はじめに：AI基盤の共同利用は「ツール導入」ではなく行政運営の変革である
地方自治体における生成AI活用は、単独自治体での試験導入から、複数自治体によるAI基盤の共同利用へと進みつつあります。背景には、人材不足、業務量の増加、住民サービスの高度化、情報セキュリティ対応など、単独自治体だけでは解決しにくい構造的課題があります。
しかし、AI基盤を共同利用すれば自然に業務効率化が進むわけではありません。むしろ重要になるのは、職員がAIを安全に使い、業務に落とし込み、成果を測定し、継続的に改善できる状態をつくることです。
そのためには、単なる操作研修では不十分です。LGWAN環境での利用ルール、個人情報・機密情報の扱い、プロンプト設計、業務フロー改善、調達・契約、ログ管理、ROI測定までを含めた、段階的な職員研修カリキュラムが必要になります。
本記事では、地方自治体がAI基盤を共同利用する際に必要となる研修設計と、導入効果を可視化するための測定方法を整理します。
地方自治体でAI基盤の共同利用が求められる背景
自治体単独ではAI導入の負担が大きい
生成AIの導入には、ツール選定、セキュリティ確認、利用ルール整備、職員教育、運用管理、効果測定など、多くの準備が必要です。特に小規模自治体では、情報システム部門やDX推進人材が限られており、単独で高度なAI環境を整備することは簡単ではありません。
そこで注目されているのが、複数自治体によるAI基盤の共同利用です。共通のAI環境を使うことで、初期費用や運用負担を抑えつつ、一定水準のセキュリティやガバナンスを確保しやすくなります。
ただし、共同利用には独自の難しさもあります。複数自治体が同じ基盤を使う以上、利用ルール、責任分界、ログの扱い、データ管理、問い合わせ対応、改善要望の集約などを整理する必要があります。
つまり、AI共同利用は「安く便利なツールをみんなで使う仕組み」ではなく、自治体間で業務知見を共有しながら行政DXを進めるための基盤と捉えるべきです。
職員研修の目的も変わる
従来のAI研修では、文章作成、要約、翻訳、議事録作成など、個人の業務効率化に焦点が当たりがちでした。もちろん、これらは重要な入口です。
しかし、AI基盤を共同利用する段階では、職員に求められる能力が広がります。たとえば、次のような力が必要になります。
AIに何を入力してよいかを判断する力。AIの回答をそのまま使わず、根拠や妥当性を確認する力。自部署の業務フローを見直し、AIに任せる部分と人が確認すべき部分を切り分ける力。さらに、他自治体やベンダーと連携しながら改善を進める力も求められます。
この意味で、AI研修は「操作方法を覚える場」から「行政業務を再設計する人材を育てる場」へ変わる必要があります。
AI基盤共同利用に対応した職員研修カリキュラムの基本設計
Level1：全職員向けのAI基礎リテラシー研修
最初に必要なのは、全職員を対象とした基礎リテラシー研修です。ここでは、生成AIの基本的な仕組み、できること・できないこと、利用時の注意点を理解することが目的になります。
特に重要なのは、AIの回答には誤りが含まれる可能性があるという前提を共有することです。AIは便利な補助ツールですが、行政判断そのものを代行する存在ではありません。住民への回答、制度説明、個人情報を含む業務では、必ず人による確認が必要です。
また、LGWAN環境や閉域ネットワークで利用する場合には、一般的な生成AIサービスとの違いも理解しておく必要があります。どの環境で、どのデータを、どの範囲まで扱えるのか。禁止情報は何か。出力結果をどこまで業務文書に反映できるのか。こうした基本ルールを、職員全体でそろえることが出発点です。
基礎研修では、文章の要約、メール文案、会議メモ整理、FAQ案作成など、日常業務に近い演習を取り入れると定着しやすくなります。
Level2：部署別・業務別の実践研修
次の段階では、部署別・業務別の実践研修が必要です。AIの価値は、一般的な使い方を学ぶだけでは十分に発揮されません。住民対応、企画、財政、福祉、防災、教育、観光、総務など、部署ごとの業務に合わせて使い方を具体化する必要があります。
たとえば、住民対応部門では、問い合わせ内容の分類、回答案の作成、FAQ整備、対応履歴の要約などが対象になります。企画部門では、政策資料の下調べ、議事録要約、施策案の比較、アンケート自由記述の整理などが考えられます。総務部門では、規程文書の確認、通知文案、庁内マニュアル整備などに活用できます。
この段階で重要なのは、AIに業務を丸投げするのではなく、業務フローのどこにAIを組み込むかを設計することです。入力、生成、確認、修正、承認、記録という流れを明確にし、人が責任を持つポイントを残す必要があります。
また、RAGのように庁内文書やFAQを参照して回答する仕組みを使う場合には、参照元文書の整備も重要です。AIの精度は、接続される文書の品質に大きく左右されます。古い文書、表記ゆれの多い文書、責任部署が不明な文書が多ければ、AI活用の効果は限定的になります。
Level3：DX推進リーダー向けの変革研修
AI基盤を共同利用する自治体では、DX推進リーダーの育成が欠かせません。ここでいうリーダーとは、専門的なエンジニアに限りません。各部署の業務を理解し、AI活用の可能性を見つけ、現場と情報部門、ベンダー、他自治体をつなげる役割を担う人材です。
この層には、より高度な研修が必要です。AI活用戦略、データガバナンス、調達・契約、ベンダー評価、セキュリティ要件、KPI設計、ROI測定、庁内展開の進め方などを学ぶ必要があります。
特に共同利用では、自自治体だけで完結しない調整が発生します。共通基盤の改善要望をどう集約するか。ログ分析をどう活用するか。成功事例を他自治体へどう横展開するか。費用負担や運用ルールをどう見直すか。こうしたテーマを扱える人材がいなければ、共同利用基盤は単なる共通ツールで止まってしまいます。
AI共同利用研修で必ず扱うべきガバナンス項目
個人情報・機密情報の入力ルール
自治体業務では、住民情報、相談内容、税情報、福祉情報、教育情報など、慎重に扱うべき情報が多く存在します。そのため、AI研修では「何を入力してはいけないか」を明確にする必要があります。
ただし、単に禁止リストを配るだけでは不十分です。現場では、判断に迷う場面が必ず出てきます。氏名を消せば入力してよいのか。住所の一部はどうか。相談内容を要約すればよいのか。庁内限定文書は入力可能なのか。こうした実務的な判断をケース形式で学ぶことが重要です。
調達・契約・ベンダー管理
AI基盤の共同利用では、SaaS、クラウド、API、RAG、ログ管理、認証基盤など、複数の技術要素が関わります。そのため、調達・契約担当者にもAIに関する基礎知識が必要です。
契約時には、入力データが学習に使われるか、ログはどこに保存されるか、障害発生時の責任はどうなるか、再委託先はあるか、データ削除は可能か、監査ログを確認できるかなどを確認する必要があります。
AI研修に調達・契約の視点を入れることで、現場の便利さだけで導入が進み、後からリスクが発覚する事態を防ぎやすくなります。
誤回答・情報漏えい時のエスカレーション
AIの回答には誤りが含まれる可能性があります。また、運用ミスによって機密情報が入力されるリスクもあります。
そのため、問題が起きたときに誰へ報告するのか、どの範囲で利用を止めるのか、ログをどう確認するのか、住民対応が必要になるのかをあらかじめ決めておく必要があります。
研修では、インシデント対応の流れを座学だけでなく、簡単なシミュレーション形式で確認すると効果的です。
AI研修の効果測定はカークパトリックモデルで整理する
Level1：満足度の測定
研修直後には、受講者の満足度を確認します。内容が理解しやすかったか、業務に使えそうか、不安が解消されたかを把握します。
ただし、満足度だけで研修効果を判断するのは危険です。「わかりやすかった」という感想と、実際に業務で使えるようになったかは別問題だからです。
Level2：学習到達度の測定
次に、知識やスキルが身についたかを確認します。小テスト、プロンプト作成演習、禁止情報の判断問題、AI回答の誤りを見つける演習などが有効です。
ここでは、単にAIを使った経験があるかではなく、安全に使えるか、出力を検証できるか、業務に合わせて指示を調整できるかを見ます。
Level3：行動変容の測定
研修後に、職員の行動が変わったかを測定します。たとえば、AIの利用頻度、利用部署数、作成されたプロンプトテンプレート数、業務マニュアルへの反映数、問い合わせ対応時間の変化などが指標になります。
共同利用基盤であれば、ログ分析も重要です。どの部署で、どの機能が、どの時間帯に使われているかを見ることで、定着している業務と、まだ活用が進んでいない業務が見えてきます。
Level4：業務成果の測定
最終的には、行政サービスや業務運営にどのような成果が出たかを測定します。文書作成時間の短縮、問い合わせ対応の初回解決率向上、庁内照会の削減、住民向けFAQの改善、職員の心理的負担軽減などが対象になります。
ここで重要なのは、AI導入前の状態を記録しておくことです。導入前の作業時間や件数がわからなければ、導入後の効果を説明できません。AI研修と効果測定は、導入後に考えるのではなく、導入前からセットで設計する必要があります。
自治体AI研修のROIをどう考えるか
時間削減効果を定量化する
自治体におけるAI導入効果として最も測定しやすいのは、作業時間の削減です。
たとえば、会議メモの整理、通知文案の作成、FAQ案の作成、自由記述アンケートの分類など、繰り返し発生する業務では、AI活用前後の作業時間を比較できます。
重要なのは、感覚ではなく記録することです。従来は何分かかっていたのか。AI活用後は何分になったのか。月に何件発生するのか。どの職員が担当しているのか。これらを整理することで、時間削減効果を説明しやすくなります。
品質向上も評価対象にする
AI導入の効果は、時間短縮だけではありません。文書の表記ゆれが減る、回答案の抜け漏れが減る、FAQの更新が早くなる、若手職員が過去資料を参照しやすくなるなど、品質面の改善も重要です。
特に自治体業務では、住民にとってわかりやすい説明ができるかどうかが大切です。AIを使って文書の表現を平易にしたり、多言語対応の下書きを作成したりすることで、住民サービスの向上につながる可能性があります。
共同利用なら横展開効果も見る
AI基盤を共同利用する場合、ひとつの自治体で作成したプロンプトテンプレートやFAQ改善ノウハウを、他自治体でも活用できる可能性があります。
この横展開効果は、共同利用ならではの価値です。単独自治体のROIだけでなく、複数自治体全体でどれだけ業務改善が進んだかを見る視点が必要です。
たとえば、ある自治体で作成した住民問い合わせ対応のテンプレートが、他自治体でも使われるようになれば、開発・検証にかかったコストを広く活用できます。これこそが、AI共同利用の大きなメリットです。
成果を最大化するには継続的な改善サイクルが必要
AI研修は一度実施して終わりではありません。ツールの機能、法制度、ガイドライン、利用部門、業務課題は変化します。そのため、研修内容も継続的に見直す必要があります。
実務上は、次の流れを定着させることが重要です。
まず、導入前に対象業務と測定指標を決めます。次に、研修を実施し、実際の業務で使ってもらいます。その後、利用ログ、アンケート、作業時間、成果物の品質を確認します。最後に、研修内容や利用ルール、プロンプトテンプレートを改善します。
このサイクルを回すことで、AI基盤は単なるシステムではなく、自治体全体の業務知見を蓄積する仕組みになります。
まとめ：自治体AI共同利用の成否は「人材育成」と「効果測定」で決まる
地方自治体におけるAI基盤の共同利用は、限られた人材や予算の中で行政DXを進める有効な選択肢です。しかし、基盤を導入するだけでは成果は出ません。
重要なのは、全職員向けの基礎リテラシー、部署別の実践研修、DX推進リーダー向けの変革研修を段階的に設計することです。さらに、個人情報保護、ガバナンス、調達・契約、エスカレーション、ログ分析、ROI測定まで含めて、実務に耐える研修体系をつくる必要があります。
AI共同利用の本質は、単なるコスト削減ではありません。自治体間で知見を共有し、業務改善の成果を横展開し、住民サービスを継続的に高めていくことにあります。
今後の自治体DXでは、AIを使える職員を増やすだけでなく、AIを前提に業務を設計し直せる職員を育てることが、ますます重要になるでしょう。
コメント