NECとぎょうせいが、横浜市・仙台市の選挙管理委員会事務局と共同で、選挙事務の問い合わせ対応に生成AIを使う実証実験をやりました。
一見「自治体の大規模プロジェクト」で終わりそうですが、僕が注目したのはそこではありません。 対象業務が 「公職選挙法で制限される挨拶の種類は？」みたいな、現場担当者が電話で聞かれて即答できないQ&A なんです。 これは「ベテラン1人の頭の中にある知識」を型にする話で、構造的には中小企業の総務・経理あるあると同じです。
人材流動性が高い組織や、短期間に大量動員する業務(選挙事務・繁忙期対応・季節業務)は、どこも「教える時間がない」で詰まります。 AIを一次応答に挟む設計は、公共だけじゃなく年商5億の会社でもそのまま効きます。
選挙事務まわりの構造的な課題
公表資料(NECプレスリリース、2026-07-06)で触れられている背景は、こんな感じです。
- 市民・候補者からの問い合わせが短期間に集中する(選挙期間中)
- 回答には公職選挙法の解釈が入り、属人化しやすい
- マニュアル参照・掲示物作成・投票所案内など周辺業務も重なる
- 大量動員のアルバイト・派遣担当者が多く、教育工数が重い
「問い合わせが集中する×属人的な知識×大量の非常勤スタッフ」の3条件が重なるのは、 実は中小企業の繁忙期・新サービス立ち上げ時にもそっくりそのまま出てきます。
生成AIをどう組み込んだか
公表されている構成は以下です。
- 実施者: NEC + ぎょうせい + 横浜市/仙台市選挙管理委員会事務局
- ツール: NEC自治体支援生成AIサービス(ぎょうせいの専門書籍データを取り込み)
- 対象業務: 自治体選挙事務に関わる市民応対業務の一次回答
- 期間: 2026年5月〜6月末
ポイントは「専門書籍データをAIに取り込んで、現場担当が参照できる状態にした」という点です。 AIが法律解釈を独自に生成するのではなく、ぎょうせいの出版物という信頼できる元データを下敷きにしています。 いわゆるRAG(検索拡張生成)の自治体向け実装例として読めます。
実証結果の実態
プレスリリースで報告された評価は以下です。
- 回答精度が「正確」との評価: 9割以上
- 「業務効率化に寄与する」との評価: 7割以上
- 定量成果(時間削減何%等)の具体数値は、本リリース時点では非公開
注意点として、これは「実証実験の評価結果」であり、本格導入後の時短数値ではありません。 また「AIが最終回答した」ではなく、「担当者が一次回答案を参照する」運用が前提になっているはずです(業務の性質上、最終判断は人間)。
公共サービスの性質上「AIがそのまま回答する」はリスクが大きいので、 一次回答案の生成+人間最終確認、という組み立ては中小企業でも真似しやすい線です。
中小企業で再現するなら
ここからが本題です。自治体ほど大規模ではない、年商5億の中小企業や中小規模の非営利組織で同じ思想を取り入れるならどう削るか。
構成
| 項目 | NEC/横浜市/仙台市 | 中小企業(年商5億・社員30名) / 中小NPO |
|---|---|---|
| 対象 | 選挙事務の問い合わせ対応 | 繁忙期の顧客問い合わせ・社内問い合わせ |
| ツール | NEC自治体支援生成AIサービス+ぎょうせい書籍データ | Claude for Work / ChatGPT Business(月3,000円/人〜、2026年10月時点。要最新価格確認) + 社内ナレッジ |
| データ | 公職選挙法関連の専門書籍 | 社内マニュアル・FAQ・過去対応ログ |
| 月額費用 | (自治体案件・個別見積) | 推定 月5,000〜2万円(利用者1〜5名、2026年10月時点) |
| 初期費用 | 推定数百万〜(自治体規模) | 推定 30〜80万円(ナレッジ整備+プロンプト設計) |
| 体制 | 自治体職員+ベンダー | 既存担当+外部支援月5時間 |
| 期間 | 2ヶ月の実証 | 1〜2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は中程度。繁忙期対応や新人教育の負担軽減に効くが、数値化しづらい
- 再現性は中程度。ナレッジを言語化・構造化できる組織なら可能、属人的なままだと厳しい
- 難易度は中程度。RAG構成を自前で組むか、既存のビジネスプラン(企業向けChatGPT/Claude)に乗せるかで変わる
前提条件・必要データ
- 問い合わせ対応のナレッジ(マニュアル・FAQ・過去対応ログ)がテキスト化されている
- 繁忙期・季節業務など「問い合わせが集中する期間」が明確にある
- 一次回答→人間確認、の2段構えで運用できる前提
- 機密情報を扱わない or 社内のAI利用ルールが策定済み
失敗条件・適用しないケース
- マニュアルが紙のみでデジタル化されていない
- 回答に法律・医療などセンシティブな専門判断が必要で、ミスの許容度が極端に低い
- 「AIが答えたから担当チェックを省略」にしようとする(事故の元)
- 問い合わせ件数が少なすぎて、整備コストが見合わない
「生成AIを入れれば問い合わせ対応が自動化される」わけではありません。
ナレッジのデジタル化→AIで一次回答生成→担当者が確認・加筆→顧客に返す、の4ステップで初めて現場で安全に回る体制になります。
公共の実証で9割精度と出たのは「元データが信頼できる書籍だったから」でもあります。 社内で真似する場合、何をAIに読ませるかの設計が精度を決めます。
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