生活保護の調査が1日から20分に。では、AIは誰の仕事を減らしたのか？

2026年10月26日、生活保護業務へのAI導入について興味深い記事が掲載された。

従来なら丸1日かけて調べていた案件が、AIの支援によって20〜30分で処理できるようになったという。富山市のケースワーカーの声として紹介されたものだ。

すごいじゃないか。仮に1日を8時間とすれば480分。それが20分になったなら所要時間は24分の1である。これだけ聞けば、AI導入の成功事例として拍手喝采したくなる。

だが、僕はどうも引っかかる。それで、誰が楽になったのだろう。職員だろうか。上司だろうか。行政組織だろうか。それとも生活保護を必要としている人たちだろうか。

そもそも、20分になったのは何の時間なのか。報道をよく読むと、現在導入が進められているのは、生活保護に関する法令、通知、問答集、過去の運用事例などを横断的に検索するAIである。

従来は大量の資料を読み比べて調べていた作業が、短時間で済むようになったという話だ。

生活保護申請の審査全体が20分で終わるようになったわけではない。不正受給の調査が20分で完了するようになったわけでもない。まして全国の自治体で一律に24倍の生産性向上が実現したわけではない。

報道にある20〜30分という数字も個別の現場の声であり、全国的な平均値ではない。ここを混同してしまうと、最初から話が明後日の方向へ飛んでいく。

しかし、それ以上に気になるのは、短縮された時間の使い道である。AIによる効率化を語る人たちは、時間が短くなったという成果を嬉々として紹介する。

しかし、その時間が何に変換されたのかについては、途端に口数が少なくなる。実は、この問題はAIだけの話ではない。

僕は以前、「薬局は薬を早く出したわけじゃない。それなのに、僕は待ち時間が苦にならなくなった。」という記事を書いた。

薬局が薬を調剤する速度を上げたわけではない。それでも順番待ちの状況を可視化することで、利用者は自分の時間を自分で使えるようになった。処理時間は変わっていないのに、体験の質が変わったのである。

今回の生活保護AIは、その逆方向から同じ問題を突きつけてくる。処理時間は劇的に短くなった。だが、それによって利用者の体験や制度の成果は変わったのだろうか。

僕には、そこが一番面白い。

人間が1日かけていた仕事に本当に1日分の価値があったのか

まず、AIを過大評価する前に、人間の仕事を疑ってみたい。従来、1日かかっていた。その事実は、果たして人間が1日かけるべき高度な仕事だったことを意味するのだろうか。

紙の資料をめくり、該当する条文を探し、複数の通知を読み比べ、過去の事例に似たものがないか調べる。ようやく関連資料を見つけたところで、そこから本来の検討が始まる。

これらは確かに仕事である。だが、すべてが同じ価値を持つ仕事ではない。

資料に到達することと、資料を理解することは異なる。法令を見つけることと、個別事情に適用することも異なる。そして、一定の結論に到達することと、その結論に責任を持つことも異なる。ところが、これまではこれらが一つの作業時間として扱われてきた。

「丸1日かけて調査しました」という言葉だけでは、実際に何をしたのか分からない。

7時間55分を資料探しに使い、最後の5分で判断したのかもしれない。逆に、資料はすぐ見つかったものの、複雑な事情を検討するために大半の時間を費やしたのかもしれない。

両者はまったく違う仕事だ。前者なら検索の自動化は大きな意味を持つ。後者なら検索だけ速くしても、さほど変わらない。それなのに、僕たちは所要時間という一つの数字で生産性を語ろうとする。

この問題は、1990年代から議論されてきたBPR（Business Process Reengineering）の考え方にも通じる。

マイケル・ハマーとジェームズ・チャンピーが提唱したBPRの重要な論点は、既存の業務をそのまま高速化するのではなく、そもそもその業務が何のために存在するのかを問い直すことにある。無駄な仕事を高速化したところで、無駄が高速に処理されるようになるだけだ。

もっとも、だからといって資料検索を軽視するつもりはない。必要な情報に到達できなければ適切な判断もできない。経験豊富な職員ほど知識を蓄積しているという現実もある。

問題は、探索に必要な時間を専門性そのものと取り違えることだ。長時間かかっていた仕事は本当に高度だったのか。それとも情報を探す仕組みが未熟だっただけなのか。

この区別をしないまま「AIが人間の専門性を代替する」と騒ぐのは、いささか滑稽である。

AIが20分で答えを出すと、人間は20分で判断できるようになるのか

検索に1日かかっていた新人職員が、AIによって20分で必要な資料に到達できるようになったとする。素晴らしい。経験の浅い職員でも必要な情報を探せる。ベテラン職員への問い合わせも減るだろう。

自治体ごと、担当者ごとに生じていた情報探索の格差も縮まるかもしれない。

実際、和歌山県は生活保護業務向けAI「WAISE」の実証で、資料検索の効率化だけでなく、新任職員の経験不足を補うことや、支援対象世帯への訪問を充実させることを目的に掲げている。

だが、ここで一つ厄介な問題が生じる。調べられるようになった人間は、判断できる人間になったのだろうか。

僕はここを混同する組織が出てくると思っている。AIが必要な法令を提示し、関連する通知を表示し、過去の類似事例まで見せてくれる。画面にはもっともらしい回答案が並ぶ。

なるほど、これなら自分にもできそうだ。そう思った瞬間が危ない。

なぜなら、情報にアクセスできる能力と、その情報が目の前の事例に適用できるかを判断する能力は別物だからだ。

生活保護には一見似ていても事情の異なる事例がいくらでもある。病気、障害、家族関係、居住環境、就労能力、介護責任、地域の交通事情。一般的な規定だけでは割り切れない要素が重なっている。

この危うさは、単なる僕の想像ではない。

人間工学の研究者Raja ParasuramanとDietrich Manzeyは、2010年の論文「Complacency and Bias in Human Use of Automation」で、自動化システムへの過信が人間の注意や判断に与える影響を整理している。

いわゆる自動化バイアスだ。人は自動化されたシステムの出力を、不適切に信頼してしまうことがある。しかも厄介なのは、この問題が単なる知識不足や不注意では説明しきれないことだ。

信頼性の高いシステムであっても、運用の仕方によっては監視や検証が手薄になり得る。

むしろ検索に苦労しなくなったことで、検索過程で偶然出会っていた例外規定や、周辺知識に触れる機会まで減る可能性がある。もちろん、だから昔の苦労を復活させろと言いたいわけではない。

資料を探すために費やしていた時間が長ければ長いほど専門性が高まる、などという証拠はない。

重要なのは、情報探索の高速化を判断能力の向上と取り違えないことだ。AIが作業の敷居を下げたとき、組織は人間の能力を実際以上に高く見積もってしまうかもしれない。そして、その誤認は人員配置や教育方針にも入り込む。

「新人でもAIがあればできるでしょう」この一言で、本来必要だった教育や指導が削られるなら、AIは仕事を助けたのではなく、組織が自らの教育責任を省略するための口実になってしまう。

以前書いた「『使い方が悪い』と叱る前に、なぜ誰でもシステムを壊せるのか考えてみないか。」でも、僕は似た問題を扱った。

個人のリテラシーを責める前に、そうした行動を許容する仕組みや権限設計を疑うべきだという話だ。AIの回答を職員が無批判に受け入れたとして、その職員を叱るだけで問題は解決するのだろうか。

そもそも検証すべき情報と検証方法を明確にしないまま、正しい判断だけを期待する設計に無理があるのではないか。

消えた460分はどこへ行ったのか

ここからが本題だ。1日480分かかっていた作業が20分になったと仮定すれば、差し引き460分。かなり大きな時間である。では、その460分はどうなるのか。

一番分かりやすいのは、職員がその分だけ余裕を持てるようになることだ。相談者との面談を充実させられる。訪問件数を増やせる。複雑な案件をじっくり検討できる。職員自身の疲労も減らせる。

理想的である。

だが、業務基盤構築に携わってきた僕の経験では、効率化によって生まれた余力が、そのまま現場の余裕として残るとは限らない。

管理者はこう考えるかもしれない。これまで1日1件だった調査が、もっと処理できるのではないか。人員を補充しなくても対応できるのではないか。浮いた時間で別の仕事もできるのではないか。

これらの発想自体が間違っているわけではない。人手不足の現場なら、効率化によって処理能力を高めることには意味がある。問題は、何のために処理能力を高めるのかが抜け落ちることだ。

従来は資料の調査に時間がかかっていたため、担当者が抱えられる件数には物理的な限界があった。AIによって検索が高速化されれば、その制約の一部が取り払われる。

しかし、生活保護のケースワーカーが扱うのは、単なる事務処理案件ではない。一件の裏側には生活がある。ときには病気があり、家族の問題があり、失業があり、孤立がある。

検索を高速化できても、人間の生活が24倍の速度で理解できるわけではない。

ここを取り違えた組織では、何が起こるだろう。調べる時間が減ったので担当件数を増やす。担当件数が増えたので面談や訪問に使える時間が圧迫される。

その結果、またAIで面談記録を要約し、対応の効率化を図る。効率化しているはずなのに、なぜか現場は忙しい。

これは生活保護に限った話ではない。企業の営業、経理、人事、IT、コールセンターでも同じ構造が成立する。

業務を高速化すると、しばしば業務量そのものが増える。結果としてAIは人間の仕事を減らしたのではなく、人間が処理できる仕事の上限を引き上げたことになる。

この問題を考えるときに思い出すのが、キャンベルの法則とグッドハートの法則だ。社会科学者Donald T. Campbellは、数量的な指標が意思決定に強く使われるほど、指標そのものが操作や歪みの影響を受けやすくなることを論じた。

経済学者Charles Goodhartの議論も、指標が政策上の目標にされることで、本来測ろうとしていた現象との関係が崩れていく問題として広く知られている。

たとえば、行政組織がAI導入の成果を「一件あたりの処理時間」だけで評価したらどうなるだろう。

職員は短時間で処理できる案件を優先したくなるかもしれない。複雑な事例への対応が時間のかかる非効率な仕事として扱われるかもしれない。もちろん、実際にそうなると決まったわけではない。

しかし、指標と評価を強く結びつければ、人間の行動が指標に適応する可能性を無視できない。

ここで必要なのは、削減時間というKPIだけではない。削減された時間が何に再配分され、その結果として何が改善されたのかという、もう一段上の評価軸である。

しかし、余った時間を全部相談者に使えというのもおかしくないか

ここで僕自身の主張も疑っておこう。AIで浮いた時間は、すべて相談者への支援に使うべきだ。こう書けば聞こえはいい。人間中心のAI活用という美しい話になる。反対する人も少ないだろう。

しかし、本当にそれでよいのか。

たとえば従来100人の職員が必要だった作業を、AI導入によって80人で処理できるようになったとする。必要な支援の水準を維持できるなら、20人分の資源を別の行政サービスへ振り向けることも合理的ではないか。

税金を使っている以上、費用対効果を無視してよい理由はない。だから、効率化による人員削減を一律に悪とするつもりはないし、浮いた時間を全部相談者対応に充てればよいとも思わない。

それでは効率化の成果を、最初から特定の使い道に固定しているだけだからだ。

本来問うべきなのは、その業務が誰に対して、どのような価値を生み出すために存在しているのかということである。

行政サービスの価値を考えるなら、職員の負荷軽減も財政負担の適正化も住民の権利保護も無視できない。そのうえで、人員を減らすのか、支援を厚くするのか、待ち時間を短くするのかを判断すればよい。

ここを決めるのはAIではない。管理者や行政組織である。

つまり、AIによって生まれた460分の使い道には、その組織が何を大切にしているかが表れる。効率化とは単なる技術の成果ではない。組織の価値観を露出させる出来事なのだ。

本当に怖いのはAIが間違えることではない

生活保護業務へのAI導入では、不正受給の検知も大きな論点になる。

過去のデータから不正受給の可能性が高い人を予測し、疑わしいケースを優先的に調査する。こうした仕組みを想像する人もいるだろう。

しかし、今回の報道が紹介する国内の活用は主に法令検索や記録作成の支援であり、AIが不正受給を自動的に認定する仕組みが導入されたという話ではない。

この区別は重要だ。

そして僕は、不正検知に関する議論を「AIの判定は間違う可能性があるから危険だ」で終わらせたくない。

なぜなら、人間だって間違えるからだ。人間の担当者にも先入観はある。経験則に頼りすぎることもあれば、似た案件で異なる判断をすることもある。

人間が判断すれば安全で、AIが判断すれば危険という単純な話ではない。むしろ、AIが資料の見落としを減らしたり、判断のばらつきを可視化したりするなら、人間だけで処理するより良い結果になる可能性さえある。

では何が問題なのか。僕は、判断の過程が見えなくなることだと思う。

ある受給者に不正の疑いがあるとAIが示した。職員はその結果を参考に調査を開始し、必要な資料を確認して本人から事情を聞き、最終的に何らかの判断を下した。

一見すると、何も問題はない。しかし、職員が最初からAIの示した疑いを正しいと考えていたらどうだろう。その後の調査が、疑いを検証するためのものではなく、疑いを裏付ける証拠を探すためのものになってしまう可能性がある。

これは人間の確証バイアスの問題であり、AIが原因で初めて生まれた問題ではない。ただし、AIによって疑いの候補を大量に、しかももっともらしい形式で提示できるようになれば、問題の規模や発生頻度が変わり得る。

さらに厄介なのは、最終的な判断者が人間であれば責任問題は解決すると考えてしまうことだ。AIが選び、人間が確認し、管理者が決裁した。では、なぜその人が調査対象になったのか。

AIの提示結果が誤っていた場合、誰がその誤りを発見できるのか。AIの示した候補を職員が追認するだけなら、形式上は人間が判断していても、実質的な判断を支配しているのはシステムかもしれない。

この問題は、先日書いた「33万人の個人情報をAIに投入した社員。本当に問うべきは、その社員のリテラシーなのか？」にもつながる。

あの記事で僕が問題にしたのは、単に社員が間違ったという話ではなかった。間違った操作を可能にし、その影響を防げなかった組織や仕組みの設計である。

今回も同じだ。「人間が最終判断するから大丈夫」という言葉は、責任の所在を形式的に示しているだけかもしれない。重要なのは、その人間が何を検証し、どんな根拠に基づいて判断したのかを追跡できることだ。

説明責任は、最後に誰が決裁したかだけでは成立しない。その判断に至った経路を再現できて初めて、説明できるのである。

行政の仕事が速くなった。住民の仕事はどうなった？

もう一つ、忘れてはいけない視点がある。行政側から見れば、生活保護業務の効率化は素晴らしい成果だろう。

しかし、その効率化が申請者や受給者の負担を軽減したかどうかは別の問題である。

たとえば、必要書類の確認をAIが高速化したとする。職員は従来より早く不足書類を発見できるようになる。

では申請者はどうなるのか。追加資料の提出を何度も求められるかもしれない。従来なら見落とされていた形式上の不備まで、機械的に指摘されるかもしれない。

もちろん、これは必ず起こるという話ではない。早期に不備を発見できれば、申請者が何度も役所へ通う負担を減らせる可能性もある。だからこそ、どちらの結果になったかを検証しなければならない。

行政が10分短縮した一方で、住民が追加資料を揃えるために2時間費やしたなら、それを社会全体の効率化と呼んでよいのだろうか。

これは僕が業務システムを考えるときに、繰り返し気にしていることでもある。

ある部署の仕事を減らすために別の部署へ入力作業を押し付ける。管理者の確認工数を減らすために現場に余計なチェックシートを記入させる。システムの入力を簡単にするために後工程で人間がデータを修正する。

こうしたものを、僕は素直に効率化と呼ぶ気になれない。仕事が消えたのではなく、見えない場所へ移動しただけだからだ。

先に、「自販機のゴミ箱は、誰の仕事なのか？」という記事でも、僕は似た疑問を取り上げた。

商品は売られているのに、その後に生じる容器の処理は誰が担うのか。ある主体の都合だけで仕事を切り分けると、全体の負担は消えずに別の場所へ残される。

生活保護業務なら、その移動先は役所の別部署とは限らない。制度を利用しようとしている住民自身かもしれない。そして住民の負担は、行政内部の工数管理表には通常現れない。

僕が「誰かの我慢を、仕組みだと思っていないか？」で考えたことも、結局は同じ問題だった。

誰かが黙って引き受けている負担がある。その負担が表面化しないために、仕組みが成立しているように見える。そうした状態を効率化と呼んでしまえば、問題はいつまでたっても解消されない。

AIによって行政の処理時間が短縮された。結構なことだ。

だが、行政が短縮した時間と、社会から消えた負担は同じではない。ここを混同する限り、どれほど立派なDXの成果報告書を作っても、その数字が何を意味するのか分からない。

AIが仕事を減らしたのではない。仕事の正体を露わにしたのだ

ここまで考えてくると、僕には今回の報道が少し違って見える。当初は、1日かかっていた仕事が20分になったという、分かりやすい効率化の話だった。

しかし、そこから見えてきたのは、単なる作業時間の短縮ではない。

人間が専門性だと思っていた仕事の一部は、実は情報を探すだけの作業だったのかもしれない。一方で、その作業がなくなったからといって、判断に必要な能力まで不要になるわけではない。

組織は削減された時間を余力として使うこともできるし、処理件数の増加に使うこともできる。

行政内部の仕事が減っても住民の負担が減るとは限らない。そして、人間が最終判断をしているという形式だけでは、判断の正当性を保証できない。

つまりAIは、これまで一つの「仕事」という箱に押し込まれていたものを、強制的に分解してしまう。情報を探すこと、理解すること、判断すること、説明すること、結果に責任を持つこと。

これらは従来、同じ担当者が連続して行っていたため、あたかも一つの仕事のように見えていただけなのだ。AIの登場によって、その結び付きがほどけ始めている。

そう考えると、AI時代に必要な業務改革も見えてくる。仕事を作業単位に分解し、それぞれが何の価値を生んでいるかを確かめる。技術で代替できる作業を特定したうえで、削減した時間を何に使うかを設計し、最終的に得られた成果を検証する。

重要なのは、この順序を逆にしないことだ。AIを導入した。時間が減った。成功だ。こんな単純な話で済むなら、業務改革に苦労する人はいない。

そして、ここで僕はもう一度、自分の考えを疑ってみたい。

そもそも効率化の成果がまだ十分に測定されていない段階で、組織設計や説明責任の問題まで持ち込むのは、話を大きくしすぎではないか。資料検索が速くなったなら、それだけで十分に評価すればよいのではないか。

確かにそうだと思う。限定的な作業の改善には、それ自体の価値がある。僕も検索業務の短縮を否定するつもりはないし、最初から制度全体の改革を要求するつもりもない。

ただし、限定的な成果を限定的な成果として扱うことと、それを組織全体の成功であるかのように語ることは違う。

試行段階では処理時間を測ればよい。その後に導入を拡大するなら、判断品質や住民の負担、職員の業務配分まで測る必要がある。評価する範囲を、導入の影響範囲に合わせて広げていけばよいのである。

僕が知りたいのは、20分になった後のことだ

生活保護の調査が1日から20分になった。その数字は確かに魅力的だし、現場の苦労を減らす技術として大いに期待してよいと思う。

ただし、僕が知りたいのは、その先である。職員の担当件数はどう変わったのか。新人職員の判断の質は向上したのか。

ベテラン職員が経験を伝える機会は増えたのか、減ったのか。申請者や受給者が支援を受けるまでの時間は短くなったのか。

職員の心理的負担は軽くなったのか。誤った判断や不服申立てはどう変化したのか。そして何より、行政が生み出した時間はどこへ行ったのか。

これらが分からなければ、検索時間の短縮という技術的成果を確認できても、制度全体の改善を評価することはできない。

これは行政に限らない。企業が生成AIを導入した。議事録の作成時間が半分になった。問い合わせ対応の時間が短縮された。資料作成の効率が上がった。

素晴らしい。

では、その結果、組織は何を以前より上手にできるようになったのだろう。会議の質は上がったのか。意思決定が速くなったのか。顧客への回答は正確になったのか。従業員はより価値の高い仕事に時間を使えるようになったのか。

もし何も変わっていないなら、それは局所的な作業効率化にとどまっている。逆に、従来は対応できなかった人に手が届き、誤りが減り、必要な支援が早く届くようになったなら、それは本当の意味での改革だろう。

ここで、最初の問いに戻る。生活保護の調査が1日から20分になった。では、AIは誰の仕事を減らしたのか。

僕の答えは、まだ分からない、である。分かっているのは、特定の資料探索に必要な時間が大幅に短縮されたということだけだ。

それによって誰が利益を得て、誰の負担が軽くなり、何が改善されたのかは、別に確かめなければならない。そして僕は、ここにAI時代の業務改革の本質があると思っている。

AIが何をできるかを競う時代から、AIによって何を変えるのかを問う時代へ変わっている。日々AIに驚いている化石に用はない。

もっとも、これは新しい話でもない。仕事の目的を定義し、工程を分解し、責任を明らかにし、成果を測定する。業務基盤を構築するうえでは、以前から当たり前に必要だったことだ。

AIによって、その当たり前を怠けたままでは済まなくなっただけなのである。

そして最後に、もう一つ。

もし460分の作業時間が消えたにもかかわらず、管理者がその使い道を説明できないとしたら？本当にAIによって仕事を減らすべき相手は、現場の職員ではなく、その仕事を設計している側なのかもしれない。

問いを立てるだけで、仕事は変わらない。

AIで460分が浮いたとして、その時間を何に使うのか。誰が判断し、何を成果として測り、期待した結果が出なければ何を変えるのか。

ここまで考えて初めて、効率化は業務改革になる。

僕はこれまで、日常の小さな違和感から企業の業務設計まで、「当たり前」とされている仕組みを疑い、その構造を解きほぐす記事を書いてきた。ただ、問題を見つけて批判するだけなら、そこで思考は止まってしまう。

本当に面白いのは、その先だ。仮説を立て、反証し、検証できる形に落とし込み、実際に動く仕組みへ変えていくこと。正しそうな答えを集めるのではなく、答えにたどり着くための思考と設計を磨くことだ。

メンバーシップ「意思決定キュレーション研究所-思考編集室」では、こうした問いをさらに掘り下げ、業務改革や組織設計、AI活用を題材に、考え方を実際に使える形へと展開していく。

読むだけで納得する場所ではなく、自分でも疑い、考え、試せるようになるための場所。

この記事を読んで、少しでも「では、自分の仕事ではどうなのだろう」と思ったなら、その疑問を持ったまま、ぜひ思考編集室を覗いてみてほしい。

その違和感は、まだ思考の入口にすぎない。

参考資料・研究

• 三木ひとみ「生活保護業務に“AI”導入、調査が『1日→20分』に」（弁護士JP、2026年10月26日）

• 和歌山県「AIを活用した生活保護業務の効率化と質の向上に係る実証について」（2025年）

• Parasuraman, R. & Manzey, D. H. (2010). Complacency and Bias in Human Use of Automation — Human Factors

• Hammer, M. & Champy, J. (1993). Reengineering the Corporation: A Manifesto for Business Revolution. HarperBusiness.

• Campbell, D. T. (1976). Assessing the Impact of Planned Social Change. The Public Affairs Center, Dartmouth College.

• Goodhart, C. A. E. (1975). Problems of Monetary Management: The U.K. Experience. Reserve Bank of Australia Papers in Monetary Economics.