はじめに｜自治体AI活用は「単独導入」から「共同利用」へ進む
自治体の生成AI活用は、単にChatGPTのようなツールを導入する段階から、複数自治体で基盤やノウハウを共有する段階へ移りつつあります。背景にあるのは、人口減少、職員不足、住民ニーズの多様化、行政手続きのオンライン化といった構造的な課題です。
一方で、生成AIを自治体が単独で導入・運用するには、費用、セキュリティ、人材、ガイドライン整備、業務プロセスの見直しといった壁があります。特に小規模自治体では、AIに詳しい職員を継続的に確保することは容易ではありません。
そこで注目されているのが、自治体間でAI活用ノウハウを共有する共同利用モデルです。これは、システムを共同で使うだけではなく、プロンプト、業務テンプレート、利用ルール、失敗事例、改善手順まで共有する取り組みです。元資料では、埼玉県、神戸市、GovTech東京の取り組みを通じて、生成AIの共同利用が単なるシステム共有にとどまらず、ルール、プロンプト、業務ノウハウを自治体間で横展開する仕組みへ発展しつつあることが示されています。
自治体が生成AIを単独導入しにくい理由
費用負担が継続的に発生する
生成AIの導入では、初期費用だけでなく、ライセンス費、セキュリティ対策、職員研修、運用管理、ログ管理、問い合わせ対応などの継続費用が発生します。単独自治体でこれらをすべて負担すると、実証実験までは進められても、全庁展開や継続運用で止まりやすくなります。
共同利用モデルでは、県や広域組織が参加自治体を取りまとめ、共通基盤を調達することで、1自治体あたりの負担を抑えやすくなります。埼玉県は、令和8年4月から県内地方公共団体等における生成AI共同利用を開始すると発表しており、共同利用によって単独導入より安価に利用でき、導入・運用コスト削減が期待できると説明しています。
LGWANと生成AIの接続が難しい
自治体業務では、個人情報や税務情報、内部文書などを扱うため、LGWAN環境での安全な利用が重要になります。しかし、多くの生成AIサービスはクラウド上で動作するため、通常のインターネット利用と同じ感覚で導入することはできません。
そのため、自治体向けAI基盤には、LGWAN対応、アクセス制御、ログ管理、個人情報マスキング、学習データへの利用防止、RAGによる庁内文書参照などが求められます。これらを自治体ごとに個別構築するのは非効率です。共同利用にすれば、セキュリティ要件を満たした基盤を複数団体で利用でき、各自治体が同じ課題を一から解決する必要がなくなります。
共同利用モデルの本質は「システム共有」ではなく「知識共有」
プロンプトと業務テンプレートを共有する価値
自治体AI活用で大切なのは、どのAIを使うかだけではありません。むしろ重要なのは、どの業務で使うのか、どのような指示文を使えばよいのか、出力結果を誰が確認するのか、どこまでをAIに任せてよいのか、という運用設計です。
たとえば、議事録要約、住民向け文書のたたき台作成、FAQ作成、条例・規則の確認、庁内マニュアル検索、申請書類のチェックなどは、多くの自治体で共通する業務です。先行自治体が作ったプロンプトや確認フローを共有できれば、後続自治体はゼロから試行錯誤する必要がありません。
これは「車輪の再発明」を避ける取り組みです。AIの共同利用モデルは、費用削減策であると同時に、行政知識を横断的に蓄積する仕組みでもあります。
RAGによって自治体固有文書を活用する
生成AIを行政業務で使う場合、一般的な知識だけでは不十分です。自治体ごとの条例、規則、要綱、業務マニュアル、過去の通知文、FAQなどを踏まえた回答が必要になります。
そこで重要になるのがRAGです。RAGは、AIが回答する前に関連文書を検索し、その内容を参照しながら回答を生成する仕組みです。自治体AI基盤にRAGを組み込めば、単なる文章生成ツールではなく、庁内ナレッジを活用する業務支援基盤になります。
ただし、RAGを有効にするには、文書の整理、ファイル名の統一、最新版管理、不要文書の削除、アクセス権限の設定が欠かせません。つまり、AI導入は文書管理改革でもあります。
埼玉県モデル｜生成AI共同利用とLGWAN対応基盤
埼玉県の事例は、バックオフィス業務における生成AI共同利用の参考になります。埼玉県は、県と県内全市町村で構成するDX推進ネットワークに専門部会を設置し、音声テキスト化、AI-OCR、チャットツールに続く4つ目の共同利用サービスとして生成AIを位置づけています。共同利用対象は「自治体AI zevo」で、LGWAN環境でも利用可能な生成AIサービスとされています。
このモデルのポイントは、生成AIを単発の実証実験ではなく、既存の共同利用の延長線上に置いている点です。すでに音声テキスト化やAI-OCRの共同利用経験があるため、自治体間でシステムを共有し、運用ノウハウを持ち寄る文化が形成されています。
AI導入で失敗しやすいのは、ツールだけを先に入れて、業務側の受け皿を作らないことです。埼玉県モデルは、共同利用の組織基盤が先にあり、その上に生成AIを乗せている点で現実的です。
岐阜県モデル｜住民接点を広域で標準化する
岐阜県の事例は、住民向けフロントオフィス改革の参考になります。JBS、MRI、アイネスは、岐阜県および県内市町村40団体に「AIスタッフ総合案内サービス」を提供することを発表しており、住民からの問い合わせにAIチャットボットが回答する仕組みを共同利用しています。
この取り組みの重要な点は、県が主導して共通の住民接点を整備したことです。自治体ごとに別々のFAQ、別々のチャットボット、別々の申請画面を作ると、住民にとって使いにくく、データ連携も進みません。県単位で標準化することで、住民サービスの水準をそろえやすくなります。
さらに、小規模自治体にとっては、県主導の共同基盤があることで、単独では難しいデジタル施策に参加しやすくなります。これは、デジタルデバイドを住民側だけでなく、自治体側にも起こさないための仕組みです。
GovTech東京モデル｜共同調達からデジタル公共財へ
GovTech東京の取り組みは、共同利用モデルをさらに発展させたものです。GovTech東京は、区市町村と協働し、自治体間で共通利用できるツールやシステムの調達・開発に取り組むことで、「車輪の再発明」を防ぎ、共同化を推進すると説明しています。
また、生成AIプラットフォームについては、都庁各局や都内区市町村が知見やリソースを共有し、効率的に生成AIを活用する共通基盤を整備する方針が示されています。生成AIアプリを職員が作成・共有できれば、他自治体でも再利用可能なデジタル公共財になり得るとされています。
ここで重要なのは、AI活用を「便利な個人ツール」で終わらせず、組織全体で再利用できる資産に変える発想です。優れたプロンプト、業務アプリ、RAG用データセット、チェックリストを共有できれば、AI活用は一部の詳しい職員だけのものではなくなります。
共同利用モデルを成功させるための設計ポイント
1. 入力禁止情報と責任範囲を明確にする
生成AI活用では、個人情報、機密情報、未公開情報、契約情報などの入力ルールを明確にする必要があります。現場任せにすると、便利さが先行し、情報漏えいリスクが高まります。
また、AIの出力はあくまで補助であり、最終判断は職員が行うという責任範囲も明確にしなければなりません。デジタル庁の標準ガイドラインでも、生成AIの利活用促進とリスク管理を表裏一体で進める考え方が示されています。
2. 業務プロセスをAI前提で見直す
AIを導入しても、古い業務フローをそのまま残せば効果は限定的です。紙文書、属人的な判断、部署ごとの独自ルール、最新版が分からないマニュアルなどが残ったままでは、AIも正しく機能しません。
共同利用モデルは、複数自治体が同じ基盤を使うため、自然と業務の標準化を促します。これは単なる効率化ではなく、BPRそのものです。AIに合わせて業務を整理するのではなく、AIをきっかけに本来見直すべき業務構造を整理する、という考え方が必要です。
3. 成功事例だけでなく失敗事例も共有する
自治体間のノウハウ共有では、成功事例だけを並べても不十分です。どの業務では精度が出なかったのか、どのプロンプトは誤解を招いたのか、どの文書はRAGに向かなかったのか、どの部署で利用が進まなかったのかまで共有する必要があります。
AI活用は、最初から完成形を作るものではありません。小さく使い、記録し、改善し、横展開するものです。その改善サイクルを自治体間で回せることこそ、共同利用モデルの強みです。
まとめ｜自治体AIの本番は「共に使い、共に育てる」段階へ
自治体におけるAI活用は、単独のツール導入では限界があります。費用、セキュリティ、人材、運用ルール、業務改革のすべてを一つの自治体で抱え込むのは、特に小規模自治体にとって重い負担です。
これから重要になるのは、AI基盤、プロンプト、業務テンプレート、RAG用文書、ガイドライン、研修教材、失敗事例を自治体間で共有することです。埼玉県の生成AI共同利用、岐阜県の広域チャットボット、GovTech東京の共通基盤は、それぞれ異なる角度から「共同利用」の可能性を示しています。
自治体AIの目的は、職員を置き換えることではありません。限られた人員で住民サービスの質を保ち、職員が本来取り組むべき判断業務や対人支援に時間を戻すことです。そのためには、AIを個人の便利ツールで終わらせず、行政全体で育てる共通資産にしていく必要があります。
コメント