株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
自治体の議会答弁資料作成をAIで効率化する方法｜質問通告＋過去答弁＋関連施策→LLMで答弁案ドラフトを自動生成
自治体において、議会答弁資料の作成は議会対応の中核業務です。議員からの質問通告を受け、関連施策の進捗確認、過去答弁との整合性確認、庁内関係部署との調整を経て、首長・部局長の答弁案を作成する——この高圧力かつ短期間の業務をLLMで効率化する取り組みが先進自治体で実証されています。静岡県湖西市では、生成AIの活用により議会答弁案の作成時間を従来の3分の1に���縮し、月間約100時間の業務削減を実現しました。
業務の詳細フロー（現状の手作業）
ステップ1：質問通告の受領・分析
議員からの質問通告（一般質問、代表質問等）を受領し、質問の意図・論点を分析します。質問が複数の部署にまたがる場合は関係部署の特定と分担調整を行います。
ステップ2：過去答弁・関連資料の調査
同じテーマの過去の議会答弁を検索し、答弁内容の一貫性を確認します。関連する施策の進捗状況、予算執行状況、関連する法令・通知・計画を収集します。
ステップ3：答弁案のドラフト作成
質問の論点ごとに答弁案を作成します。施策の現状→今後の方針→具体的な取組み内容の構成で、首長（市長・区長等）の方針に沿った答弁を構成します。
ステップ4：庁内レビュー・調整
関係部署との内容確認、法規部門の表現チェック、秘書課・政策企画課の最終レビューを経て答弁案を確定します。首長への説明・了承も行います。
ステップ5：想定問答の準備
答弁に対する再質問（追加質問）を想定し、想定問答を準備します。議員の過去の質問傾向や関心テーマも考慮します。
課題・ペインポイント
- 短期間の準備：質問通告から議会本番まで数日の期間しかなく、複数の質問に対する答弁案を同時並行で作成する必要がある
- 過去答弁の検索困難：過去数十年分の議会議事録から関連する答弁を検索するのが困難で、答弁の一貫性を保つのに労力がかかる
- 庁内調整の負荷：複数部署にまたがる質問では、各部署からの情報収集と答弁案の統合調整に時間を要する
- 作成スキルの属人化：答弁案の構成力と表現力がベテラン職員に依存し、若手職員には敷居が高い
- 議会時期の業務集中：定例会の時期に議会対応業務が集中し、通常業務に支障が出る
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 質問通告：議員からの質問通告文テキスト
- 過去の議会議事録：過去の答弁記録（RAGで参照）
- 施策情報：総合計画、実施計画、予算書、施策の進捗データ
- 法令・通知：関連する法令、国の通知、ガイドライン
- 首長の方針：施政方針演説、マニフェスト、記者会見記録
処理パイプライン
- 質問の論点自動分析：LLMが質問通告のテキストを分析し、質問の論点、関連部署、回答すべきポイントを自動抽出・構造化
- 過去答弁の自動検索：LLMが質問の論点に関連する過去の答弁をRAGで自動検索。「この論点について過去にどう答弁したか」の一覧を自動生成し、答弁の一貫性を確保（出典：JT通信 "答弁生成支援サービス Ansクイック"）
- 関連施策情報の自動収集：質問の論点に関連する施策の進捗状況、予算執行状況、関連データをLLMが自動収集・要約
- 答弁案ドラフトの自動生成：質問論点＋過去答弁＋施策情報＋首長の方針を統合し、LLMが答弁案のドラフトを自動生成。自治体の答弁文体（です・ます調、丁寧な議会向け表現）に沿った形式で出力（出典：NTTドコモ "生成AIで行政が変わる 自治体の活用事例"）
- 想定問答の自動生成：答弁案に対して想定される再質問をLLMが自動生成し、各再質問への回答ドラフトも作成。議員の過去の質問傾向もRAGで参照
人間が判断すべきポイント
- 政策的判断：「この施策について今後どうするか」の政策的方向性は首長・幹部職員が判断
- 政治的配慮：議員との関係性、議会の力学を踏まえた答弁のトーン調整は政治的判断
- 住民感情への配慮：「この答弁が住民にどう受け止められるか」の感度は人間の判断
- 首長の答弁スタイル：首長固有の答弁スタイル（論理的/情緒的、簡潔/詳細等）の反映は人間が調整
他業種の類似事例
- コンサルティングファームの提案書：クライアント課題＋過去事例からLLMがドラフト生成（本シリーズ参照）
- 法律事務所の法的意見書：論点整理→法令根拠→結論のLLM構成（本シリーズ参照）
- 広告代理店のプレスリリース：企業情報→LLMでリリース文面を自動生成（本シリーズ参照）
導入ステップと注意点
ステップ1：過去議事録のRAGデータベース構築（3〜5週間）
過去の議会議事録（一般質問・代表質問・委員会質疑）をベクトルデータベースに格納し、セマンティック検索が可能な環境を構築します。テーマ別・部署別のタグ付けも行います。
ステップ2：答弁案生成パイプラインの構築（2〜4週間）
質問通告入力→論点分析→過去答弁検索→施策情報収集→答弁案生成→想定問答生成のパイプラインを構築します（出典：総務省 "自治体AI活用・導入ガイドブック"）。
ステップ3：パイロット運用（4〜8週間）
次回定例会でAI答弁ドラフトと従来プロセスの品質・作成時間を比較します。「AI ドラフトをベースに修正すれば使えるか」を関係部署が評価します。
注意点
- 情報の正確性：施策の進捗データや予算数値はLLMのハルシネーションリスクがあるため、原データとの照合チェックが必須
- LGWAN環境での運用：自治体の情報セキュリティポリシーに準拠し、LGWAN経由での利用や閉域環境での運用が推奨される
- 議会の信頼性：AI生成の答弁であることが議会で問題視されないよう、AIはドラフト作成支援の位置づけとし、最終的な答弁の責任は首長・答弁者が負う
Renue視点：専用ツールではなく汎用LLMで実現する理由
議会答弁資料作成の本質は「質問を理解し→過去の答弁との整合性を確認し→施策情報を統合し→適切な表現で答弁を構成する」という言語処理の連鎖です。Ansクイック等の自治体専用答弁支援サービスも存在しますが、汎用LLMに自治体の過去議事録＋施策情報をRAGで参照させれば、自治体固��の答弁スタイルに合致したドラフト生成が実現可能です。湖西市の成功事例が示すように、「自治体の答弁をどのように構成すべきか」を言語化してプロンプトに落とし込むことが鍵です。
まとめ
自治体の議会答弁資料作成は、質問論点分析→過去答弁検索→施策情報収集→答弁案ドラフト生成→想定問答生成のパイプラインでLLMによる大幅な効率化が可能です。湖西市では作成時間を3分の1に短縮した実績があり、総務省の導入ガイドブックも公開されています。ただし、政策的判断、政治的配慮、住民感情への配慮、首長の答弁スタイルの反映は完全に首長・幹部職員の政策判断の領域です。