政府AI「源内」徹底解説：18万人が使う行政生成AIプラットフォームの全貌と今後

政府AIプラットフォーム「源内」とは何か

2026年、日本政府の行政DXに大きな転換点が訪れました。デジタル庁が主導する生成AI利用環境「ガバメントAI 源内（げんない）」が、全府省庁への本格展開を開始したのです。筆者はこの動きを単なる「お役所のシステム刷新」とは見ていません。日本のAI活用史における、非常に重要な実装事例だと考えています。

名前の由来は、江戸時代の発明家・平賀源内。エレキテルや寒暖計を作り上げた「日本版ダ・ヴィンチ」と呼ばれた人物です。「Gen AI（Generative AI）」との語呂合わせを兼ねながら、「職員一人ひとりの傍らに超優秀な発明家を置く」というコンセプトが込められています。この命名センスから、プロジェクトの本気度が伝わってきます。

開発背景と目的

源内が生まれた背景には、日本社会が直面する構造的な問題があります。少子高齢化による担い手不足が深刻化する中、行政機関が現在の公共サービスを維持していくためには、AIの活用は選択肢ではなく必須手段となっています。

また、政府はもう一つの狙いも持っています。「政府が率先してAIを活用することで、民間のAI投資を促進する」という波及効果です。政府職員がAIを日常業務で使いこなすことで、所管分野や業界全体のAI実装を牽引するという構想です。これは単なる業務効率化の話ではなく、日本のAI社会実装全体を加速させる起点としての位置づけです。

源内でできること

源内は「ただのチャットボット」ではありません。汎用的なAIチャット機能に加え、行政実務に特化した20種類以上のアプリ群が用意されています。

主要機能

法律条文の参照・解釈支援、行政文書のドラフト作成、RAG（検索拡張生成）による業務マニュアル検索、国会答弁作成支援AIなど、現場の職員が実際に必要とする業務を具体的に支援する設計になっています。

特筆すべきは、Google Cloud上に実装された「法制度AI」です。e-Govの法令データベースをリアルタイムで参照しながら回答を生成するため、一般的な生成AIとは異なり、根拠のある法的情報を提供できます。また官報・法令・白書など膨大な政府共通データセットをRAGの知識源として活用することで、行政特有の文体や用語にも対応しています。

プログラミング支援は主目的ではない

エンジニアとしては「コード生成もできるのか？」と気になるところですが、源内の主目的は行政業務の支援であり、コーディング支援に特化した機能は現時点では設けられていません。ただし、ベースとなるLLMは汎用的な生成AIであるため、チャット機能を通じて一般的な技術的質問を行うことは技術的には可能です。

技術アーキテクチャと国産LLM戦略

クラウド基盤と構成

源内はガバメントクラウド上で動作し、AWS・Azure・Google Cloudの主要3クラウドを使い分けるマルチクラウド構成を採っています。

• AWS：行政実務用RAGテンプレート（Amazon Bedrock活用）
• Azure：LLMセルフデプロイ用テンプレート
• Google Cloud：法制度AI（Vertex AI + e-Govデータ）

この分散構成は、特定ベンダーへのロックインを避けるという政府の方針を反映しています。

国産LLMへのこだわり

デジタル庁が特に力を入れているのが、国産LLMの活用です。2026年3月の公募では15件の応募から7モデルが選定されました。NTTグループの「tsuzumi 2」、ソフトバンクの「Sarashina2 mini」などが名を連ねています。

なぜ国産にこだわるのか。理由は二つあります。一つは言語品質の問題で、日本語の語彙・表現や行政文書特有の記述様式に適合したモデルが必要だということ。もう一つはセキュリティ・主権の問題で、機密性の高い政府情報を海外クラウドに送信することへの懸念です。国内インフラで完結し、日本のルールと監督下で運用できる国産LLMの存在は、技術的な優劣を超えた戦略的意味を持ちます。

オープンソース化という大胆な一手

2026年4月24日、デジタル庁は源内のソースコードをMITライセンスでGitHubに公開しました。商用利用も可能という、行政としては異例の踏み込んだオープン化です。

公開されたのは「源内Web（genai-web）」と「行政実務用AIアプリ（genai-ai-api）」の2リポジトリ。18万人規模の運用に耐えるアーキテクチャが、誰でも複製・改変できる形で公開されました。地方自治体や民間企業が類似システムを構築する際の「参照実装」として機能させる狙いです。

現状の成果と残された課題

実績データ

2025年度のデジタル庁内での試験運用では、職員約1,200人中950人（約8割）が利用し、総利用回数は65,000回、1人あたり平均70回という高い活用頻度を記録しています。業務効率化への効果を実感した職員も8割に上るとされています。

課題：利用格差と二極化

しかし楽観視はできません。現場では、積極的に活用する職員とほとんど利用しない職員への「二極化」が確認されています。これはAIツールの導入あるあるでもありますが、行政という組織特性上、この格差を放置すると業務品質にムラが生じるリスクがあります。リテラシー向上のための研修や、組織的な導入支援の仕組みづくりが急務です。

課題：ハルシネーションとガバナンス

生成AIの宿命とも言えるハルシネーション（誤情報の生成）問題も引き続き課題です。特に法的・行政的判断においてAIの誤った出力がそのまま採用されるリスクは深刻です。現在は「AIはあくまで補助ツール、最終確認は人間が行う」という運用方針が取られていますが、AIへの依存度が高まるにつれて、この原則がどこまで守られるかが問われます。

責任の所在についても議論が続いています。AIの出力をもとにした行政判断に誤りがあった場合、誰が責任を負うのか。この問いに明確に答える制度的枠組みはまだ整備途上です。

今後のロードマップと民間への影響

2027年度に向けたスケジュール

2026年5月から2027年3月にかけて全府省庁18万人への大規模実証が実施されます。2026年8月頃からは選定された国産LLM7モデルの試用が始まり、2027年度には優れたモデルの政府調達（有償契約）が検討されています。

地方自治体・民間企業への波及

この動きは中央省庁にとどまりません。政府の大規模実証が成功すれば、「政府が使っているなら自治体も導入しよう」という流れが加速します。自治体向けAIソリューション市場の拡大は必至で、行政のAI導入を支援するエンジニアやコンサルタントの需要増加も見込まれます。

また、オープンソース化されたコードは、中小企業やスタートアップが低コストで高品質なRAGシステムを構築する際のベースとしても活用できます。「政府水準のアーキテクチャをAWSアカウントがあれば数十分で構築できる」という状況は、日本のAIエコシステム全体の底上げに貢献するでしょう。

エンジニアとして注目すべき点

技術的な観点から見ると、源内のアーキテクチャは非常に参考になります。大規模組織でのRAG実装、マルチクラウド運用、セキュリティを担保しながらの機密情報処理など、エンタープライズAI実装の課題に正面から取り組んでいます。GitHubで公開されたコードを読み込んでおくことは、今後の業務にも直結するはずです。

まとめ

源内は「お役所がChatGPTを使い始めた」という話ではありません。日本語・行政業務に特化したLLMの育成、マルチクラウドによる主権確保、オープンソース化による民間との共創、そして18万人規模の実証実験。これだけの規模と戦略性を持ったAI実装プロジェクトは、民間を含めても国内では類を見ません。

課題は多く、ガバナンスや利用格差といった問題は一朝一夕には解決しません。しかしそれでも、政府自らがAIの実装と失敗と改善を繰り返すことで積み上げるノウハウは、日本全体のAI社会実装を数年単位で加速させる力を持っています。

エンジニアとして、この動きを「自分には関係ない行政の話」と見過ごすのは、あまりにもったいないと感じます。ソースコードを読む、アーキテクチャを学ぶ、あるいは自治体向けシステムへの展開機会を探る。源内というプロジェクトは、今まさに関わり方を考えるべき、現役エンジニアにとってのホットトピックです。