地方自治体に庁内文書検索AIが求められる理由
地方自治体の現場では、条例、要綱、要領、マニュアル、過去の質疑応答、会議録、通知文、申請様式など、膨大な庁内文書が日々蓄積されています。これらは行政運営の重要な知識資産ですが、必要な情報を探す作業は、経験のある職員の記憶や個別フォルダの管理に依存しがちです。
そこで注目されているのが、RAGを活用した庁内文書検索AIです。RAGとは、生成AIが回答を作る前に、指定された文書群から関連情報を検索し、その根拠に基づいて回答を生成する仕組みです。一般的な生成AIよりも、自治体独自の文書や最新の庁内ルールに沿った回答を出しやすい点が特徴です。
国の動きとしても、デジタル庁はガバメントAI「源内」を推進しており、2026年度には全府省庁約18万人の政府職員を対象とした大規模実証を予定しています。また、「源内」は政府統一基準に準拠したセキュリティのもと、行政実務用AIアプリや政府共通データセットの活用を進める構想が示されています。
地方自治体にとっても、庁内文書検索AIは単なる検索ツールではありません。職員の調査時間を減らし、判断の属人化を抑え、若手職員の業務習熟を支援する「行政ナレッジ基盤」として位置づけるべきものです。
RAG庁内文書検索AIの構築は5つのフェーズで考える
庁内文書検索AIを導入する際は、いきなりツールを契約するのではなく、段階的に構築することが重要です。特に自治体では、扱う情報の機密性、LGWAN環境、既存の文書管理ルール、職員の利用定着まで含めて設計しなければなりません。
フェーズ1：対象業務とセキュリティ要件を決める
最初に決めるべきことは、「どの業務文書を検索対象にするか」です。全庁文書を最初から対象にすると、データ整備や権限管理が複雑になり、実証段階で失敗しやすくなります。
最初の候補としては、問い合わせが多い業務、判断根拠が文書化されている業務、若手職員の習熟支援につながる業務が向いています。たとえば、選挙管理、契約事務、文書管理、福祉相談、補助金申請、庁内FAQなどです。
同時に、LGWAN対応、SSO、アクセス権限、ログ管理、国内処理、プロンプト入力制限なども確認します。自治体向け生成AIサービスでは、LGWAN対応や学習データへの利用防止、禁止ワード登録、ログ蓄積などを機能として備える例も出ています。
ここを曖昧にすると、後から「この文書は入れてよいのか」「誰が見られるのか」「回答根拠を監査できるのか」という問題が起きます。RAGは便利な仕組みですが、自治体では情報管理の設計が甘いまま進めると、むしろリスクを広げます。
フェーズ2：文書をAIが読める形に整える
RAGの精度は、AIモデルの性能だけで決まりません。むしろ、検索対象となる文書データの質に大きく左右されます。
自治体の文書には、紙資料をスキャンしたPDF、古いWordファイル、画像化された資料、レイアウトが複雑な帳票、表形式の資料などが混在しています。この状態のままAIに読み込ませても、正確な検索は期待しにくいです。
そのため、AI-OCRによる文字起こし、不要なヘッダー・フッターの削除、ページ番号や装飾文字の除去、表記ゆれの整理、版管理、メタデータ付与が必要になります。特に行政文書では、「第◯条」「別表」「様式第◯号」「ただし書き」などの構造が意味を持つため、単にテキスト化するだけでは不十分です。
総務省の「自治体におけるAI活用・導入ガイドブック」は、自治体におけるAI導入の進め方や留意点を具体的な手順に沿って整理し、生成AIの利用方法や利用上の留意事項、ガイドラインひな形も追加しています。
つまり、庁内文書検索AIの準備作業は「ファイルをアップロードすること」ではなく、「行政文書をAIが安全に参照できる知識ベースへ整えること」です。
フェーズ3：チャンキングで検索精度を左右する
RAGでは、長い文書をそのまま検索対象にするのではなく、意味のある小さな単位に分割します。この分割をチャンキングと呼びます。
チャンキングには、一定文字数で分ける固定長方式、段落や見出しを基準にする再帰的方式、文書構造を認識する構造認識方式、意味の切れ目を見て分割するセマンティック方式などがあります。
自治体文書では、構造認識チャンキングが特に重要です。条例や要綱は、「章」「節」「条」「項」「号」といった階層構造で意味が成り立っています。たとえば、ある条件が「第3号」に書かれている場合、その前提となる「第1項」や「ただし書き」を切り離してしまうと、AIが誤った解釈をする可能性があります。
一方で、FAQや単純なマニュアルであれば、細かい固定長チャンキングでも十分な場合があります。逆に、政策文書や議事録のように文脈が重要な資料では、ある程度広めのチャンキングや重複部分の設定が必要です。
ここは技術担当だけで決めるべきではありません。業務担当者が「この文書はどこで意味が切れるのか」を確認しながら設計することが、実用精度を高める近道です。
フェーズ4：ベクトル検索とキーワード検索を組み合わせる
RAGの検索には、意味の近さで探すベクトル検索が使われます。これにより、職員が入力した言葉と文書内の表現が完全に一致しなくても、関連する情報を探しやすくなります。
たとえば、職員が「子どもが生まれたときの手続き」と入力しても、文書上では「出生届」「児童手当」「子育て支援」といった別表現で書かれている場合があります。ベクトル検索は、こうした意味の近さを拾うのに向いています。
ただし、自治体業務ではキーワードの完全一致が必要な場面も多くあります。「令和6年度予算」「第123号」「特定の施設名」「申請書番号」などは、意味の類似ではなく文字列として正確に検索する必要があります。
そのため、実務で使える庁内文書検索AIには、ベクトル検索とキーワード検索を組み合わせたハイブリッド検索が向いています。意味検索だけに頼ると、柔軟ではあるものの、番号や固有名詞に弱くなる可能性があります。逆にキーワード検索だけでは、表現ゆれや自然文の質問に対応しにくくなります。
フェーズ5：プロンプト、評価、現場定着まで設計する
RAG基盤を作っても、それだけで現場に定着するわけではありません。回答の出し方を決めるシステムプロンプト、利用者向けのプロンプトテンプレート、回答精度の評価、改善サイクルが必要です。
自治体向けのRAGでは、少なくとも次のような制御が必要です。
- 根拠文書に基づいて回答する
- 根拠がない場合は推測しない
- 条例や要綱の条文番号を示す
- 個人情報や機密情報は出力しない
- 判断が必要な場合は担当課確認を促す
導入テストでは、単に「便利だったか」ではなく、検索結果の適合率、回答の正確性、根拠提示の妥当性、職員の使いやすさ、実際の業務フローへの適合性を確認します。
横浜市のRAG実証では、選挙関連の問い合わせに対する回答精度が約9割に達し、若手職員と先輩職員双方の問い合わせ業務効率化や、蓄積文書の有効活用につながったとされています。
この事例から見える重要な点は、RAGが単に「検索時間を短縮するツール」ではなく、暗黙知を形式知化し、若手職員の自走を支援する仕組みになり得ることです。
先行自治体の事例から見える導入効果
静岡県では、2024年12月に本庁全職員向けに自治体向け生成AIを導入し、RAG機能を活用したFAQ作成、問い合わせ対応マニュアル作成、誤字脱字やガイドライン適合性チェック、データ関係性分析などの用途が確認されています。
このような全庁展開では、単にツールを配るだけでなく、利用促進サポートや基礎講習、ユースケース創出が重要になります。生成AIは、使える人だけが使う状態では組織全体の業務改善につながりません。現場職員が「自分の業務でどう使えるか」を理解できるように、用途別テンプレートや成功事例を共有することが欠かせません。
また、横浜市のように、選挙管理事務など特定業務に絞ってRAGを検証する方法も有効です。特定領域で精度と効果を確認してから、他業務へ横展開するほうが、リスクを抑えながら導入できます。
庁内文書検索AIの失敗を防ぐポイント
RAG導入で失敗しやすいのは、技術そのものよりも運用設計です。
よくある失敗は、文書の更新管理がされていないことです。古い要綱や廃止済みのマニュアルが残ったままだと、AIはそれを根拠に回答してしまいます。RAGは「与えられた文書を参照する」仕組みであるため、文書が古ければ回答も古くなります。
次に、権限管理の不備です。職員全員が見るべきでない文書まで検索対象に入れると、情報管理上の問題が生じます。部署単位、役職単位、業務単位で参照範囲を分ける設計が必要です。
さらに、評価を一度だけで終えることも危険です。RAGは導入時点で完成するものではありません。質問ログ、検索失敗例、誤回答、職員からのフィードバックをもとに、チャンキング、メタデータ、プロンプト、対象文書を継続的に改善していく必要があります。
つまり、庁内文書検索AIは「導入するシステム」ではなく、「育てる業務基盤」として運用すべきです。
まとめ：RAGは自治体の知識管理を再設計する基盤になる
地方自治体におけるRAG庁内文書検索AIは、文書検索の効率化だけを目的にすると効果が限定されます。真の価値は、庁内に散在する文書、先輩職員の知見、過去の質疑応答、業務マニュアルを、職員が安全に使える知識基盤へ変えることにあります。
構築の流れは、対象業務とセキュリティ要件の定義、文書データの整備、チャンキング設計、ハイブリッド検索、プロンプトと評価、現場定着の順で進めるのが現実的です。
自治体のAI活用は、汎用チャットの利用から、庁内データに基づく業務支援へ移りつつあります。RAGを活用した庁内文書検索AIは、その中心となる仕組みです。小さな業務領域から始め、精度評価と運用改善を重ねることで、将来的には住民サービス基盤との連携や、職員教育、政策立案支援にも広がっていく可能性があります。
コメント