全職員の利用率より職務別の責任境界を先に決める
自治体の生成AI研修で問うべきなのは、「全職員が一度使ったか」ではありません。政策立案、住民窓口、審査・処分、監査・法務・個人情報、情報システム、管理職が、それぞれどこまでAIを使い、どこで止めるかを判断できることです。行政のAIは、効率化ツールであると同時に、住民の権利、行政責任、記録管理、個人情報、公平性、信頼に直結する運用基盤です。
全職員向けの一斉研修は出発点になります。しかし、それを人材育成の成果として扱うと危険です。職員はプロンプトの書き方を知るかもしれませんが、住民情報を入力してよいのか、AIが作った回答案を窓口対応にどう使うのか、政策資料の根拠をどう確認するのか、調達時にどのチェック項目を見るべきかまでは判断できない可能性があります。行政AI研修は、使い方よりも責任ある利用条件を訓練する必要があります。
結論は明確です。自治体の生成AI研修は、共通リテラシー、職務別実践、高リスク業務の統制訓練、管理職・責任者向け意思決定訓練に分けるべきです。成果指標も受講率ではなく、行政サービスの品質、住民対応の信頼性、リスク管理、記録可能性、手戻り削減、承認手順の遵守で見る必要があります。
行政AI研修は活用促進より責任境界の訓練が先である
民間企業のAI研修では、生産性、顧客体験、マーケティング、開発速度、文書作成効率が主な論点になりがちです。行政機関でも、AIによる効率化は十分に期待できます。議事録の要約、資料の下書き、法令・予算資料の整理、問い合わせの分類、庁内FAQ、データ分析補助など、AIが支援できる業務は多くあります。
しかし、行政には民間企業と異なる前提があります。行政機関は、住民の権利や義務に影響する判断を扱います。窓口での回答一つが、福祉、税、許認可、雇用、教育、安全とつながることがあります。公文書や業務記録は監査、情報公開、説明責任の対象になります。個人情報や要配慮情報も日常業務の中にあります。調達は予算と契約責任を伴います。そのため、行政AI研修は「便利に使う方法」より、「どの条件なら使えるか、どの条件なら使ってはいけないか」を先に扱うべきです。
OECDの2026年政策ブリーフは、公共部門のAI人材育成を考えるうえで参考になります。公的機関でAIを活用するには、効率性やサービス品質だけでなく、コンプライアンス、説明責任、組織目標との整合が必要です。さらにOECDは、AI研修の対象を一般職員、リーダー、デジタル・データ専門人材に分けています。これは、全職員に同じ内容のプロンプト研修を提供するだけでは足りないということです。
この図で重要なのは、研修の広さと深さが異なることです。短いオンライン研修は多くの職員に広げやすい一方で、管理職、政策担当者、データ専門職、システム運用担当者には、より深く、業務文脈に合わせた訓練が必要です。自治体の研修担当者は、限られた予算と時間を全職員向け講義だけに使うのではなく、リスクと責任が大きい職務に深いトレーニングを配分すべきです。
全職員向け一斉研修の限界：知っている職員は増えても、責任を持てる職員は増えない
自治体が生成AI研修を始めるとき、最も実施しやすいのは全職員向けの一斉研修です。生成AIの概要、プロンプト作成、業務活用例、注意点を1回で説明します。参加者数を出しやすく、早く広げたようにも見えます。
しかし、問題は研修後に起こります。職員はAIを試せるようになりますが、自分の業務で許される利用範囲を判断できないことがあります。住民からの相談内容を入力してよいのか、庁内文書を外部サービスに入れてよいのか、法令解釈をAIに任せてよいのか、AIが作った文章を住民向け回答に使ってよいのかが曖昧なままです。すると慎重な職員は使わず、早い職員は各自の判断で使います。どちらも組織としてのAI活用能力とはいえません。
行政AI研修の第一歩は、共通リテラシーです。ただし、共通研修の中心はプロンプト技術ではなく、安全な利用境界であるべきです。
| 共通研修項目 | 必ず扱う内容 | 縮小してよい内容 |
|---|---|---|
| AI基礎理解 | 生成AIの可能性と限界、ハルシネーション、偏り、最新性 | ツール別機能紹介 |
| 個人情報・セキュリティ | 要配慮情報、庁内資料、入力禁止情報、アクセス権限 | 実務と切り離された抽象的な注意 |
| 記録・監査 | AI利用記録、根拠確認、承認手順、公文書責任 | 「AIを使った」とだけ残す運用 |
| 公平性・差別 | 自動分類・推薦の偏り、権利影響業務の制限 | 倫理スローガンの暗記 |
| 人間による確認 | 最終判断者、確認者、異議申立て対応 | AI回答をそのまま提出する例 |
共通研修は全体の20-30%で十分です。残りは職務別トレーニングに移すべきです。行政AI研修の成果は「全職員の受講率」ではなく、各職務が自分の業務における利用基準と停止基準を持てることです。
職務別トレーニング：政策、窓口、審査、法務、情報システム、管理職は学ぶべきことが違う
行政におけるAIスキルは、役職や等級だけで分けるべきではありません。政策企画、住民窓口、給付・補助金審査、個人情報担当、情報システム、監査担当では、AI利用のリスクが異なります。研修担当者は、階層別研修の前に、職務別のAI権限表を作る必要があります。
職務別トレーニングは次のように設計できます。
| 職務群 | AI活用可能性 | 重点訓練 | 禁止・注意領域 |
|---|---|---|---|
| 政策・企画 | 政策案の整理、事例調査、資料下書き、影響要因整理 | 根拠確認、出典確認、利害関係者影響の点検 | AIが作った政策判断を根拠なく採用 |
| 窓口・住民サービス | 問い合わせ分類、回答案、相談スクリプト補助 | 限界説明、敏感相談のエスカレーション、差別的表現の点検 | AI回答を確認せず住民に提示 |
| 審査・処分 | 書類不足確認、要件チェック補助、先例検索 | 人間による確認、根拠記録、異議申立て対応 | 権利・義務に影響する自動判断 |
| 監査・法務・個人情報 | 利用基準、個人情報影響、契約条件の確認 | 許容条件設計、違反例判断、ログ・証跡管理 | AI活用の一律禁止または無条件許容 |
| 情報システム | システム連携、アクセス権限、ログ、セキュリティ、性能監視 | 調達・運用リスク、ベンダーロックイン、データ品質 | PoC成功だけで本番移行 |
| 首長・管理職 | 優先順位、承認権限、責任境界、成果指標 | AI案件の承認審査表、停止基準、組織変化管理 | 利用率だけを成果として圧力化 |
| 現場執行 | チェックリスト、現場記録、リスク兆候の要約 | 現場データ入力基準、例外対応報告 | 現場判断をAI推奨に置き換える |
政策は根拠、窓口は誤回答・差別・エスカレーション、審査・処分は人間確認・異議申立てを訓練する。管理職はプロンプトではなく、補助・禁止業務、追加確認、事故報告、成果指標を定め、AI案件の承認審査表と停止基準を運用する。
公共部門のAI人材需要は、開発者より責任ある利用者に近い
行政AI研修を設計するとき、よくある誤解があります。AI時代だから自治体もAI開発者を大量に育てなければならない、という考えです。もちろん、一部の機関には高度なデータサイエンティスト、AIエンジニア、セキュリティ専門家が必要です。しかし、多くの行政機関にとってより急ぎの課題は、AIを自前で開発することではなく、調達されたAIシステムや共通基盤を責任を持って利用することです。
PwCの2026 Global AI Jobs Barometerの政府・公共部門版は、この点を示しています。2025年、政府・公共部門は分析対象全体の求人の2.4%を占め、同部門の求人におけるAI関連ロールは2.7%でした。2025年にはAIロールの求人が前年比55.7%増加した一方、全体の求人は縮小傾向でした。さらに重要なのは、AI関連ロールの中身です。2025年の政府・公共部門におけるAI関連求人では、AIユーザー職が94%、AI開発者職が6%でした。
このデータは、自治体の研修設計に直結します。すべての自治体がAIモデルを開発する組織になるわけではありません。多くの自治体は、AIツールを安全に使い、調達し、検証し、記録し、住民サービスの品質へつなげる力を持つ必要があります。したがって、研修ポートフォリオを「AI開発者育成」だけに寄せるのは適切ではありません。AI利用者、AI企画者、調達担当者、統制担当者、サービス管理者を含む役割設計が必要です。
PwCが示す生産性の可能性も、慎重に読む必要があります。公共部門はAIによる効率改善の余地を持つ領域ですが、それは「研修を増やせば生産性が上がる」という意味ではありません。行政の生産性は処理速度だけでは測れません。正確性、公平性、記録可能性、住民からの信頼、異議申立てへの対応が同時に改善されなければなりません。
日本の行政機関に必要な4段階の研修運用モデル
日本の行政機関は、すでにAIガバナンスの整備段階に入っています。デジタル庁は2026年6月12日、「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン（第2.0版）」を公表しました。このガイドラインは、生成AIの利活用促進とリスク管理を表裏一体で進めるため、政府におけるAIの推進、ガバナンス、調達、利活用のあり方を定めています。東京都デジタルサービス局も2026年3月にAI導入・活用ガイドラインと生成AI利用の手引きを公開しています。IPAのデジタルスキル標準ver.2.0も、AI時代のDX人材育成を考えるうえで重要な基準です。
この流れを研修体系に置き換えると、4段階の運用モデルになります。
1段階目の共通安全リテラシーは全職員が対象です。生成AIの限界、個人情報・要配慮情報と庁内資料の入力基準、著作権、偏り、ハルシネーション、記録保存、人間確認、禁止例を扱い、「住民番号を含む相談を外部AIに入力してよいか」「AI回答をそのまま送ってよいか」をケースで判断します。
2段階目は、政策、窓口、審査、監査・法務・個人情報、情報システム、管理職が自分たちの業務文書で実践します。政策は根拠と影響、窓口は敏感相談を人に戻す基準、審査は不足項目の確認と記録、情報システムはアクセス権限、ログ、障害対応、性能劣化の監視を訓練します。
3段階目は、福祉、雇用、税、補助金、許認可、監査、採用、評価、教育配分など住民の権利に影響する業務が対象です。利用制限と人間確認を先に学び、高リスク判断表、確認者指定表、異議申立て対応手順、根拠記録テンプレートを残します。
4段階目は、首長、部課長、プロジェクト・情報システム・監査・法務の責任者が、AI案件の承認と停止を判断する訓練です。承認審査表、データアクセス権限、調達チェックリスト、個人情報影響、成果指標、事故報告フローを扱い、利用率ではなくリスク統制と行政サービス改善に責任を持ちます。
デジタル庁ガイドラインの示唆：AI活用はガバナンス構造の中で訓練する
デジタル庁の生成AI調達・利活用ガイドライン2.0は、自治体研修にとっても重要な参照点です。同ガイドラインは、AI統括責任者（CAIO）、企画者、提供者、利用者ごとにルールを置き、高リスク生成AIの報告、調達チェックシート、契約チェックシート、利用ルールを整理しています。
研修には利用状況の把握、高リスク判断、調達条件、利用規則、事故報告の責任者を含める。説明責任、バイアス、個人情報、知的財産、セキュリティ、正確性、リスク報告を扱い、説明できる行政を維持する。
成果指標は受講率ではなく、行政サービス品質とリスク統制で見る
行政AI研修のKPIを受講率だけにすると、簡単に歪みます。全職員の90%が受講しても、窓口回答の誤りが増え、庁内情報の入力事故が起こり、調達要求が曖昧で、AI利用記録が残らなければ、研修は失敗です。反対に、受講人数は少なくても、高リスク部署が正しい確認手順を作り、住民対応の品質が上がり、手戻りが減ったなら成果があります。
成果指標は次のように設計できます。
| 領域 | 補助指標 | 中核指標 |
|---|---|---|
| 普及 | 全職員受講率、一斉研修参加率 | 職務別権限表、利用可・禁止業務の合意 |
| 業務品質 | AI利用回数、プロンプト提出数 | 文書手戻り率、回答正確性、根拠確認率 |
| 住民サービス | 応答時間短縮 | 初回回答品質、異議申立て減少、敏感相談のエスカレーション精度 |
| リスク管理 | セキュリティ研修受講 | 要配慮情報入力事故、未承認ツール利用、ログ欠落 |
| 調達・運用 | PoC件数、導入件数 | 調達チェックリスト通過率、性能監視、障害対応時間 |
| 監査・記録 | 修了証 | AI利用記録の完全性、確認者指定、説明可能性 |
ダッシュボードは個人利用ランキングではなく、部局別の承認事例、未承認ツール、要配慮情報事故、確認ログ、住民対応品質を見るリスク・品質運用盤にする。
高リスク業務は、AI活用推奨より利用制限と人間確認を先に教える
行政機関のAI利用をすべて同じリスクとして扱うことはできません。議事録要約と補助金審査、広報文案と福祉対象者の選定、庁内翻訳と処分通知は、リスクの性質が違います。高リスク業務ほど、研修の中心はプロンプト技術ではなく判断責任です。
高リスク業務の研修には、次の項目を入れる必要があります。
- AI利用可能業務、承認必要業務、禁止業務の区分
- 個人情報・要配慮情報の入力禁止と例外承認手順
- AI結果の根拠確認と原資料との照合
- 最終判断者と確認者の指定
- 異議申立て、説明要求への対応
- ログ、バージョン、入力・出力記録の保存
- 偏りや差別可能性の点検
- 問題発生時の報告経路と停止基準
これらを扱わない研修は危険です。職員がAIを上手に使っているように見えても、確認されていない回答を住民に提示したり、庁内資料を外部ツールに入力したり、AIが作った根拠のない表現を政策文書に入れたりする可能性があります。行政におけるAIリテラシーは、道具の熟練ではなく、責任ある判断能力です。
研修担当者が先に作るべき成果物
自治体の研修担当者は、研修案内を出す前に次の成果物を作るべきです。
- 職務別AI権限表: 利用可能、承認必要、禁止業務を分ける。
- データアクセス基準: 個人情報、要配慮情報、庁内資料、公開資料の入力基準を決める。
- 高リスク業務リスト: 住民権利、処分性、相談の敏感性、自動化依存度で選定する。
- 職務別研修パス: 共通リテラシー、職務別実践、高リスク統制、管理職意思決定に分ける。
- AI案件承認審査表: 目的、データ、リスク、確認者、記録、停止基準を確認する。
- 窓口・住民サービス確認基準: AI回答の限界説明、エスカレーション、最終確認責任を決める。
- 調達・契約チェックリスト: セキュリティ、個人情報、ログ、品質、ベンダーロックイン、性能劣化対応を含める。
- 研修成果ダッシュボード: 受講率より、品質、リスク統制、記録可能性を見る。
これらがないと研修はイベントになります。これらがあると、研修は運用体制になります。自治体の生成AI研修の目的は、AIを魅力的に紹介することではありません。実際の行政サービスで安全に使われる基準を残すことです。
行政AI研修プラットフォームは修了より職務別証跡を管理する
行政機関向けの研修プラットフォームは、全職員向け講義を配信し、受講率を確認するだけでは不十分です。職務別研修パス、業務別チェックリスト、高リスク業務の承認記録、管理職確認、窓口対応シナリオ、個人情報・セキュリティ確認、調達チェックリストを一つの流れで運用する必要があります。
ただし、結論は単純なプラットフォーム導入ではありません。先に必要なのは研修設計の原則です。行政AI研修は、一度受けたら終わる講座ではなく、職務別の責任と証跡を残す運用体制であるべきです。どの職員がどの利用基準を学んだのか、どの高リスク業務は追加確認を経たのか、どの管理職が承認基準を理解したのかを確認できる必要があります。修了証より重要なのは、説明可能な研修記録です。
自治体 生成AI研修にいま適用する運用基準
自治体の生成AI研修は、もはや「生成AIを紹介する講義」だけでは足りません。AIは行政業務の速度を上げる一方で、誤って使えば行政への信頼を損ないます。研修担当者は、全職員に同じプロンプトを教えるだけでなく、職務別の権限、リスク水準、確認手順、記録基準、成果指標を一緒に設計する必要があります。
最初に行うべきことは、職務別AI権限表を作ることです。そのうえで、共通研修は安全リテラシーとして短く設計し、予算と時間を職務別実践と高リスク業務の統制訓練に配分します。管理職には利用率目標ではなく、承認審査表と停止基準を教えるべきです。情報システム担当者にはモデル開発だけでなく、調達、ログ、セキュリティ、運用リスクを訓練します。窓口担当者には自動回答より、限界説明とエスカレーション基準を教える必要があります。
自治体の生成AI研修の目的は、より多くの職員にAIを使わせることではありません。住民データと行政責任を扱う業務に合わせて、各職務がどこまで使い、どこで止めるべきかを判断できる訓練体制を作ることです。
あわせて読みたい記事
参考文献
- OECD, “Building an AI-ready public workforce: Implications and strategies”, 2026. https://www.oecd.org/en/publications/building-an-ai-ready-public-workforce_b89244c7-en.html
- OECD, “Digital Government Outlook 2026: Adopting and governing AI in government”, 2026. https://www.oecd.org/en/publications/2026/06/digital-government-outlook_4585678e/full-report/adopting-and-governing-ai-in-government_7ef312a9.html
- PwC, “2026 Global AI Jobs Barometer: Government and Public Sector”, 2026. https://www.pwc.com/gx/en/issues/artificial-intelligence/job-barometer/2026/pwc-aijb-2026-government-and-public-sector-report.pdf
- デジタル庁, “行政の進化と革新のための生成AIの調達・利活用に係るガイドライン（第2.0版）”, 2026. https://www.digital.go.jp/news/decb64eb-f26e-41cb-8d37-f3dd173108b8
- IPA, “デジタルスキル標準 ver.2.0”, 2026. https://www.ipa.go.jp/jinzai/skill-standard/dss/download.html
- 東京都デジタルサービス局, “AI導入・活用ガイドライン、生成AI利用の手引き”, 2026. https://www.digitalservice.metro.tokyo.lg.jp/business/ai/ai-guideline
- 行政安全部, “공공 AI 구축, 더 쉽고 빠르게 「공공부문 AI 도입·활용 가이드」 배포”, 2026. https://www.mois.go.kr/frt/bbs/type010/commonSelectBoardArticle.do?bbsId=BBSMSTR_000000000008&nttId=126757
- 韓国国家法令情報センター, “인공지능 발전과 신뢰 기반 조성 등에 관한 기본법”, 2026年1月22日施行. https://www.law.go.kr/lsInfoP.do?lsiSeq=268543
- 韓国個人情報保護委員会, “生成型AI開発・活用のための個人情報処理ガイド”, 2025. https://www.pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS074&mCode=C020010000&nttId=11410