알림 목록

分析地域：釜山広域市

核心地域：釜山市本庁・16区・郡・傘下公共機関

Agenda： AI・データが業務補助を超えて政策代案・予算・執行・成果判定を実際に変更したか検証

Golden Time Type: Administrative AI Expansion + Decision Evidence GAP

基準日： 2026.08.28

Version: Regional AX Golden Time Intelligence v3.2 強化基準
 

釜山市は2025年末、自治体初で小型言語モデルと検索拡張生成基盤の生成型AI行政サービスを開始し、2026年初めに部署に質疑応答・文書草案・行政資料検索など22種サービスを適用した。 AIの行政適用範囲は、個々の従業員の外部生成型AIの使用から内部行政資料とセキュリティ体系を組み合わせた組織単位サービスに移動した。しかし、サービス利用が政策代案比較、予算変更、事業中断、対象地域調整、執行方式変更につながった公開Decision Logは確認されない。 2026～2028年の3カ年の高度化が使用量と生成文書数中心に進めば、行政AXは業務速度の向上に固着する。釜山のAI行政は全部署の使用段階には達したが、意思決定変更段階には到達したと判定するEvidenceが不足している。

釜山Big-データウェーブには大型マート義務休業日平日転換後の売上変化、15分都市事業前後のカード売上、祭り訪問客・商圏売上、永道区駐車難など実際の政策質問が分析課題として登録された。データ活用は統計照会から政策施行前後のOutcome検証に移行している。しかし、分析結果がどの代案を排除し、どのような決定・予算・執行を変更したのか公開された後続記録は制限的だ。今後2～3年間分析要求と政策決定が別途システムに残れば、分析は増えても意思決定の影響は測定されない。 釜山のデータベースの行政は質問の生成と分析の実行は確認されますが、決定変更のトレーサビリティは未確認と判断されます。

2026年、人工知能行政推進計画は行政全般のAI拡散を提示し、データ分野の業務計画は是正課題解決のための分析拡大・職員教育・仮名情報活用を含んだ。行政デジタル化は、一部のパイロット事業で全分野拡散計画に移行した。一方、部門別データ品質、AI回答精度、ユーザーの検証行為、エラー発生、市民Outcomeを一つの成果体系につなげた公開Baselineは確認されない。 2026～2028年のサービスが急速に広がると、低品質の原料と検証されていない回答も業務手続きに繰り返し挿入される。 釜山行政AXの時間リスクは、AI導入速度がEvidenceの品質と責任体制の構築速度を上回るところにある。

常水管網シミュレーション、スマートオーシャンビレッジ、AI基盤監査行政など分野別意思決定支援事業も進行中だ。 AI適用は共通文書業務から上水道・海洋環境・監査・安全の専門判断まで拡張されている。しかし、予測警報が実際の点検優先順位、予算配分、規制・監査判断をどれだけ変え、結果が改善されたか公開比較資料は確認されない。 2～3年間の分野別システムが独立して高度化すれば、釜山市は多数のAIサービスを保有しても一つの行政学習体系を持たない。 現在、Golden TimeはAIサービスを増やす時期ではなく、AIが変えた決定とそのOutcomeを最初に接続する2～3年と判定される。

Golden Time Thesis - 釜山行政AXの判定単位はAIサービス数や生成文書数ではない。 AI・データが既存決定と異なる選択を作り、その選択が市民・企業・地域のOutcomeを改善したかまで残るDecision Runtimeが判定単位だ。

釜山市行政は本庁、事業所、16区・郡、工事・工団・出資・出演機関を通じて交通・福祉・安全・産業・環境・観光・都市計画を運営する。行政データは単一機関ではなく、多数の組織や委託機関で生成される分散構造だ。同一市民・企業・空間・事業を様々な部署が異なるIDと更新周期で管理する範囲は、公開資料で完全に確認されない。 2026～2028年の部署別AIサービスが分散データの上で拡大すると、同じ事案に異なる回答とリスク判定が発生する可能性がある。 釜山行政の規模リスクは、データ不足よりも同一行政対象の多重記録と判定される。

Big-Data Waveは、公共・民間データ、統計、分析コンサルティング、データ活用事例を提供する。釜山行政のデータ基盤は、定期統計でカード売上・通信流動人口・空間格子・アンケートを活用する政策分析に拡張された。しかし、登録された分析要求の総数、平均処理期間、政策反映率、再利用率を連結した公開運営指標は確認されない。 2〜3年間の要求量が増加すると、個々の分析の待機と重複が累積されますが、組織全体の分析容量は判定されません。 釜山データ行政は分析基盤を保有しているが、需要に対する処理容量は未測定状態だ。

釜山型生成型AI行政サービスは、質疑応答・資料検索・文書作成など22種の機能を全部署に提供する。生成型AI適用規模は、教育・試験使用から実際の業務環境の共通サービスに拡大された。しかし、部署別のアクティブユーザー、使用頻度、業務時間の削減、エラー修正時間、回答の採択・廃棄率は公開されていない。 2026～2028年の機能数だけ増えれば、実際の使用と業務改善が低いサービスも構築成果として残る。 釜山生成型ＡＩの規模は機能基準で確認されるが、実質使用規模は未確認と判定される。

常水管網・海洋環境・監査・安全分野では、センサー・モデル・AIを活用した意思決定支援が推進される。行政AIは汎用言語モデルと分野別予測・検出モデルが同時に運営される多層構造に移動した。しかし、共通モデルRegistry、データ系譜、精度、エラー事例、運営責任を都市全体で比較した公開資料は確認されない。 2〜3年間で専門モデルが増加すると、モデル別のリスクを統合管理するコストが急速に大きくなる。 釜山行政AIは多分野拡張段階だが、都市全体のModel Governanceは未確認状態だ。

生成型AI 22種サービス、Big-データウェーブ、分野別スマートプラットフォームは釜山が多数のAI・データ資産を保有したことを示す。行政デジタル資産は、単一統計ポータルで汎用AIと専門分析システムが共存する構造に成長した。しかし、プラットフォーム間の分析結果が同じ政策会議・決裁・予算・成果評価につながる共通のランタイムは確認されない。 2026～2028年のシステム数が増えると、情報検索が速くなっても組織間の判断の不一致は拡大することができる。 現在確認されているのはAI・データツールの集積であり、意思決定生態系の統合ではない。

15分都市事業前後のカード売上、大型マート義務休業日の変更後、伝統市場・小商工人の売上、祭り前後の流動人口・カード売上分析要請は、InputではなくOutcomeを求めている。行政質問は、事業施行の可否から政策が実際の地域経済を変えたかどうかに移った。しかし、分析結果が既存の政策を維持・修正・中断した事例と関連した公開記録は確認されない。 2〜3年間の分析が事後参考資料にしか残らない場合、Outcomeの質問の拡大はDecisionの変化につながりません。 釜山はOutcome分析需要を保有しているが、Outcomeベースの政策調整エコシステムは未確認と判断される。

２０２５年のＡＩ実戦型教育は市本庁・区・郡・傘下官を対象に戦略企画・技術実習を取り上げ、２０２６～２０２８年前に分野ＡＩサービスの拡大が予告された。人材養成は、単純なツール使用からサービス企画能力に拡張される仕組みだ。一方、2025年釜山市議会行政事務監査では、一部のAI教育課程の80％以上が基礎水準という指摘が提起された。今後2～3年間、サービス拡散速度が企画・検証能力よりも早ければ、職員はAI結果を使用するが、モデルの限界と誤りを判定することができない。 釜山のAI行政人材生態系は、ユーザー拡大と高度な検証能力の間にGAPが存在すると判断される。

スマートオーシャンビレッジは海洋環境モニタリングとAIベースの意思決定支援を、上水道分野はビッグデータ・AIベースの観網シミュレーションを推進する。分野別行政は事後の苦情・点検から事前検出・予測に移動している。しかし、予測と実際の事件の一致率、警報後の措置時間、事故減少を公開比較したEvidenceは制限的だ。 2026～2028年システムが運営されても予測精度と現場措置が接続されない場合、プラットフォームはモニタリング画面に固着する。 分野別AIは予測機能を確保したが、予測が実際の行政行動を変えたという生態系Evidenceは不足している。

生成型AIは、行政資料の探索と文書ドラフトを秒単位で処理しながら情報収集コストを下げる。管理のボトルネックはデータを捜す時間からどのEvidenceを信頼し、どの代わりを選ぶか決定する時間に移る。釜山のAIサービスは検索・ドラフト機能を提供するが、代替別効果・費用・リスクを比較する意思決定機能は公開資料で確認されない。 2026〜2028年の検索速度だけが速くなると、既存の政策論理をより速く再生産する構造が形成されることができる。行政ＡＸの構造変化は文書生成から判断検証に移行したが、釜山の現在の機能は前者に近いと判断される。

RAGベースの行政サービスは内部行政資料を検索し、回答の根拠を強化する。生成型AIが公開インターネット情報中心から釜山市保有資料中心に移動した仕組みだ。しかし、回答が参照した原文、資料基準日、相反文書、廃棄された指針、確信度と最終レビュー者を一緒に記録する公開Audit Trailは確認されない。 2～3年間、行政資料が蓄積されると、最新・過去・相反の根拠を誤って混合するリスクが大きくなる。 副産型生成型ＡＩの構造的ＧＡＰは、回答生成よりも根拠の妥当性判定で確認される。

民間カード・通信・空間データは行政統計よりも早く商圏・移動・生活圏変化を見せる。政策Evidenceは年間統計から日・時間・50m格子レベルのRuntimeに移動した。しかし、民間データの標本偏向、事業者変更、産食変更、費用、再現性を政策決定記録とともに管理した公開体系は確認されない。 2026～2028年の民間データ依存度が高まると、供給契約の変化が政策Baselineの断絶につながる可能性がある。 釜山データ行政は速度を確保したが、長期比較可能性と再現性は未確認と判定される。

AIベースの監査行政は、監査対象の選定とリスク検出の範囲を標本検査からデータベースの全数探索に拡張する。監査の構造は、事後摘発から異常兆候の早期発見に移る。しかし、モデルが選んだ監査対象、未選定対象、実際違反、誤検知と偏向を検証する公開資料はまだ蓄積初期だ。 2026～2028年のAI推薦が監査優先順位に反映されると、説明不可能な誤検度行政負担と評判リスクに転換される。 監査AXは、検出範囲の拡大と手続き的責任GAPが同時に存在すると判断される。

2026年、人工知能行政推進計画は、AIを行政全般に体系的に拡散する方向を提示した。個々の部門のパイロット導入は都市政府レベルのPortfolioに移った。しかし、事業別Baseline、目標Outcome、責任部署、モデルリスク等級、中断基準を共通形式で公開したAI Project Registryは確認されない。 2026～2028年前の分野の拡大が先に進めば、低成果事業と高リスク事業を同じ基準で区別することは難しい。 釜山のAI対応はPortfolio形成段階であり、Portfolio成果管理段階は未確認と判定される。

生成型AI行政サービスは2026年初めに前部署に適用され、今後3年間の高度化・拡大日程が提示された。 AI適用は制限ユーザー試験で全職員共通業務環境に広がった。しかし、使用前後の業務時間・苦情応答精度・修正率・リワーク・セキュリティ事故を比較する公開Baselineは確認されない。 2～3年間、使用量が基本業務手続きに編入されると、AIがなかった時期との効果比較が難しくなる。 現在の3カ年対応は拡大日程は明確だが、因果効果測定構造は未確認と判定される。

2026年のデータ業務計画は、是正課題解決のための分析拡大、職員教育、仮名情報の活用を含む。データ活用は公開統計から個人情報保護型結合分析に範囲を広げている。しかし、仮名結合分析の政策成果、再識別リスク、結合失敗、審議期間、実際の政策変更を共に公開した資料は確認されない。 2026～2028年の活用と保護が別途実績管理されれば、分析拡大と市民信頼の間のリスクを判定することは難しい。 釜山の仮名情報対応は活用基盤拡大段階であり、Outcome・信頼統合評価段階ではない。

実戦型AI教育とデータ教育は本庁・区・郡・公共機関まで対象を拡大した。力量政策は少数データ専門家養成から一般行政職のAI活用に移動した。しかし、教育前後の実際の分析の実施、政策計画の変化、エラー発見率、現業適用率は公開されない。 2～3年間、修了人数だけ累積すれば、教育拡散と意思決定の品質向上を区別できない。 教育対応は参加範囲で広がったが、業務Outcomeでは未検証と判定される。

釜山は自治体で初めてsLLM・RAGベースの生成型AI行政サービスを全部署に開始したと発表した。国内地方政府比較で共通AI業務環境の早期導入Evidenceは確認される。しかし、他の先導都市と同じ基準の活性使用率・時間節減・精度・政策変更率比較は公開されない。 2026～2028年の最初導入の名称が成果比較に代わると、技術先導と行政成果との差が隠れる。 釜山は導入時点で先導信号を見せるが、意思決定Outcomeでは比較不可状態と判定される。

国際公共部門のAI Governanceは、データ系譜、人間レビュー、説明可能性、影響評価、異議申し立て、モデルモニタリングを重点管理する。釜山の生成型AIサービスは、セキュリティシステムと内部資料の活用を前提に構築された。しかし、リスク等級別承認、市民影響評価、エラー公開、モデル変更履歴を都市政府レベルで公開したEvidenceは確認されない。 ２～３年間、市民対象・監査・安全分野ＡＩが拡大すると、運営便宜のより手続き的責任が比較競争力を左右する。 釜山の技術導入Readinessは高いが、公開Governance Readinessは未確認と判定される。

ソウル・京畿など大規模地方政府はデータ分析組織・公共データ・デジタルツイン・ＡＩサービスを多層的に運営する。釜山（プサン）もBig-データウェーブと分野別AIプラットフォームを備え、ツールギャップを減らしている。しかし、都市間の比較可能な分析→決定変更→Outcome指標は国内でも定例化されていない。 2026～2028年のプラットフォーム数と予算だけを比較すると、釜山の実際の行政生産性と住民効果は判定されない。 釜山の国内位置はツール保有では中上位信号、Decision Runtimeでは共通Data GAPと評価される。

釜山の15分都市・祭り・商圏・交通・海洋環境分析は地域問題を民間データと結合して扱っている。これは整形行政統計だけを活用する段階より進展した構造だ。一方、分析の再現性、コントロール、事前Baseline、事後Outcomeが共通基準で管理されたEvidenceは制限的である。 2～3年間の分析事例数が増えても、比較設計が異なると都市全体の学習で合算されない。 釜山の相対的強みは分析主題の現実性、弱点は分析結果の政策実験標準化と判定される。

22種生成型AIサービスと全部署適用を連結すれば機能と配布範囲は確認される。しかし、アクティブユーザー・クエリの数・採択率・修正率・時間節減・政策変更率が公開されず、利用成果は計算されない。サービス数×部門数は拡散規模を示しているが、行政成果を示さない。 2026～2028年の機能数が増加すると、分母のない成功指標がさらに大きくなることがある。 釜山生成型AIの現在の数字は構築規模であり、意思決定生産性はData GAPと判定される。

Big-Data Waveの分析要請には15分都市、大型マート義務休業、祭り、駐車場、流動人口、消費売上など実際の政策事項が含まれている。要求件数と回答完了表示は分析供給が作動することを示す。しかし、回答完了→決裁反映→事業修正→Outcome変化の後続の数字は公開されない。 2〜3年間で完了件数が累積されると、分析処理の成果と政策変更の成果が等しく認識されることがある。 分析完了率は行政サービス指標であり、政策効果指標ではないと判定される。

15分都市事業前後のカード売上分析は2023年と2024年、竣工前後の変化を比較するよう要請された。時間前後比較という構造は存在するが、対照地域・外部競技・物価・季節要因を分離したというEvidenceは要請情報だけでは確認されない。単純前後増減は政策効果と同時期外部変化を混合する。 2026～2028年に類似分析が繰り返されると、誤った因果判定が予算拡大または縮小で累積する可能性がある。 釜山データ分析の数値GAPは、変化測定と因果判定の間に存在する。

大型マート義務休業日の平日転換分析は、大型マート・伝統市場・小商工人の売上を共に比較する政策質問だ。単一業種の売上ではなく利害関係者間の効果分布を見ようとする構造変化が確認される。しかし、消費者の便益、労働者の勤務条件、オンライン消費移動、長期効果を組み合わせた公開Outcomeは確認されない。 2～3年間の短期カード売上だけで結論が固着すれば、政策の費用と便益が一部集団に限定される。 釜山のデータ基盤判断は多集団比較に拡張されたが、総社会Outcomeまで到達していないと判断される。

AI教育の参加者数とコース数は力量投入を示しているが、市議会監査で一部のコースの80％以上が基礎レベルであるという指摘が提起された。教育量増加と高級能力確保が同じではないというEvidenceだ。現業分析品質・モデル検証・政策変更と教育がつながっていない。 2026～2028年の基礎教育中心の拡散が続くと、AI利用者は増えても検証可能な意思決定者は不足した構造が残る。 教育数は拡散を示しているが、組織の判断力量は未判定の状態だ。

最初のGAPはDecision Logの欠如です。分析要請、AI回答、行政文書、決裁、予算、執行結果はそれぞれ存在する。しかし、どのEvidenceが既存の代替案を破棄して最終決定を変えたのか、同じポリシーIDで連結した公開記録は確認されない。 2026～2028年のAI利用が日常化すると、決定過程でAIの実際の影響はさらに追跡することが難しくなる。 釜山行政AXの最大GAPは分析能力ではなく、決定変更のトレーサビリティで判定される。

2番目のGAPはアウトカムベースラインの欠如です。生成型AI 22種サービスは提供機能を提示するが、導入前の業務時間・エラー率・苦情品質・政策処理期間の共通基準値は公開されなかった。導入後変化があっても比較する基準が弱い構造だ。 2～3年以内にAIが基本業務環境に固着すると、非使用対照群と導入前の比較が事実上不可能になる。 釜山生成型AIは、配布Readinessより効果検証Readinessが低いと判定される。

3番目のGAPはデータ系統と基準日管理の未確認です。 RAGは内部資料を活用するが、行政資料には改正前の指針・重複文書・相反統計が存在する。 AIの回答がどの資料と基準日を使用したかを公開的に追跡する仕組みは確認されない。 2026～2028年の文書量が増加すると、最新性エラーが正確な文章形態で繰り返されるリスクが大きくなる。 根拠基盤行政のGAPは、資料アクセスよりどの資料が有効であるかを判定する能力にある。

4番目のGAPは分析と予算の切断です。データ分析が政策効果を検証しても、翌年度予算の増額・減額・終了と連結した公開記録は制限的である。分析は参考資料、予算は別途審査資料で管理される構造だ。 2～3年間、低成果と事業も分析結果とは無関係に繰り返し編成されると、データ基盤行政の財政効果は消える。 釜山のDecision Readinessは、政策分析よりも予算再配分で未確認と判断される。

5番目のGAPはAIエラーの組織学習の欠如です。生成型AIと予測モデルは誤解・欠落・偏向・誤探を発生させることができる。釜山市のモデル別エラー事例、修正時間、再発率、バージョン変更を統合公開したRegistryは確認されない。 2026〜2028年のサービス数が増加すると、同じエラーが複数の部門の文書と決定に伝播する可能性があります。 釜山AI行政のリスクは、エラーの存在よりもエラーが組織記憶に残らない構造と判断される。

ビッグデータウェーブと生成型AI管理サービスは、それぞれ分析データと業務支援インフラストラクチャを提供します。釜山市はデータ照会・分析と文書・検索AIを同時に保有した状態だ。ただし、両方のインフラストラクチャが同じポリシー課題IDでリンクされている公開Evidenceは確認されていません。 2026～2028年に別途高度化が続くと、データ分析結果が生成型AIの回答に反映されないか、基準日が変わる可能性がある。 技術インフラは複数確保、政策単位相互運用は未確認と判定される。

本庁・区・郡・傘下官対象AI・データ教育が運営され、実戦型企画教育も実施された。教育対象は一部の情報化人材から一般政策担当者に拡大された。一方、高級応用・融合能力の不足は2025年の行政事務監査で指摘された。 2〜3年間、全部署AIが広がると、検証人1人が多数のユーザーのエラーを余儀なくされるボトルネックが発生する可能性がある。 人材インフラは利用者拡散段階、高度な検証人材は不足信号段階と判定される。

カード売上・通信流動・空間格子・行政統計・仮名情報活用基盤は政策現象を様々な角度から観測する。データインフラは整形公共データから民官結合に拡大された。しかし、標本偏向・産食変更・欠測・データ購入終了が分析結果に与える影響を共通管理した資料は確認されない。 2026～2028年の民間データ依存度が高まると、契約と産食の変化が政策性と時系列を断絶する。 データReadinessは範囲で拡大されたが、品質・連続性では未確認と判定される。

釜山市人工知能行政推進計画と個人情報・セキュリティ体系はAI活用の制度的基盤である。 AI導入が職員自律使用から公式行政体系に移動した。しかし、高リスク意思決定の人間最終判断、市民通知、異議提起、自動化禁止領域、モデル中断基準を統合公開した制度は確認されない。 2～3年間、苦情・福祉・監査・安全分野の適用が拡大すると、手続き的空白が市民権リスクに転換される。 制度Readinessは導入承認には達したが影響責任には到達していないと判断される。

生成型AI行政サービスは、行政資料検索と苦情応答草案を支援し、職員業務負担と対民応対時間を短縮する効果を目指す。内部業務技術が住民接点の応答品質に拡張される仕組みだ。しかし、苦情処理時間・再問合せ率・誤答率・市民満足度の導入前後の比較は公開されなかった。 2026～2028年の職員使用量が増えても住民が経験する速度と精度が改善されない場合、行政AXは内部効率に留まる。 住民の拡散は期待効果として提示されたが、実際のOutcomeは未確認と判定される。

大型マート義務休業・15分都市・祭り・商圏データ分析は小商工人と住民生活に直接関連する政策を対象とする。データ管理は内部報告書作成から地域経済Outcome分析に下がっている。しかし、分析結果が営業環境・施設配置・予算・行事設計を変えた後続のEvidenceは制限的だ。 2〜3年間の分析が完了に終結すると、地域企業はデータ提供対象として残り、政策変化の受益者につながらない。 企業・住民対象分析は拡散したが、決定変更の体感効果は未確認と判定される。

公共データとビッグデータウェーブは、中小・中堅企業と市民にデータアクセスポイントを提供する。データ活用範囲は行政内部から民間活用に拡大された。しかし、公開データが企業の製品・サービス・売上・雇用につながった成果とデータ品質問題を結んだ定例資料は確認されない。 2026～2028年のデータセット数だけ増加すれば、実際の活用価値が低い資料も開放成果として残る。 民間の拡散はアクセシビリティで確認されていますが、産業Outcomeでは未検証と判断されます。

AIベースの監査・安全・上水道・海洋環境システムは、事故・不正・漏水を早期に発見し、市民被害を減らす仕組みを目指す。住民Outcomeはシステム構築ではなく、事故減少・復旧時間・水質・安全性で現れる。当該システム導入前後の市民被害の変化と誤探費は公開Evidenceで制限的である。 ２～３年間、警報と画面数だけ増加すれば、住民効果は行政技術の構築実績に隠れる。 分野別AIの住民拡散は検出機能レベルで確認され、被害低減Outcomeは未確認と判定される。

釜山市本庁は共通生成型AIサービスとデータ専門部署を保有するが、旧・郡のデータ人材・予算・分析経験は同じではない。行政ＡＸは全部署・全区・軍拡散を標榜するが、実際の遂行能力は組織規模によって変わることがある。区・軍別活性使用率・分析要請・自己分析・政策反映率を比較した資料は確認されない。 2026～2028年の能力差が累積されると、同じ釜山市民も住所地によってデータ基盤政策の精度が変わることがある。 釜山内部行政AXは、サービスアクセスの均等性と活用能力の均等性が一致しないと判定される。

Big-Data Wave分析要求には、東区流動人口、永道区駐車場、釜山神宮生活圏商圏、広安里祭りなど地域別問題が含まれる。データ需要は釜山全域で発生するが、問題の種類とデータ確保難度は異なる。分析支援が要請型で運営される場合、申請能力と課題設計能力の高い組織がより多くの支援を確保することができる。 2〜3年間この構造が維持されると、データが不足している地域よりも分析要求をうまく作成できなかった地域が最初に除外される。 空間的格差は、データ保持よりも行政質問設計能力で発生する可能性が大きいと判断される。

50m格子流動人口とカード売上は同単位以下の生活変化を捉える。行政分析単位は旧・軍平均からミシ生活圏に移動している。しかし、すべての政策分野に同じ空間解像度と更新サイクルが適用されるというEvidenceは確認されない。 2026年から2028年に一部の地域のみが精密観測された場合、観測されていない地域は需要のない地域と誤判定される可能性があります。 釜山の空間Intelligenceは精密化されたが、全地域観測均等性は未確認と判定される。

原都心・西釜山・東釜山は人口・産業・交通・商圏構造が互いに異なる。同じAIモデルを都市全域に適用しても学習データの地域構成が異なると、予測誤差が地域別に異なる。モデル性能を旧・軍・年齢・所得・事業体規模別に比較した公開資料は確認されない。 2〜3年間の平均精度のみが管理されると、脆弱性地域の低い精度が全体の平均に覆われます。 釜山行政AIの空間リスクは、サービス配布より地域別エラー率の不可視性と判定される。

釜山型生成型ＡＩ行政サービスは２０２６年初め前部署に適用され、２０２６～２０２８年３年間高度化・拡大される。今後2～3年は初期機能・データ・使用行動が標準業務手続きで固定される期間である。導入前のBaselineとAIの影響Decision Logはまだ公開されていません。基本手続きが固着した後は、AIがない業務と比較しにくく、誤った使用慣行も組織規範として残る。 現在、Golden TimeはAI導入以前ではなく、最初の3カ年の運用基準が固まる前と判定される。

AI・データ分析は15分都市・商圏・祭り・交通・海洋・上水道・監査に急速に拡散している。適用分野は共通業務で市民権利と安全に影響を与える専門判断に移動した。リスク等級・エラー・異議提起・中断基準を統合管理した公開体系は確認されない。 2026～2028年の高リスク分野まで自動化が拡大すると、事後規定の補完はすでに累積された決定と苦情に適用されにくい。Governance Golden Timeは、高リスク適用が日常業務に固着する前と判定される。

民間カード・通信データと仮名情報の活用は政策現象を行政統計より速く見せる。釜山のデータ判断速度は年間統計で月・日・時間単位で早くなっている。しかし、民間データの産食・標本・契約変更と長期比較を管理する公開体系は制限的だ。 2〜3年間にわたって同じデータに依存する方針が蓄積されると、供給者の変更後の過去の判断の再現性は消えます。 データGolden Timeは、利用量の拡大よりもBaselineの連続性が切れる前と判定される。

職員教育は拡大されたが、2025年の行政事務監査で基礎過程の偏重が指摘された。 AIサービスの拡散速度と高級企画・検証人材の成長速度が異なるというEvidenceだ。高度な能力と実際のエラー発見を測定するデータは確認されていません。 2026～2028年前職員利用が日常化すれば、少数専門家がすべてのモデル・データ・答弁を検証することが難しくなる。 人材Golden Timeは、ユーザ数が検証者数を構造的に上回る前と判定される。

12-1. Golden Time 基礎地方自治体適用事例 ① — 釜山神宮

Big-データウェーブには当感・開金生活権を含む15分都市事業前後のカード売上変化分析が要請された。釜山鎮区生活圏政策の評価は施設竣工から周辺商圏の実際の売上Outcomeに移動した。しかし竣工前後の変化から物価・季節・景気・対照地域効果を分離した公開分析結果と後続の政策変更は確認されない。 2026～2028年、同方式の15分都市事業が拡大すると、初期因果判定の誤りが他の生活圏に複製される可能性がある。 釜山鎮区はデータベースのOutcome質問が発生した地域だが、政策効果確定段階には達していないと判断される。

当感・開金権は同単位より広く、旧単位より小さい実際の生活権を政策単位として使用する。空間判断は行政棟平均で住民移動・消費が結合された生活圏に移動した。しかし、流動人口・カード売上・施設アクセス・住民満足・商圏生存を一つの生活権ランタイムで連結した公開Evidenceは確認されない。 2～3年以内に代表生活権事業が完了すれば、Baselineなしで施設別成果だけが残ることができる。 釜山神宮のGolden Timeは、生活圏分析の存在より、生活圏分析が次の施設配置と予算を変えたか記録できる期間だ。

12-2. Golden Time 基礎自治体適用事例 ② — 永道区

永道区は新年相談苦情分析で駐停車苦情が最多と確認された後、駐車したデータ分析コンサルティングを申請した。住民民元テキストが繰り返し民元集計を超えて政策分析の質問に移動した事例だ。しかし、分析結果が駐車すれば、配置・取り締まり時間・公共交通・観光銅線のいずれの決定を変えたのか、公開後続記録は確認されない。 2026～2028年の観光・住居・高齢化に伴う駐車需要が変われば、過去の苦情分析は基準時点が異なる一回性資料となる。 永道区はデータが政策問題を発見した事例だが、データが解決案を変更した事例では未確認だ。

永道区の駐車問題は、住民・観光客・商人・交通弱者の時間帯別需要が同一空間で衝突する複合問題だ。苦情件数だけでは、どの集団の需要とどの時間帯のボトルネックか区別されない。苦情 - 駐車回転 - 不法駐車場 - 歩行安全 - 商権売上高を結ぶ公開ランタイムは確認されていません。 2〜3年間の苦情の中心の判断が維持されれば、報告が多い地域と実際のリスクが大きい地域が混在する。 永道区のGolden Timeは、苦情多発地域を探す段階を超えて、苦情の原因と政策代案の違いを判定できる期間と評価される。

2026年前部署AI適用初期の使用・エラー・修正・採択データが残らなければ、以後行政成果を比較するBaselineが消える。 AI業務支援は3年間拡大され、非使用業務が急速に減る仕組みだ。現在公開されている導入前後のOutcomeは限定的である。 2026～2028年が過ぎると、AIが業務を改善したのか単純業務量の増加を吸収したのかを区別することが難しくなる。 最初の喪失は、技術予算よりもAI導入初期の因果Evidenceと判定される。

分析結果と決裁・予算・執行が繋がらなければ、同じ問題に対する分析が部署・年度ごとに繰り返される。ビッグデータウェーブで多数の現実政策質問が確認されるが、再利用と決定変更履歴は公開されない。 ２～３年間、担当者の移動と組織改編が発生すると、分析の前提・限界・後続決定が組織記憶から分離される。  2番目の喪失は、個々の報告ではなく政策失敗を繰り返さない行政記憶と判断される。

AI回答と予測モデルのエラーがRegistryに蓄積されないと、同じデータ・プロンプト・モデルでエラーが繰り返される。サービスは全部門と専門分野に拡大しているが、都市全体のエラー学習体系は確認されていない。 2026～2028年多数のシステムが高度化すると、バージョンと責任主体が変わり、過去のエラーの再現が難しくなる。 第３の喪失は、精度数値よりも誤りを次の決定に反映する学習時間と判定される。

区・軍別データ人材と質問設計能力の差が累積すれば、分析支援は需要が大きい地域よりも申請能力が高い組織に集中することができる。現在、要求型分析システムと地域別の課題は確認されているが、未申請の需要は観測されていない。 2～3年間、この構造が固着すると、行政AX格差が地域サービス格差に転換される。  4番目の喪失は、技術均等性ではなく、住所と組織能力に左右されない政策判断の公平性と判断される。

釜山は、生成型AI全部門サービス、ビッグデータウェーブ、仮名情報活用、分野別AIプラットフォームと実践教育を既に保有している。行政ＡＸの構成要素が常駐した状態ではなく、異なる段階に分散した状態だ。ただし、ポリシーIDとDecision Logで接続されたEvidenceは確認されません。 2026～2028年のシステム構造が固着する前には、既存の資産を同じ政策性と基準で比較する時間余裕が残っている。 現在、Opportunityは、新規システムよりも分散された資産の意思決定接続性を確定する期間と判断されます。

15分都市・大型マート・祭り・駐車分析要請は、行政がすでに具体的な政策効果の質問を投げていることを示している。釜山のＧＡＰは質問不在より回答後の決定記録不在だ。分析結果と政策変更の公開チェーンは確認されない。 ２～３年間分析要求が増え続けると、後続決定の連結可否が行政生産性を分ける基準に変わる。 現在、Opportunityは分析量の拡大ではなく、現実の政策質問を繰り返し可能なDecision Evidenceとして残すことができる区間である。

RAGベースの生成型AIは釜山市の内部行政資料を活用する。これは、検索時間の短縮とともに組織の過去の政策根拠を再利用できる基盤である。しかし、資料有効性・相反根拠・決定結果を共に検索する仕組みは公開されていない。 2026～2028年の行政資料がさらに増える前に根拠とOutcomeがつながらなければ、AIは過去文書を迅速に探すが、過去決定の成功と失敗は区別できない。 現在、Opportunityは、行政文書を組織学習資料として確定できる初期運用期間と判定される。

釜山市議会行政事務監査はAI教育水準と事業実効性を公開的に質問している。行政府のAI拡散と議会の外部検証が同時に存在する仕組みだ。しかし、監査指摘 - 是正 - モデル - 教育変更 - 後続のOutcomeの連結資料は確認されない。 2〜3年間、議会検証が個別の質疑で残ると、AI Governanceは予算審査と事業報告に分散される。 現在、OpportunityはAI行政の内部運営と外部検証を同一Evidence Chainに連結できる期間と判定される。

Administrative AX Runtime

政策質問→Baseline→データ・AI分析→代替比較→決定変更→予算→執行→市民Outcome→GAP→監査・議会検証→是正→次の決定

Administrative AI Expansion + Decision Evidence GAP

釜山市のAI・データ行政は導入段階を超えて全部署拡散段階にある。

業務検索・文書作成・個別政策分析は確認される。

AI・データが既存の決定を何に変え、その結果がどのように変わったかは繋がらなかった。

現在のリスクは、AIを使用しない行政ではなく、AIを使用したが、より良い決定をしたかどうか判断できない行政である。

最終判定は、Administrative AI Expansion + Decision Evidence GAPです。

1. 生成型AI部門別のアクティブユーザー
2. 従業員1人あたりのAI使用頻度
3. 22種サービス別利用率
4. AI回答採用・修正・廃棄率
5. AI生成文書の平均修正率
6. 行政資料の検索時間を節約
7. 苦情ドラフト作成時間を節約
8. AI使用前後の苦情再問い合わせ率
9. AI回答エラー・欠落・偏向件数
10. エラー発見から修正までの時間
11. 同じエラー再発率
12. 分析要請受付・完了・待機期間
13. 分析結果の決済反映率
14. 分析後の政策代替変更率
15. 分析後の事業対象・地域変更率
16. 分析後の予算増額・減額・終了率
17. 政策別導入前 Baseline 公開率
18. 対照地域・対照群を用いた分析比率
19. 民間データの算式・標本変更履歴
20. モデル別精度・誤探知・未探索率
21. 区・軍別AI使用・自己分析格差
22. 教育修了後の現業適用率
23. 高度なAI・データ検証人数
24. 議会・監査指摘後の実際の是正率
25. 政策変更後の市民・企業Outcome改善率

Data GAP：公開Evidenceでは、政策質問→データ・AI分析→既存案と代案比較→決裁・予算変更→執行→市民・企業Outcome→監査・議会検証→後続の是正を同一政策IDで連結した釜山市Decision Runtimeが確認されない。

ランタイムチェーン

データ→分析→代替→決定変更→予算→実行→アウトカム→エラー・GAP→監査・議会→是正→次の決定

Source · Verification

• 釜山広域市、全国初生成型AI行政サービス開始
• 釜山広域市、2026年人工知能行政推進計画
• 釜山広域市、2026年データ基盤行政主要業務計画
• 釜山Big-データウェーブ、政策データ分析・コンサルティング状況
• 釜山ビッグデータウェーブ、統計説明資料
• 釜山広域市、AIベースの未来行政実践型教育
• 釜山広域市議会、2025年情報産業振興院行政事務監査
• 釜山広域市、データ駆動型インテリジェント海洋環境管理支援プラットフォーム
• 釜山広域市、2026年AI・ビッグデータベースの常水管網意思決定支援
• 釜山広域市、AIベースのスマート監査行政支援システム

今回の分析で残る構造的洞察

行政の意思決定は文書に書かれた最終案のみ残し、選択されていない代案は消去する。 AIがより多くのEvidenceと代替案を提示しても、既存案、代替案、最終案の違いが記録されなければAIが判断を変えたかどうかは確認されない。使用量は残るが影響は消える仕組みだ。

この構造では、良いAIと悪いAIの違いも精度だけでは判断されません。正確な分析が決済と予算を変えなければ、行政効果はゼロに近く、不完全な分析が高リスク決定を変えれば小さな誤りも市民Outcomeに拡大される。 AIの管理価値は、モデル性能と決定影響の積で形成されます。

したがって、釜山行政AXの構造的洞察は一つだ。AIは決定に代わる時ではなく、決定がなぜ変わったのかを残すときに行政能力になる。 この記録がなければ、釜山市はより速く検索し、より多くの文書を生成しますが、過去よりも良い決定をしたかどうかを判断できません。

Golden Time Thesis — 釜山市行政AXの2026～2028年は、生成型AIを拡散する期間ではなく、Evidence→代替→決定変更→Outcomeの差を最初に行政記録に残す期間である。この接続がなければ、AIは行政の速度は向上するが、政策失敗を発見して修正する速度は高められない。