AIギャップの解消：次世代ナレッジにアクセスすることで、行政機関が使命を最大限に遂行する方法

次世代のナレッジアクセスとは、従来の検索方法や静的なナレッジリポジトリを超えて、情報を発見、理解、活用するための高度なアプローチです。

このアプローチを公共部門に応用すると、AIシステムやオペレーターは適切なタイミングと適切なコンテキストで、適切な知識にアクセスできるようになり、分断された情報源を手動で検索する必要がなくなります。

多くの地域で財政逼迫が深刻化しており、調査対象となった193の国連加盟国全体で、回復力のあるインフラと先進技術への投資の増加傾向が続いています²。指導者層は少ないリソースでより良い結果を出すことを求められており、このギャップを埋める策としてAIに目を向けています。

公共部門の指導者層にとって、AIの戦略的な意味合いは明らかなもので、もはや、任意で取り組むイノベーションの域を超えています。AIは急速に政策上および公共サービスの提供面での優先事項となっており、実用化できない行政機関は、監視団体、選出された公職者、一般市民からの大きな圧力にさらされることになるでしょう。

72％という数値をさらに掘り下げてみましょう。IDCの調査では、AI利用を拡大する主な障壁として、スキルギャップ、セキュリティ、コンプライアンスのリスク、データ準備状況が挙げられています¹。

従来のデータウェアハウスは、キュレーションされた構造化データの定期的な分析用に構築されていました。エージェント型AIは、はるかに広範なナレッジ領域への高速でガバナンスを備えたアクセスに依存します。例えば、次のようなナレッジが考えられます。

• ポリシーと手順

• 事例の記録と通信文

• 通話記録、フォーム、運用ログ

• リアルタイムのサイバーセキュリティ脅威シグナル

上記コンテンツの大部分は非構造化データであり、サイロ化されたシステムに保存されているため、相関させて分析するのが困難です。また、現在の状態では、AIエージェントが検出したり利用したりできない可能性もあります。

この課題は多くの場合、検索レイヤーで浮上します。適切なガバナンスと共に公認ナレッジにアクセスする仕組みがない場合、AIアプリケーションのアウトプットの信頼性は低下します。その結果、行政機関は市民の信頼を築き、維持することは困難になります。

AIを本番環境に導入する際、規制によってその要件が定められるようになっています。欧州（EU）AI規制法およびInteroperable Europe法には、信頼性が高く、相互運用可能なデジタル化公共サービスの正式な基準を求めるより広範な国際時流が反映されています。デジタルおよびAIの主権が、調達に関する決断や運用上の要件に影響する場面も増えています。

IDCの調査によると、生成AIやエージェント型AIの利用を拡大している公共部門の組織は、次の要件を優先しています。

• データレジデンシーの保証（46％）

• 検索ベースのグラウンディングやポリシーフィルターなどの安全性ガードレール（43％）

• プロンプトとアクションの監査可能性（40％）

• ヒューマンインザループ式（人の介在による）承認（39％）

• モデルの出所とソフトウェア部品表（38％）¹

上記の要件はデプロイメント後でなく、最初から考慮する必要があり、アーキテクチャー、ツールの選定、システム設計の決定要因となります。IDCが組織高官との対話で指摘しているように、政策立案者は「危機のときに制御」可能なAIインフラを必要としています。その背景には、優先される要件が、データ所在地から、AIロードマップに対する戦略的自主性へと大きく移行している動きがあります¹。

自主性を手に入れるには、意思決定者は選定プロセスの早い段階でガバナンスとデータ主権の要件を検討する必要があります。行政機関のコンプライアンス要件の枠内でAIを運用可能でなければ、モデルのパフォーマンスがどんなに優れていても意味はありません。

こうした進化を形成しているのが、同じ方向に向かっている次の3つの傾向です。

• ハイブリッド検索が標準的パターンとなる傾向：ハイブリッド検索は、キーワード検索（語彙検索）とセマンティック検索を組み合わせることで、RAGやエージェント型ワークフローをサポートし、完全一致とコンテキストの理解のバランスを取ります。

• オープンな統合プロトコルを利用する傾向：各種規格は、接続対象と記録方法に関するガバナンス要件を高めると同時に、統合を加速させます。その一例であるモデルコンテキストプロトコル（MCP）は、大規模言語モデル（LLM）アプリケーションを外部のデータソースやツールと接続するためのオープン仕様です。

• 安全メカニズムとしてセキュリティ制御とリスク管理を利用する傾向：パーミッションフィルタリング、マスキング、監査ログ、出所追跡機能により、米国国立標準技術研究所（NIST）の定めるAIリスク管理フレームワークなどの枠組みに検索アーキテクチャーを適合させます³。

上記3つが組み合わさることで、検索はAI対応の検索サービスに変換し、法令に準拠した場所にデータを保持しながら、分散システム全体で、制御された低遅延アクセスを可能にします。

ガバナンスと一貫性を伴う検索のメリットは、組織全体に広がります。例えば、標準化されたコネクター、インデキシングアプローチ、検索APIにより、ITチームや開発者は1度限りの統合作業が減り、プロジェクト全体でデプロイメントのペースを加速できます。セキュリティとガバナンスチームは、不必要なデータをコピーする作業を制限し、情報アクセスに対する監査を容易にすることができます¹。

行政機関は次の成果を期待できます。

• 運用プロセスの統一：データサイロを解消し、可視性を向上させ、より迅速で的確な意思決定を行うために必要なコンテキストをチームに提供します

• 効率アップ：分断されていた検索ツールを統合することで効率が向上します

• コンプライアンスリスクの低減：パーミッションフィルタリング、マスキング、監査ログといったリスク低減機能を利用できます

• 本番稼働までの時間を短縮：政府のサイバーセキュリティ、ケース管理、行政サービス全体でAIの利用を拡大できます

• AIロードマップに対する戦略的自主性：ポリシーの要求に応じてソブリン環境やオンプレミス環境にデプロイできます

上記の成果は、公共機関が監視団体や選出された公職者によって、ガバナンス、監査可能性、使命達成の証拠を最終的に求められるため、重要です。これらの成果を実証できないAI投資は、リスクにさらされる可能性があります。

IDCの調査結果は戦略的方向性を明確に示しています。AIの利用拡大における主要な問題は、モデルの選定でなく、アーキテクチャーにあり、検索レイヤーがその重要な要素となります。

IDCの調査結果は、公共部門の指導層にとっての次の3つの優先事項を浮き彫りにしています。

• データの準備は、並行するワークストリームではなく、前提条件としてとらえる：AIのパイロット運用を拡大する前に、大規模運用を支えるガバナンスを備えた検索基盤に投資する必要があります。

• 最初から主権を考慮して設計する：データレジデンシー、監査可能性、人による監視はコンプライアンス状況の判断条件ではなく、プラットフォーム選定の鍵を握るアーキテクチャー要件となります。

• オープンスタンダードに基づいて構築されたプラットフォームを選択する：相互運用が可能なツールを選ぶことでベンダーロックインを防ぎ、政策や地政学的状況が変化しても戦略的自主性を維持できます。

今、上記の優先事項に取り組めば、今後2〜3年でAIを活用して測定可能な成果を達成できるようになります。

ElasticとAWSが共同スポンサーを務めるIDC Spotlightレポートの全文では、この記事で随時取りあげている完全な調査データ、世界的な政策分析、アーキテクチャーのガイダンスをご覧いただけます。 IDC Spotlightレポート『Closing the AI gap in government（行政機関におけるAIギャップを埋める）』をダウンロード 

• 公共部門におけるElasticのAIユースケースを探る。 

• 公共部門の組織によるElasticsearchの活用方法は、こちら。 

• 公共部門における生成AIとセマンティック検索に関する記事を読む。