「もしも」と書いていますが、前提となる課題は すでに統計に出ている現実 です。総務省の地方公共団体定員管理調査によれば、地方公務員数は 1994年の約328万人をピークに減少 し、2025年4月時点では 約281万人。一方で、子育て支援・防災・社会福祉・デジタル対応など 業務は増え続けています。
総務省は 「自治体DX推進計画」 で行政手続のオンライン化やAI活用を後押ししていますが、現場の窓口では 同じ問い合わせへの対応に職員時間が割かれ、本来注力すべき相談業務が圧迫されています。
問いは「AIを入れるか否か」ではなく、「減った人数で、住民対応の質を落とさずどう回すか」 に移っています。
議論を具体にするため、架空の自治体を一つ設定します。人口規模が中程度の市の住民課窓口。実在の特定自治体ではありませんが、「人は減ったのに問い合わせは増えている」構図は、前章のデータが示すとおりごく一般的なものです。
定型的な問い合わせも、職員が一件ずつ丁寧に対応できる人員があった。
「手続きの場所・必要書類・受付時間」など繰り返しの質問が窓口・電話に集中し、相談業務を圧迫。
異動・年度替わりには待ち行列ができ、職員も住民も疲弊する。
業務は増え続ける一方、人員の大幅増は見込めない。やり方を変えるしかない局面。
「忙しい」だけの話に見えて、失われるのは 本当に支援が必要な住民に向き合う時間 です。何もしなければ、次の層が同時に進みます。
3つのレイヤーで「定型を任せ、人は人にしかできない対応へ」回す設計。鍵は、各レイヤーが 「だから何が変わるか」 まで接続していること。
制度・手続きのナレッジを構造化し、住民の質問に多言語・対話で一次回答。→ だから定型問い合わせが窓口に来る前に解決し、待ち行列が短くなる。
窓口・電話対応中の職員に、根拠付きの回答候補を提示。→ だから経験差によらず回答品質が揃い、新任でも安心して対応できる。
問い合わせログから不足FAQや分かりにくい制度を可視化。→ だから「答える」だけでなく、そもそも問い合わせが減る方向に改善が回る。
誠実に言えば、AIで行政対応が完結するわけではありません。担えるのは 定型の一次対応と職員支援 まで。個別の事情をくむ判断、最終的な行政処分、要支援者への寄り添いは人が担います。AIは「人を定型から解放して人に向かわせる」ものであって、職員を置き換えるものではありません。この線引きと、誤答・個人情報の扱いを最初に自治体と合意することが前提条件です。
定型問い合わせの自動応答／職員への根拠付き回答提示／問い合わせログの分析と改善提案。「定型に忙殺される」を止める。
個別事情をくむ判断、行政処分や決定、要支援者への対面の寄り添い、誤答時の責任と是正。決めるのは人。
断定的なKPIではなく、共同実証で 検証したい仮説 として提示します。数値は方向性の目安であり、各仮説に 測り方 をセットにしています。「効果がある」と言い切るのではなく、一緒に確かめにいく対象です。
定型問い合わせ対応の延べ時間を導入前後で比較。想定の目安: -40%／未実証
窓口・電話の平均待ち時間と解決までの時間を計測。想定の目安: 有意な短縮／未実証
回答の正確性・一貫性と、相談業務に充てられた時間を評価。想定の目安: ばらつき縮小／未実証
改善ループで分かりにくい制度・FAQ不足が解消され総量が減るか。定性評価
いきなり全業務に入れません。一部門の定型FAQで効果と安全を確かめてから広げる ことを各段階に挟み、主役を窓口職員・DX担当から動かさない設計です。原資は自治体DX・行政改革関連の事業活用を想定します。
問い合わせの種類・量・誤答リスク・個人情報の扱いを確認し、対象範囲と成果指標を合意。費用・スコープも個別に確定。
定型FAQに限定して一次応答を試行。正確性と安全性を小さく確かめる。
対応中の回答支援を現場で試用し、工数と品質を計測。仮説 H1・H2 の検証を開始。
他部門へ展開し改善ループを定着。仮説 H3 を計測。座組は「主体＝自治体／伴走＝allfesta／連携＝DX・情報部門」。
