生成AIは全職員向け研修では広がらない? 姫路市が実践、ログ分析で業務改善
生成AIは全職員向け研修では広がらない? 姫路市の実践

生成AIを導入したものの、現場で使われない。使われたとしても、既存業務の効率化にとどまり、新たな取り組みや業務そのものの見直しにはつながらない――。こうした悩みを抱える組織は、どうすればいいのか。

「私たちは今、職員が生成AIを利用した『ログ』をまちまちに見ています。ログを見ると、現場で何が起きているのかが見えてきます。生成AIを問題解決のためのツールとして導入している組織も多いと思いますが、問題を『発見』するためのツールにもなります」

ログは宝の山――そう強調するのは、兵庫県姫路市デジタル統括監 補佐官の篠田博規氏だ。篠田氏は、同市で生成AI活用のかじ取り役を担っているほか、5年間で200もの新規事業に関わってきた。

Pickt横長バナー — Telegram用の共同買い物リストアプリ

ログから見える職員のリアルな課題

利用ログからは、職員が言語化しにくいリアルな課題感や、現場のどこで行き詰まっているのかなど、さまざまな実情が見えてくるという。

姫路市デジタル統括監 補佐官 篠田博規氏(編集部撮影)

本記事は、日本DX大賞実行委員会が主催したイベント「日本DX大賞2026 サミット&アワード」(7月22〜23日開催)のラウンドテーブル「生成AIで市役所の仕事はどう変わるか〜姫路市・直方市に学ぶ、業務効率化の先にある行政サービスの向上〜」を取材したもの。

姫路市が「利用ログ」から見つけた組織改革のヒント

多くの自治体では、住民情報を扱う業務用ネットワークがインターネットから分離されている

セキュリティを確保しながら、生成AIなどの新しいツールをいかに取り入れるかは、自治体特有の問題だ。

姫路市は2023年に、行政専用の閉域網であるLGWAN(総合行政ネットワーク)上で使える全国初の自治体専用生成AIプラットフォーム「zevo」を、民間企業と共同開発した。zevoでは複数のAIモデルが利用可能で、文書の内容や形式に応じてClaudeやGeminiなどを使い分けることができる。

姫路市の生成AI活用事例(出典:姫路市の講演資料、撮影:編集部)

また、姫路市では推進体制も整えており、市長自らがCAIO(最高AI責任者)に就き、組織の舵取り役を担っている。

ツール導入とトップの推進だけでは現場は変わらない

しかし、ツールを導入し、トップが利用を促しただけでは、現場の使い方まで変わらない。職員による利用は、文書作成や質問など、目の前の作業の効率化にとどまりがちだと篠田氏は指摘する。

そこで確認しているのが、日々の利用ログだ。

「ログを見ると、本当にいろいろなことが見えてくるんですよ」

例えば「生成AIに入力した文字数が多いから、職員によく使われている」と判断するケースがあるが、ログを確認すると、やり取りだけが長くなり、成果につながっていないことも多くあるという。利用量が多いように見えても、効率的な使い方ができているとは限らないのだ。

さらに、職員が何に困り、どこでつまずいているのかも生成AIへの質問に現れる。

「生成AIは、問題を解決するだけでなく、問題を見つけるためのツールにもなります」

質問内容を分析すると、職員が明確に言葉にしていなかった業務上の課題が見えてくるという。姫路市では、職員から業務上の課題を募るフォームを設けている。しかし「業務上の課題を書いてください」と求められても、職員全員がすぐに、自身の課題を明確に言語化できるわけではない。一方、生成AIには困った時にその場で質問できるため、潜在的な課題の発見にもつながる。篠田氏は生成AIの利用ログを「宝の山」と例えている。

Pickt記事後バナー — 家族イラスト付きの共同買い物リストアプリ

議会議事録でRAG導入 AIの誤答を「失敗」で終わらせない取り組み

ログから見つけた課題を、どのように業務改善へつなげるのか。事例の一つとして、篠田氏は議会議事録分野におけるRAG(検索拡張生成)の活用を挙げる。

自治体の議会議事録に関する情報は、一つの部署にまとまっているわけではない。議会は議会課、会議は会議課、契約は契約課、旅費は人事担当部署と、規程や通達が複数の部署に分かれており、ルールが煩雑だ。このような環境でスキルや経験の属人化が進むと、異動や退職などによって、知識が組織から失われかねない。

そこで姫路市は、複数の部署に散らばっていた議会議事録のルールを横断したRAGを作成し、必要な情報を質問すれば回答を得られる仕組みを整えた。

しかし、全ての問いにAIが正確に回答できるわけではない。篠田氏らは「RAGを作成して終わり」ではなく、利用ログをチェックすることでAIが適切に回答できなかった質問を確認し、回答の参照元となるマニュアルの修正やルールの見直しを実施している。

「AIの回答精度を高めるためにログを確認した結果、マニュアルや既存ルールの問題点の発見につながりました。RAGは作って終わりではなく『育てるもの』だと捉えています」