EBPM ×AIで行政にデータを活かし政策サイクルを変える【第48回】

AI技術を適用しEBPMを大規模かつ高速で回し続ける

　これら3つの壁は、いずれも技術の問題ではなく、制度・組織・インセンティブの問題だ。だからこそテクノロジー単体では解決しない。逆に、この後に説明するAI（人工知能）技術の活用も、制度改革と一体になって初めて意味を持つものになるだろう。技術は壁を崩す原動力であっても万能薬ではない。ここに、いま世界で起きている変化の核心がある。

　もう1つ、EBPMそのものへの問い直しもある。「計画・実行・評価のPDCAサイクルを回すことが目的化し、報告書や議事録を量産するだけで政策も社会も良くならない」という批判だ。

　ここで問われているのは順序である。手順どおりサイクルを回すことが先ではないし、データを集めること自体が目的ではない。目的と往復させながらデータを掘り下げ、「何が起きているか」「何をすべきか」という示唆を引き出す。その読み解きの深さこそがEBPMの本質だ。

　問題は、それが長らく“理想論”にとどまってきたことだ。データを深く掘り下げるには、専門家チームが数カ月を要するなど膨大なコストと時間がかかった。しかし、そうした分析も、クラウドや生成AI技術の普及で格段に“速く、安く”なってきた。EBPMの本質を「データの掘り下げ」に引き戻す条件が、ようやく整いつつある。

　ただし、EBPMにAI技術を適用する「EBPM × AI」とは、単にAIを政策評価に使うことではない。膨大なデータを深く掘り下げて政策の示唆を引き出し、実施・評価・再設計へつなげていく営みにAI技術を適用することで、EBPMを大規模かつ高速で回し続ける仕組みを実現する。

　従来のEBPMは“線形”だった。年に1度、決まった様式で報告書を作り、うまくいけば翌年度に反映させる。このサイクルをEBPM × AIにより“速度と規模”を変える。省庁横断のデータを横串で分析し、統計的因果推論を大規模に自動化することで、反実仮想を継続的に推定し、次の政策オプションをリアルタイムで示す。

　国内にも、データで効果を検証する営みの萌芽はある。経済産業省は、ものづくり補助金や小規模事業者持続化補助金の効果を検証してきた。ものづくり補助金では「採択それ自体に明確な効果は確認できなかった」とされるものの、「効果が出なかった」という不都合な結果をも公表する姿勢こそ、日本の政策検証では前進だ。

　小規模事業者持続化補助金では「補助金の受給そのものより、申請時の経営計画づくりや商工会・商工会議所の助言が効いていた」という研究がある。効果の薄い部分と本当に効いている部分をデータで選り分けられることに意味がある。ただこれは、まだ統計分析による個別の検証だ。こうした検証をAI技術を使って、分野をまたぐ政策群全体の規模へと押し広げていく。

　ただし、EBPM × AIは「何が効く政策か」を示す仕組みであり「誰が、何を優先し、どう責任を取るか」を決める仕組みではない。意思決定の自動化ではなく、人間の価値判断の質を支えるエビデンスの回転を速める営みである。この定義を念頭に以後、議論を進めていく。

海外でもEBPMの実装への取り組みが続く

　日本がEBPMを“形”として整備する間に、海外では「評価の知見が次の政策設計に引き継がれる」仕組みを試す動きが出てきた。それらは、実証で終わったのか、あるいは実装・定着に至ったのだろうか。

　最も「PoCの罠」に近い海外事例の1つが、EU（欧州連合）が資金を提供する「IntelComp（インテルコンプ）」だ。科学技術イノベーション政策のアジェンダ設定から評価までを1つのAIプラットフォームで支える構想で、多言語の自然言語処理により膨大な政策・研究データを解析した。

　だが2023年末、研究とイノベーションのためのEUの主要プログラム「Horizon Europe2020」の枠組みにおいて、IntelCompは「完了」とされた。その後の継続運用主体は公開情報からは確認できず、定着したのかどうかが見えない。日本の自治体で繰り返されてきた光景とよく似ている。

　これに対し先進的な事例では、「評価 → 設計」のループが2つの層で制度化しつつある。

　1つは、評価の土台となるデータの常設インフラ化だ。OECD（Organisation for Economic Co-operation and Development：経済協力開発機構）の「CAPMF（Climate Actions and Policies Measurement Framework：気候変動対策行動・政策測定フレームワーク）」は、50カ国の1990年以降の気候政策を構造化・調和化し、継続更新する公開データベースとして整備する。単発で終わらせず、各国比較と時系列追跡を支える基盤を育てる。

　もう1つは、同データベースを使って大規模評価をAI技術で担う研究である。英オックスフォード大学やポツダム気候影響研究所などのチームが、41カ国・約1500件の気候政策（1998〜2022年）を、機械学習を組み込んだ差分の差分法で一括評価した。人間なら数十年分の作業をAI技術によりスケールさせた好例だが、明確な効果が確認できたのは63件にとどまった。

　ただし、評価の精緻化そのものが目的ではない。どれだけ正確に「効く政策」を見極めても、そのエビデンスが次の選択と実行に結びつかなければ意味がない。エビデンスが揃うことと政策が動くことは別問題だ。EBPM × AIの真価は、評価の精度よりも、その先の実装をどう変えるかにある。