地方公共団体でも、文書作成、要約、FAQ作成、議事録整理、問い合わせ対応、データ分析など、生成AIを行政業務に活用する動きが広がっています。
一方、自治体の場合、一般企業のように「便利な生成AIサービスを契約してブラウザから利用する」という単純な導入はできません。
背景にあるのが、マイナンバー利用事務系、LGWAN接続系、インターネット接続系を分離する自治体特有のネットワーク構成です。
生成AIを本格利用するためには、単にAIサービスの安全性だけを見るのではなく、
- どのネットワークから接続するのか
- どのクラウドサービスまで通信を許可するのか
- どの情報をAIへ入力できるのか
- 個人情報をどの段階で除去するのか
- 誰が何を利用したのかをどう記録するのか
まで含めて設計する必要があります。
つまり、自治体における生成AI導入は「AI製品の導入」ではなく、ネットワーク、データ、セキュリティ、運用ルールを統合した基盤設計として考える必要があります。
なぜLGWAN環境では生成AI導入が難しいのか
自治体のネットワークでは、長年にわたり「三層の対策」が重要な役割を果たしてきました。
インターネットから行政内部の重要情報を切り離すことで、サイバー攻撃やマルウェア侵入による被害が内部システムへ連鎖するリスクを抑える考え方です。
安全性という点では非常に強力ですが、クラウドサービスの利用が一般化した現在では課題も生じています。
特に生成AIは、インターネット上のクラウド基盤に配置されているケースが多いため、LGWAN接続系から直接利用できない場合があります。
従来型のαモデルでは、LGWAN接続系を中心に業務を行うため、インターネット上のサービスを利用するときに画面転送などの仕組みが必要になる場合があります。
通常のWeb閲覧であれば許容できても、生成AIでは、
「質問する」
「回答を確認する」
「修正を指示する」
「再生成する」
という細かな対話を何度も繰り返します。
そのため、わずかな画面転送の遅延や操作上の制約でも、利用者の負担は大きくなります。
生成AIでは、セキュリティだけではなく操作性そのものが導入定着を左右する点に注意が必要です。
α・β・β′・α′モデルを生成AIの視点で考える
自治体ネットワークの生成AI対応を考えるうえで重要なのが、αモデル、βモデル、β′モデル、そしてα′モデルです。
αモデル
従来型の三層分離を重視した構成です。
LGWAN接続系を中心に業務を行うため高い分離性を確保できますが、インターネット上のSaaSや生成AIを利用する際には、アクセス方法が複雑になりやすいという課題があります。
β・β′モデル
主要業務端末をインターネット接続系へ移すことで、クラウドサービスを利用しやすくする考え方です。
ただし、端末自体がインターネット側に配置されるため、EDR、認証、アクセス制御、監視、外部監査など、多層的なセキュリティ対策が求められます。
ネットワーク構成だけを変えればよいわけではなく、組織全体のセキュリティ運用能力も問われます。
α′モデル
生成AIやクラウドサービス利用との親和性という意味で注目されるのがα′モデルです。
従来のαモデルを基本としながら、リスクアセスメントを行ったうえで、LGWAN接続系から指定したクラウドサービスへの通信を可能にする考え方です。
元資料では、この仕組みを生成AI利用に応用する方法として「ローカルブレイクアウト」が重要な選択肢として整理されています。
方法1:ローカルブレイクアウトで特定の生成AIだけに接続する
ローカルブレイクアウトとは、LGWAN接続系から特定のクラウドサービスに対する通信だけを選別し、直接インターネットへ接続する考え方です。
すべてのインターネット通信を許可するわけではありません。
例えば、
- 接続先FQDN
- IPアドレス
- アプリケーション
- 通信プロトコル
などを条件として、許可したサービスだけを通過させます。
ここで重要なのが「ホワイトリスト方式」です。
生成AIを自由に利用できる状態にするのではなく、自治体が安全性や契約条件を確認したサービスだけを利用可能にします。
さらに、
- 次世代ファイアウォール
- IPS・IDS
- EDR
- 通信ログ
- 多要素認証
- アクセス制御
などを組み合わせ、多層防御を構築することが重要です。
クラウドサービス側の接続先情報は変更されることもあるため、許可リストを一度設定して終わりにするのではなく、継続的に更新できる仕組みも必要になります。
方法2:LGWAN-ASP上に生成AIの入口を構築する
もう一つの有力な方法が、LGWAN-ASPを利用する構成です。
職員はLGWAN内部からLGWAN-ASP上の生成AIサービスへアクセスし、LGWAN-ASP側のゲートウェイやプロキシが外部のLLMと通信します。
この構成では、自治体側が直接インターネット上のAIへ接続するのではなく、LGWAN-ASP側が中継点になります。
メリットは、既存のネットワーク構成を大きく変更せず生成AIを導入しやすい点です。
J-LISでは現在、ISMAPクラウドサービスリストに登録されたIaaSをLGWAN-ASPホスティングに利用できる仕組みも整備されており、生成AIなど最新技術をLGWAN-ASPで活用しやすい方向へ制度が進んでいます。
特に小規模自治体では、自前で複雑なネットワーク構成を構築・維持するより、LGWAN-ASP型サービスを選択するほうが、導入・運用負担を抑えられる場合があります。
個人情報は「送信する前」に守る
ネットワークが安全でも、それだけで生成AI利用が安全になるわけではありません。
自治体では、
- 氏名
- 住所
- 医療・健康情報
- 障害に関する情報
- 税務情報
- 児童福祉情報
など、極めて機微性の高いデータを扱います。
そこで重要になるのが、AIへデータを送信する前のマスキングです。
元資料では、LGWAN側に「AIマスキング層」を配置し、外部のLLMへ送信する前に個人特定情報を検出・除去するアーキテクチャが提案されています。
単純な文字列置換だけではなく、自然言語処理を利用して文脈から個人情報を判定することで、より精度の高いマスキングを目指します。
さらに完全自動化に頼るのではなく、必要に応じて職員が確認するHuman-in-the-Loopを組み込むことも重要です。
「誰が・何の目的で・どの情報を使えるか」を決める
生成AIのガバナンスでは「利用禁止事項」だけを並べても十分ではありません。
実務で必要なのは、
誰が
何の業務で
どの生成AIを使い
どの機密レベルの情報まで入力できるか
を整理することです。
例えば、
| 項目 | 管理内容 |
|---|---|
| 生成AIサービス | 利用を許可したサービス |
| 管理部署 | 情報政策部門・業務主管課など |
| 利用者 | 全職員・特定部署・特定職員 |
| 利用目的 | 文書作成・要約・FAQ作成など |
| 入力可能情報 | 自治体の機密性分類に応じて設定 |
| ログ | ユーザー単位で記録 |
という形で権限マトリクスを作成します。
重要情報を扱う場合には、入力データがAIサービス提供者によるモデル学習へ利用されない契約条件や設定になっているかも確認が必要です。
アクセスログは「端末」ではなく「人」を追えるようにする
生成AIを導入すると、ログ管理の考え方も変える必要があります。
共有端末や共通アカウントでは、
「誰がAIに何を入力したのか」
を後から特定できません。
そのため、
- 個人アカウント
- ID管理
- 多要素認証
- ユーザー単位のアクセスログ
- 管理者による監査
を組み合わせる必要があります。
生成AIでは「何を入力したか」自体が情報漏えいにつながる可能性があるため、利用履歴を監査可能な状態にしておくことが重要です。
市民向けAIと庁内業務AIは分けて考える
自治体生成AIを考える際には、すべてのAIを同じネットワーク上へ配置する必要はありません。
元資料では、
市民向けフロントエンドAI
庁内業務向けバックエンドAI
を分離して設計する考え方が示されています。
例えば、観光案内、公共施設案内、FAQなど、市民が利用するAIはインターネット側で公開できます。
一方、
- 申請審査支援
- 福祉業務
- 庁内文書検索
- 内部データ分析
などはLGWAN側で処理します。
つまり重要なのは「AIをどこに置くか」ではなく、扱うデータの機密性に応じてAIを配置することです。
自治体が生成AI基盤を導入する7つのステップ
実際の導入では、次の順序で進めると整理しやすくなります。
1.利用業務を決める
最初から全業務へ広げず、文書作成、要約、FAQなどリスクの比較的低い業務から開始します。
2.扱う情報を分類する
利用業務で扱うデータを自治体の機密性分類と照合します。
3.接続方式を選ぶ
α′モデルによるローカルブレイクアウト、LGWAN-ASPなど、自団体に適した方式を比較します。
4.AIサービスを限定する
安全性、契約条件、ログ管理、学習利用の有無などを確認し、利用可能サービスをホワイトリスト化します。
5.マスキングとアクセス制御を実装する
個人情報を外部へ送信しない仕組みと、利用者・部署単位の権限管理を設計します。
6.ログと監査体制を整備する
誰が、いつ、どのサービスを利用したのか追跡できる状態にします。
7.研修と運用改善を続ける
生成AIは技術変化が非常に速いため、一度ルールを決めて終了ではありません。
利用状況、事故・ヒヤリハット、新しいサービス、ガイドライン改定を確認しながらPDCAを回します。
次世代LGWANは「分離」から「制御」へ
これまで自治体ネットワークの安全性は「ネットワークを分ける」ことによって確保されてきました。
しかし生成AIやSaaSの利用が進むと、単純な物理分離だけでは業務効率との両立が難しくなります。
今後重要になるのは、
「どこから接続したか」
だけではなく、
「誰が」
「どの端末から」
「どのサービスへ」
「どのデータを使って」
「何をしようとしているか」
まで含めてアクセスを判断する考え方です。
その延長線上には、ゼロトラスト、マイクロセグメンテーション、Software-Defined Perimeterなどを組み合わせたネットワークがあります。
これはLGWANをすぐに廃止するという意味ではありません。
むしろLGWANが持つ強いセキュリティ境界を生かしながら、必要なサービスへの通信だけを精密に制御する方向へ進化させる考え方です。

まとめ
自治体における生成AI導入では、AIサービスを選定すること以上に「どのような経路で、どのデータを、誰が利用できるようにするか」が重要です。
安全な生成AI基盤を構築するためには、
- α′モデルとローカルブレイクアウト
- LGWAN-ASP
- ホワイトリスト型アクセス制御
- AIマスキング
- 個人単位のID・ログ管理
- 機密性分類に応じた利用制御
- 市民向けAIと庁内AIの分離
- 継続的な職員研修とガバナンス
を組み合わせて考える必要があります。
生成AI時代の自治体セキュリティでは、「完全に遮断すること」と「自由に接続すること」の二択ではありません。
必要なサービスだけを、安全な条件のもとで接続する。
この設計思想こそが、LGWAN環境で生成AIを実務利用していくための重要なポイントになります。
参考資料
本記事は、添付研究資料「LGWAN環境における生成AI基盤の安全な利用と次世代ネットワーク設計に関する総合研究」を中心に構成しています。
制度・ガイドラインについては、総務省「地方公共団体における情報セキュリティポリシーに関するガイドライン」令和8年3月27日改定版、総務省「自治体におけるAI活用・導入ガイドブック<導入手順編>第4版」、J-LISのLGWAN-ASP関連情報も確認しています。
コメント