【2026最新】自治体のAI活用事例 完全ガイド ── 生成AI/ChatGPT/議事録AIで進む業務改革20選

この記事で分かること

• 自治体での生成 AI 活用が進んでいる 3 つの背景（全国アンケート結果・先行自治体の効果検証・政府方針）
• 庁内業務カテゴリ 5 事例（議事録 AI / 文書要約 / メール下書き / 翻訳支援 / 庁内ナレッジ検索）
• 住民サービスカテゴリ 5 事例（チャットボット / 多言語対応 / FAQ 自動応答 / 申請書 OCR / コールセンター AI）
• 政策立案・分析カテゴリ 5 事例（データ分析 / 議会答弁支援 / EBPM / 統計分析 / 計画書ドラフト）
• 専門業務カテゴリ 5 事例（法務 AI / 経理 AI / 文書添削 / 事業評価 / リスク分析）
• 失敗から学ぶ 5 項目（個人情報・機密 / ハルシネーション / プロンプト品質 / コスト管理 / 倫理）
• AI Native の AIBPO で代替できる自治体ノンコア業務領域

自治体での生成 AI 活用が進んでいる背景

自治体における生成 AI 活用は、2023 年春の横須賀市・神戸市・東京都の先行試行を契機に一気に全国へ広がりました。総務省「自治体 DX・行革取組事例集」（2024〜2025 年度版）でも生成 AI の業務適用事例が複数取り上げられ、2026 年現在は「全庁試行か、ガイドラインのみ整備か、未着手か」のいずれかに大半の自治体が分類できる状況です。中堅自治体（人口 5 万〜50 万）の DX 推進室・情シス課・首長公室にとっては、もはや「導入するか否か」の議論ではなく、「どこから着手し、どう運用ガイドラインを整え、どう KPI で効果を測るか」のフェーズに移行しています。

背景は大きく 3 つに整理できます。第一に、政府の方針として、デジタル庁・総務省が AI 利活用ガイドブック や行政手続きにおける生成 AI の取扱方針を順次公表し、自治体が組織として AI を業務利用するための土台が整ってきたこと。第二に、横須賀市・神戸市・浜松市などの先行事例が、議事録要約・文書下書き・問合せ初動文案作成などで定量的な時間削減効果を市公式サイトで継続的に開示しており、後続自治体が判断材料を得やすくなったこと。第三に、人口減少と自治体職員数の減少が同時進行する中で、業務効率化と住民サービス向上を両立する手段として生成 AI の役割が現実的な選択肢になったことです。

本記事の事例選定基準

本記事は 自治体 DX 完全ガイド の派生記事として、AI 活用に絞った深堀り版です。DX 全般の事例は 自治体 DX 事例 20 選 を、推進計画 4.0 の枠組みは 自治体 DX 推進計画 4.0 完全解説 を、補助金活用は 自治体 DX 補助金完全ガイド を合わせて参照してください。

庁内業務カテゴリ 5 事例（議事録 AI / 文書要約 / メール下書き / 翻訳支援 / ナレッジ検索）

庁内業務カテゴリは職員の作業時間を直接削減する事例で、財政効果と職員満足度の両方に直結します。中堅自治体が真っ先に着手しやすく、KPI 公開もしやすい領域です。本セクションでは公開情報をベースに 5 事例を取り上げます。

事例 1：横須賀市 ─ 全庁 ChatGPT 試行（議事録要約・文書下書き）

横須賀市（人口約 38 万）は 2023 年 4 月に全国の自治体で初めて ChatGPT を全庁試行導入し、その後の運用方針・効果検証を市公式サイトで継続的に公開しています。市の発表によれば、議事録要約・文書下書き・問合せ初動文案作成など複数業務での時間削減が確認されており、運用ガイドラインも先駆例として全国の自治体から参照されています。中堅自治体への示唆は「全庁トップダウン × 早期の運用ガイドライン公開」で、限定実証ではなく庁内全体で試行することで職員の主体的活用を引き出した点です。

事例 2：神戸市 ─ AI 利活用ガイドラインと段階展開

神戸市（人口約 150 万）は、生成 AI の業務利用に関するガイドラインを早期に整備し、議事録・文書要約・FAQ 検索などの業務に段階的に展開しています。市公式の発表によれば、ガイドライン整備と並行して職員研修・庁内ナレッジ DB 化を進めることで、生成 AI を「個人の道具」から「組織の道具」へと格上げしている点が特徴です。中堅市が真似るべきは「ガイドライン整備を先行し、利用範囲を段階拡張する慎重な姿勢」です。

事例 3：東京都 ─ 文章生成 AI の全庁活用と職員研修

東京都は、文章生成 AI の全庁活用と職員研修を組み合わせた運用を進めており、業務文書の下書き・要約・チェックなどに生成 AI を活用しています。都の公開情報によれば、職員向けの利用ガイドと研修コンテンツを整備し、生成 AI 利用の裾野を広げる体制を整えている点が特徴です。中堅自治体にとっての示唆は「研修と並行展開することで利用率と質を両立する」点です。

事例 4：浜松市 ─ 議事録 AI と業務 BPR の併走

浜松市（人口約 78 万）は、デジタル・スマートシティ構想を軸に、議事録 AI を含む内部業務の自動化と業務 BPR（業務改革）を併走させて推進しています。市公式発表によれば、特定業務を電子申請・自動化に置き換えることで複数部門の処理時間が短縮されており、ポイントは「AI 導入と同時に業務そのものを見直す BPR 視点」です。中堅市が一足飛びに AI 導入のみを進めると効果が限定的になりがちで、浜松市の併走モデルは現実的な再現性が高いと言えます。

事例 5：鯖江市 ─ 議事録 AI と全庁文書管理 DX の組み合わせ

鯖江市（人口約 6.6 万）は「データシティ鯖江」として早期からオープンデータと業務 DX を進めており、議事録 AI・文書管理の電子化を組み合わせた業務効率化を継続しています。同市の取組は人口規模が比較的小さい自治体でも生成 AI が現実的に運用できることを示す先行事例として全国の自治体から視察が続いており、中堅市は「小さく始めて公開ナレッジを蓄積する」姿勢を学ぶべきです。

住民サービスカテゴリ 5 事例（チャットボット / 多言語 / FAQ / OCR / コールセンター）

住民サービスカテゴリは、住民の体験指標（待ち時間・到達性・満足度）を改善する事例です。財政効果は庁内業務より見えにくい一方、議会・首長コミットを得やすく、首長公約への直結性が高い領域でもあります。

事例 6：渋谷区 ─ AI チャットボットによる住民問合せ自動化

渋谷区（人口約 23 万）は AI チャットボットを導入し、ごみ分別・子育て支援・住民票関連の問合せを自動応答化しています。区公式発表によれば、夜間・休日でも問合せ対応が可能になり、電話問合せの一部が代替されたと報告されています。中堅市への示唆は「FAQ が頻出する 3 業務（ごみ・子育て・住民票）から始める」現実解です。

事例 7：高松市 ─ 多言語対応 AI とインバウンド支援

高松市（人口約 41 万）は、観光・国際化施策と連動した多言語 AI 対応を進めており、外国人住民・観光客の問合せに対する翻訳支援・案内自動化を進めています。市公式発表によれば、多言語対応は職員配置だけでは限界があり、AI を組み合わせることで持続可能な国際化サービス体制を構築している点が特徴です。中堅市が学ぶべきは「観光・国際化部門と DX 推進部門の連携」です。

事例 8：さいたま市 ─ FAQ 自動応答と AI 検索

さいたま市（人口約 134 万）は、市民問合せ FAQ の自動応答に生成 AI と AI 検索を組み合わせた仕組みを公式サイトに展開しています。市の公開情報によれば、定型問合せの自動応答化により職員の電話対応負担を軽減し、住民の到達性を改善しています。中堅自治体への示唆は「既存 FAQ の整備状況が AI 効果を決める」点で、AI 導入の前にまず FAQ・庁内ナレッジを整理する重要性を示しています。

事例 9：いくつかの自治体 ─ 申請書 OCR と AI 文字認識

申請書 OCR を活用した自治体は複数報じられており、紙の手書き申請書を AI 文字認識で電子化し、その後の入力業務を自動化する流れが広がっています。総務省「自治体 DX・行革取組事例集」では、複数自治体での OCR 活用事例が共通パターンとして紹介されており、中堅市が再現可能なモデルとして提示されています。中堅自治体への示唆は「紙→電子の入口部分から AI を活用する」点です。

事例 10：北上市 ─ コールセンター AI と職員業務分担再設計

北上市（人口約 9 万）は、行政コールセンターに AI 応答を組み合わせ、職員と AI の業務分担を再設計しています。市の発表によれば、定型問合せは AI が一次応答し、複雑な相談のみ職員に連携することで、職員負担と住民の待ち時間の双方を改善した、と報告されています。中堅市への示唆は「AI 単独ではなく職員との分担再設計まで含めて設計する」点です。

政策立案・分析カテゴリ 5 事例（データ分析 / 答弁支援 / EBPM / 統計 / 計画書）

政策立案カテゴリは、職員の知的業務（データ分析・議会答弁・計画書作成）に AI を組み合わせる事例です。住民サービス・庁内業務に比べて報道は少ないものの、首長・議会との関係で直接効果が見えやすく、中堅自治体の幹部層にとって価値の高い領域です。

事例 11：デジタル庁・総務省連携 ─ EBPM と政策データ分析

デジタル庁・総務省は EBPM（Evidence-Based Policy Making）の推進を国の方針として打ち出しており、自治体での政策データ分析に AI を組み合わせる試行が広がっています。公開情報では、人口動態・住民サービス利用状況・税収動向などのデータを AI で分析し、政策判断の補助材料とする取組が紹介されています。中堅市への示唆は「政策判断の説明責任に AI 分析を補強として使う」姿勢です。

事例 12：議会答弁支援への AI 試行

複数自治体で、議会答弁の準備（過去答弁検索・関連質問抽出・想定問答ドラフト）に生成 AI を試行する動きが報じられています。議会答弁準備は職員に大きな負担となる業務であり、AI による過去答弁の横断検索・関連条例の抽出は時間削減効果が大きい領域です。中堅市への示唆は「機密性の管理が必要な政策業務こそ運用ガイドラインで境界を明確化する」点です。

事例 13：統計データ分析と AI 可視化

総務省統計局・自治体の統計担当部局では、住民基本台帳・税収・人口動態などの統計データに AI 可視化ツール・データ分析ツールを組み合わせる取組が進んでいます。中堅自治体では、職員数の制約から統計分析業務に十分な工数を割けないケースが多く、AI ツールによる分析の自動化・可視化の自動化は実用度の高い領域です。

事例 14：計画書ドラフトへの生成 AI 活用

各種行政計画書（総合計画・地方版アクションプラン・分野別計画）の素案ドラフトに生成 AI を活用する事例が複数自治体で報じられています。計画書は分量が大きく、骨子作成・章立て検討・既存資料の整理が職員の大きな負担となるため、生成 AI を「素案作成の補助」として使う流れが広がっています。中堅市への示唆は「最終判断は職員、ドラフト作成は AI」の役割分担を明確にする点です。

事例 15：データ分析カテゴリ全般 ─ 庁内アンケート・住民意向調査

庁内アンケート・住民意向調査の集計・自由記述分析に生成 AI を活用する事例も広がっています。自由記述の傾向分析は従来は時間がかかる業務でしたが、生成 AI を組み合わせることで頻出キーワード抽出・カテゴリ分類が短時間で可能になります。中堅市は「アンケートを取りっぱなしにせず、AI で活用する」第一歩として導入しやすい領域です。

専門業務カテゴリ 5 事例（法務 / 経理 / 文書添削 / 事業評価 / リスク分析）

専門業務カテゴリは、法務・経理・事業評価などの専門知識を要する業務に AI を組み合わせる事例です。専門性の高い業務は職員配置の制約も大きく、中堅自治体ほど AI による補助の価値が高い領域です。

事例 16：法務 AI ─ 条例・規則・契約書の確認業務支援

条例・規則・契約書の確認業務は法的リスクが高く、自治体の法務担当部局に大きな負担となります。生成 AI を「過去類似条例の検索」「法令との整合性チェックの初動」「契約書の論点抽出」に活用する事例が複数自治体で報じられています。中堅市への示唆は「専門業務は AI が初動補助、判断は専門職員」の境界線を運用ガイドラインで明示する点です。

事例 17：経理・財務 AI ─ 予算編成と決算分析の支援

予算編成・決算分析は自治体の中核業務ですが、職員の知識・経験への依存度が高く、世代交代と知識継承が課題です。AI による過年度予算データの分析・類似自治体ベンチマーク・想定質問対応の自動化が試行されています。中堅市は「知識継承の補助としての AI」という位置付けで導入する現実解があります。

事例 18：文書添削 AI ─ 公文書・公示文書の表現チェック

公文書・公示文書の表現チェック・誤字脱字検知・読みやすさ評価に生成 AI を活用する事例が広がっています。公文書には特有の文体ルール・表現基準があり、職員の負担となる校閲業務を AI が一次補助することで、最終チェックを人が行う体制への移行が進んでいます。

事例 19：事業評価 AI ─ 行政事業レビューと EBPM 補助

行政事業レビュー（毎年度の事業評価）に AI を活用する取組も進んでいます。事業実施報告書・成果指標・関連データを AI が整理・要約することで、評価担当部局の負担を軽減し、評価の質を底上げできる領域です。中堅市への示唆は「定型評価は AI、戦略判断は職員」の業務分担です。

事例 20：リスク分析 AI ─ BCP・防災・サイバーセキュリティ

BCP（事業継続計画）・防災計画・サイバーセキュリティのリスク分析に AI を組み合わせる事例も報じられています。災害時の住民影響シミュレーション、サイバーインシデント時の初動対応シナリオ生成などは、AI を活用することで限られた職員数で網羅的な分析が可能になります。中堅市は「低頻度・高影響業務こそ AI で網羅性を担保」する考え方が現実的です。

失敗から学ぶ 5 項目（個人情報 / ハルシネーション / プロンプト品質 / コスト / 倫理）

自治体の生成 AI 活用には、民間企業と異なる固有の失敗パターンがあります。本セクションでは公開情報・自治体専門紙報道で繰り返し言及される 5 項目を整理します。

失敗 1：個人情報・機密情報の流出リスク

生成 AI に個人情報・機密情報を入力すると、外部 SaaS 経由で情報が学習・送信される可能性があります。回避策は「個人情報は絶対に入力しない」を運用ガイドラインに明記し、職員研修で繰り返し徹底することです。横須賀市・神戸市の運用ガイドラインはこの点を冒頭で明記しており、中堅市が参照できる先行例です。

失敗 2：ハルシネーション（誤情報生成）と説明責任

生成 AI は事実と異なる情報を自信を持って生成する「ハルシネーション」を起こします。住民への情報提供・議会答弁・公文書では特に重大な問題となります。回避策は「AI 生成内容を職員が必ず一次レビュー」「事実情報は一次資料（条例・統計・公式発表）で再確認」のルール化です。

失敗 3：プロンプト品質のばらつきと組織知の不足

職員ごとにプロンプト（AI への指示文）の品質がばらつき、AI 活用効果が個人差大きくなる失敗パターンです。回避策は「職員研修でプロンプト基礎を学ぶ」「庁内プロンプト集を整備し業務別に共有」「運用ガイドラインに良いプロンプト例を含める」の 3 点です。神戸市・東京都の取組はこの点で参考になります。

失敗 4：コスト管理（月額費用・トークン消費）

生成 AI は使い方によって費用が大きく変動します。試行段階では月額数万円〜数十万円程度に収まっても、全庁展開で利用が拡大すると年間数百万円規模になるケースがあります。回避策は「利用ログを集計し四半期で見直す」「業務カテゴリ別に上限を設ける」「効果測定 KPI と並行公開」する運用です。

失敗 5：倫理・公平性の論点（住民への影響）

住民サービスに AI を組み合わせる際、住民間の不公平・差別的な応答・不適切な情報提供などの倫理リスクが発生します。デジタル庁・総務省の方針では、AI の利用範囲・住民への説明責任・苦情対応窓口を組み合わせて運用することが推奨されています。中堅市は「住民への説明責任を運用ガイドラインに明記」する姿勢が必要です。

失敗回避のチェックリスト

AI Native の AIBPO で代替できる自治体ノンコア業務

本記事で紹介した 20 事例は「自治体が自前で AI を運用する」モデルですが、職員の手が足りない領域・補助金期間終了後の運用フェーズでは、AIBPO（AI 業務一括受託）でノンコア業務を外部に委ねる選択肢があります。AI Native の AIBPO では、自治体ノンコア業務を AI と運用チームの組み合わせで一括受託しています。

AIBPO で対応できる代表的な自治体ノンコア業務

• 議事録要約・整形 ─ 議事録自動化ツールで生成した文字起こしを、公開可能な議事録形式に整形・要約する運用業務を一括受託
• 住民問合せの初動応答ドラフト ─ チャットボット・FAQ の運用支援、定型問合せの初動文案作成
• 文書管理・公文書整理 ─ 既存文書の電子化・分類・庁内ナレッジ DB への取り込み運用
• 採用代行・人材採用関連業務 ─ 自治体採用試験の運用補助・人材データ整理など

AIBPO のメリットは、「やめる業務」「自前で運用する業務」「外部に出す業務」の三分割を、補助金診断・実装伴走の段階から一気通貫で設計できる点です。詳しくは AIBPO 完全ガイド および 中小企業の DX コンサル完全ガイド を参照してください。

関連記事

• 自治体 DX 完全ガイド ─ 推進計画 4.0・補助金・成功事例・AI 活用の全体像（ピラー記事）
• 自治体 DX 推進計画 4.0 完全解説 ─ 総務省 2026 年方針と中堅自治体の実装ステップ
• 自治体 DX 補助金完全ガイド ─ 新地方創生交付金・デジタル化補助金・実装ロードマップ
• 自治体 DX 事例 20 選 ─ 中堅自治体（人口 5 万〜50 万）が成功した実装パターン
• AIBPO 完全ガイド ─ ノンコア業務一括受託の料金体系と業界別活用例
• 議事録自動化ツールおすすめ 5 選 ─ 庁内業務効率化の第一歩
• 中小企業の DX コンサル完全ガイド ─ 民間企業向け DX の基本（推進体制構築の参考）

よくある質問（FAQ）

Q1: 中堅自治体（人口 10 万）が真っ先に着手すべき AI 活用業務は？

A: 庁内業務カテゴリの「議事録 AI」または「文書要約」が現実的です。既製 SaaS（議事録自動化ツール）で 3 ヶ月以内に効果が出やすく、KPI 公開（削減時間）の最初の一歩として議会・首長への説明責任を果たしやすい領域です。詳しくは 推進計画 4.0 完全解説「実装ステップ 6 段」を参照してください。

Q2: 生成 AI を業務利用する前に必須の準備は？

A: 「運用ガイドライン整備」「職員研修」「個人情報入力禁止リストの作成」の 3 点が最優先です。横須賀市・神戸市・東京都の運用ガイドラインは公開情報として参照可能で、中堅市は実態に合わせて調整するアプローチが現実的です。

Q3: 補助金で生成 AI を導入する場合の制度は？

A: 新地方創生交付金（デジタル実装 TYPE3）・デジタル化補助金などが該当します。詳しくは 自治体 DX 補助金完全ガイド を参照してください。補助制度は公募時期・要件が頻繁に変わるため、最新情報は各制度の公式サイトでの確認が必須です。

Q4: ChatGPT 以外の生成 AI ツールも検討すべきですか？

A: 自治体での生成 AI 活用は ChatGPT 以外にも複数の選択肢（クラウド事業者の自治体向け生成 AI サービス・国産 LLM など）があります。データ取扱・セキュリティ要件・運用コストの 3 軸で比較し、自団体の情報セキュリティポリシーとの整合性を確認することが重要です。本記事では特定ツールの推薦は行いません。

Q5: 個人情報保護とのバランスはどう取りますか？

A: 個人情報を含む業務には生成 AI を使わない（または、個人情報を匿名化・マスキングしてから利用する）運用ルールが基本です。横須賀市・神戸市の運用ガイドラインは「個人情報は入力禁止」を冒頭で明記しており、中堅市が参照できる先行例です。詳しくはデジタル庁・総務省の AI 利活用方針も参照してください。

Q6: AI 導入の効果測定はどう行うべきですか？

A: 「削減時間（時間/月）」「処理件数（件/月）」「職員満足度（5 段階）」の 3 軸が標準的です。最初から完璧を目指さず、四半期ごとに改善する姿勢が現実的です。住民サービス系では「待ち時間」「住民満足度 NPS」「到達率」の 3 軸が標準です。

Q7: AIBPO はどの自治体規模が対象ですか？

A: AI Native の AIBPO は主に中堅自治体（人口 5 万〜50 万）を中心に、必要に応じて小規模町村・政令指定都市の一部部門も対象としています。職員の手が足りない領域（議事録要約・住民対応初動・文書管理など）を AI と運用チームの組み合わせで一括受託することで、補助期間終了後も持続する自治体 DX を実現します。詳しくは AIBPO 完全ガイド を参照してください。

著者: 田中慎（株式会社 AI Native 代表取締役 CEO） | 公開: 2026-05-01 | 最終更新: 2026-05-01 | 編集方針 | 本記事は 2026 年 4 月時点の総務省「AI 利活用ガイドブック」「自治体 DX・行革取組事例集」、デジタル庁の公開資料、各自治体公式発表、大手全国紙・自治体専門紙の報道に基づき作成しています。事例の制度名・効果数値・取組ステータスは流動的なため、最新情報は各自治体の公式サイト・公開資料でご確認ください。