スマートシティは「可視化」をもたらした。自律型都市は「協調アクション」をもたらす。
スマートシティにおけるイノベーションの第1波は、なぜAIエージェントが重要なのかに焦点を当てたものだった。最初の記事で探ったように、AIエージェントによって、都市がいかにして受動的なサービスから能動的なサービスへと移行できるかを示した。今回の新たなフェーズは、その基盤の上に成り立っており、信頼できる人間の監視のもとで部門横断的なアクションを統制（オーケストレーション）することにより、AIエージェントが公共サービスの現場をいかに変革するかに焦点を移している。
スマートシティは「可視化」をもたらした。自律型都市は「協調アクション」をもたらす。
10年以上にわたり、都市はセンサー、ダッシュボード、アナリティクスに投資してきた。その投資は実を結び、リーダーたちは現在、渋滞の発生をリアルタイムで把握し、ネットワーク全体の水圧の変化を監視し、サービス要請が届くと同時に追跡することができる。問題は、状況を「把握する」ことと、それを「解決する」ことは、まったく別物だという点だ。
ほとんどの都市において、データが不足しているわけではない。不足しているのは「協調」である。何か問題が発生したとき、その対応はいまだに職員が別々のシステムから手動で情報を取得し、部門間で電話をかけ合い、プレッシャーの中で計画をつなぎ合わせることに依存している。こうした摩擦を解消するために、AIの次のフェーズは構築されている。
本記事では、AIエージェントが単にインサイトを提示する段階から、部門横断的なアクションを統制する段階へと移行したときに、何が変わるかを見ていく。3つの現実的な運用シナリオを紹介し、権限に応じた自律性の実用的なモデルを定義し、技術だけでなく運用モデルを準備するためのステップを概説する。目標は極めてシンプルだ。より迅速なサービス、住民からのより強い信頼、および人員を増やすことなくより多くの業務をこなせる職員の実現である。
オーケストレーションこそが真の変化である理由
行政におけるAIエージェントの価値は、単一のタスクを自動化することではない。人間の監視下で、多くのシステムにまたがる多数のタスクを同時に調整（コーディネート）することにある。
都市の組織構成について考えてみてほしい。ライフライン、交通、許認可、公安、広報、検査などはすべて、個別のシステムを持つ個別の部署として機能している。現実のほとんどの問題は、こうした垣根を越えて発生する。ひとたび事案が発生すれば、職員が統合レイヤーの役割を果たさざるを得ず、プラットフォームを共有していないチーム間で手動で情報を伝達することになる。
オーケストレーションはこのモデルを覆す。人が調整の負担を背負う代わりに、AIエージェントがシステムを接続し、推奨されるアクションを用意し、すべての部門が同じ全体像から作業できるようにする。人は判断と承認を担当し続け、テクノロジーが引き継ぎ処理を担当する。
この違いは、現場チームがすでに重視している次の3つの理由から重要である。
- スピード：1件ずつ電話をかけるのではなく、並行して調整が行われるため、対応時間が短縮される。
- 継続性：プレッシャー下で職員が見落としがちな依存関係をエージェントが察知するため、サービスの信頼性が維持される。
- 対応力：職員が情報伝達に費やす時間が減り、人間にしかできない意思決定により多くの時間を割けるようになる。
次の3つのシナリオは、これが実務においてどのように機能するかを示している。
シナリオ1：交通量の多い幹線道路での送水本管の破裂
朝のラッシュアワー時に主要な送水本管が破裂する。従来の体制では、センサーが圧力低下を検知し、アナリストがそれを確認し、一連の電話連絡を通じて対応が進められる。迂回措置は遅れ、住民が状況を知るのは、断水から数時間経った後になる。
統制された対応では、破裂が確認された瞬間、複数のAIエージェントが並行して作動する。
- あるエージェントはライフラインシステムと連携して破損箇所を隔離し、水流を迂回させ、承認用の遮断計画案を作成する。
- 別のエージェントは交通プラットフォームと連携し、影響を受ける道路周辺の信号調整や迂回路を提案する。
- 第3のエージェントは、多言語での住民向け通知を作成し、配信の準備を整える。
- 第4のエージェントは、予定の変更が必要となった周辺エリアの許認可、道路工事、予定されていた検査を特定する。
- 第5のエージェントは、スキル、現在地、対応可能性に基づいて最適な作業員を編成し、派遣命令書案を作成する。
人間のオペレーターは、プロセス全体を通じてレビュー、承認、調整を行う。変化するのはワークロードだ。1人のコーディネーターが6つのシステムを掛け持ちする代わりに、職員はすでに構築され、承認を待つばかりになっている統制された対応を監督する。復旧作業自体は、今でも人が行う。ただ、より迅速に行われ、何も知らされないまま放置される住民が減るだけだ。
ここでのポイント：統制により、何時間にも及ぶ手動の調整が、わずか数分間の人間のレビューに凝縮される。
シナリオ2：猛烈な嵐の発生という緊急事態
嵐は、ほぼすべての部門を一度に連携させる都市の能力を試す。土木、災害対策、ライフライン、交通、広報、社会福祉のすべてが、不完全な情報と高まる住民の不安の中で、一体となって動く必要がある。
ここで、AIエージェントは緊急事態全体における共有の運用レイヤーとして機能する。
- エージェントは予報を監視し、排水、電力、交通への影響予測をモデル化し、優先度の高い推奨事項を災害対策チームに提示する。
- 状況の変化に応じて、エージェントは資機材の配置提案を更新し、浸水リスクのある道路を特定し、避難所の開設準備チェックリストを作成する。
- 広報担当エージェントは、タイムリーで正確な住民向け警戒情報をドラフトし、チャネルや言語間で一貫性を保つ。
- アウトリーチ（情報伝達）エージェントは、厳格なアクセス制御の下で既存のサービス記録を活用し、個別の連絡が必要な社会的弱者を特定する。
すべての推奨事項には明確な根拠と監査証跡が伴うため、リーダーはエージェントがなぜその行動を提案したのかを確認できる。緊急管理責任者は、確固たる指揮権を維持する。重大な判断のみを承認し、災害対策本部を疲弊させがちな絶え間ない部門間の調整事務はエージェントが処理する。
ここでのポイント：急速に状況が変化する緊急事態において、エージェントは認知負荷を軽減し、職員が人命と財産を守るための意思決定に集中できるようにする。
シナリオ3：許認可および開発計画の審査
価値の高いすべてのシナリオが緊急事態とは限らない。許認可や開発計画の審査は、住民や企業が地方自治体と接する中で、最も目につき、不満を感じやすいプロセスのひとつだ。申請は手動の審査で滞り、部門間でたらい回しにされ、申請者は状況が分からないまま放置される。
統制された審査プロセスは、これとは異なる。
- 受付エージェントは、申請がキューに入る前に提出書類の不備をチェックし、不足している文書を特定する。
- 審査エージェントは、計画を関連する法規制の要件と照合し、人間の審査員が確認すべき懸念事項を洗い出す。
- 回送エージェントは、複雑さに応じて各申請を適切な部門に送付し、順次の引き継ぎではなく、並行して審査を実施する。
- 状況管理エージェントは申請者に自動的に進捗を通知し、問い合わせの電話やメールを削減する。
複雑な判断、特例、例外対応は、依然として資格を持つ職員に委ねられる。しかし、業務の停滞を招いていた定型業務が迅速化し、審査員は真に専門知識を必要とする意思決定に時間を割くことができる。1人も人員を増やすことなく、処理期間を数週間から数日へと短縮可能だ。
ここでのポイント：統制により、分断された複数部門にまたがるプロセスが、連携されたプロセスへと変わり、サービスの迅速化と申請者の信頼向上の双方が実現する。
権限に応じた自律性：人間による制御の維持
上記のシナリオはすべて、1つの原則に基づいている。それは、エージェントが明確に「許可された境界内」で行動することだ。公共部門のリーダーにとって、ここが信頼を獲得できるか、失うかの分かれ目となる。コントロールを伴わない自律性はリスクでしかない。適切なガードレールを備えた自律性こそが、真の資産となる。
これを構造化する実用的な方法として、本番運用を開始する前にガバナンスチームが定義できる「3層モデル」がある。
- 推奨と実行（低リスク）：住民への影響が極めて少ない、定型的かつ取り消し可能なアクション。標準的な進捗アップデートの送信、不備のある申請の特定、確認用通知のドラフト作成など。
- 推奨と人間の承認（中リスク）：実際の運用に影響を与えるアクション。交通の迂回、ライフライン区画の隔離、作業員の派遣など。エージェントが計画を作成し、人間がそれを承認する。
- 人間のみ（高リスク／重大な結果を伴う）：権利、安全性、給付資格、または多額の公金支出に影響を与える決定。エージェントはこれらの決定のために情報を提供することはできるが、決定を下すのは人間である。
これらの階層を公表することは、単にリスクを管理する以上の意味を持つ。職員や住民に対して、誰もが抱く「実際に誰が責任を負っているのか」という疑問に、明確で分かりやすい答えを提示できる。その答えは変わらない。人間である。
ここでのポイント：エージェントが実行できること、承認が必要なこと、人間にしかできないことを、導入後ではなく、導入前に定義すること。
信頼、ソブリン（主権）、および労働力
公共部門におけるAIプログラムの成功例には、共通する3つのテーマがある。そのいずれも欠かすことはできない。
機微データをローカルで管理する
行政システムは、司法記録、健康データ、給付情報、公共サービスの使用状況など、世の中で最も機微な情報の一部を保持している。多くのリーダーが、それらのデータをパブリッククラウド環境に送信することに対して極めて慎重であるのは当然のことだ。
オンプレミスやソブリンAI（主権AI）のアーキテクチャを採用すれば、高性能なモデルをローカルで実行し、機微データを管轄区域内かつ自らの管理下に留めることができる。これは技術的な詳細事項ではなく、コンプライアンスと住民の信頼を得るための基本要件である。デル・テクノロジーズとNVIDIAは、Dell AI Factory with NVIDIAとNVIDIAのアクセラレーテッド・コンピューティングを通じてこれを支援し、データの管理権を放棄することなく強力なAI機能を提供する。
既存の資産を活用する
ゼロからやり直す必要はない。都市が過去10年間に投資してきたセンサー、接続性、データプラットフォームは、統制（オーケストレーション）のための基盤である。次のステップは、機能している既存システムを置き換えるのではなく、その上にインテリジェントな調整レイヤーを追加することだ。エッジからデータセンターにまたがるプラットフォームにより、データが生成された場所で処理して迅速に行動を起こせるようになり、デジタルツインにより、変更を実装する前にモデル化してテストできる。このアプローチは、予算と既存の投資の双方を尊重するものだ。
削減ではなく、職員にキャパシティを与える
統制の目的は、人員削減ではない。過密な業務を抱えるチームが、既存の人員でより多くの成果を上げられるように支援することだ。エージェントが調整作業を処理すれば、住宅検査官は事務処理にかける時間を減らし、現場での業務により多くの時間を割くことができる。交通エンジニアは、災害対策本部を立ち上げることなく広域イベントを管理できる。業務はより集中的、戦略的、そして率直に言って、よりやりがいのあるものになる。
ここでのポイント：信頼、ローカルデータ管理、そして労働力の強化は、後から追加する機能ではない。最初からの設計原則である。
運用モデルを準備する方法
テクノロジーが障壁になることはめったにない。より困難なのは、組織が連携して動けるように運用方法を整えることだ。基盤を築くための4つのステップを以下に示す。
- 部門横断的なワークフローをマッピングする：災害対応、許認可審査、事案管理など、すでに組織の境界を越えて行われているプロセスから始める。これらは、現在調整に最も苦労している部分であり、統制（オーケストレーション）が最も価値を発揮する領域である。
- 人間による承認の基準値を定義する：上記の3層モデルを使用し、どの行動をエージェントが実行でき、どれに承認が必要で、どれを人間専用にするかを決定する。これは、関係する部門と共同で進める。
- 導入前にガバナンスを構築する：AI利用ポリシー、監視体制、透明性の確保に向けた取り組みを早期に確立する。基盤に組み込まれたガバナンスは、後から追加されたものよりもはるかに強固であり、住民や選出された議員への説明も容易になる。
- 既存の投資を活かす：現在保有している資産を評価し、連携した運用へと至る最も効率的な経路を特定する。目標は、新たなサイロを作ることではなく、許認可、交通、ライフライン、広報、公安にまたがる接続された運用レイヤーを構築することだ。
ここでのポイント：まず運用モデルを準備すること。ワークフロー、承認基準、ガバナンスが明確になっていれば、テクノロジーの導入はよりスムーズに進む。
ここからの進むべき道
スマートシティから自律型都市への移行は、意思決定をアルゴリズムに委ねることではない。摩擦を排除し、サービスを迅速化し、人間による確固たる制御を維持する連携された運用レイヤーを、職員に提供することである。
今後に向けて考慮すべきいくつかのポイントを以下に挙げる。
- 自動化ではなく「統制（オーケストレーション）」こそが、決定的な変化である。その価値は、複数の部門を一度に連携させることにある。
- 権限に応じた自律性により、エージェントが引き継ぎ処理を行う間も、人間の説明責任が維持される。
- ローカルでのデータ管理、既存投資の再利用、および労働力の強化により、信頼性が高く、かつ導入しやすいモデルが実現する。
- ツールを選ぶことよりも、運用モデルを準備することの方が重要である。
デル・テクノロジーズとNVIDIAは、エッジからデータセンターに至るまで、都市がこの取り組みに必要とする、安全で主権を備えたスケーラブルな基盤の構築を支援している。
私たちは、今年11月にバルセロナで開催されるSmart City Expo World Congressで、この対話を継続する。そこでは、デル・テクノロジーズとNVIDIAが、エージェント型AI、エッジ・インテリジェンス、およびデジタルツインが世界中の都市運用をどのように変革しているかを紹介する。公共サービスの未来に取り組んでいる都市のリーダー、技術者、またはイノベーターの方々と、ぜひつながりたい。
Smart City Expo World Congressの無料パスを申し込む
自律型都市は遠い未来のビジョンではない。その構成要素はすでにここに揃っている。もはや、都市がエージェント型AIを採用するかどうかではなく、どの都市がその先頭に立つのかが問われている。
