「源内」の定義と命名背景──デジタル庁内製開発の生成AI利用環境の正体

「源内」の定義と命名背景──デジタル庁内製開発の生成AI利用環境の正体

「源内」は、デジタル庁が政府職員の業務遂行を支援するために内製開発した生成AI利用環境であり、政府全体の基盤となる「ガバメントAI」構築の第一歩として位置付けられているプロジェクトです。単なる対話型AIサービスの導入ではなく、行政特有の機密性が高い情報も扱える設計や、政府共通データセットを活用したアプリ群を備えている点に特徴があります。本章では、命名の由来から提供開始の経緯、内製開発を選択した戦略的判断、関連法制度との接続、そしてシステムアーキテクチャの全体像までを整理し、源内というプロジェクトの輪郭を掴んでいきます。

平賀源内に由来する命名の意図とGen AIの語呂合わせの2軸

「源内」というプロジェクト名には、デジタル庁が公式に説明している通り、二重の意味が込められています。一つ目は「Generative AI（生成AI）」を略した「Gen AI」を「ゲンナイ」と読む語呂合わせであり、現代の生成AI技術を象徴する命名です。二つ目は江戸時代中期に活躍した発明家・平賀源内の名前から取られており、エレキテルの復元や物産学の振興など、新しい技術を通じて社会の課題解決に挑んだ精神を継承する意図が示されています。

この命名は単なる遊び心ではなく、政府機関の生成AIプロジェクトに対して国民が親しみを持ちやすくする工夫であると同時に、日本独自のAI活用文化を醸成しようとする政策的メッセージでもあるのです。海外大手のAIサービスをそのまま導入するのではなく、日本の歴史と文脈を踏まえた基盤を構築するというデジタル庁の姿勢が、プロジェクト名そのものに反映されています。名称の背景には、技術の輸入ではなく国産的な発展を志向する戦略的意図が込められていると読み解くことができ、ガバメントAI全体の方向性を象徴する重要なシグナルだと言えるでしょう。

2025年5月にデジタル庁全職員約1200人へ提供開始の経緯

源内は、2025年5月にデジタル庁職員向けに提供が開始されました。デジタル庁が同年8月29日に公表した利用実績資料によれば、提供開始時点でデジタル庁の全職員数は約1200人規模であり、5月から7月までの3か月間で約950人が源内を利用したとされています。これは全職員の約80%に相当し、行政組織における生成AI利用率としては極めて高い水準です。

提供開始は段階的に進められており、まず汎用AIアプリのチャット機能や文章生成機能から利用が広がり、その後に行政実務用AIアプリが順次追加されていきました。提供開始から3か月という比較的短期間で利用実績データを公開した点は、デジタル庁が「育成型技術」と位置付ける生成AIの運用方針と整合的です。利用状況や課題を早期に把握し、改善サイクルを高速で回すという内製開発ならではのアプローチが、源内の運用初期から徹底されています。実績の透明性を確保することで、他府省庁や地方公共団体への展開における説得材料を蓄積する狙いも見て取れます。

内製開発を選択した理由と外部調達と比較したコスト・スピード優位性

デジタル庁は源内を外部ベンダーへの一括発注ではなく、内製開発という形で構築しました。背景には、行政特有の機密性が高い情報をプロンプトとして扱える環境を確保する必要性、行政実務に特化したアプリを柔軟に追加・改修できる体制の必要性、そして特定ベンダーへの依存を回避するベンダーロックイン対策といった複数の要因があります。

この比較から見えるのは、コストの絶対額だけで判断する従来型の調達ではなく、運用継続性とノウハウ蓄積を重視する方針への転換です。デジタル庁内には民間人材を含むエンジニアチームが配置されており、AIアプリの内製開発を通じて行政側にAI活用の知見が蓄積される構造になっています。「政府全職員を”AIエンジニア”に」というデジタル庁ニュース動画のキャッチフレーズは、こうした内製開発体制と職員自身がAIを使いこなす方向性を象徴的に表現したものです。

AI法成立2025年5月とAI戦略本部による制度的位置付けの整理

源内のプロジェクトを理解するうえで、制度的な背景の把握も欠かせません。2025年5月には「人工知能関連技術の研究開発及び活用の推進に関する法律」、いわゆるAI法が成立しており、政府がAIの利活用を率先して推進する方針が法的にも裏付けられています。同月に源内の提供が開始されたことは、AI法成立のタイミングと整合する形で進められた政策的展開と言えるでしょう。

さらに、2025年12月23日に閣議決定された「人工知能（AI）基本計画」では、「隗より始めよ」の観点から、まずは政府自らが積極的かつ先導的にAIを利活用する方針が明確化されました。同年12月19日に開催された第3回人工知能戦略本部では、高市内閣総理大臣から政府によるガバメントAI源内の徹底活用に関する指示が出されています。具体的には、2026年5月から10万人以上の政府職員が活用できる体制を整え、源内の活用によって創造的な業務遂行と「信頼できるAI」の意義を国民に示すことが求められたものです。AI法・AI基本計画・本部指示という三層の制度的裏付けが源内のプロジェクトを支えており、単一の省庁プロジェクトを超えた政府全体の取組として位置付けられています。

源内Webと行政実務用AI APIの2層構成という技術アーキテクチャ

源内のシステムは大きく分けて2種類のサブシステムから構成されています。利用者が直接操作するWebアプリケーション部分と、生成AIを活用したマイクロサービス群です。デジタル庁ガバメントAIリードエンジニアによる公式noteでも、この2層構成が明示されています。

• 源内Web（リポジトリ名: genai-web）：政府職員が日常的にアクセスするWebインターフェース部分
• 行政実務用AIアプリ（リポジトリ名: genai-ai-api）：行政業務に特化したマイクロサービス群
• RAG（検索拡張生成）テンプレート：行政実務向けに最適化された検索拡張生成の実装

この2層構成によって、フロントエンドのUI改修と裏側のAI機能拡充を独立して進められる設計が確保されているのです。マイクロサービス型のアーキテクチャを採用することで、新しいAIアプリを追加する際にも既存システム全体に影響を与えにくくなり、改修サイクルの高速化に寄与します。政府機関のシステムとしては比較的モダンな分離設計を採用しており、長期的な保守と機能拡張の両立を可能にする土台と言えるでしょう。

ガバメントAI構想の全体像と政府AI戦略における源内の中核的役割

源内を理解するには、その上位概念である「ガバメントAI」の全体像を押さえる必要があります。ガバメントAIは政府職員が安全・安心にAIを活用できる基盤の総称であり、源内はその構築の第一歩として位置付けられているプロジェクトです。本章では、ガバメントAIの構造、関係する政策決定、予算規模、そしてデジタル庁が掲げる「育成型技術」という独自の生成AI観について整理し、源内が政府AI戦略のどの位置を占めるかを明確にします。

政府AI基盤の3階層構造とガバメントAIが担当する守備範囲の明確化

ガバメントAIの全体像を捉える際、政府のAI活用基盤を概念的に三つの階層で整理すると見通しが良くなります。最下層には大規模言語モデルそのものや基盤クラウドが位置し、中間層に共通プラットフォームとしてのガバメントAIが置かれ、最上層に各府省庁の業務固有アプリケーションが乗る構造です。源内はこの中間層に該当する共通基盤として設計されています。

デジタル庁の公式説明では、ガバメントAIは「高度なAIアプリケーションの開発」「国内大規模言語モデル（LLM）開発支援」「政府共通データセットの整備」「他府省庁の技術支援」という4つの軸で推進されており、源内はこれら全ての受け皿となる基盤です。法令や官報といった政府共通データセットを取り込み、各府省庁が持つデータと組み合わせて学習・参照させることで、政府全体としての知識資源をAIに活かす設計になっています。個別省庁ごとに別個のAIサービスを調達するのではなく、共通基盤を通じて知識とアプリケーションを横展開するという発想が、ガバメントAIの守備範囲を形作る基本思想です。

高市内閣2025年10月所信表明と第3回人工知能戦略本部の政策指示

源内の位置付けを確認するうえで、政治レベルでの方針表明は重要な手がかりになります。2025年10月24日の第219回国会における高市内閣総理大臣の所信表明演説では、「世界で最もAIを開発・活用しやすい国」を目指す方針が示され、AIをはじめとする新しいデジタル技術の研究開発と活用が政府の重点課題として明記されました。

続く2025年12月19日の第3回人工知能戦略本部では、より具体的な指示が出されています。デジタル庁公式リリースによれば、高市内閣総理大臣から「ガバメントAI源内」の徹底活用を行い、2026年5月から10万人以上の政府職員が活用できる体制を整備し、創造的な業務遂行と「信頼できるAI」の意義を国民に示すべきことが指示されました。あわせて、政府が自ら率先してAIを適正に調達・活用すること、地方自治体におけるAI利活用の促進、優良ユースケースの横展開といった方針も提示されています。政治的な意思決定と現場のシステム整備が連動する形でロードマップが組み立てられている点が、源内プロジェクトを単なる技術プロジェクトと一線を画す要素です。

デジタル社会重点計画2025年6月閣議決定における源内の戦略的役割

源内の位置付けは閣議決定文書にも反映されています。2025年6月13日に閣議決定された「デジタル社会の実現に向けた重点計画」において、デジタル庁の内部開発等により構築・展開する政府等のAI基盤として「ガバメントAI」が明記されており、源内はその一部としてデジタル庁全職員が利用できる生成AI利用環境と位置付けられました。閣議決定という形で政府全体の方針として定められたことは、プロジェクトの予算確保や省庁間調整において強い後ろ盾となります。

戦略文書の中で源内が果たす役割は、政府による生成AI利活用の起点であると同時に、社会全体へのAI実装を促進するためのショーケースでもあるのです。政府職員自身がAIを使いこなし、業務の質と効率を向上させる姿を示すことで、民間企業や地方公共団体におけるAI活用の機運を醸成する狙いがあります。閣議決定→本部指示→現場展開という三段階の意思決定プロセスを経ているため、ロードマップの安定性が比較的高く、長期的な投資判断の前提として参照しやすい構造と言えるでしょう。

令和7年度補正予算44.0億円が投じられたガバメントAI整備事業

源内を含むガバメントAI関連の取組には、明確な予算的裏付けが用意されているのです。デジタル庁の公式資料によれば、令和7年度補正予算において「ガバメントAI整備事業」として44.0億円規模の予算が計上されています。この予算は、源内の大規模実証、高度なAIアプリケーション開発、国内LLM開発支援、政府共通データセット整備、他府省庁への技術支援といった複数のプロジェクトに配分される設計です。

44.0億円という規模は、政府全体のIT予算の中では中規模の事業ですが、AI基盤整備という単一目的に集中投下されている点で意義のある投資と言えるでしょう。予算が単一プロジェクトに紐づき、成果が源内を通じて政府職員に届く構造が組み立てられているため、執行の透明性が比較的高く、事業効果の検証も行いやすい設計になっています。

育成型技術というデジタル庁の生成AI観と従来情報システムとの相違点

デジタル庁は源内の運用を通じて、生成AIを「育成型技術」と位置付けるようになりました。デジタル庁ニュースにおいてAI領域を統括する参事官が説明している通り、AIはデータの更新や回答精度の確認など、利用者自らによる工夫が求められる技術であるという認識です。これは従来の情報システムとは大きく異なる発想です。

従来型の情報システムは、要件定義に基づいて仕様を確定し、開発・テスト・リリースを経て運用に入る一方向のプロセスを前提としてきました。これに対して育成型技術としての生成AIは、利用しながらプロンプトの工夫や参照データの拡充、フィードバックの蓄積を通じて精度を高めていくサイクル型の運用を前提とします。導入後の継続的な改善活動こそが価値創出の中心であるという点が、従来の情報システム観との決定的な違いです。この発想転換ができていない組織では、源内のような環境を導入してもアプリの提供を待つ受動的な姿勢に留まり、効果が限定されるリスクがあります。育成型技術として生成AIを捉える視点は、政府職員のみならず民間組織にとっても重要な示唆を含んでいます。

源内が提供する2種類のAIアプリと行政実務に特化した支援機能の全貌

源内のプラットフォーム上では、政府職員が日常業務で活用できる多様なAIアプリケーションが提供されています。デジタル庁の公式説明によれば、源内のアプリは大きく「汎用AI」と「行政実務用AI」の2種類に分類されており、それぞれ異なる業務シーンを支えています。本章では、両カテゴリの具体的な機能、現場での活用事例、機密情報の取扱範囲までを整理し、源内が政府職員にとってどのような業務支援を実現しているかを描き出します。

汎用AIアプリの対話・要約・校正・翻訳という5機能の業務適用例

源内が提供する汎用AIアプリは、政府職員の日常業務を幅広く支援するツール群として設計されているのが特徴です。デジタル庁の説明によれば、汎用AIは対話型チャット、文章作成、要約、校正、翻訳といった機能を中核に据えており、いずれも行政文書の作成や情報整理を効率化する用途に適しています。

• 対話型チャット：質問応答、ブレインストーミング、論点整理など幅広い思考支援
• 文章作成：通知文・報告書・回答案などの初稿生成
• 要約：会議議事録、政策資料、長文報告書の要点抽出
• 校正：誤字脱字、表記ゆれ、文法的な不自然さの指摘
• 翻訳：国際関係文書や海外資料の和訳・英訳

これらの機能は単独で使われるだけでなく、組み合わせて利用されることに大きな価値があるのです。例えば英文資料を翻訳した後に要約し、さらに対話型チャットで論点を整理するといった連続的な使い方が想定されます。個別機能の単純な代替ではなく、複数機能を連結することで業務プロセス全体の生産性を高めることが汎用AIの真価です。日常的な事務処理から政策検討まで適用範囲が広く、源内利用率を底上げする入口的な役割を担っています。

行政実務用AIにおける国会答弁検索AIと法制度調査支援AIの実装

源内のもう一つの柱が、行政実務に特化した行政実務用AIアプリです。代表的なものに国会答弁検索AIと法制度調査支援AIがあり、いずれも政府職員が日常的に直面する膨大な情報処理を支援するために開発されました。これらは汎用AIとは異なり、特定の業務領域に最適化されたデータ参照と回答生成を組み合わせている点が特徴です。なお最新の公式情報では、これらの取組をさらに拡張する形で「国会答弁作成支援AI」の開発実証事業が令和7年度補正予算の枠組みで進められており、機能の高度化が継続されています。

国会答弁検索AIは、過去の国会答弁から関連する答弁を検索し、答弁作成業務を支援する用途を想定して設計されているのが特色です。デジタル庁の公式情報では、国会質問の内容解析、過去答弁や根拠資料の検索、答弁の草案生成、更問予測、矛盾検証といった機能を統合的に提供する方向性が示されており、答弁作成の効率化と内容の正確性・一貫性の強化が目指されています。法制度調査支援AIは、法令や関連制度を素早く調査するためのアプリで、最新の法律条文データを参照して回答する仕組みが採用されているのです。RAGの仕組みを介して権威ある一次情報を参照する設計とすることで、生成AI特有のハルシネーションを抑制しながら行政実務の信頼性を維持する工夫が施されています。

警察庁向け犯罪実行者募集情報フィルタリングと約3分の1削減実例

源内のアプリ開発の成果として、他府省庁の業務支援につながる具体的な実例も生まれています。デジタル庁が公表している取組の中で注目される事例が、警察庁向けに2024年12月から進められている「犯罪実行者募集情報に該当する可能性のあるX投稿のフィルタリング処理」です。SNS上に投稿される膨大な情報の中から、犯罪実行者募集（いわゆる闇バイト）に該当しうる投稿を効率的に抽出する目的で開発が進められてきました。

政府AI戦略会議に提出されたデジタル庁の資料によれば、このプロトタイプを活用することで、職員が目視で確認すべき投稿件数を約3分の1に削減できたという成果が示されています。すべての投稿を網羅的に確認する従来手法と比較して、AIが一次スクリーニングを担うことで、人手によるリソースを高優先度の判断業務に集中させられるようになるのが大きな利点です。定量的な業務削減効果が示された数少ない政府AI活用事例であり、源内のプラットフォームから生まれたAIアプリが他省庁の現場業務に直接的な価値をもたらした象徴的なケースとして参照されています。今後、類似の業務支援プロトタイプが各省庁向けに横展開されることが期待されるところです。

厚生労働省雇用環境・均等局と連携した3業務向けAIアプリ開発

源内を起点とした他省庁連携の事例として、厚生労働省雇用環境・均等局との取組も公表されています。デジタル庁の公式資料によれば、雇用環境・均等行政における3つの業務を対象に、生成AIアプリケーションの開発が進められています。具体的には、一般事業主行動計画策定届の受理業務、えるぼし・くるみん等の認定審査業務、個別労働紛争解決制度に基づく総合労働相談対応業務の3つです。

これらの業務はいずれも申請書類や相談内容を読み解き、関連法令や過去の判断を踏まえた回答や処理を行う必要がある領域であり、生成AIによる支援との親和性が高いのが特徴です。アプリ開発を通じて、申請書の内容確認の効率化、認定基準への適合判定の支援、労働相談における回答案の生成などが期待されており、雇用環境・均等行政の円滑かつ効果的な業務実施への貢献が目指されています。業務特化型AIを共通基盤の上に乗せて省庁ごとに展開するというアプローチは、共通プラットフォームとしての源内の価値を最も具体的に示すパターンであり、今後の省庁横展開のモデルケースになり得るでしょう。

プロンプト入力で機密性2情報まで扱える業務範囲と利用判断基準

政府職員が業務で扱う情報には機密区分があり、AIサービスへの入力可否は重要な判断ポイントになります。源内はこの点について明確な設計方針を持っており、デジタル庁の公式情報によれば、デジタル庁において機密性2情報を含むプロンプト入力に対応しているとされています。これは政府機関向けのAIサービスとしては実用上意義の大きい設計です。

政府の情報セキュリティ運用において、機密性2は「行政事務で取り扱う情報のうち、秘密文書に相当する機密性は要しないが、漏えいにより国民の権利が侵害され又は行政事務の遂行に支障を及ぼすおそれがある情報」に該当する区分とされています。源内が機密性2情報まで扱える設計となっていることで、行政文書の起案や審査業務に関連する情報を一定範囲でAIに入力できることになり、業務適用範囲が大きく広がります。一方で、それより上位の機密区分の情報については別途の運用ルールが必要であり、各省庁が自組織の業務情報をどの区分で扱うかの判断は引き続き重要です。セキュリティ運用と業務効率の両立は組織側の運用判断に依存するため、利用ガイドラインの整備が源内活用の前提となります。

源内のセキュリティ設計とマルチLLM対応──Claude・OpenAI・国産モデル選定の方針

政府機関向けの生成AI環境として運用される以上、源内のセキュリティ設計とLLM選定の方針は導入判断において極めて重要な観点になります。本章では、認証基盤との連携、複数LLMから選択できる設計思想、OpenAIとの協業の意義、国内LLM公募事業、そしてISMAP取得検討を含む情報システムセキュリティの全体像を整理し、源内が政府基盤として求められる水準をどのように担保しているかを確認します。

政府統一基準準拠とGSSポータルSSO連携による認証設計の特徴

源内のセキュリティ設計は、政府統一基準に準拠する形で構築されています。デジタル庁が公開している「源内」の解説資料によれば、源内はガバメントソリューションサービス（GSS）を活用したポータルサイトからのシングルサインオン（SSO）に対応しており、政府職員が既存の業務環境を経由してシームレスに利用できる設計が採用されています。この認証連携は利便性とセキュリティを両立する重要な要素です。

SSO連携による主なメリットは、利用者が源内のために別途のIDとパスワードを管理する必要がない点、認証情報の漏えいリスクを既存の管理体制で吸収できる点、そして利用ログをGSSの管理基盤と連動させやすい点にあります。政府機関では既存のID基盤への準拠が運用上必須であり、独自認証を持ち込むタイプのAIサービスは導入のハードルが高くなりがちです。既存の認証基盤に乗せて利用可能とすることが、源内が府省庁展開を進める上での技術的な前提条件となっており、政府統一基準への準拠と既存ID基盤との接続は、府省庁におけるAI活用の入口を広げる役割を果たしています。

2025年8月時点でNova・Claudeを含む3モデルから選択する仕組み

源内の特徴的な設計思想の一つが、特定のLLMに依存しないマルチモデル対応です。IT専門メディアが報じた情報によれば、2025年8月時点で源内のユーザーは「Amazon Nova Lite」「Claude 3 Haiku」「Claude 3.5 Sonnet」の3つのモデルから選択して利用できる構成となっていました。利用シーンや必要な精度に応じてモデルを切り替えられる設計です。

マルチモデル対応の設計には複数の意義があります。第一に、特定ベンダーへの依存を避けるベンダーロックイン回避の効果が見込めます。第二に、業務シーンに応じて最適なモデルを選択できる柔軟性が確保される点です。第三に、新しいモデルが登場した際にラインナップに追加できる拡張性が確保されます。ハイパースケーラー間の競争環境を維持する調達設計は、政府機関がAI調達で取りうる戦略の一つの模範例として位置付けられるものです。

2025年10月2日に決定したOpenAI最先端LLM追加と協業の方針

源内のLLMラインナップは2025年10月2日に大きな拡張を迎えました。デジタル庁の公式リリースによれば、同日にOpenAI社が提供する最先端の大規模言語モデルを活用したサービスを源内のラインナップに追加し、職員が業務で直接利用できるようにする方針が決定されました。これは単なるモデル追加にとどまらない戦略的な意味を持つ決定です。

協業の枠組みはモデル提供だけに留まらず、行政の業務効率化や公務員の働き方改革を推進するため、行政機関向けの生成AIアプリケーションの開発と利用実証の協力の可能性を検討することも含まれています。OpenAI側はISMAP（政府情報システムのためのセキュリティ評価制度）の認証取得を前向きに検討する方針を示しており、政府機関がOpenAIモデルを業務で利用するための制度的な前提条件の整備も進められる見通しです。さらに、デジタル庁とOpenAIは「広島AIプロセス包括的政策枠組み」をG7を超えて多様な主体に拡大する方針を共有しており、AIガバナンスの国際展開という側面でも連携が組み立てられています。技術的な協業と政策的な連携の両輪で進められる協業のスタンスが、源内の戦略的位置を象徴しています。

国内LLM公募と国産AI育成・強化を含む調達戦略の比較観点

源内の調達戦略には、海外大手モデルの活用と並行して、国産LLMの育成・強化という柱があります。デジタル庁は2026年3月6日付の公式情報で「ガバメントAIで試用する国内大規模言語モデル（LLM）の公募結果」を公表しており、国内事業者が開発するLLMを源内上で試用する取組が進められています。これは経済安全保障とAI自律性確保の観点から重要な施策です。

海外大手モデルと国産モデルの併用には、いくつかの戦略的意義があります。第一に、地政学的なリスクが顕在化した際にも基盤を維持できる冗長性が確保されます。第二に、国内のAI開発エコシステムへの需要創出と人材育成が進む点です。第三に、日本語特有の表現や行政文書のニュアンスに最適化されたモデルの開発を促進できます。海外モデルへの依存と国産モデル育成の二正面戦略は、AI政策における経済安全保障の観点を反映した設計思想と言えるでしょう。一方で、国産モデルの性能が海外大手モデルに迫るには相応の開発リソースと時間が必要であり、源内における試用とフィードバックの蓄積が国産AI育成の加速材料になることが期待されています。

ISMAP取得検討を含む情報システムセキュリティ確保の判断基準

政府情報システムにおいて生成AIサービスを利用する際の重要な判断基準が、ISMAP（政府情報システムのためのセキュリティ評価制度）への適合性です。ISMAPは政府が求めるセキュリティ要求を満たすクラウドサービスをあらかじめ評価・登録する仕組みであり、政府機関がクラウドサービスを調達する際の判断基準として機能しています。

OpenAIとの協業発表時、OpenAI側はISMAP認証取得を前向きに検討する方針を示しており、これは源内を介して海外大手のLLMを政府機関が利用するうえでの制度的な前提条件の整備を意味するものです。また、源内自体も政府統一基準に準拠した設計となっており、府省庁が自組織の情報セキュリティポリシーと整合する形で利用できる仕組みが整えられています。ISMAP登録状況とサービス側のセキュリティ要件適合性は、各府省庁や地方公共団体が源内および類似サービスの導入を検討する際の主要な判断軸となるでしょう。情報の取扱区分とサービス側のセキュリティ評価を組み合わせて、利用可能な業務範囲を明確化することが、安全かつ効果的な源内活用の前提条件となります。

デジタル庁職員約1200人の3か月利用実績と利用の両極化という検証成果

源内が2025年5月にデジタル庁職員向けに提供開始されてから3か月後、デジタル庁は利用実績データを公表しました。この検証データは行政組織における生成AI活用の実態を示す貴重な資料であり、後続の府省庁展開を検討する上での重要な参照情報になっています。本章では、利用率や利用回数の定量的な実績、利用パターンの両極化、職位別の格差、そして組織的活用の停滞要因について整理し、源内検証の到達点と課題を明らかにします。

2025年5月から7月の利用者約950人と全職員80%という利用率

デジタル庁が2025年8月29日に公表した利用実績資料および各種報道によれば、2025年5月から7月までの3か月間に源内を利用したのは、デジタル庁全職員約1200人のうち約950人で、全職員に占める割合は約80%とされています。この利用率は行政組織における生成AI利用の水準として高いものであり、源内の浸透状況を端的に示す数字です。

80%という利用率を高いと評価できるかどうかは比較対象次第ですが、政府機関で導入後3か月の段階で全職員の8割が一度でも利用するという水準は、業務システムの導入実績としても遜色のない結果と言えます。デジタル庁という組織の特性として、もともとデジタル領域に専門性を持つ民間人材が多く在籍していることや、組織として生成AI活用に対する関心が高い文化があることも、この利用率の高さに寄与していると考えられます。利用率の高さは導入初期の関心度を示すが、継続的な活用率や効果実感とは別の指標であることに留意が必要であり、後述する利用回数の分布と合わせて評価することが重要です。

のべ65000回以上の利用回数と1人当たり平均70回の活用密度

利用率に加えて、利用回数の規模も源内の浸透度を示す重要な指標です。各種報道によれば、2025年5月から7月までの3か月間における源内の利用回数はのべ65000回以上に達し、職員1人当たりでは平均70回の利用となったとされています。3か月で平均70回ということは、単純計算で月23回前後、週5日勤務として週5回程度の利用ペースになります。

この数字を業務支援ツールの活用度合いとして見ると、平均的には日常業務の中で頻繁に使われていると評価できる水準です。ただし「平均70回」という数字には、ヘビーユーザーが大きく押し上げている可能性があり、平均値だけで全体像を判断するのは適切ではありません。後述する利用回数の分布を見ると、実際には利用密度に大きな差があることが分かります。のべ回数と平均値はあくまで全体規模の指標であり、組織内における活用の偏在を捉えるには分布データが不可欠です。源内のような新しい技術プラットフォームの定着度を評価する際には、平均値・分布・継続率という三つの観点を組み合わせることが望ましいと言えるでしょう。

100回以上利用150人と5回未満170人という利用両極化の構造

利用回数の分布データは、源内の浸透における重要な構造的課題を示すものです。各種報道で紹介された分析によれば、3か月間に源内を100回以上利用した職員は150人以上いた一方、5回未満の職員も170人いたとされています。この分布は、利用層と非利用層が明確に分かれていることを示しており、デジタル庁自身も「生成AI利用の両極端化」が判明したと整理しています。

両極化が示すのは、ツールの存在を知っているかどうかではなく、業務フローへの組み込みに成功したかどうかが利用継続の鍵であるという点です。導入の量的な成功と質的な活用とは別物であり、組織的な浸透には個人努力を超えた支援が必要であることが、源内の検証から明らかになっています。この構造は、企業や自治体が生成AIを導入する際にも同様に発生し得る課題であり、源内の知見は他組織にとっても示唆的です。

課長級職員の半数が利用実績ゼロという職位別格差の失敗パターン

利用実績の偏在は、職位別の分析でも顕著に現れているのが特徴です。各種報道で紹介された分析によれば、若手職員や民間人材は生成AIを多用する傾向があった一方で、課長級職員の半数は利用実績がゼロにとどまったとされています。この職位別格差は、組織のAI活用にとって重要な構造的課題を示しています。

課長級が利用しない場合に生じる典型的な問題は、業務指示や部内方針への反映が遅れること、部下が作成したAI支援成果物の評価軸が定まらないこと、組織としてのAI活用ポリシーの検討が進まないことの三つです。組織のミドル層がAIに触れていない状態では、AI活用は個人的な工夫に留まり、業務プロセスの再設計や成果物品質の標準化につながりにくくなります。管理職のAI活用は組織的展開の必須条件であるという教訓が、源内の検証から導かれるところです。デジタル庁自身も、政府全体への展開にあたり「指定職・管理職による率先した利活用を促す仕組み」の導入を方針として掲げており、検証で見えた課題への対応が組み込まれているのです。

若手職員と民間人材が多用する一方で起きた組織的活用の停滞課題

若手職員と民間人材を中心に源内が活発に利用された一方、組織全体として見たときには活用の停滞という課題も浮き彫りになっています。一部の層が深く活用しているだけでは、組織全体の業務改革にはつながりにくいという構造的な問題です。デジタル庁の振り返りでも、職員全体の理解促進と、より実用的な生成AIツールの開発・提供に取り組む方針が示されています。

停滞要因として考えられるのは、第一に業務上のメリットが具体的にイメージできないこと、第二に既存の業務フローを変更する負担感があること、第三に成果物の品質に対する責任問題が整理されていないことなどです。これらは技術的な制約ではなく、組織運営上の課題に属します。AIツールの提供だけでは組織変革は起きず、業務プロセス見直しや評価制度の調整が伴って初めて活用が広がるという事実が、源内の検証から確認されました。今後の府省庁展開においては、この知見を踏まえた支援パッケージの提供が成否を分ける鍵となるでしょう。利用率を上げる施策と、深く使う層を増やす施策は別個に設計する必要があります。

18万人対象の大規模実証ロードマップと2026年度から2027年度の展開計画

デジタル庁内での検証を経た源内は、いよいよ政府全体への展開フェーズに入っています。デジタル庁が公式に示しているロードマップは段階的かつ規模感のあるものであり、2026年から2027年度にかけて政府職員の業務環境を大きく変える可能性を持っています。本章では、先行導入のスケジュール、総理指示による展開規模、大規模実証の具体的な狙い、本格利用への接続、そして先行省庁の事例から見える展開上の論点を整理します。

2026年1月以降の一部省庁先行導入と2026年度本格展開の段階設計

源内の府省庁展開は、いきなり全省庁同時ではなく段階的に進められる設計が採用されています。デジタル庁の公式policyページに示された展開スケジュールによれば、2026年1月から一部省庁での試験的利用（リリース1.0）が全体で数百人規模で始まり、2026年2月には行政資料RAGアプリの展開が予定されています。続いて2026年5月頃から年度末にかけて希望省庁への大規模導入実証（リリース2.0）が実施される段階設計です。

段階的な展開を採る意義は複数あります。第一に、先行導入省庁での運用ノウハウを後続省庁に共有することでスムーズな展開が可能になる点です。第二に、システム負荷や運用負荷を段階的に検証できるため、規模拡大時のトラブルリスクを抑制できます。第三に、業務特性が異なる省庁ごとの導入課題を順次明らかにし、展開計画を調整できる点も重要です。一気呵成の全面展開ではなく、検証と修正を繰り返す段階設計は、政府全体に影響するシステム展開において堅実な選択であり、先行省庁の知見が後続省庁の導入リスクを下げる構造になっています。

2026年5月から10万人以上の政府職員が活用するという総理指示

展開規模を象徴する数字が、2026年5月からの「10万人以上」という目標です。デジタル庁が公表した第3回人工知能戦略本部関連の情報によれば、高市内閣総理大臣から、政府によるガバメントAI源内の徹底活用を行い、2026年5月から10万人以上の政府職員が活用できるようにすることが指示されました。源内の活用により創造的に業務を行い、国民に「信頼できるAI」の意義を示すことが求められています。

10万人という規模は、デジタル庁の検証時点の利用者数約950人と比較して約100倍以上の拡大を意味する数字です。規模拡大に伴って必要となる運用体制と支援体制の整備が、ロードマップの実現可能性を左右する主要な変数となります。具体的には、ヘルプデスクの拡張、研修プログラムの体系化、各省庁の業務特性に応じたAIアプリの追加開発、ネットワーク帯域や認証基盤のスケールなどが整備対象です。総理指示という強い政治的バックアップは、これらの整備に必要なリソース確保の追い風になると考えられ、ロードマップの実現性を後押しする要素として機能しています。

全府省庁約18万人を対象とする大規模実証の実施規模と検証目的

2026年度における源内の展開は、より大きな規模で計画されているのが特徴です。デジタル庁が2026年3月6日に公表した発表によれば、全府省庁の約18万人の政府職員を対象とした大規模実証を、令和8年（2026年）5月から令和9年（2027年）3月までの期間で実施する計画が示されています。これはデジタル庁内での検証を経た源内が、政府職員全体に向けて開かれるという歴史的な転換点を意味します。

大規模実証の目的は単なる利用拡大ではなく、本省および地方機関の業務特性に応じた導入事例づくりを進めることです。中央省庁の本省と地方支分部局では業務内容や情報環境が大きく異なるため、それぞれの特性を踏まえたAIアプリの効果と課題を検証する必要があるのです。実証で得られた知見は、令和9年度（2027年度）以降の本格的な導入と利活用につながる土台となります。政府職員の業務をシステマティックにAIで支援する体制を構築する前段階として位置付けられた大規模実証であり、実証期間中のフィードバック体制が成果の質を左右する重要な要素になるでしょう。

2027年度本格利用開始と各省庁予算要求への接続という制度設計

大規模実証の先には、2027年度からの本格利用開始というマイルストーンが設定されています。デジタル庁の公式情報によれば、令和9年度（2027年度）は大規模実証の結果を踏まえ、源内の本格的利用を開始するとされているのです。本格利用への移行は、各省庁が予算要求を行うことで実現する制度設計が想定されています。

各省庁が予算要求するという制度設計は、二つの重要な意味を持つものです。第一に、源内の利用が各省庁の業務に組み込まれた正規のシステムとして位置付けられることになり、単発の実証から恒久的な業務基盤への転換が完了します。第二に、各省庁が自組織の業務特性に応じてAI活用方針を主体的に設計する責任を持つことを意味し、源内を活用した業務変革の主体が省庁側に移ります。段階的な権限移譲を伴う制度設計は、デジタル庁が提供基盤の整備に集中し、各省庁が業務適用に責任を持つという役割分担を明確にする狙いがあると読み取れるところです。今後の展開では、各省庁における予算確保と運用体制構築の進捗が、本格利用の実現性を測る指標となるでしょう。

国土交通省など先行導入府省庁の事例から見える展開上の3つの論点

段階的展開において、先行導入を経験した府省庁の事例は他省庁にとって重要な参照情報になります。デジタル庁ニュースのYouTubeチャンネルでは、2026年3月2日付で「『源内』他府省庁へ展開開始 導入した国土交通省の現場は…」というコンテンツが公開されており、先行導入省庁の現場における活用状況が紹介されています。

1. 業務適合性の論点：自省庁の典型業務と源内のAIアプリの機能の重なりをどう評価するか
2. 運用体制の論点：ヘルプデスクや研修などの支援体制を自省庁内でどう構築するか
3. 効果測定の論点：導入による業務改善効果をどのような指標で把握するか

これら3つの論点はいずれも、源内を導入する組織が必ず向き合うことになる課題群です。先行導入省庁の事例を参照することで、自省庁・自治体での導入時に検討すべき論点を事前に整理でき、導入後のトラブル回避にもつながります。先行事例を単なる広報資料として消費するのではなく、自組織の導入設計に活かす視点が、源内活用の成否を分ける運用上の鍵となります。導入を検討する組織にとって、先行事例の分析は必須のステップとなるでしょう。

源内のOSS公開と地方公共団体・民間企業によるAI基盤再利用の可能性

2026年4月24日、源内のプロジェクトは新たな大きな節目を迎えました。デジタル庁は源内の一部を商用利用可能なライセンスのもとでオープンソースソフトウェア（OSS）として公開したのです。この公開は政府機関のAI活用にとどまらず、地方公共団体や民間企業によるAI基盤の再利用と発展の道を開く重要な一手となりました。本章では、公開された具体的な内容、各クラウドプラットフォーム向けテンプレート、商用利用の条件、地方公共団体への波及効果、そして公開対象外の取扱いまでを整理します。

2026年4月24日公開のgenai-webとgenai-ai-apiの2リポジトリ構成

OSS公開の中核となるのは、源内のシステムを構成する2つの主要リポジトリです。デジタル庁ガバメントAIリードエンジニアの大杉直也氏による公式noteで明示されている通り、源内は大きく分けて2種類のシステムで構成されており、それぞれGitHub上で公開されています。利用者が直接さわるWebアプリケーションが「源内Web（genai-web）」、生成AIを活用したマイクロサービス群が「行政実務用AIアプリ（genai-ai-api）」です。

2リポジトリ構成のメリットは、実装を再利用する側が必要な部分だけを選択的に取り入れられる点にあります。Webインターフェースだけを参考にして自組織のフロントエンドを構築する使い方も、行政実務用AIアプリの実装パターンだけを参照する使い方も可能です。源内のWebインターフェース部分のソースコードと構築手順、そして源内で利用している一部のAIアプリの開発テンプレート・実装が公開対象に含まれています。政府機関が運用する実環境のソースコードがほぼそのまま参照できるという点で、調達仕様書の作成や類似基盤の構築における重要なリファレンスとなる仕組みです。

AWS・Azure・Google Cloudの3クラウド対応開発テンプレート構成

源内のOSS公開で特筆すべきは、特定のクラウドプラットフォームに依存しない設計が示されている点です。デジタル庁の公式リリースおよび大杉氏のnoteによれば、源内のOSS公開には主要パブリッククラウド3社それぞれに対応した開発テンプレートが含まれており、用途別に整理されています。

3クラウド対応の意義は、地方公共団体や民間企業が既に利用しているクラウド基盤をそのまま活かせる点にあります。クラウド移行を伴う大がかりな調達変更を強いることなく、既存環境の延長線上で源内相当の基盤を構築できる選択肢が用意されました。マルチクラウド対応はベンダーロックイン回避と既存環境活用の両方に効く設計であり、特に地方公共団体のようにクラウド契約事情が組織ごとに異なる場面で導入の障壁を下げる重要な仕掛けです。テンプレートはあくまで参照実装であるため、各組織の要件に応じて改変・拡張していく前提となっています。

商用利用可能ライセンス採用による民間サービス開発の3つの参入条件

源内のOSS公開で重要な点が、商用利用可能なライセンスのもとで公開されていることです。デジタル庁の公式リリースおよびnote記事で明確に示されている通り、源内のOSSは民間企業が独自のアイデアや技術力を加えたサービスを開発・提供することを前提とした設計になっており、地方公共団体向けAIサービス市場の活性化を促進する狙いがあります。

• ライセンス遵守：公開されているOSSライセンスの条件に従って利用する
• セキュリティ要件：政府基準や自治体の要件に整合する形でカスタマイズする
• 運用体制構築：継続的な保守と利用者支援を担える体制を整える

これら3条件はいずれも、商用サービスとして提供する事業者にとって基本的な要件ですが、実装テンプレートが事前に公開されているため、技術的なスタート地点が大幅に前進する点が大きな違いです。中小企業やスタートアップを含む多様な企業が参入しやすい環境が整い、AI産業の裾野を広げる効果が期待されるところです。政府が一次実装を提供し、民間がそれを基盤にサービスを多様化する分業構造が、源内のOSS公開によって意識的に組み立てられているとも見えるでしょう。官民連携の好循環を通じてAIエコシステムの発展を後押しする政策的な狙いが明確に示されています。

地方公共団体の重複開発防止と調達仕様書への参照活用という導入価値

源内のOSS公開が地方公共団体にもたらす価値は多岐にわたります。デジタル庁の公式リリースで強調されている主要な効果が、類似のAI基盤の重複開発を防ぐことです。各自治体がそれぞれゼロからAI基盤を構築すれば、社会全体として大きな開発コストが発生しますが、源内のOSSを共通の出発点とすることで、その重複を抑制できます。

もう一つ注目すべき活用法が、調達仕様書への参照・指定です。AI基盤に関する調達仕様書を作成する際に源内のOSSを参照・指定することで、AIの実装が容易になることが公式に示されています。これは仕様書の白紙状態から要件を組み立てる従来の調達と比較して、検討負荷を大幅に下げる効果があります。調達仕様書の参照実装としてOSSが機能する設計は、技術的な専門人材が限られる自治体にとって特に意義の大きい仕組みです。OSSは改変・再利用が可能なため、特定の事業者やサービスへの依存を抑えつつ、各機関が自らの要件に応じて主体的にAI基盤を運用・発展させることができる点も、長期的な運用の自由度を確保するうえで重要な特性です。

公開対象外となる内部マニュアル類とLLM本体の取扱いの注意点

源内のOSS公開を活用する際に押さえておきたいのが、公開対象外となる要素です。大杉氏のnote記事で明示されている通り、実際の源内で利用している行政実務用RAG等で参照している内部マニュアル類等、そしてデジタル庁が権利を保有しない大規模言語モデルや書籍等は公開対象に含まれていません。OSSとして再現する際にはこれらを別途用意する必要があります。

公開対象外の要素は、源内を実環境で動作させる際に重要な構成要素です。RAGの精度は参照する内部マニュアルの質と量に大きく依存するため、自組織で利用するためには独自のマニュアル類を整備・準備する必要があります。LLM本体についても、源内のOSSは特定モデルに依存しない設計ですが、実際に動作させるためには利用するLLMを別途調達・契約する必要があるのです。OSSは骨格を提供するが、業務に効くAIにするには独自のデータと運用ノウハウが必要という構造を理解することが、源内OSS活用の前提となります。OSS公開を機械的にコピーして導入するのではなく、自組織の業務知識をRAGに乗せ、自組織の要件に合うLLMを組み合わせて初めて、業務に有効なAI基盤として機能することを認識しておくべきでしょう。

源内導入を検討する府省庁・自治体が押さえるべき判断基準と失敗回避策

源内が府省庁展開とOSS公開のフェーズに入ったことで、自治体や民間組織における導入判断の重要性が増しています。技術的な可用性が確保されていても、組織側の準備が伴わなければ期待した効果は得られません。本章では、ワークフロー見直し、機密情報の取扱、調達パターン、国産AIの戦略的論点、そして利用可能な支援体制までを整理し、源内導入を成功に導くための判断基準を示します。

ワークフロー見直しを伴わない導入で陥る効果限定の失敗パターン

源内のような生成AI環境を導入する際の最も典型的な失敗が、既存のワークフローを変更せずにツールだけ追加するパターンです。デジタル庁のAI領域統括参事官も、デジタル庁ニュースの中で「高度な業務へのAI実装、ワークフロー見直しが成功の鍵」と明確に指摘しています。この観点は、デジタル庁内での検証で得られた重要な教訓を反映したものです。

ワークフロー見直しを伴わない導入で起きる典型的な現象は、AIで初稿を作成しても結局これまで通りの工程で確認・修正するためトータルの時間短縮効果が限定されること、AIが処理する範囲と人が判断する範囲の境界が曖昧になり責任の所在が不明確になること、業務の品質基準そのものが見直されないため新しい付加価値が生まれにくいことなどです。これらはいずれも、ツール導入と業務改革を分離してしまうことに起因します。AIツールの効果を最大化するには、業務プロセス全体を再設計する視点が不可欠であり、源内の検証で見えた両極化や課長級の不使用といった現象も、ワークフロー設計の不在と密接に関連しています。導入時の業務フロー再設計は、技術的な準備と同等以上の比重で取り組むべき領域です。

機密情報の取扱区分とプロンプト入力可否の事前確認すべき判断項目

源内導入時の重要な判断項目が、自組織の業務情報の機密区分とAIへの入力可否の整理です。デジタル庁における源内は機密性2情報まで対応する設計とされていますが、実際に各組織が利用する際には、自組織の情報セキュリティポリシーと業務情報の区分に基づいて入力可否を判断する必要があります。デジタル庁の2026年3月6日付リリースでは、大規模実証への参加にあたり「AI統括責任者（CAIO：Chief AI Officer）によるガバナンス・統括監理」の推進が求められており、組織側のガバナンス体制整備が前提条件となっています。

• 業務情報の機密区分の棚卸し：どの情報がどの区分に該当するか整理する
• プロンプト入力可否の運用ルール作成：区分別に入力可否を明文化する
• 個人情報・特定個人情報の取扱方針：法令上の制約と業務上の必要性を整理する
• 外部委託先・取引先情報の取扱：契約条項との整合性を確認する

これら4項目はいずれも、AIサービスを導入する前段階で整理が必要な事項です。情報の取扱区分が曖昧なまま運用を始めると、現場職員が「どこまで入力していいか分からない」という不確実性に直面し、結果として利用が萎縮するか、逆に不適切な情報を入力してしまうリスクが生じます。運用ルールの明文化と研修による徹底が、安全かつ効果的な源内活用の前提条件となるでしょう。技術的なセキュリティ機能だけでは情報漏えいリスクを完全には防げないため、組織側の運用設計が不可欠です。

内製・外部調達・OSS活用の3パターン比較と組織規模別の判断軸

源内の存在によって、組織がAI基盤を整備する選択肢が大きく広がりました。導入方法は大きく3つのパターンに整理でき、それぞれにコスト構造、技術要件、運用要件が異なります。組織規模や業務特性に応じた判断が必要です。

3パターンの選択は、組織の規模と人材構成、業務の特殊性、長期的な運用方針によって判断が変わります。源内のOSS公開によって新たに加わった「OSS活用」のパターンは、外部調達と内製の中間的な選択肢として注目される存在です。OSSをベースに自組織の要件に応じてカスタマイズし、必要に応じて外部の支援事業者を活用する形が、中規模自治体にとって現実的なアプローチになりやすいでしょう。3つの選択肢を比較して組織に最適なパスを設計する視点が、源内時代におけるAI基盤戦略の出発点となります。

国産LLM活用とAI自律性確保という中長期の戦略的観点と論点

源内の議論を理解する上で欠かせない中長期の論点が、国産AIの育成とAIに関する日本の自律性確保です。デジタル庁が公表している方針では、国産AIの育成・強化と源内のソースコードのOSS化を推進することでガバメントAI関連の民間投資を喚起し、AIに関する日本の自律性確保を目指すと明示されています。これは経済安全保障の観点から重要な戦略的方針です。

国産LLM活用の意義は短期的な性能比較だけでなく、中長期の自律性確保という観点で捉える必要があるのです。海外大手モデルに依存する状態が続けば、地政学的リスクが顕在化した際に政府機関のAI活用が停滞する可能性があります。一方で、国産モデルだけに賭けることも現実的ではないため、海外モデルと国産モデルの併用という現状の方針はバランスの取れた選択と言えるでしょう。性能と自律性のトレードオフを意識した調達設計が、政府機関や公共性の高い組織にとっての主要な論点です。民間企業がAI基盤を選定する際にも、源内が示すマルチモデル対応の発想は参考になり得ます。中長期の戦略立案では、技術選定が経済安全保障とどう交差するかを意識することが重要になります。

ヘルプデスク・ハンズオン研修・横展開を含む支援体制の活用方法

源内の導入を成功させるためには、技術的な準備と並んで、人的な支援体制の整備が不可欠です。デジタル庁の資料では、ガバメントAI整備事業の一環として、職員向けヘルプデスク、ハンズオン研修、優良ユースケースの横展開などが取組として位置付けられています。導入組織はこれらの支援を積極的に活用すべき立場にあります。

支援体制の活用にあたっては、自組織の状況に応じて優先順位を設定することが効果的です。導入初期にはヘルプデスクを通じた個別の疑問解決が最も効果を発揮し、利用が広がる段階ではハンズオン研修によるスキルの底上げが組織全体の活用度を引き上げます。さらに継続的な活用フェーズに入ると、他組織の優良ユースケースを参考にした横展開が新しい活用シーンの発見につながります。段階に応じた支援活用が定着の鍵であり、デジタル庁が提供する支援メニューを単独施策として捉えるのではなく、組織の成熟度に応じて組み合わせる視点が重要です。地方自治体に関しては総務省が、国の府省庁に関してはデジタル庁が中心となって支援を展開していく構造があり、自組織がどの支援チャネルを利用できるかの整理も導入計画の一部として行う必要があります。源内は技術と支援の両輪で初めて効果を発揮する基盤と理解し、組織全体での体系的な取組として位置付けることが、導入の成否を分ける最終的なポイントとなるでしょう。