『塩鉄論』から考える地域社会DX

デジタル社会の実現、自治体システムの標準化、ナレッジ共有による業務効率化。これらは、人口減少と人手不足に直面する自治体にとって避けて通れない課題です。

一方、現場では「システムが地域の業務に合わない」「入力のための入力が増えた」「長年の経験がデータ化されず、結局は紙や口伝へ戻った」「高齢者やデジタルに不慣れな住民への支援が増えた」といった問題も起こります。

中央で統一すれば、効率、連携、安全性を高められます。しかし、地域ごとの事情を削りすぎれば、現場の知恵や住民との関係を壊しかねません。この構図は、紀元前81年の中国で行われた塩と鉄をめぐる政策論争と重なります。

武帝期の漢帝国は、戦争や国境防衛に必要な財源を確保するため、塩、鉄、酒などへの国家統制を強めました。政府側は、国家を維持し、豪商の独占を抑え、物資の供給を安定させるために必要な政策だと主張します。

これに対し、地方から集められた賢良・文学は、国家が民間と利益を争い、農民や地域を疲弊させていると批判しました。『塩鉄論』には、政府の正当化だけでも、政府批判だけでもなく、その両方が残されています。

この比較は、塩鉄専売とデジタル政策が同じだという意味ではありません。どちらも、社会を支える重要な資源について、中央で統制する利益と、現場の自律性を守る利益が衝突する点に共通性があります。

自治体のナレッジには、法令やマニュアルのように標準化しやすい形式知だけでなく、住民との関係、災害時の判断、地域団体との調整、過去の経緯、例外処理などの暗黙知があります。これらを単に一つのシステムへ投入すれば、ナレッジDXが完成するわけではありません。

デジタル庁は、自治体情報システムの標準化とガバメントクラウドについて、人的・財政的負担を軽減し、自治体が地域の実情に即した住民サービスへ注力できる環境を目指しています。一方、2025年の関係省庁会議では、移行後の運用経費が大幅に増えるという自治体側の懸念も議題になりました。

ここでも必要なのは、標準化か自治かという二者択一ではありません。国側の目的と、自治体側の費用、操作上の摩擦、現場が追加した回避作業を同じ記録の中に残し、実施後に検証できる状態です。

ただし、官製の鉄器が悪いから民間へ任せればよい、標準システムが使いにくいから標準化を止めればよい、という単純な話ではありません。民間の独占、地域間格差、セキュリティ、人材不足、災害時の継続性という問題もあります。

『塩鉄論』らしい読み方は、一方を正義、他方を悪と決めることではありません。中央のシステム構築力と、地域の経験知をどのように組み合わせるかを考えることです。

この考え方は、自治体事業や会議にも応用できます。システムが使いにくいという小さな不満、店舗の入力ミス、住民からの問い合わせの増加、担当者による非公式な回避作業、条件付きの反対意見は、事業運営上のヒヤリハットです。

その場で大きな事故にならなくても、後に利用者離れ、費用増加、職員の疲弊、誤給付、制度への不信へつながる可能性があります。成功報告だけを残し、こうした兆候を消してしまえば、未来の担当者もAIも同じ危険を繰り返します。

逐語録は、そのまま公開すればよいものではありません。個人情報、未確定情報、率直な意見を守るため、アクセス権限、保存期間、利用目的を決める必要があります。

実務では、逐語録から「論点」「賛成理由」「反対理由」「保留事項」「代替案」「前提条件」「再検討時期」を抽出し、元の発言へ戻れるように紐付ける設計が有効です。AIは要約や分類を補助できますが、意味の確認、公開範囲、最終判断は人が担います。

失敗だけを集めれば、組織は責任追及を恐れて記録しなくなります。成功だけを集めれば、失敗の兆候や、現場が見えない場所で行っている工夫が消えます。

必要なのは、失敗、成功、異論、前提、結果を一つの判断ナレッジとして結び付けることです。失敗を報告した人を責めず、報告によって改善が進んだことを評価する文化がなければ、どれほど高性能なナレッジシステムを導入しても情報は集まりません。

デジタル庁も、自治体窓口DXにおいて「誰一人取り残されない、人に優しいデジタル化」を掲げています。デジタル化は、対面支援をなくすことではなく、職員が本当に支援を必要とする人へ時間を使える状態をつくる手段です。

『塩鉄論』から導ける答えは、中央集権か地方自治かの一方を選ぶことではありません。共通基盤は強く、地域の知識は柔らかく保つことです。標準化できる部分と、標準化してはいけない文脈を区別する必要があります。

『塩鉄論』の政府側だけを学ばせれば、AIは財政、国防、供給の安定を重視するでしょう。賢良・文学側だけを学ばせれば、民生、農業、地域負担を重視するでしょう。両方が残されているからこそ、政策の対立を比較できます。

現代のAIも同じです。失敗を隠した資料、反対意見を削った議事録、成果だけを並べた事業報告を検索対象にすれば、AIはその限られた範囲で整合的な答えを作ります。記録に存在しない失敗を、自動的に「不足情報」として警告してくれるとは限りません。

それはAIが組織へ忖度したのではなく、組織が都合のよい過去しか渡さず、AIが知識の空白をもっともらしい文章で埋めてしまった結果かもしれません。AIの回答を改善する第一歩は、プロンプトの工夫より前に、保存するナレッジの偏りを点検することです。