政府は、公共サービス業務においてエージェント型人工知能（AI）の導入を進めてきていますが、責任ある効果的な実施方法については依然として課題を抱えています。
新たな報告書のタイトルは「Making AI Work For Government: A Readiness Framework」で、政府がエージェント型AIをどこから始めるべきかを体系的に評価するための、初の枠組みを紹介しています。
政府におけるエージェント型AIの成功は、管理可能で価値の高いユースケースから着手し、強固なガバナンスと現実的な現地の準備状況に導かれる、戦略的かつワークフローを重視したアプローチにかかっています。
想像してみてください。ある市民が日曜日の午後9時に住宅手当を申請します。月曜日の朝までに、書類は検証され、三つの機関によって受給資格が審査され、申請は承認されています。そのすべてにおいて、政府職員が一度もログインすることはありません。
SF小説のように聞こえるかもしれませんが、実はこれは、エージェント型人工知能（AI）によって実現可能であり、複数の政府部門で適用できるものです。予算の逼迫、職員数の減少、公共サービスにおけるシームレスなデジタル体験への期待の高まりを背景に、この現実はますます魅力的なものとなっています。
こうした背景のもと、エージェント型AIは大きな注目を集めています。単一の作業を個別に処理してきた従来の自動化ツールとは異なり、エージェント型AIシステムは、情報収集、意思決定、案件の振り分け、組織の枠を越えた成果の提供といった、ワークフロー全体を調整することができます。
政府にとって、これは大きな前進です。
しかし、この技術への期待が、必ずしも良好な導入につながるとは限りません。最近のCapgemini の調査では、350の公共部門組織のうち90％が、今後2〜3年以内にエージェント型AIの検証または導入を計画していることが明らかになりました。このような勢いは刺激的である一方、慎重に進めるべき兆候でもあります。Gartnerの予測によれば、2027年までにエージェント型AIプロジェクトの40％超が中止される可能性があり、その多くは、組織が実際の価値がどこにあるかを明確に把握しないまま導入を進めたことが原因となると考えられています。
世界経済フォーラム、ベルリン・グローバル政府テクノロジーセンター、Capgemini による新たな報告書「Making AI Work For Government: A Readiness Framework」は、この隔たりを埋めることを目指し、政府がエージェント型AIをどこから始めるべきかを体系的に評価するための初の枠組みを紹介しています。
エージェント型AIにより、政府は個々の作業の自動化から、業務全体の成果の提供へと移行することができます。
Manuel Kilian、ベルリン・グローバル政府テクノロジーセンター マネージING・ディレクター
適切な問いから始める
多くの政府が抱えている問いは、「どこから始めればよいのか」というものです。エージェント型AIの導入を決定した後も、実際に成果を生むために、どのように優先順位を付け、順序立てて、導入するかという判断が必要になります。
この問いに答えるには、政府の業務に対する考え方を変える必要があります。エージェント型AIは、組織図や部門の構造にきれいに対応するものではありません。省庁や機関の枠を越えて存在する、反復的でエンドツーエンドのプロセス、すなわちワークフローを通じて機能します。
資格審査、不正検知、許認可の発行、文書処理などを考えてみてください。組織図ではなく、これらの単位こそがエージェント型AIにとって重要なのです。
「エージェント型AIにより、政府は個々の作業の自動化から、業務全体の成果の提供へと移行することができます」と、ベルリン・グローバル政府テクノロジーセンターのマネージング・ディレクター、Manuel Kilian は述べています。「今、戦略的に行動し、ワークフローを把握し、適切な基盤を構築する組織は、そうでない組織に比べて根本的に有利な立場に立つことになるでしょう。」
本枠組みが実際に示すもの
本報告書は、政府の70の中核機能を、二つの観点から整理しています。すなわち、エージェント型AIが公共価値を高める可能性と、それを責任をもって導入することの複雑さです。
その結果、政府がどこで自信をもって移行できるか、どこでさらなる準備が必要か、そしてどこで現時点では慎重さが求められるかを示す、導入準備マップが作成されました。
その知見は前向きなものです。評価された70の機能のうち半数が、「高」または「中」の準備度に分類されています。予約管理、文書の検証、公的情報の提供などの公共サービス業務は、特に良好な結果となりました。
これらは大量処理が求められ、規則に基づく機能であり、エージェント型AIによって、過度なリスクなしに比較的迅速に、市民にとって目に見える効果をもたらすことができます。
こうした早期の成果は、将来より困難な課題に取り組むために必要な、組織としての自信を築くため、重要です。
本報告書は、公共部門の組織がエージェント型AIについて、構想から実施へと進むための助けとなるでしょう。
Marc Reinhardt、Capgemini グローバル公共部門リーダー
グローバルな枠組み、ローカルな判断
世界共通の枠組みだけで、政府が具体的に何をすべきかを示すことはできません。デジタルインフラの状況、人材の能力、規制環境、AIに対する公的な信頼といった地域の状況が、実際に何が実現可能かを形作ります。
世界的な評価が低い機能であっても、強固なデータガバナンスと政治的意思を備えた法域では、十分に実現可能である場合があります。同じ機能が、別の場所では困難であることもあります。
本報告書は、その隔たりを埋めるための六つの実践的なステップを提示しています。
地域の状況を率直に評価する。
導入前にリスク戦略を策定する。
世界共通のスコアを、地域の知見によって調整する。
準備度の高い機能から順に進める。
規模を拡大する前に、小規模なパイロットで検証する。
状況は変化し続けるため、評価を定期的に見直す。
これらすべてに通底するのが、「限定された自律性」という考え方です。これは、AIエージェントに許可する行為を慎重に定め、人間を意味のある形で関与させ続け、意思決定の過程を透明にすることを意味します。
これこそが、信頼を築くエージェント型AIと、信頼を損なうエージェント型AIとを分けるものなのです。
Capgemini グローバル公共部門リーダーの Marc Reinhardt は次のように述べています。「本報告書は、公共部門の組織がエージェント型AIについて、構想から実施へと進むための助けとなるでしょう。
「この枠組みを活用すれば、組織はリスクと見返りのバランスがどこで適切かを見極め、実践を通じて学びながら、準備が整ったところからより複雑な領域へと拡大できます。」
誤った判断のコスト
何もしないことは中立的な選択ではありません。対応を先送りする政府は、自国とはまったく異なる状況のために他で開発されたソリューションに依存するリスクを抱えることになります。
しかし、戦略なしに性急に進めることにも、固有のコストが伴います。断片的なパイロット、資源の浪費、そして組織としての自信の喪失は、AIの導入を何年にもわたって後退させかねません。
エージェント型AIから最大の恩恵を得ている政府は、必ずしも最も技術が進んでいる政府とは限りません。自らの現状を率直に認識し、目指す方向を明確にし、そこに至る過程を規律をもって進める政府です。
本枠組みは、そのような取り組みを支援するために設計されています。
以下の全セッションをご覧ください：
