自治体で生成AIを活用するには？庁内業務での活用例と導入時の注意点を解説

自治体には法令や条例だけでなく、要綱や手順書、過去の通知文など数多くの文書があります。これらが庁内の複数システムやファイルサーバーに分散して保管されているケースも見られます。どこに何があるかを職員が把握していない場合、探すだけで時間を消費しかねません。生成AIに庁内のデータを連携することで必要な情報を一度の検索で引き出せる可能性があります。紙媒体で残る資料もデジタル化して読み込ませることで、探す手間のさらなる削減が期待できます。

行政機関では定期的な人事異動が前提となるため、特定の部署に蓄積された業務知識が引き継がれないまま失われやすい傾向にあります。前任者が残した過去の照会回答や引き継ぎ書を生成AIの参照用データとして整備しておくと、着任直後の職員でも過去の判断基準を自身で確認できるでしょう。引き継ぎ期間中の業務の停滞を防ぎ、担当者が変わっても住民や他部署への回答品質を一定に保ちやすくなります。

庁内で扱う情報には、全職員が閲覧できる規程類だけでなく、特定の部署や管理職しかアクセスできない機密性の高い文書も含まれます。そのため職員は、必要な情報を探す際にどこまで参照してよいかの判断に迷ったり、権限を持つ担当者へ都度確認したりする手間が生じがちです。生成AIは、職員ごとの閲覧権限を踏まえて回答や情報提供を行うことができるため、セキュリティを維持しながら必要な情報へスムーズにアクセスを実現できる可能性があり、庁内業務での活用が求められています。

RAGとは、生成AIにあらかじめ用意した独自のデータベースを検索させ、検索結果をもとに文章を作成させる技術です。一般的なAIモデルが学習していない庁内独自のルールや最新の通知文であっても、RAGを利用すると内容を踏まえた回答を得やすくなります。参照先を庁内のデータに限定できるため、業務の実態に沿った回答を得やすい点も利点の一つと言えるでしょう。

行政機関の業務では、回答の内容がどの条例や規程にもとづいているのかという根拠の提示が常に求められます。RAGを組み込んだ生成AIであれば、回答文と併せて参照したマニュアルの該当箇所やファイルへのリンクも出力できるでしょう。職員がAIの回答をそのまま受け入れず、引用元の文書を直接確認できるため、誤った情報をもとに業務を進めてしまうリスクの低減につながります。

生成AIが参照するデータベースに、住民の個人情報や公開前の入札情報などが混入しないよう、厳重な管理が求められます。導入の初期段階では、一般職員が閲覧しても問題のない規程やマニュアルに参照範囲を限定する方法が考えられます。AIに入力したプロンプトが外部のAIモデルの再学習に利用されないよう、データ保護方針が明確なサービスを選定しましょう。

生成AIは事実と異なる内容を出力するハルシネーションを起こす可能性があり、すべての回答が正しいとは限りません。誤った回答が出た場合に備え、情報源のリンクを確認するよう利用する職員へ周知しておきましょう。AIの回答だけでは解決しない場合や内容に疑義がある場合に、担当部署へ直接問い合わせができるエスカレーションのフローも用意しておくのが理想的です。

AIの回答精度は、参照させる元のデータの品質に左右されます。同じ規程の改定前と改定後のファイルが混在していると、AIが古い情報を参照して回答するリスクが高まりかねません。正式名称と現場の職員が使う略称が異なると、必要な文書が検索されないケースもあります。稼働前に不要なファイルを削除し、表記を揃える棚卸し作業を進めましょう。

行政機関でAIを活用するにあたり、大きな懸念の一つに挙げられるのが情報の外部流出です。自治体特有のセキュリティ要件に対応した外部サービスを選ぶことで、閉域環境での利用を前提としたシステム構成で設計を進められます。外部ネットワークから遮断された領域で庁内文書を処理する構成を採ると、情報漏洩のリスクを抑えながら、自庁のセキュリティポリシーに沿ったAI導入をめざせるでしょう。

職員からの問い合わせに一次応答するチャットボットを構築するには、規程や業務マニュアルをAIが参照できる形に整える必要があります。この作業には、データ加工や検索精度の調整といった専門的な知見が求められます。構築を外部に任せられれば、総務や人事などのバックオフィス部門が抱える定型的な質問への対応を早期に軽減できるでしょう。過去の資料を参照した文書作成支援まで含めて設計を依頼すれば、起案文書や通知文の作成にかかる時間の短縮も見込めます。

AI活用が定着しない要因の多くは、システムの納品後に改善の担い手がいなくなる点にあると考えられます。導入前の業務整理から本格運用後のチューニングまでを継続的に支援する事業者であれば、対象業務の選定やナレッジの棚卸しといった初期段階の課題を可視化できるでしょう。PoCを通じた環境構築や運用ルールの設計まで任せられる点も、利点として挙げられます。運用開始後も利用状況の分析や検索精度の向上、新しいナレッジの追加といった改善が続くため、AIが使われないまま終わる事態を避けやすくなります。