生成AI活用の10の学び
～行政業務での検証から～

2024年5月
📌 デジタル庁が実施した検証から得られた知見

行政職員による生成AIの実践的な利活用検証を通じて、業務改善の新たな可能性と注意点が明らかになりました。単なる「効率化ツール」ではなく、品質向上やシステム改善まで視野に入れた戦略的活用が重要であることが分かりました。

生成AIは使い方しだいで、単なる時間短縮だけでなく、業務品質そのものを向上させることができる
⏱️

🎯 学び1：時間削減＋品質向上

重要

生成AIの活用効果は「作業時間の短縮」だけではなく「品質向上」も期待できることが検証で判明しました。

❌ 従来の認識

AIの効果 = 効率化 = 時間削減

✅ 実際の効果

AIの効果 = 時間短縮 + 品質向上

レビュー用途：自分の文章を事前チェック→推敲サイクルが高速化
読み手対応：複数の読者向けに文章を作り分け→品質が均一化
💡 工夫次第で、単なる「速い」から「速くて品質が良い」への転換が可能
🔀

🔍 学び2：工程分解の重要性

実践的

業務全体を一度に自動化しようとせず、業務を工程に分解し、各工程ごとに生成AIの活用を検討することが成功の鍵です。

📋 大量のコメント受け取り
↓
✏️ AI分類・分割 (ココ！)
↓
✏️ AI要約 (ココ！)
↓
👤 人間が最終判断
⚠️ 注意：認知負荷が下がるからといって、人間の判断が必要な部分までAIに任せてはいけない
📖

📚 学び3：「読む」能力を活用

発見

生成AIは「文章を書く」だけでなく、「文章を読む」能力も強力です。この視点が業務活用を広げます。

📝 長文の要約

複雑な文書を簡潔に整理

🔄 平易な言い換え

難解な文を分かりやすく

🏷️ 文章のラベル付け

大量の文書を自動分類

🔍 コード解釈

ソースコードを説明

「書く」に注目しすぎて、「読む」という強力な能力を見落としていた
💻

🔗 学び4：インターフェース工夫

システム視点

ChatGPTのようなチャットインターフェースだけでなく、APIやバッチ処理での利用で利便性が大幅向上します。

❌ チャット方式

1件ずつコピペで入力 時間がかかる

✅ バッチ処理方式

数千件を一括処理 効率が100倍以上

大量の文書をラベル付けする際にバッチ処理が有効
システム経由の組み込みで、人間が介在しない自動処理も実現
🏗️

⚙️ 学び5：検証環境の二重価値

戦略的

生成AIの検証環境は「業務改善」だけでなく「システム開発」にも欠かせないツールです。

📋 行政職員が業務課題を提示
↓
🔬 検証環境でプロンプト試行
↓
✅ 要件定義が明確に
↓
💻 エンジニアがAPI組み込み開発
複数AIの比較：GPT、Claude、Swallowなど比較検証で最適解を発見
ロックイン防止：特定ベンダーへの依存を回避できる
要件の実験的確定：開発前に仕様を具体化
🎯 検証環境を通じて、非エンジニアも技術的な実現可能性を判断できるようになる
10の学び

🔑 実装時の5つのポイント

1️⃣ 効率化＋品質向上の視点

単なる時間短縮ではなく、品質向上も狙う仕組みを検討。

2️⃣ 工程に分解して検討

業務全体ではなく、各工程ごとにAI活用を判断。人間の判断が必要な部分は明確化。

3️⃣ 「読む」能力を活用

「書く」だけでなく、要約・分類・解釈といった「読む」用途を探索。

4️⃣ インターフェース設計

チャットだけでなく、バッチ処理やAPI組み込みで大幅効率化。

5️⃣ 検証環境の活用

業務改善とシステム改善の両面で活躍。要件定義を明確化。

💡 まとめ：成功への道筋

✅ 生成AI活用が成功する条件

業務を細かく分解し、「ここはAIで、ここは人間で」を明確化する
時間短縮だけでなく「品質向上」「新しい価値創出」を目指す
チャットだけでなく、バッチ処理やAPI組み込みなど多角的な実装を検討
複数のAIを試して、自分たちのニーズに最適なものを選ぶ
人間の判断が必要な部分を明確にする（AIに全て任せない）
生成AIは「魔法の道具」ではなく、使い方次第で組織全体の能力を引き上げるツール。重要なのは戦略的な活用設計

📊 次のステップ

🎯 第1ステップ

自分たちの業務を細かく分解し、各工程で「読む」「書く」「判断」を整理する。

🔬 第2ステップ

検証環境で複数の生成AIを試し、自分たちのニーズに合ったものを見つける。

⚙️ 第3ステップ

チャット、バッチ処理、API組み込みなど、最適な実装方法を検討する。

📈 第4ステップ

試行運用を通じて改善し、組織全体への展開を検討する。