仕事への影響
千代田区職員の資料作成、Copilotで年4000時間削減 次の壁は紙文化
自治体職員の資料作成や調査業務は、生成AIの導入で「ゼロから作る仕事」から「AIの下書きを直す仕事」へと変わりつつあります。千代田区の事例は、行政現場に限らず、資料作成や下調べを日常的にこなす管理部門の担当者にとっても参考になる内容です。
何が起きたか
東京都千代田区は、生成AIの全庁展開により年間4000時間の業務削減という成果を挙げています。同区デジタル政策課デジタル政策係長の岡本翼氏が、アイスマイリー主催の「AI博覧会」セッションで明らかにしました。
千代田区は全事務職員約900人に対し、「Microsoft 365 Copilot」の有償ライセンスを付与しています。導入にあたっては、職員が日常的に使うWord、Excel、PowerPointといったアプリケーションにAIを直接組み込み、操作の手間を減らす工夫がなされました。区の専用テナント内でデータが完結し学習に利用されない仕組みを整えたことで、情報漏洩への心理的な障壁も取り除いています。
Copilotダッシュボードによる分析では、年間の業務削減時間は最新データで4000時間に達する勢いだといいます。国からの通知文の解読や他区のリサーチ、パワーポイントのドラフト作成といった業務で、AIが「最初の叩き台」を作ることにより、職員がゼロから悩む負担が減ったとのことです。
千代田区は今後、法令検索や複雑な手続き案内を行う「業務特化型エージェント」の構築を目指しています。ただし実現には、紙ベースの資料をAIが読み取りやすい構造化データに変えるという課題が残っています。
背景・解説
生成AIの「全庁展開」とは、特定の部署だけでなく組織全体の職員が同じAIツールを使える状態にすることを指します。千代田区の場合、対象は事務職員約900人にのぼり、規模の大きさが特徴です。
背景には、行政需要の膨張と担い手不足という二重の課題があります。千代田区の夜間人口は約7万人ですが、昼間は通勤・通学者が集まり約90万人まで膨れ上がります。夜間人口の約13倍という昼夜人口比は、100万人都市並みの行政需要を約900人の職員で支えなければならないことを意味しています。一方で公務員志望者は減少傾向にあり、限られた人数で業務量をこなす工夫が求められる状況です。
千代田区は当初、ChatGPTの利用を進めていましたが、AIと対話するために画面を切り替える数秒の手間が、忙しい現場では使われない要因になっていました。そこで既に使い慣れたMicrosoft 365にAIを組み込むことで、操作の障壁を下げる方向に切り替えたという経緯があります。既存ライセンスの延長線上で導入できたため、情報システム部門との調整コストも抑えられました。
仕事や業務への影響 — AI Topicaの見方
資料作成やリサーチを日常的にこなす部署ほど、この事例から得られる示唆は大きいものです。千代田区では、国からの通知文の解読、他区のリサーチ、パワーポイントのドラフト作成といった業務がAIの「最初の叩き台」に置き換わり、職員はゼロから作る作業から解放されました。これは行政職員に限った話ではなく、企画書や報告書を頻繁に作る職種全般に当てはまる変化です。
例えば、従業員50人規模の企業で総務担当が2人しかいない会社を考えてみます。毎月の社内通知文の作成や取引先向け資料のドラフト作成に、担当者1人あたり月10時間程度を費やしているとすれば、AIによる下書き生成でその半分近くを短縮できる余地があります。千代田区の年間4000時間という削減規模は、職員約900人で割ると1人あたり年4~5時間程度の計算になりますが、通知文解読やリサーチなど特定業務に絞れば、担当者ごとの削減幅はさらに大きくなるはずです。
もう一つの変化は、若手の質問のしやすさです。千代田区では、AIが「24時間相談できて不機嫌にならないチューター」として機能し、先輩の手を止めることに気兼ねしていた若手職員の働きやすさにつながったといいます。新人が3人いる部署で、これまで先輩1人が1日1時間程度質問対応に割いていたとすれば、その一部をAIに任せることで、先輩は本来の業務に集中できるようになります。
一方で、次の課題として挙がった「紙の資料」の壁は、多くの企業にも共通します。見栄え重視で作られてきた紙の稟議書や報告書は、AIにとって読み取りにくいデータです。今後、法令検索のような専用エージェントを導入したい企業や自治体は、まず社内資料を構造化データに変える作業から着手すべきです。ここを飛ばしてAIエージェントだけ導入しても、期待した効果は出ません。
不確かな点・注意
「年間4000時間」という削減時間は、Copilotダッシュボードによる分析上の数値であり、最新データでその水準に達する勢いだという表現にとどまっています。確定した年間実績として公表された数字かどうかは、出典からは判断できません。
削減時間の算出方法や対象業務の内訳についても、具体的な説明は示されていません。どの部署のどの業務がどれだけ削減されたのか、内訳を知りたい読者は今後の続報を確認する必要があります。
また、業務特化型エージェントの構築時期や具体的な実現方法は、現時点では示されていません。紙資料の構造化という課題がいつまでに解決されるのかも、明らかになっていない点です。