三豊市の94.1%は失敗だったのか。自治体AIの成否は、精度より先に決めた基準で決まる

香川県三豊市のごみ分別AIは、正答率94.1%で導入を見送られ、自治体AIの失敗事例として紹介されることがあります。けれど成功の定義を書かずに成功事例と失敗事例を並べるのは、ゴールラインを引かずに順位を発表するのと同じで、誰が勝ったのか本当は誰にも分かりません。この記事では、2024年ごろまでに公表された横須賀市、つくば市、戸田市、三豊市などの事例を、何をもって成功と呼んだのかという基準の側から読み直します。

成果の数字は、実測、試算、実感が混ざっています

2023年末時点で、都道府県の95.8%、政令指定都市の90%が、何らかの形でAI活用に着手していました。何らかの形で、という言い方が示すとおり、この数字は着手の広さであって、成果の大きさではありません。

先頭を走ったのは横須賀市です。2023年4月、全国の自治体で初めてChatGPTを全庁に導入しました。全職員約3,800人のうち約1,900人（50%）が積極的に使い、8割以上が業務効率の向上を実感しています。年間約23,000時間の業務削減、約7,000万円のコスト削減効果と試算され、国民健康保険のデータ照合は2時間から10分に短くなりました。

この一段落には、種類の違う数字が並んでいます。8割以上は職員の実感、23,000時間と7,000万円は試算、2時間から10分は個別の作業の比較です。どれも意味のある数字ですが、同じ物差しで測ったものではありません。

つくば市は筑波大学と連携し、AIの回答に根拠となる情報源を併記する機能を作りました。全職員2,150人のうち320人（15%）が積極的に利用しています。戸田市は2023年5月から調査研究事業として検証を進め、月500時間の業務削減を実現し、「自治体におけるChatGPT等の生成AI活用ガイド」を公開して他の自治体と知見を共有しました。

利用率の50%と15%を並べて横須賀市の勝ちと読むのは、別々の物差しで測った身長を比べるのと同じです。積極的に使う、の定義が二つの市で同じかどうかを確かめないまま、数字だけが比べられるからです。

業務	自治体や仕組み	報告された効果
戸籍の調査	品川区のAI検索	月77時間から40時間へ（48%短縮）
議会の会議録	取手市のAmiVoice導入	年100時間超の時間外労働を削減
政策立案	政策立案AI「マサルくん」	277自治体で利用、月5万回（2024年11月時点）
翻訳、要約	デジタル庁の検証	作業時間を92%短縮

この表でも、利用回数は使われた量を示すだけで、結果のよしあしは示しません。品川区は戸籍の専門書370冊をデジタル化し、普通の文章で検索できるようにしました。職員による専門知識の差を埋めるという、時間では測れない効果も挙げられています。

三豊市は、99%という基準を先に決めていたから、見送れました

香川県三豊市は2023年6月から11月にかけて、東京大学松尾研究室と連携し、ごみの分別を答えるAIを試しました。正答率99%を目標にしましたが94.1%にとどまり、導入を見送っています。

この事例からは、完璧を前提にしない、人が最終確認する運用で設計する、という教訓が引き出されてきました。それ自体は正しいのですが、もう一つの読み方があります。三豊市は、始める前に99%という線を引いていました。だから94.1%という結果に対して、迷わず見送るという判断ができました。これは仕組みが働いた例として読むこともできます。

目標を決めずに始めた実証実験は、失敗することができません。どんな結果が出ても、一定の成果が見られた、と報告書に書けるからです。失敗と呼べる結果が出たのは、失敗と呼ぶための基準があったからです。

線の高さは用途で変わります。ごみの分別のように、住民がAIの答えをそのまま行動に移す場面では、6%近い誤答は、そのまま誤った出し方として現場に出ます。職員が下書きに使い、人が必ず確かめる業務なら、同じ94.1%でも十分に役立つかもしれません。同じ数字が、前提しだいで導入の根拠にも見送りの根拠にもなります。三豊市の99%という目標が妥当だったかどうかは、誤答がどれだけの負担を生むかの見積もりしだいで、公表された情報だけからは判断できません。

成功した自治体の共通点も、先に決めた制約として読めます

成功した自治体に共通していたのは、首長の明確な関与、現実的な目標、小さく始めて広げる段取り、職員への研修でした。人材や予算の不足、セキュリティへの懸念、職員の抵抗といった壁には、段階的な導入、費用対効果の見える化、研修、明確なガイドラインで対処しています。

現実的な目標という言葉は、何に対して現実的なのかを書かない限り、どの事例にも当てはまります。横須賀市が先に決めていたのは、目標の数字だけではありません。すでに職員が使っていたLoGoチャットにChatGPTのAPIを組み込み、新しい道具の操作を覚える手間を省き、月額約8万円で運用しています。API経由で使うことで入力が学習に使われないようにし、個人情報の入力を禁じるガイドラインも設けました。使ってよい範囲と使ってはいけない範囲という制約を、利用の前に言葉にしていたことになります。

頼み方の改善も、評価基準を相手に渡す作業です

基準の話は、職員一人ひとりのAIへの頼み方にも現れます。戸田市が示した改善例です。

この文章をSNS向けに書き換えてください

この曖昧な指示を、次のように具体化しました。

以下のゴルフ大会の結果を伝える文章を、SNSで小学生でもわかりやすいように書き換えてください（親しみやすい表現、専門用語回避、絵文字適度使用、150文字以内）

改善前の指示では、どんな文章ができれば合格なのかを、AIも頼んだ職員も知りません。改善後の指示に入った、誰に向けて、何を、どんな調子で、どの長さで、の四つは、出来上がった文章を評価する基準そのものです。この四つが入るだけで出力の品質は大きく上がったと報告されています。自治体向けには、役割、制約条件、入力文、出力形式を分けて書く型も広まり、三豊市の教訓からは、具体的で明確な指示、背景情報の提供、出力の制限、段階的な質問が、誤った答えを減らす要点としてまとめられています。

使えるかどうかを決めていない依頼に、AIは合格する方法を持ちません。AIの出力が使えないという感想が出たら、まず、何を使えると呼ぶつもりだったのかを依頼の中に書いたかどうかを確かめます。

ただし、基準を早く固めすぎることにも危うさがあります。品川区の専門知識の差を埋める効果のように、始めてから見つかる使い道もあるからです。試行の段階では、見送る線と、想定外の効果を拾う余地とを、分けて書いておくほうがよいでしょう。どこまで固めればよいかに、決まった答えはありません。

あなたの組織で進んでいるAIの試行に、何%なら使い、何%なら見送るという線は、始める前に書かれていたでしょうか。成功と報告された数字は、実測、試算、実感のどれだったでしょうか。

この記事の、始める前に進めてよい条件と見直す条件を決めておくという考え方は、拙著『GoogleのAI NotebookLM 意思決定の強化書』の5章4節「決定書に結論をまとめる」に書きました。選んだ案に承認条件、見直し条件、プランBを付ける手順を示し、AIが出したたたき台に責任者や期限や閾値を書き足す段階を「ここから先は、人間の仕事です。」と位置づけています。この節を読むと、試行の結果が出る前に、何が起きたら進め、何が起きたら止めるのかを、自分たちの言葉で書けるようになります。