ENTRY

◀︎ AI NEWS TOPへ

英国の情報コミッショナー事務局、苦情や問い合わせの案件を、メールはGPT-4.1で読み取って自動で作り、1件12〜15分かかっていた手作業の9割以上を、ウェブの申込書の分と合わせて置き換える見込みとしている

2026.11.15
英国の情報コミッショナー事務局、苦情や問い合わせの案件を、メールはGPT-4.1で読み取って自動で作り、1件12〜15分かかっていた手作業の9割以上を、ウェブの申込書の分と合わせて置き換える見込みとしている

英国の個人情報の監督機関、情報コミッショナー事務局(Information Commissioner’s Office)は、苦情や問い合わせのメールを言語モデルで読み取り、案件を自動で作っています。モデルは GPT-4.1 です。手で作ると1件平均12〜15分かかっていた作業で、事務局はウェブの申込書から届く分と合わせ、案件の9割以上を自動で作れる見込みとしています。ただ、出典は事務局が出した政府のアルゴリズムの記録だけです。実際に自動で作れた割合は書かれていません。読み取りの正しさや、減った時間の数字もありません。記録は2026年1月の公開(4月に更新)です。

この事例で分からないこと

  • 出典は事務局が出した政府のアルゴリズムの記録だけで、外の組織による確かめは見つかっていません
  • 9割以上はウェブの申込書の分も含めた見込みで、実際に自動で作れた割合は書かれていません
  • 読み取りの正しさは、OpenAI が出したモデルの一般の試験の点だけです。事務局のメールでの数字はありません
  • 時間が減ったかの数字はありません
  • 記録は2026年1月の公開(4月に更新)です

何が起きたか

事務局には、個人情報の扱いへの苦情や、相談、情報公開の請求が届きます。ウェブの申込書のほかに、窓口のメールアドレスにも直接届きます。

前は、職員がメールを1通ずつ読み、案件管理のシステム「ICE 360」に手で打ち込んでいました。1件平均12〜15分かかり、1日に9.5人分の手が使われていたと記録は見積もっています。同じ中身を2回打ち込むことも多く、打ちまちがいも起きていました。案件ができるまで、職員は苦情を出した人と連絡を始められません。

AIの使い方

メールは自動の流れで、Azure OpenAI の GPT-4.1 に渡されます。モデルは文面から、名前、相手の会社、苦情の中身などを抜き出し、決まった形のデータにします。形は案件の種類ごとに決めてあり、合わないものは通しません。

データが形に合えば、システムが案件を作り、連絡先や会社、添付を付けて担当の列に回します。足りないときは、手作業の列に回します。言語モデルを使うのはメールの読み取りだけです。ウェブの申込書は初めから決まった形で届くので、そのまま同じ流れで案件にします。

相手の会社の名前は、つづりの違いを許す方法で、事務局が持つ会社の一覧と照らし合わせます。合わなければ、会社を付けずに案件を作り、見直しの印を付けます。

人のかかわり方

この仕組みがするのは案件を作るところまでです。案件の結果や優先の判断はしません。自動で作った案件は、職員が中身を必ず見直し、うまくいったかを返します。元のメールも案件に付いていて、職員が見比べられます。

事務局は、まちがった相手と案件を結び付けると、連絡がちがう人に届くおそれがあると書いています。会社の照合がずれるようなら、照合を厳しくするとしています。

公表された数字

📊 項目 数字
手で案件を作る時間(1件の平均) 12〜15分
手で作るのに使っていた人手 1日9.5人分
案件の数(過去1年の月の平均) 6,340件
自動で作れる見込み(ウェブの申込書の分を含む) 9割以上(月約5,700件)
実際に自動で作れた割合 —
事務局のメールでの読み取りの正しさ —

凡例:—=出典に記載なし
出典:政府のアルゴリズムの記録(2026年1月14日公開、4月13日更新)。12〜15分と9.5人分は、手作業の見積もりです。

公表された説明と、確かめられていないこと

📢 公表されている説明 ⚠️ 確認できていない点
案件を作る時間が減り、職員の手が空く 実際に減った時間
打ちまちがいが減る 自動で作った案件のまちがいの数
ウェブの申込書の分と合わせ、9割以上を自動で作れる 本番で自動で作れた割合と、そのうちメールの分の割合
GPT-4.1 は長い文の読み取りに強い 事務局のメールでの正しさ

凡例:📢=当事者(情報コミッショナー事務局)が公表している説明 ⚠️=出典に書かれておらず、こちらで確認できていない点
出典:政府のアルゴリズムの記録(2026年1月14日公開、4月13日更新)。モデルの性能として載っているのは、OpenAI が出した一般の試験の点だけです。外の組織による確かめは検索で見つかりませんでした。

誰に関係するか

管理会社の修理の受付に応用できそうです。入居者からのメールの文面から、部屋の番号や壊れた物、連絡先を決まった形に抜き出し、修理の受付のシステムに自動で登録します。元のメールは必ず添え、担当者が見直す形です。

保険の事故の受付や、法律事務所の相談の受付にも使えそうです。形に合わないメールは手作業に回す道を、最初から作っておきます。

まとめ

事務局は、案件の自動作成の結果を見ながら、仕組みを定期的に見直して直していくとしています。

参考文献

最新の記事も併せてチェック

Tags

タグ一覧へ ▶︎

Kamone
著者 Kamone

30歳で学者志望からITエンジニアに転身。通信・金融業界におけるインフラ領域を中心に、オンプレミスからクラウドまで幅広く経験。AWS学習コミュニティでは公認メンターとして教材制作や講師を務める。現在はリツアンSTCにて事業推進に携わり、AI活用とエンジニア支援の高度化に取り組んでいる。

Kamone
著者 Kamone

株式会社リツアンSTC社員。

1984年 東京都中野区生まれ。

大学中退後、工場や警備員などを経て、何もスキルが身についていないことに危機感を覚える。
2014年 何か手に職をつけなければと思い、電子専門学校からエンジニアになった弟を見て「コイツにできるなら俺もできる」と安易な考えで未経験からIT業界に飛び込む。
そこは「まともな案件に入れなければ営業としてこき使われるか中国に送られるらしい」と恐ろしい噂が飛び交う会社だった。
「とんでもないところに来てしまった…」と戦慄するも、運よく大手新聞社系のインフラチームから声がかかり、エンジニアとしてのスタートを切る。

その後、SESを転々としながら通信・金融業界のオンプレ・クラウド案件を中心にインフラエンジニアとして経験を積む。

2021年 AWS学習サービス「Cloudtech」に参加し、公認メンターとして書籍出版プロジェクトや教材制作・講師などのコミュニティ・サービス運営に関わる。

2023年 ゆとりーマンのYoutube動画で新興SESの闇とリツアンの存在を知り、転職。(当時所属していたSES企業が動画で紹介されていた特徴に当てはまっていて愕然)
その後、CloudTechとリツアンの橋渡し役を担い、合同プロジェクト「テラコヤテック」の運営に関わる。
2025年 リツアンの「エンジニアに一円でも高い報酬を」「会社は社員に使われるためにある」「出入り自由」といったスタンスに共鳴。エンジニアから転向し、リツアンの事業推進に参画。
現在に至る。

他人の文体を真似たり、他人が書いた文章を手直しするのが得意、という若干嫌な気持ちにさせる特技を持つ。
AI活用を鋭意研究中。
(リツアンいいとこ一度はおいで。)

今すぐわかる。報酬シミュレーション