Allganize Japanが静岡市に生成AIプラットフォーム「Alli LLM App Market」を導入し、庁内マニュアル・業務資料を対象とした職員向けFAQシステムを構築した、という事例です。
「自治体のDXは自分に関係ない」と思った方、少し待ってください。 この事例の本体は「対市民向けの派手なチャットボット」ではなく、職員が自分たちの業務資料を検索するための社内ナレッジ検索です。 中小企業や士業事務所の「あの資料どこだっけ問題」と、構造がまったく同じです。
僕が注目したのは、削減時間ではなく「RAGの回答精度が80%以上出た」という検証結果です。 ここが担保できないと、社内ナレッジ検索はどれだけ入れても使われなくなります。
職員向けナレッジ検索の課題
自治体・中小企業・士業事務所に共通する、社内ナレッジまわりの構造的な課題は次のようなものです。
- 業務マニュアル・過去の判断事例・規程がフォルダの奥に埋もれている
- ベテラン職員/社員に口頭で聞かないと分からない業務が多い
- 新人が独り立ちするまでの「先輩に質問する時間」がボトルネックになる
- 検索してもキーワード完全一致でしか出ず、聞き方を変えると見つからない
この構造は、庁内資料でも社内Wikiでも本質的に同じです。 「情報はあるけど探せない」を、キーワード検索の枠から出して意味検索に変えるのが、生成AI×RAGの効きどころです。
Alli LLM App Marketをどう導入したか
発表(Allganize Japan、2026-07-30)の範囲で公開されている構成は以下です。
- 対象: 静岡市の職員向けFAQシステム
- プラットフォーム: Alli LLM App Market(ノーコードで生成AIアプリを構築)
- 技術: RAG(検索拡張生成)
- 対象データ: 庁内マニュアル、業務資料
- 主な用途: 職員が業務中に必要な情報を自然文で検索・参照
ポイントは「ノーコードで構築している」ところです。 情報システム部門がフルスクラッチで作るのではなく、既存プラットフォーム上に自分たちの資料を載せる形なので、着手のハードルが低い。 ハルシネーション抑制、ログ管理、セキュリティといった自治体で必須になる要件も、プラットフォーム側で整えられています。
回答精度80%超の内訳と実態
発表で報告された主要な指標は以下です。
- 検証時の回答精度: 80%以上
- 運用モード: 職員向け(対市民向けの公開チャットボットではない)
- 構築方式: ノーコード
注意点として、これは 検証時点の内部指標 です。 「削減時間」「対応件数」「稼働時間」といった業務インパクトの具体的な数値は、公開情報の範囲では確認できませんでした。
「AIが80%正解する」は、逆に言えば「20%は人間が確認しないと危ない」ということです。 自治体のように誤情報コストが高い領域では、人間の最終確認を前提にした設計になっている点は押さえたいところです。
中小企業で再現するなら
ここからが本題です。年商5億規模の会社や士業事務所で、同じ思想を取り入れるならどう削るか。
構成
| 項目 | 静岡市 | 中小企業(年商5億・社員30名) / 士業事務所(所員5名) |
|---|---|---|
| 対象 | 職員向けFAQ | 全社員向け社内ナレッジ検索 or 所員向け業務ナレッジ |
| ツール | Alli LLM App Market | ノーコード生成AIプラットフォーム(月数万円〜)または Claude/ChatGPT + 自前RAG |
| 月額費用 | (非公開) | 推定 月3〜10万円(利用者10〜30名分、2026年9月時点。要最新価格確認) |
| 初期費用 | (非公開) | 推定 30〜100万円(資料のデジタル化・分類整理・プロンプト設計) |
| 体制 | 情報システム担当+ベンダー | 総務/情シス担当+外部支援月5〜10時間 |
| 期間 | 検証→本運用 | 2〜3ヶ月でPoC→本格運用 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★★☆ |
| 難易度(低いほど簡単) | ★★★☆☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIが高いのは、社内問い合わせ対応時間の削減がベテラン職員/社員の稼働を空けるため
- 再現性が高いのは、業種を問わず「社内ナレッジが埋もれている」課題が普遍的だから
- 難易度は中程度。ノーコードでも「元資料の整理」と「回答精度の検証」に手間がかかる
前提条件・必要データ
- 業務マニュアル・規程・過去のFAQ等が電子データ化されている(PDFやWord)
- 資料の版管理(古い版が混ざっていない)ができている
- 「どこまでの質問にAIが答えていいか」の範囲を決められる
- 検証フェーズで、回答精度を実際に測る担当者がいる
失敗条件・適用しないケース
- 業務資料が紙ベースで、スキャン・OCRのコストが割に合わない
- マニュアルの内容が古く、更新されていない(古い情報を学習させると事故)
- 「AIが答えたら人間確認省略」にしようとする(80%正解=20%誤り前提)
- 対市民や対顧客の公開チャットボットとして、いきなり出そうとする
「生成AIを入れれば社内問い合わせがゼロになる」わけではありません。
業務資料の棚卸し→デジタル化と分類→RAGで検索→回答精度の検証→職員向け限定運用、という5ステップを踏んで初めて、80%精度が実運用に耐える体制になります。
対市民向けに広げるのは、その次のフェーズです。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら