AIの活用とガバナンス

課題の定義（扱う／扱わない）

• 扱う: 生成AIをはじめとするAIの社会実装をめぐる、利活用の促進とリスク・倫理・ルールのバランス。事業者・行政・個人のガバナンス体制、AI事業者ガイドライン（2024年）やAI法（2025年）の運用、人材育成、国際協調（広島AIプロセス）。
• 扱わない: AIの基礎研究・モデル開発の技術論そのもの、半導体・計算基盤（GPU・データセンター）の供給政策、個別業種（医療AI・自動運転など）の専門規制の細部。これらは関連カードで扱う。
• 似て非なるもの: 「偽情報・ディープフェイク対策」（情報空間の健全性の問題として別立て）、「個人情報・データ保護」（個人情報保護法の枠組み）。本カードはこれらと重なりつつ、AIの利活用とガバナンスの全体設計に焦点を当てる。

何が起きているか（データ）

• 日本の個人の生成AI利用率（「使っている」と回答した割合）は、2024年度調査で26.7%。20代に限ると44.7%と最も高く、世代間の差が大きい（総務省「令和7年版 情報通信白書」2025年）。
• 国際比較（2024年度）では、中国81.2%、米国68.8%、ドイツ59.2%と、日本との差が大きい。米国は2023年度46.3%から、ドイツは34.6%から、中国は56.3%から伸びており、各国とも急拡大している（同白書）。
• 企業のAI利用率は2024年度で49.7%（前年度42.7%）と上昇しているが、主要国（米・英・独）と比べると伸びが遅れていると指摘されている（同白書）。
• 制度面では、経済産業省・総務省が「AI事業者ガイドライン（第1.0版）」を2024年4月に公表し、開発者・提供者・利用者向けの統一指針を示した。その後改訂され、2025年3月に第1.1版が公表されている（経産省・総務省 2024〜2025年）。
• AI法（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）は2025年6月4日に公布・一部施行、9月1日に全面施行され、首相を本部長とするAI戦略本部の設置などを定めた。基本方針はイノベーション促進とリスク対応の両立を掲げる（内閣府 2025年）。
• 国際面では、2023年のG7広島サミットを契機とする「広島AIプロセス」で、同年12月に「広島AIプロセス包括的政策枠組み」（指針・行動規範）が策定され、G7首脳に承認された（総務省 2023年）。

なぜ先送りされてきたか

• 技術の進展が速く、規制が固定化すると陳腐化・萎縮を招くため、日本はハードロー（強い規制）よりガイドライン中心のソフトロー型アプローチを取り、踏み込んだ制度化を慎重に進めてきた。AI法も罰則を伴う規制ではなく理念・方向性を示す枠組みにとどまる（内閣府 2025年）。
• リスク（誤情報・著作権・プライバシー・差別）と便益（生産性・人手不足対応）のトレードオフが分野ごとに異なり、一律のルール設計が難しい。
• 中小企業や行政現場では、人材・予算・知見の不足から、方針策定や実装が後回しになりやすい。

よくある誤解

• 誤解: 「AI法ができたので、日本でも罰則付きの強い規制が始まった」 → 事実: AI法は罰則を伴う規制ではなく、理念・方向性を示す枠組みで、首相を本部長とするAI戦略本部の設置などを定めたもの。基本方針はイノベーション促進とリスク対応の両立を掲げる（内閣府 2025年）。
• 誤解: 「ガイドラインができれば現場のリスク管理は自動的に進む」 → 事実: ルールはあっても現場で運用されなければ形骸化する。中小・自治体では人材・予算・知見の不足から方針策定や実装が後回しになりやすく、雛形・支援の横展開が課題になっている。
• 誤解: 「日本でもAIはもう広く使われている」 → 事実: 個人の利用率は2024年度で26.7%にとどまり、中国81.2%・米国68.8%・ドイツ59.2%と大きな差がある（総務省 2025年）。

原因構造

• 利活用とリスク管理の二重課題: 普及を急ぐと統制が追いつかず、統制を急ぐと萎縮する。両立には組織的なガバナンス能力が要る。
• 人材と組織能力のボトルネック: AIを使いこなし、リスクを評価できる人材が不足。とくに中小企業・自治体で顕著。
• 国際ルールとの整合: EUのAI規則など海外の規制との整合や、広島AIプロセスでの国際協調を進めつつ、国内の実装速度を確保する難しさ。

誰が、どう困るか（影響）

• 企業（とくに中小）: 活用方針が定まらず、生産性向上の機会を逃す一方、無統制な利用で情報漏えい・著作権・誤情報のリスクを抱える。
• 個人・労働者: スキル格差・世代間格差が広がり、利活用に乗り遅れる層と、リスク（プライバシー・なりすまし）にさらされる層が生じる。20代44.7%に対し他世代が低い現状（総務省 2025年）は、職場・地域での格差を示唆する。
• 行政・自治体: ガバナンス体制や人材が不足し、住民サービスへの安全な実装が進みにくい。
• クリエイター・権利者: 学習データや生成物をめぐる著作権・肖像の扱いに不安。

放置するとどうなるか（時間軸）

• 今すぐ〜数年: 国際的な利活用格差（個人で中国81.2%・米国68.8%対日本26.7%）が固定化し、生産性・国際競争力の差が拡大。無統制な利用による情報漏えい・誤情報トラブルが散発。
• 5年程度: AIを前提とした業務・産業構造への移行に乗り遅れ、人手不足下での生産性改善の機会を逸する。ルールはあるが運用されない「形骸化」のリスク。
• 長期: 信頼できるAI基盤・人材を欠いたまま、海外プラットフォームへの依存が深まり、データ・ルール形成での発言力が低下する。

解決の方向性

• 利活用の促進とガバナンスを「同時に」進める。ガイドライン（2024年）とAI法（2025年）の枠組みを、現場で運用できる体制に落とし込む。
• リスクベースのアプローチで、用途ごとにリスクの大きさに応じた統制を行い、低リスク用途は積極活用を後押しする（ソフトバンクの禁止・高・中・低の4段階分類などが先行例）。
• 人材育成（使う側・統制する側の双方）と中小企業・自治体への支援を重点化する。総務省の「自治体AI活用ガイドブック」や生成AI利用ガイドラインのひな形（2025年）など、横展開できる雛形を活用する。
• 広島AIプロセスなど国際協調を通じ、相互運用可能なルール形成に関与する。

政策選択肢の比較

選択肢	効果	コスト	実現難度	主な副作用	前提・備考
既存ガイドラインの現場運用（社内・庁内体制の整備）	中〜高	中	高	低	AI事業者ガイドラインに沿った責任者・利用方針・リスク評価の整備。新規制不要で形骸化を防ぐ中心策。
リスクベースの用途分類（低リスクは後押し・高リスクに統制集中）	中〜高	低〜中	中	低	ソフトバンクの禁止・高・中・低の4段階分類が先行例。萎縮と無統制の双方を回避。
中小・自治体への雛形・ガイドブック提供と人材育成支援	中	中	中	低	総務省の自治体ガイドブック・生成AI利用ガイドラインのひな形（2025年）の横展開。財源が制約。
罰則付きの強い規制（ハードロー化）	不確実	高	低	高	利活用（個人26.7%）の萎縮・国際競争力低下のおそれ。AI法は罰則を伴わない枠組みにとどまる（内閣府 2025年）。
国際協調による相互運用可能なルール形成	中（長期）	中	中	低	広島AIプロセスでの指針・行動規範づくり。ルール形成での発言力確保につながる。

主体別アクション

政府

• レバー: AI法・ガイドラインの運用、人材育成支援、中小・自治体への雛形・ガイドブック提供。
• 変えるもの: 統一的な指針の浸透と、利活用率・体制整備率の底上げ。
• 制約: 技術進展の速さ、規制と振興のバランス、財源。
• 成果指標: ガイドライン準拠率、生成AI利用率（個人26.7%・企業49.7%＝2024年度を基準）、AI関連人材数。

自治体

• レバー: 庁内の利用方針・リスク評価、住民サービスへの安全な実装、職員研修。総務省ガイドブック・ひな形（2025年）の活用。
• 変えるもの: 行政事務の生産性と、安全な利活用の標準化。
• 制約: 人材・予算不足、個人情報の取り扱い。
• 成果指標: 庁内利用方針の策定率、業務での実装件数、職員の継続利用意向（横須賀市では約8割）。

企業

• レバー: 社内ガバナンス（責任者・利用方針・リスク評価）、業務実装、社員教育。ソフトバンク型のリスク4段階分類・倫理委員会など。
• 変えるもの: 生産性向上と、情報漏えい・著作権リスクの低減。
• 制約: 中小では人材・知見の不足。
• 成果指標: 活用方針の策定率、業務利用率、インシデント件数。

NPO・地域

• レバー: 中小・市民向けのリテラシー支援、相談・伴走。
• 変えるもの: 取り残されがちな層の利活用と安全性。
• 制約: 資金・人材。
• 成果指標: 支援を受けた事業者・住民数。

個人・家庭

• レバー: AIリテラシー（使い方とリスクの理解）、家庭での安全な利用ルール。
• 変えるもの: 世代間格差の縮小、なりすまし・誤情報への耐性。
• 制約: 学習機会の偏り。
• 成果指標: 利用経験率、リスク認知度。

メディア・研究者

• レバー: 検証・解説、ガバナンスの効果測定、国際比較の発信。
• 変えるもの: 過度な楽観・悲観を避けた的確な議論の土台。
• 制約: 専門性、独立した検証の体制。
• 成果指標: 検証報道・研究の本数、政策への反映。

実行プラン（深掘り）

短期（〜2年）

打ち手	担い手	手段	里程標・指標
AI事業者ガイドラインに沿った社内・庁内ガバナンス体制（責任者・利用方針・リスク評価）を整備する	企業・自治体	AI事業者ガイドライン（第1.1版／2024〜2025年）に基づく責任者配置・利用方針・リスク評価	ガイドライン準拠の体制整備率、企業の活用方針策定率・自治体の庁内利用方針策定率
リスクベースの用途分類を導入し、低リスク用途は後押し・高リスク用途に統制を集中する	企業・自治体	ソフトバンク型の禁止・高・中・低の4段階分類など先行例の参照	AI起因の情報漏えい・誤情報・権利侵害インシデント件数
中小・自治体向けに雛形・ガイドブックを横展開し、体制整備の障壁を下げる	政府（総務省）	自治体AI活用・導入ガイドブック（導入手順編 第4版）と生成AI利用ガイドラインのひな形（2025年）	ひな形を採用・運用する自治体数

中期（3〜5年）

打ち手	担い手	手段	里程標・指標
使う側・統制する側双方のAI人材育成と業務実装を進める	政府・企業・自治体	社員・職員研修（ソフトバンクの年1回e-learning、横須賀市のスキル強化プログラム等）	生成AI利用率（2024年度 個人26.7%・企業49.7%が基準）、AI関連人材数
横須賀市・ソフトバンクなどの先行体制を、規模・分野を超えて標準化する	企業・自治体・政府	効果可視化（横須賀市の業務削減試算）に基づく投資判断と横展開	業務での実装件数、職員の継続利用意向（横須賀市で約8割）
世代・企業規模・地域による利活用格差の縮小を図る	政府・NPO・地域	中小・市民向けリテラシー支援、相談・伴走	世代別・企業規模別・地域別の利用率格差の縮小（基準: 20代44.7%と他世代の差）

長期（5年〜）

打ち手	担い手	手段	里程標・指標
広島AIプロセスを通じ、相互運用可能な国際ルール形成に主体的に関与する	政府	広島AIプロセス包括的政策枠組み（指針・行動規範、2023年）	ルール形成での発言力、海外規制との整合度
利活用とガバナンスを両立させ、信頼できるAI基盤・人材を国内に確立する	政府・企業・個人	AI法（2025年全面施行）・AI戦略本部によるイノベーション促進とリスク対応の両立	生成AI利用率、AIによる生産性・付加価値への寄与、形骸化していない体制運用率

政策争点

• ソフトロー型で利活用を優先すべきか、運用・統制を強めて形骸化を防ぐべきか。両者はどこで両立するか。
• 「規制の強弱」と「現場で運用されるか」のどちらが、より本質的な課題なのか。
• リスクベースの用途分類で、何を「高リスク」とし、誰がその線引きを担うべきか。
• 中小・自治体への支援に予算を投じる場合、費用対効果はどう可視化し、優先順位をどう決めるか。
• 国内の実装速度を優先すべきか、EUのAI規則など海外規制との整合を優先すべきか。

反対論・トレードオフ

• 最も強い反対論: 「日本はソフトロー型で良い。罰則付きの強い規制を入れれば、ただでさえ遅れている利活用（個人26.7%）がさらに萎縮し、国際競争力を損なう」。
  • 応答: AI法は罰則を伴う規制ではなく理念・方向性を示す枠組みで（内閣府 2025年）、本カードの主張も新たな強規制ではなく「既存ガイドラインの現場での運用」を中心に置く。問題は規制の強弱ではなく、ルールが現場で運用されず形骸化する点にある。低リスク用途は後押しし、高リスク用途に統制を集中するリスクベースの設計なら、萎縮と無統制の双方を避けられる。
• 財源: 人材育成・中小支援には予算が要る。費用対効果の見極めが必要。横須賀市の年間業務削減試算のように、効果を可視化して投資判断に結びつける。
• 公平性: 利活用格差（世代・企業規模・地域）が、便益とリスクの双方で不均等に配分される。
• 実現可能性: ルールを作っても現場で運用されなければ形骸化する。
• 副作用: 過度な規制は萎縮・国際競争力低下を招き、過度な緩和は誤情報・権利侵害を招く。
• 価値対立: イノベーション促進と安全・倫理、表現・利用の自由と権利保護のバランス。

失敗のシナリオ（プレモーテム）

対策を講じても、この課題で日本が失敗するとすれば、次のような経路があり得る（不作為とは別に、施策を打ってもなお生じ得る失敗）。

• 制度はできたが現場が動かない失敗: AI法（2025年全面施行）とAI事業者ガイドラインの枠組みは整っても、企業・自治体の社内/庁内体制（責任者・利用方針・リスク評価）が紙の上だけにとどまり、実運用が伴わずルールが形骸化する、という失敗があり得る（本文「実現可能性」「なぜ先送りされてきたか」が指摘する構造）。
• 一律施策で地域差・規模差を無視する失敗: 雛形・ガイドブックを横展開しても、人材・予算・知見が乏しい中小・自治体には浸透せず、20代44.7%と他世代、大企業と中小、都市と地方の格差が縮まらないまま固定化する、という失敗があり得る。
• 数値目標だけ達成し実質が伴わない失敗: 生成AI利用率（個人26.7%・企業49.7%が基準）の引き上げを急ぐあまり、リスク評価を欠いた無統制な利用が広がり、情報漏えい・著作権・誤情報のインシデントが増えて利用率の伸びが信頼を伴わない、という失敗があり得る。
• 財源を先送りする失敗: 人材育成・中小支援は費用対効果の可視化が難しく予算が後回しにされ、使う側・統制する側双方の人材が育たず、制度の運用能力が現場に根づかない、という失敗があり得る。
• 国際ルール形成から取り残される失敗: 国内の実装速度を優先するあまり広島AIプロセスや海外規制（EUのAI規則等）との整合への関与が薄れ、相互運用可能なルール形成での発言力を失い、海外プラットフォーム依存が深まる、という失敗があり得る。

KPI

• 結果指標: 個人・企業の生成AI利用率（総務省白書、2024年度 個人26.7%・企業49.7%を基準）、AIによる生産性・付加価値への寄与。【更新頻度: 年1回（情報通信白書）】
• 中間指標: AI事業者ガイドラインに準拠した社内体制（責任者・利用方針・リスク評価）の整備率、企業の活用方針策定率、自治体の庁内利用方針策定率。【更新頻度: 年1回】
• 副作用指標: AI起因の情報漏えい・誤情報・権利侵害インシデント件数。【更新頻度: 随時／年次集計】
• 公平性指標: 世代別・企業規模別・地域別の利用率格差の縮小（基準: 20代44.7%と他世代の差）。【更新頻度: 年1回】

未解決の問い

• ガイドライン準拠の社内・庁内体制の整備率は、全国でどの程度進んでいるのか（横断的な実態把握データの所在）。
• 自治体の生成AI利用ガイドラインのひな形（2025年）が、実際にどれだけの自治体で採用・運用されているか。
• AI起因のインシデント（情報漏えい・誤情報・権利侵害）の発生件数を、誰がどう継続的に集計・公表しているか。
• リスクベースの用途分類（禁止・高・中・低など）の運用実態と、その効果を測る指標。
• EUのAI規則など海外規制との整合が、国内事業者の実装速度にどう影響しているか。

すでにある良い事例

• 横須賀市のChatGPT全庁活用実証（横須賀市 2023年）: 自治体として全国で初めてChatGPTを全庁的に活用する実証を2023年4月に開始（LoGoチャット経由でAPI連携、機密・個人情報は取り扱わない運用）。同年6月の市長記者会見の結果報告では、最終アンケートで約8割の職員が「仕事の効率が上がる」「利用を継続したい」と回答した一方、利用用途に向かない「検索」用途が約3割見られるなどの課題も率直に公表し、AI戦略アドバイザー配置やスキル強化プログラムなど次の施策につなげた（出典: 横須賀市 2023年）。利活用と課題把握を両立させた行政の先行事例。
• ソフトバンクのAIガバナンス体制（ソフトバンク）: 「AIガバナンス推進室」を設け、社外有識者が参画するAI倫理委員会、CIO・CDO・CISO・CCOが参画するステアリングコミッティを置く。リスクを禁止・高・中・低の4段階で分類するリスクベースアプローチを採り、全社員向けの年1回のe-learningなどで教育を行うと公式に明示している（出典: ソフトバンク公式）。企業の社内ガバナンス体制の具体例。
• 総務省「自治体AI活用・導入ガイドブック」と生成AI利用ガイドラインのひな形（総務省 2025年）: 2025年12月に導入手順編の第4版を公表し、自治体が作成する生成AI利用ガイドラインのひな形を付録として追加。横展開できる雛形として、人材・知見が限られる自治体の体制整備を後押しする（出典: 総務省 2025年）。
• AI事業者ガイドライン（経済産業省・総務省 2024年）: 開発者・提供者・利用者という立場別に、AIガバナンスの統一的な指針を示し、その後も改訂を重ねている公的枠組み（2025年3月に第1.1版）。事業者が自主的にリスク対策を組み込む際の参照点として機能している（出典: 経産省・総務省 2024〜2025年）。

10年後の望ましい状態

• 利活用とガバナンスが両立し、企業・自治体・個人が安心してAIを使いこなしている。世代・企業規模・地域による格差が縮小している。
• AI事業者ガイドラインやAI法の枠組みが現場で実際に運用され、形骸化していない。横須賀市やソフトバンクのような具体的体制が、規模や分野を超えて広く標準化されている。
• 広島AIプロセスなど国際協調を通じ、日本が信頼できるAIのルール形成に主体的に関与している。