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
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。
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。
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。
| 📊 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。
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。
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。
米国のマウントサイナイ医療グループ、入院した高齢者のせん妄の危険を見る機械学習のモデルを学び直さずに2つ目の病院で使い、見分ける力は本院の0.94に対して0.91だったが、危険が高いと出た人のうち実際にせん妄だったのは25.9%だった
2026.11.16
英国のケア品質委員会、公的な調査に出す文書を、職員が付けた「関係あり・なし」から学ぶ機械学習で並べ替え、関係がありそうな順に読む仕組みを試している
2026.11.15
米国のイェール大学医学部、救急外来の受付までの記録からオピオイド使用障害の患者を機械学習で見つけて知らせる仕組みを作り、医師のカルテの見直しと比べると、印を付けた人の89.3%が一致し、病気の人のうち見つけられたのは推計で4割だった
2026.11.15