2026年の官公庁・公的機関に影響を与える3つの予測

2026年、官公庁・公的機関は、AIを効果的かつセキュアに実装するという、高まるプレッシャーに直面しています。この大きな運用上の変化に伴い、官公庁・公的機関は、既存のガバナンス構造の中でこれらの革新的な新しいツールをどのように実装するかを模索しています。業界全体が予算の引き締めと監視の強化に直面する一方で、モダナイゼーションや部門横断の連携を進め、ミッションへのインパクトを高めるというプレッシャーとのバランスも求められています。 

変化のスピードは加速し続ける一方です。「このスピードを認識してください。3年前には、ChatGPTや生成AIについて聞いたことがある人は誰もいませんでした」と、Snowflakeの官公庁・公的機関担当グローバルチーフテクノロジーオフィサーであるStephen Moonは述べています。「12か月、18か月、24か月後に何が起こるかを意識する必要があります。状況は変化するためです」

今後1年間の官公庁・公的機関に関する3つの重要な予測は以下のとおりです。

• AIの実装で価値を生み出すには、データとセマンティックの相互運用性が必要になります。 

• 成果ベースの監視と透明性が標準になります。

• AIの導入は、セキュアでガバナンスの効いたエンクレーブへと移行します。

予測 1：効果的なAIの実装には、AI-readyなデータが中心となる 

予算は依然として厳しいため、ミッションクリティカルな業務をサポートするAI機能の活用に注力することがさらに重要になります。組織は、ミッションをどのようにサポートしているかを示すために、さまざまな部門間で共通のメトリクスを使用するようプレッシャーを受けています。このメトリクスの報告は、助成金の資金提供方法や優先されるプログラムに直接影響を与えます。 

それはすべてデータから始まります。「データをAI-readyにすることが最も重要です」とMoonは述べています。「政府機関においてデータがサイロ化されている場合、そのデータをキュレーションしてAI-readyにすること、つまり大規模言語モデルがセキュアにアクセスし（データの相互運用性）、理解できる（セマンティックの相互運用性）ように価値を高めることが重要です」

データとセマンティックの相互運用性は、官公庁・公的機関において「あれば便利」なものから、ビジネス価値を提供する「必須要件」へと移行しています。「モデルに質問したら、信頼できる回答が欲しいものです」とMoonは述べています。「私たちが『データをAI-readyにする』と言うとき、エンドユーザー向けの回答を作成するためにAIモデルに提供できる高品質なデータを、信頼できるデータを根拠としたプロセスで提供できるようにしたいと考えています」

2026年には、政府機関は共有のデータプロダクトを使用し、一貫した定義と成功のメトリクスを開発することが期待されており、これらはすべてミッションの達成につながります。ポイントツーポイントのデータ交換から、リアルタイムでガバナンスの効いたデータプロダクトへと移行しつつあります。

過去数年間、組織は実験モードにありました。「現在では、『このパイロット版のロードマップはどのようなものか、本番環境への明確な道筋はあるのか』と問う声が聞かれるようになっています」とMoonは述べています。官公庁・公的機関のリーダーは、組織に最大の価値を提供し、本番環境レベルの品質を実現するための明確な道筋を持つAIイニシアチブを求めています。 

予測 2：成果ベースの監視とリアルタイムの透明性が標準になる

官公庁・公的機関は、AIのイノベーションと予算の制約、そしてAIのコンプライアンスとセキュリティのハードルとのバランスをどう取るかという課題に取り組んでいます。組織の監視機関は、どのAIモデルが使用されているか、それらのモデルでどのようなデータが活用されているか、そしてそれらがどのような意思決定に影響を与えているかを知りたいと考えています。AIイニシアチブを展開しながら業務効率と透明性を高めるために、組織は共有インフラストラクチャの活用を推進する方向へと動いています。 

「リソースは限られているため、すべてを行うことはできません」とMoonは述べています。「投資収益率に基づいてプロジェクトを選択してください。テクノロジーパートナーと協力する際は、その投資に対する予想収益を評価する方法をパートナーが備えているか確認してください。誰もがAIを使用するプレッシャーにさらされていますが、だからといって全員にリソースが用意されているわけではありません。影響度が低いか高いかというトレードオフが存在します。重要なのはミッションであり、何が最も大きな影響を与えるかということです」

監視機関やリーダーシップ層は、プログラムの成果に関するライブで再現可能なビューと、監視に関する質問へのより迅速な回答を求めるようになります。リーダーは、どのプロジェクトがミッションをサポートしているかを問い、技術的な影響とビジネス上の影響の両方の観点から、何が効果的であるかに基づいてプロジェクトの意思決定を行う必要があります。 

予測 3：AIの導入は、セキュアでガバナンスの効いたエンクレーブへと移行する

目まぐるしく変化するAI標準とセキュリティ要件により、官公庁・公的機関のAIアーキテクチャは再構築されるでしょう。組織は、オープンな実験ではなく、従業員の生産性を向上させるAIエージェントなど、ミッションに対応したドメイン特化型のAIを展開するようになります。また組織は、ガバナンス、人間の関与を組み込んだガバナンス、そして大規模なコンプライアンス確保を支えるセキュアな「AIエンクレーブ」を優先したいと考えています。 

一元化されたAIルールなど、ポリシー面やセキュリティ面の要件によるプレッシャーが高まっています。しかし、「AIは急速に変化しているため、ガバナンスは興味深いものです」とMoonは述べています。「今日ポリシーを作成して、5年後に見直せばいいということではありません」

業界のダイナミズムは、ガバナンスとセキュリティのモデルにとって重要です。官公庁・公的機関は、協力してセキュアなAIの導入を加速させることができます。恐れによって組織の歩みを止めることはできません。「ある時点で、採用するデータプラットフォームやモデルを選択することになります」とMoonは述べています。ベンダーロックインを回避するために、Moonは次のように述べています。「プラットフォームを変更したくなったときに変更できるように、さまざまなプラットフォームで動作するモデルを選択してください。技術的な観点とデータの観点の両方から、その相互運用性の要素は互いに補完し合うものです」

官公庁・公的機関のリーダーが、AIを取り巻く状況に効果的に対応する方法

今後AIイニシアチブを実装する際、官公庁・公的機関のリーダーは、組織に真のインパクトをもたらすことを優先する必要があります。何よりもまず、組織はデータに焦点を当てるべきです。データこそがエンジンを駆動するものだからです。「質の低いデータを入力すれば、質の低い結果しか得られません」とMoonは述べています。「AIでもそれは変わりません。悪い情報を与えれば、悪い答えが返ってきます。品質、相互運用性、キュレーション、データプラットフォームに注力すればするほど、AIはミッションにとってより有用なものになります」

AIの標準は進化しており、AIモデルを実行できる場所や、それらのモデルがアクセスを許可されるデータを機関が決定する方法を公式化しつつあります。組織は、すべての部門で専用スタックを構築することなくAIを拡張するというプレッシャーに直面しています。組織は協力してセキュアなAIエンクレーブを決定し、ガバナンス標準を一元化して、ドメイン固有のAIエージェントをワークフローに実装します。 

AIの実装をより効果的なものにするために、「AIを戦力倍増の機能として活用する方法を学んでください」とMoonは述べています。「手作業で分類するのがほぼ不可能なほど、大量の情報が押し寄せています。AIを戦力倍増の手段として活用し、仕事の補完として重要な情報を見つけてください」

官公庁・公的機関におけるAIとデータのトレンドについての詳細にご興味をお持ちの方は、ウェビナー「How AI Policies Are Impacting Gov IT」の全編をご視聴ください。