何をするツールか
Norm Ai は、規制・法令・自社ポリシーを機械が実行できるロジックに変換し、そのロジックに対して AI エージェントを走らせ、成果物が社外に出る前に審査します。同社はこの領域を「リーガルエンジニアリング」と呼びます。弁護士と元規制当局者が、独自の表現形式で規則を意思決定ツリーとして符号化し、LLM で駆動するエージェントがそのツリーをたどって指摘を生成します。各コメントは、その根拠となる条項に紐づいています。リーガルエンジニアがエージェントを構築する社内ツールは LEAP (Legal Engineering Automation Platform) という名称で、構造化された推論フレームワーク、プロンプト最適化、開発用ワークスペース、自動評価パイプラインを備えます。ソフトウェアエンジニアなしで、法務担当者がエージェントを本番投入できる設計です。
創業は 2023 年、創業者は John Nay です。LegalBench の共著者で、NYU School of Law で初の AI 講座を担当しました。法人名は Nomos Ai, Inc. で、販売先はほぼ金融サービスに集中しています。銀行、アセットマネージャー、ヘッジファンド、保険会社が対象です。2026 年 7 月 7 日には Khosla Ventures 主導で 1 億 2,000 万ドルのシリーズ C を調達し、評価額は 12 億ドル、累計調達額は 2 億 6,000 万ドルを超えました。Blackstone、Bain Capital Ventures、Craft Ventures、Coatue、Vanguard、New York Life、TIAA、Fenwick LLP が参加しています。
買い手にとって重要な製品は 2 つです。コンプライアンスエージェントは、規制対象のコンテンツとワークフローを符号化された規則に照らして審査します。Supervisory AI は同じ仕組みを他の AI システムに向けます。エージェントがこれから実行しようとする行為を、実行前に規則集に照らして検証するもので、大半の GRC ツールが答えを持たない部分です。
Legal Ops スタックで採用される理由
- 人間のレビュアーより前に発火します。後ではありません。 公開されている Prudential Financial の導入事例が最も分かりやすい例です。生成 AI によってマーケティングコンテンツの量が 5〜10 倍に増え、コンプライアンスチームが処理限界に達したため、現在はマーケティング側がまず Norm に通し、すでに通過したものだけを提出しています。同社が挙げる成果は、差し戻しが速くなったことではなく、下流の差し戻しが減ったことです。
- 指摘が規則を引用します。 エージェントはコーパス上で自由に連想するのではなく、符号化された意思決定ツリーをたどるため、各指摘は根拠条項を伴います。後で検査官に対して案件を説明する立場のコンプライアンス責任者にとって、出力が検証可能になるのはこの点です。
- 意思決定グラフの保守はベンダー側が行います。 Norm は監視対象の規制が変わるたびにグラフを更新します。自社構築版が続かないのはまさにこの部分です。内製版を生かし続ける実コストについては規制変更モニターを参照してください。
- エージェントに対するガバナンスの答えを持っています。 Supervisory AI は、社内法務がエージェント型の仕組みを展開する際に必ず問われる論点を正面から狙っています。前提となる義務については法務チームのための AI ポリシーと EU AI Act を参照してください。
価格の実態
Norm Ai は価格を公開しておらず、セルフサービスのプランもありません。このツールについて引用されている 1 席あたりの数字を見かけても、それは他のエンタープライズ向けリーガル AI ベンダーからの外挿であって Norm の数字ではありません。公開された数字は存在しません。
実際に買うのは、年間のプラットフォーム契約に加えてリーガルエンジニアリングの実装作業です。金額を決める変数は 2 つあります。符号化する規則セットの数(規制、製品ライン、社内ポリシーはそれぞれ別作業です)と、それらに照らして審査する成果物の量です。コストと期間が集中するのは符号化フェーズです。Norm のリーガルエンジニアが自社のコンプライアンスチームと組み、製品、社内文言、リスク許容度を取り込んだうえで初めてエージェントが実用になります。プラットフォーム料金と符号化作業の内訳、稼働後に規制を 1 本追加する費用、解約時に符号化されたポリシーロジックの所有権が誰にあるかを確認してください。
会社構造は別扱いで把握してください。Norm Law, LLP は 2025 年 11 月に設立された独立の法律事務所で、Sidley Austin の元執行委員長 Mike Schmidtberger が会長を務め、Legal AI Committee には元 SEC 委員の Troy Paredes、元 NYDFS 長官の Ben Lawsky が名を連ねます。課金は時間単位ではなく成果ベースです。Norm Ai はこの事務所に対する技術・サービス提供者であり、自ら法的助言は行いません。プラットフォームの購入と事務所への委任は別の買い物です。
最適な利用者
規制対象の金融機関で、審査待ち行列が事業のボトルネックになっており、その事業をすでに拡大すると決めている Chief Compliance Officer または Legal Ops 責任者です。大量のマーケティング審査・開示表示審査、あるいはすでに本番稼働している AI システムに対する監督要件が典型です。規則が安定していて密度が高く、大量の成果物に繰り返し適用される場合、そして判断を誤ったときの帰結が不便ではなく検査官対応になる場合に、Norm は正しい選択です。
個別性の高い取引法務や訴訟判断が中心なら見送ってください。金融サービス以外でも同様です。符号化済みの規則ライブラリも参照導入事例もそこに集中しています。自社の弁護士が自分で操作するセルフサービス型のアシスタントが欲しい場合も見送りです。それは Harvey と Legora の設計であり、Norm の設計ではありません。
代替製品との比較
規制対象コンテンツの審査に限れば、既存プレイヤーは Red Oak Compliance Solutions(自社発表で 1,800 社超、上位 20 社のアセットマネージャーの半数以上に導入)と、Fidelity Labs 発の RegTech である Saifr です。どちらも広告審査のワークフローシステムに AI を後付けした構成で、17a-4 の記録保存を備えた成熟した提出・承認の記録システムが必要なら、この 2 社が勝ちます。審査そのものがボトルネックで、規則ロジック自体を製品として欲しいなら Norm が勝ちます。リーガル AI 全体では Harvey がエンタープライズ導入で先行し、Legora が最も速く伸びている対抗馬ですが、どちらも弁護士向けのアシスタントであって、業務プロセス上のゲートではありません。Eudia はソフトウェアと専属法律事務所を組み合わせる点で構造的に最も近い存在です。外部弁護士費用の削減が狙いなら Eudia、規制処理のスループットが狙いなら Norm を選んでください。リスクと利益相反管理ですでに Intapp を運用しているなら、Norm はその横に並ぶもので、置き換えではありません。
注意点
- 精度の数字は顧客とベンダーのものであって、ベンチマークではありません。 「最も重要な論点についてはほぼ 100 パーセント」という表現は Norm 自身の事例記事にある Prudential の発言で、1 社で調整済みの規則セット 1 本を指しています。ガード: 契約前に、直近四半期に実際に審査した資料を符号化済みエージェントに通し、当時レビュアーが下した判断と突き合わせて採点してください。特に偽陰性を測ることです。開示の欠落こそが金銭的損害につながる失敗であり、広めに指摘するツールは精度が高く見えたまま、その数字を隠します。
- 符号化はセットアップ手順ではなく、継続的な依存関係です。 エージェントの鮮度は背後のグラフの鮮度どまりで、自社固有のポリシーは自社が発注した符号化作業です。ガード: 変更反映までの時間を契約に書き込んでください。改正された規則が本番エージェントに届くまでの期間、更新費用の負担者、規則が変わったのにエージェントが旧規則を適用し続けた場合の救済です。符号化されたポリシーロジックを利用可能な形式でエクスポートできることも確認してください。
- 2 つのベンダーが 1 つの物語として売られています。 プラットフォームと法律事務所は責任主体が別の別法人であり、秘匿特権が及ぶのは事務所の業務だけです。ガード: どちらの法人がデータを保持するのか、プラットフォームの指摘が手続上の開示対象になるのか、Norm Law への委任がどこで秘匿特権を生じさせ、どこで生じさせないのかを、コンプライアンス資料を投入する前に確認してください。
- 金融サービスへの集中は両刃です。 ブローカーディーラー向けに強い理由である深さは、そのまま医療分野や欧州限定の義務では未検証であることを意味します。ガード: 隣接領域ではなく自社の規制レジームでの実名リファレンスを求め、未符号化のレジームは自社スケジュール上まったく新規の開発として扱ってください。