かつ自信ありげに、人間のレビューを圧迫する規模で生み出せる点にある。
すでに法理を理解している学生なら、その出力を吟味できる。基礎を欠く学生は、流暢な表現を正確性の証拠として受け入れてしまうかもしれない。
したがって法学教育者は、順序に関する問題に直面している。AI支援を伴う実務に卒業生を備えさせる一方で、その支援者が徒弟的な学びを置き換えないようにしなければならない。
この緊張関係は成績にとどまらない。弁護士は依頼人、裁判所、相手方当事者に対する義務を負う。American Bar AssociationのAI倫理ガイダンスは、弁護士が生成システムを利用する場合でも、既存の義務は引き続き適用されるとしている。
こうした義務には、能力、秘密保持、依頼人とのコミュニケーション、監督、誠実性、合理的な報酬が含まれる。弁護士は、職業上の責任をAIベンダーに移すことも、ソフトウェアが作成したことを理由に不正確な提出書面を弁解することもできない。
そのためロースクールは、互いに相反する方向へ働き得る二つの能力を教えなければならない。卒業生には、現代の法務システムを効果的に利用するための十分なAIリテラシーが必要だ。同時に、それらのシステムが失敗したときに気づけるだけの独立した専門性も必要になる。
Berkeley LawのAIポリシーは、評価対象の課題において後者の能力を守る。同校のテクノロジー科目と認められた例外は、前者を育てることを意図している。
この区分は、AIが本質的に学生を弱体化させるという広範な主張よりも擁護しやすい。長期的な認知への影響に関する証拠はなお不十分であり、結果はシステムの使われ方に大きく左右される。
AIは努力を代替し得るが、論証に異議を唱えることもできる。学生は、独力で立場の草稿を書いた後に、モデルに反論の特定を依頼するかもしれない。別の学生は、モデルの最初の回答を検証せずに提出するかもしれない。
こうした行動を同じ教育的評価で扱うべきではない。課題は、生産的な支援と知的な代替を区別できる課題設計にある。
大量の判例やノートを管理する学生にとって、個人用のstudent knowledge baseは、論証の内容を決めることなく情報検索を支援できる。教育上の境界は、単にソフトウェアがワークフローに触れたかどうかではなく、誰が推論を行うのかに焦点を当てるべきだ。
UChicago Lawは教室を守り、ツールを教える
UChicago LawのAI戦略は、デバイスを使わない基礎学習と、監督下での専門的実務を分けることで、このトレードオフを明確にしている。
University of Chicago Law Schoolは、2026年7月9日にAI戦略声明を発表した。この戦略は秋学期に施行され、2024年以降に導入されたカリキュラム変更を基盤としている。
最も目立つ施策は、主要な1年次授業で電子機器を禁止する試験的な取り組みだ。必要とする学生への配慮を含め、限定的な例外は引き続き認められる。
デバイスに関する規則は、AIの制限よりも広い。学生が単にノートを取るためだけに使いたい場合でも、ノートPC、タブレット、スマートフォンを対象から外す。このアプローチは、気を散らす要因を減らし、より良い授業内討論を支えるとも同校は述べている。
このため、この試行は人工知能だけでなく、教室での注意力に関する検証でもある。ChatGPTが登場するはるか以前から、教授は討論中に画面が注意を分断することを理由に、デバイスを使わない方針を採用してきた。
AIは、ネットワーク接続されたデバイスが、単に注意をそらす以上のことをできるようになったため、問題の重要性を高めている。判例を要約し、回答を提案し、教授の質問への返答をリアルタイムで準備できる。
伝統的なロースクールの授業では、質問を通じて学生の推論過程を明らかにする。ソフトウェアが答えを供給すれば、教授は学生が法理を理解しているかを容易には判断できない。
デバイスを取り除くことで、学生が自らアイデアを想起し、統合し、表現しなければならない一時的な空間が生まれる。また、参加の様子がより見えやすくなり、即時に得られる外部の回答を参照したくなる誘惑も減る。
しかしUChicagoは、デジタル化以前の法曹専門職を再現しようとしているわけではない。その戦略には、1年次学生向けAIモジュール、クリニックでのAI利用、AI Lab、法的リサーチとライティングに関するガイダンスが含まれる。
同校のモデルは、AIを用いて、AIなしで、そしてAIについて考えることを学ぶものだと要約できる。それぞれの条件は異なる教育目的に役立つ。
AIなしで考えることは、基礎となる能力を築く。AIを用いて考えることは、責任を保持しながら自動化を活用する方法を教える。AIについて考えることは、その制度的、倫理的、法的影響への理解を育てる。
これは、UChicagoがAIを禁止したという説明よりも正確だ。同校は、選ばれた学習環境から技術を取り除く一方、別の環境ではそれを統合している。
このアプローチは、教育と雇用が異なる行動を評価することも認識している。品質を損なわずに反復作業を減らせるなら、法律事務所にとってツールは有益だ。教室では、その同じ作業を行うことで判断力が育つため、あえて課される場合がある。
したがって、効率性は普遍的な教育目標ではない。答えへの最短経路は、課題が測定するために設計された活動を迂回しかねない。
この区別は、他の高い責任を伴う職業の訓練に似ている。現代の航空機が広範な自動化システムを用いているとしても、パイロットは自動化だけに頼らず手順を学ぶ。基礎的な訓練が存在するのは、専門職が故障を認識し、対処できなければならないためだ。
UChicagoの課題は、デバイスを使わない試験運用が意図した能力を向上させるかどうかを測定することになる。授業での議論が改善すればこの方針を支持する材料になるが、満足度だけでは法的推論力の向上を証明できない。
同校は不平等な影響についても検討する必要がある。タイピングによるノートのほうが情報を整理・保持しやすい学生もいる。支援技術や言語支援を必要とする学生もいる。
公正な方針は、学生に必要以上の個人情報の開示を強いることなく、実用的な配慮を提供しなければならない。また、例外措置がスティグマにつながることも防ぐ必要がある。
UChicagoのハイブリッド型アプローチは、同校に有用な比較対象を与える。デバイスを使わない基礎科目と、体系的なAI活用を教える科目を比較評価できる。その証拠は、テクノロジーが良いか悪いかという哲学的な議論よりも価値がある。
Columbiaは広範な禁止より責任を選ぶ
Columbiaのルールは、デフォルトの境界設定が異なっていても、ロースクールのAI方針が管理された利用へと収束しつつあることを示している。
Columbia Law Schoolは、2026年8月1日付で新たな学術AI方針を採用した。これは、2026～2027年度に適用されていた同校の暫定方針に取って代わるものだ。
Columbiaは試験におけるAI支援を禁止している。AI翻訳で生成された文章を含め、試験解答のすべての言葉は学生自身によるものでなければならない。
その他の課題の扱いは、Berkeleyのデフォルトよりも寛容だ。授業のルールが認める場合、学生はAIを学習補助や批判的対話相手として利用できる。
批判的対話相手とは、アイデアを生み出すためではなく、検証するために使われるシステムを指す。論拠に異議を唱えたり、構成上の弱点を指摘したり、追加調査のための問いを提案したりすることがある。
Columbiaは知的責任を学生に委ねている。提出するアイデア、論拠、分析、表現は、学生自身の判断を反映していなければならない。学生は提出するすべての主張を理解し、弁護できなければならない。
したがって、この方針は、支援を受けるあらゆる段階を禁止するのではなく、著作者性と説明責任に焦点を当てる。AIは、開示されないゴーストライターになったり、学生の法的推論を代替したりしてはならない。
教員には、科目ごとのルールを定める裁量が残されている。AIを幅広く統合する教員もいれば、特定の能力を育成するために利用を制限する教員もいる。
このモデルは、ばらつきを専門職への準備の一部として受け入れる。弁護士は、異なる裁判所規則、雇用主の方針、依頼者による制約、セキュリティ要件の下で働くことになる。学生には、特定の場面でどのルールが適用されるのかを見極める練習が必要だ。
ただし、方針の違いは混乱も生みうる。複数の授業を履修する学生は、各授業でブレインストーミング、編集、翻訳、調査支援のどれが許可されているかを覚えておかなければならない。
Thomson Reuters Instituteによる2026年の学生調査は、その問題を示している。この調査は2026年4月、1,800人を超えるロースクール学生から回答を集めた。
約60%が、学業のために週に複数回AIを利用していると回答した。一方で、48%はAI方針が教授ごとに異なると答えた。
調査では、72%がAIリテラシーを不可欠な専門能力と考えていた。同時に、74%は過度な依存が中核的な法的能力を弱めうると認識していた。
この数値は、学生と管理者が対立する陣営にいるという見方を複雑にする。多くの学生は、専門職上の価値と発達上のリスクの両方を理解しているように見える。
制度上の隔たりは訓練に関するものだ。32%は、所属校が将来のキャリアに必要なAIスキルを提供していないと答えた。
この結果は、体系的な統合の必要性を強める。実質的なAIカリキュラムを伴わない制限的な方針は、学生を監督のない試行へと向かわせる。また、すでに法務の職場に入りつつあるツールに対して、卒業生が準備不足のままになる可能性もある。
Columbiaは、境界設定、専門科目、教員の選択を組み合わせることで、この問題の解決を試みている。Berkeleyは、充実したテクノロジー科目と並行して、より広範なデフォルト制限を採用している。UChicagoは、他の場面にAIを組み込みながら、デバイスを使わない空間を設けている。
これらは、同じ新たな原則を異なる形で実装したものだ。学生は、現在教えられている能力を外部委託すべきではないが、それを監督できるだけの知識を身につけた後には、AIの使い方を学ぶべきだ。
意見の相違は、その境界をどこに置くかにある。Berkeleyは、単位取得につながる作業のほぼすべての段階を対象に線を引く。Columbiaは、知的責任と科目ごとの許可を基準に線を引く。
どちらの方針も、すべての課題に対する正しい境界を確立するものではない。その価値は、教授が広範な原則を明確で観察可能な要件へと落とし込めるかどうかにかかっている。
リスクは、依存的な弁護士か準備不足の弁護士を生むことにある
AIを教えずに阻むルールは、防ごうとした能力上の問題とは別の形を生み出しかねない。
制限を支持する最も強い根拠は、発達にある。学生は、その作業の一部を責任を持って委任できるようになる前に、法的分析を実践しなければならない。
最も強い反論は、専門職の現実にある。卒業生は、AIが調査、文書レビュー、デューデリジェンス、契約分析、起案を支援する職場に入ることになる。こうしたシステムを教えることを拒んでも、卒業生の安全は守られない。
その代わり、学生はベンダー、雇用主、あるいは個人的な試行を通じて学ぶことになる。その訓練では、機密性、検証、専門職としての判断よりも、スピードが優先されるおそれがある。
このため、「AI禁止」という表現は誤解を招く二分法を生む。学校は試験中のAIを禁止しつつ、クリニックでは利用を義務づけることができる。どちらの判断も、同じ教育目標を支えうる。
より難しい問題は、その両極端の間にある通常の課題に関するものだ。学生は、知識を示すためでもあり、実践を通じて向上するためでもある。AIは、そのどちらの機能も支援も代替もできる。
メモランダムを準備する学生を考えてみよう。AIに初稿を書かせると、判例や法源を独力で整理する必要がなくなる。完成した草稿を批判させれば、学生が見落とした弱点が明らかになる可能性がある。
後者の利用にもリスクはある。システムが反論を捏造したり、先例を歪めたり、不必要な修正を促したりするかもしれない。しかし、学生がその提案を評価する際には、認知的な関与が保たれる。
したがって、学校にはプロセスを可視化する課題が必要だ。教授は、出典ログ、口頭での弁護、改訂履歴、または許可されたAI利用に関する短い説明を求めることができる。
こうした手段は、AI検出ソフトウェアに頼るよりも多くの情報をもたらす。検出システムは、特に定型的な文章や第二言語による文章を評価する際、誤検出を起こしうる。また、回避と執行の競争を促してしまう。
プロセスの証拠は、学術的誠実性だけでなく教育も支える。論拠をなぜ変更したのか説明できる学生は、洗練された文章を提出するだけの学生よりも、深い理解を示している。
生成機能は今や検索エンジン、ワードプロセッサ、調査プラットフォームの内部に現れているため、明確なルールも重要だ。学生は、身近なツールが校正から文章作成へと役割を変えたことを、必ずしも認識できるとは限らない。
Berkeleyの明確な線引きは分かりやすさを高めるが、低リスクの支援まで対象にしかねない。Columbiaの責任基準は柔軟性を保つが、より多くの解釈を必要とする。UChicagoのデバイスを使わない授業は、限定的な場面でのみ執行可能な境界を作る。
アクセシビリティも別の懸念として残る。AI支援による翻訳、編集、要約は、障害のある学生や第二言語で学ぶ学生を助けうる。これらの機能を制限すれば、不平等な負担を課す可能性がある。
学業上の配慮で対処できる場合もある。それでも学校は、配慮と、評価対象となる能力を変えてしまう優位性とを区別すべきだ。
答えは課題によって異なる。評価される能力が英語による法的文書作成である場合、翻訳支援は不適切かもしれない。一方、課題が別の文脈で論点抽出能力を測るものであれば、合理的な場合もある。
ロースクールは、認知的害悪に関する証拠を過大評価することも避けるべきだ。人々が精神的作業を外部ツールに委任することで生じる認知的オフローディングについて、研究は懸念を提起している。しかし、関連性があるからといって、必然的な能力低下が証明されるわけではない。
影響は、課題、学生の経験、プロンプトの使い方、授業設計によって異なる可能性が高い。検証を求めるガイド付きの演習は、チャットボットにエッセイを書き上げさせることとは異なる。
したがって、厳格な方針は、確立した科学的結論ではなく教育的介入として扱うべきだ。学校には、学生の推論、記憶保持、文章力、専門職上の成果に関する比較証拠が必要である。
同じ懐疑的な視点は、AIリテラシー・プログラムにも当てはまる。科目を提供するだけでは、卒業生が捏造された引用を見抜き、依頼者情報を保護し、自動化が不適切な場面を選べることの証明にはならない。
学校はそれらの能力を直接検証しなければならない。学生は、監督された条件下で、欠陥のある出力、機密保持のシナリオ、曖昧な法源に向き合うべきだ。
業界の変化も、恒久的なルールには速すぎる。今日のチャットボットのインターフェースを前提に書かれた境界は、生成支援が標準ソフトウェアに溶け込んだとき、時代遅れになる可能性がある。
持続する原則は責任だ。学生は、自らがどの作業を委任したのか、どの情報を開示したのか、結果をどのように検証したのかを把握する必要がある。
ロースクールのAI禁止だけでは、その習慣を教えられない。無制限のアクセスでも同じだ。
2026～2027年度に注目すべきこと
次の試金石は、ハイブリッド型方針が学生と専門実務の隔たりを広げずに、独立した推論を向上させられるかどうかだ。
最初の兆候は、UChicagoの1年生向けデバイスなし試験運用から得られる。管理者は、参加の質、教義科目の成績、学生の継続率、配慮の申請を検討すべきだ。
実質的なアクセス上の問題を生まずにこれらの指標が改善すれば、保護されたデバイスなしの学習時間を設ける根拠は強まる。結果に変化がなければ、この方針は教育的価値をもたらさずに利便性を取り除いただけかもしれない。
二つ目の兆候は、Berkeleyの教員が例外を認める権限をどのように使うかだ。同校の方針がハイブリッドとして機能するのは、学生がAIを実践するための有意義で監督された機会を得られる場合に限られる。
Berkeleyの法とテクノロジーに関する22科目は、書面上では十分な受け入れ能力を提供している。重要なのは、それらの科目が学生全体に対して、検証、機密保持、専門職としての説明責任を教えているかどうかだ。
AI教育がテクノロジー専門家の間に集中したままであれば、より広い学生層は、強い伝統的スキルを備えながらも、実務への準備度にばらつきがある状態で卒業するかもしれない。
三つ目の兆候は、ロースクール全体での方針の収束だ。American Bar Associationが2024年に公表した教育調査では、各機関がなおアプローチを策定中であることが分かった。
2026年までに、Berkeley、UChicago、Columbiaは暫定的な声明を超えている。それぞれが、AIを使わない作業、監督下での利用、教員の裁量について、より詳細な配分を定めている。
他のロースクールも今後、これらのモデルを踏襲するのか、あるいは代替策を構築するのかを判断することになる。定義を一貫させれば、学生は検索、修正、生成、自動改訂の違いを理解しやすくなる。
裁判所と雇用主も、こうした選択に影響を与える。企業が新人弁護士にAIシステムを即座に監督することを期待するなら、ロースクールには実務的な教育を拡充する圧力がかかるだろう。
一方で、生成された誤りが法的提出書類に及んだ場合、裁判官や規制当局は逆方向への圧力を強める可能性がある。公になった失敗はすべて、独立した検証が自動化に先行しなければならないという主張を補強する。
長期的な変化は、ロースクールがAIを禁止したことではない。AIに頼らない推論を、専門職教育において保護されるべき段階として扱い始めたことにある。
この段階は、学生がこれから入る職場と結び付いたままでなければならない。そうでなければ、制限は準備ではなく回避になってしまう。
Berkeley LawのAIポリシーは、明確な実験を提示している。学生に評価対象の課題を独力で作成させ、その後、指定された場でAIを教えるというものだ。UChicagoとColumbiaは、この区分の異なる形を試している。
学生は、どのポリシーを評価する際にも実践的な問いを投げかけるべきだ。AIを使ってはならない場面を明示すると同時に、責任ある利用の方法も教えているか。信頼できる答えには、その両方が必要である。
