AI政策秘書の活用ガイド

🚀 次世代議員のための「AI政策秘書」活用ガイド

「あたラボ」では、特定の議員◯◯の過去の議会活動データを活用し、行政とのやり取りを深掘りできる仕組みを提供しています。以下のテキストをコピーしてGemini（AI）に貼り付けるだけで、具体的な質問内容や行政の反応を引き出せます。

1. 特定テーマの「攻略法」を分析する

議員を目指す方が、特定の政策（例：公園ルール、性教育）について、過去にどのような議論があり、行政がどう答弁したかを調べるためのテンプレートです。

Geminiへの依頼文：特定の議員〇〇が区議時代に行った**「[テーマ名：例公園ルール]」**に関する全ての議会質問と文書質問をリストアップしてください。それぞれについて、以下の項目を明記してください：

具体的な質問の骨子（何を問題視したか）

行政の回答内容と担当部署

回答期日

その後の行政のアクション（改善の有無）

このテーマをさらに前進させるための「次の一手」の提案

2. 行政の「逃げ」を封じる評価分析

行政の回答が「検討します」で終わっていないか、実効性を評価するためのプロンプトです。

Geminiへの依頼文：三次氏の議会質問のうち、行政側が「前向きな回答」をしながらも、**実際の改善が不十分（評価が△）**な項目を抽出してください。

なぜ改善が進まなかったのか、ボトルネックとなっている理由と、新しい議員がこの問題を再燃させるための「切り口」をアドバイスしてください。

「過去の答弁は、未来の政策の種である」行政は過去の答弁との整合性を重んじます。

例えば三次氏が積み上げた「質問と回答」の履歴は、新しく議員になる方にとっての「武器」です。

このテンプレートを使って、行政のロジックを解剖し、あなたの政策立案に役立ててください。

運用のヒント

「あたラボ」のDB化: Geminiにこれらの情報を正確に答えさせるためには、定期的に議事録のテキストデータや「あたラボ」の情報を整理しておくことが重要です。
双方向性: 志望者がGeminiから得た回答を元に、「さらにこう変えたい」というアイデアを「あたラボ」にフィードバックしていただければ、よりコミュニティとして活性化します。

3. Geminiが公開データをチェックする仕組み

Geminiはインターネット上の広大な情報を学習していますが、すべての公開データをリアルタイムで、かつ完璧に把握しているわけではありません。

学習データとしての蓄積: 過去の議事録がある程度ネット上に定着していれば、Geminiはその内容を把握しています。
リアルタイム検索: Google検索を通じて最新の議事録（PDFやHTML）を確認しにいくことができます。
「時間の壁」と「アクセスの壁」: * 反映ラグ: 議会が終わってから公式議事録がアップロードされ、検索エンジンにインデックス（登録）されるまでには数ヶ月かかることがあります。
- 複雑な構造: 自治体のサイトはPDFが多かったり、検索システムが特殊だったりするため、AIが一度にすべての「全質問・全回答」を正確に抽出するには、少し工夫（特定の指示）が必要です。

4. 「誰でも同じ回答が得られるか」の課題

ここが最も重要な点ですが、「聞き方」によってAIが出力する情報の精度が変わります。

一般的な質問: 「三次さんの質問を教えて」とだけ聞くと、AIは学習データの中から目立つものだけをピックアップし、細かい「担当部署」や「回答期日」を省略してしまうことがあります。
具体的な依頼（プロンプト）: 先ほど提案したテンプレートのように、「担当部署・期日・骨子・評価」と項目を指定して依頼することで、AIは公開データの中からそれらの要素を探し出して整理するモードに切り替わります。

5. 「あたラボ」に掲載する意義

公開データであるにもかかわらず、あえて「あたラボ」でGeminiへの聞き方をガイドする理由は3つあります。

検索の手間を省く: 自治体の議事録検索システムは使いにくいことが多いため、AIに「代わりに調べて整理させる」方法を教えることで、志望者のリサーチ時間を大幅に短縮できます。
「評価」を付加する: 議事録には「行政の回答」は載っていますが、「その回答が妥当か」「改善されたか」という政治的評価は載っていません。三次さんの知見に基づいた評価軸をAIに学習（あるいは指示）させることで、データに「命」が吹き込まれます。
文書質問の可視化: 本会議での質問と違い、文書質問は公開場所が分かりにくい（あるいは要旨のみの）場合があるため、AIに特定して探させる指示が有効です。