2026年11月1日

Google DeepMindの「PlanAssist」とは?英自治体15校へ拡大、申請評価58%削減

PlanAssist(プランアシスト)は、Google DeepMindが英政府・Google Cloud・Facultyと共同で開発した、英地方政府の都市計画担当官向けAIツールです。Geminiを基盤に、住宅の増築やロフト改造といった定型的な申請の書類検証から引用付きレポートのドラフト作成までを支援します。

室谷室谷代表取締役
PlanAssistは、Google DeepMindが2026年10月31日に発表した都市計画支援AIで、担当官の申請評価にかかる時間を最大58%削減できることを示したツールなんですよね。パイロットを経て、イングランドの追加12自治体へ広げるベータ段階に入った、というのが今回のニュースです。
テキトー教師テキトー教師DotAI 認定講師
単に「AIで書類を要約しました」という話じゃないんですよ。行政の意思決定プロセスにAIが入り込む話なので、誰が最終判断を持つのか、監査証跡がどう残るのかまで含めて見ていく必要があります。
室谷室谷代表取締役
まず発表そのものを確認しておきましょう。Google DeepMindは、PlanAssistをさらに12の地方計画当局に提供すると発表しました。
テキトー教師テキトー教師DotAI 認定講師
ここで大事なのは、発表元がGoogle DeepMindだという点と、ツールの共同開発者に英政府、Google Cloud、Facultyが入っている点ですね。Google単独の製品という位置づけではありません。

PlanAssistとは?誰が何のために作ったAIツールか

PlanAssistの基本情報
何のツールか
英地方政府の都市計画担当官(planning officers)向けのAIツール
開発体制
Google DeepMindが英政府・Google Cloud・Facultyと共同で開発
基盤モデル
Gemini
対象申請
householder applications(住宅増築・ロフト改造・コンサバトリー設置など一般家庭の定型的申請)
狙い
定型事務をAIが引き受け、担当官が複雑案件に時間を回せるようにする
背景
定型申請が担当官業務量の最大70%を占め、紙ベースで文書突き合わせに長時間を要していた
室谷室谷代表取締役
PlanAssistは、英地方政府の都市計画担当官、いわゆるplanning officers向けに作られたAIツールです。開発はGoogle DeepMindが、英政府、Google Cloud、Facultyと共同で進めています。

基盤モデルはGeminiです。
テキトー教師テキトー教師DotAI 認定講師
対象になっているのは「householder applications」と呼ばれる申請です。日本の感覚だと、住宅の増築、ロフト改造、コンサバトリーの設置といった、一般家庭からの定型的な申請ですね。
室谷室谷代表取締役
公式ページによると、こうした定型的な家主申請は、計画担当官の業務量の最大70%を占めているんですよね。承認自体は簡単なことが多いのに、時間が不釣り合いにかかっている、と。
テキトー教師テキトー教師DotAI 認定講師
そこがツールの狙いなんですよ。難しい判断をAIに置き換えるのではなく、定型的な事務作業をAIが引き受けて、担当官が本来の専門性を発揮すべき複雑案件に時間を回せるようにする。

この分担の設計がPlanAssistの核です。
室谷室谷代表取締役
背景にはイングランドの計画システムが紙ベースだったことがあります。担当官は政策文書、過去のファイル、PDFを何時間も突き合わせていた、と。

単一の計画文書をデジタル化するだけで最大2時間かかることもあった、という記述も公式ページにあります。
テキトー教師テキトー教師DotAI 認定講師
全国に数十万件の文書が保管されているわけですから、これはもう人手で回す前提のプロセスじゃないんですよね。そこにGeminiの文書理解を持ち込んだのがPlanAssistであり、その土台になったのが別ツールのExtractです。
室谷室谷代表取締役
Extractは英政府のi.AIが開発し、Geminiを活用して古い計画文書をデジタルデータ化するツールです。20以上の自治体トライアルを経て全自治体に展開済みで、平均的な自治体で年約255時間の手作業削減が見込まれるとされています。

PlanAssistはこのExtractの基盤の上に構築されている、という関係なんですよね。
テキトー教師テキトー教師DotAI 認定講師
ここ、構造として押さえておきたいところです。Extractが「過去文書をデータにする」役、PlanAssistが「目の前の申請を評価する」役。

二段構えになっているわけです。

PlanAssistでできること——書類検証から引用付きレポート作成まで

PlanAssistの処理4ステップ
  1. 01
    申請書類・建築図面の検証
    必要情報が揃っているか確認。申請を進めるための最初の関門
  2. 02
    遺産制約・政策との整合チェック
    樹木保全命令などの遺産制約、地域・国の計画政策に照らして確認。専門知識が要る部分をAIが下支え
  3. 03
    過去の異議・論点の確認
    住民などから異議や論点がすでに提起されていないかを確認
  4. 04
    引用付きレポートのドラフト作成
    引用を完備した評価レポートのドラフトを作成。担当官が編集可能
室谷室谷代表取締役
公式ページでは、PlanAssistの処理が4つのステップで説明されています。まず申請書類と建築図面を検証し、必要情報が揃っているか確認する。

これがないと申請が先に進まないわけですから、最初の関門ですね。
テキトー教師テキトー教師DotAI 認定講師
次が遺産制約や政策との整合チェックです。樹木保全命令のような遺産制約、そして地域と国の計画政策に照らして申請を確認する。

ここが一番専門知識が要る部分を、AIが下支えする形です。
室谷室谷代表取締役
3つ目が、過去に住民などから出た異議や論点がすでに提起されていないかの確認。そして4つ目が、引用を完備したレポートのドラフト作成で、これは担当官が編集できる、と。
テキトー教師テキトー教師DotAI 認定講師
整理すると、PlanAssistの機能はこうなります。
  • 申請書類・建築図面の検証(必要情報の充足確認)
  • 遺産制約(樹木保全命令など)や地域・国の計画政策との整合チェック
  • 住民などによる過去の異議・論点の確認
  • 引用付き評価レポートのドラフト作成(担当官が編集可能)
室谷室谷代表取締役
ポイントは「引用付き」というところなんですよね。どの政策のどの記述に基づいてそう判断したのかが示されるから、担当官が検証できる。

根拠のない文章をAIが書いてしまうと、行政の意思決定では使えないわけです。
テキトー教師テキトー教師DotAI 認定講師
講座でも受講生さんによく言うんですが、業務でAIを使うときの分岐点は「出力を検証できるかどうか」なんですよ。PlanAssistは引用という形で検証の入口を用意している。

これは実務設計としてかなり真面目に作られている証拠だと思います。
室谷室谷代表取締役
あと見落としがちなのが監査証跡です。公式ページには、ツールが各ステップで作業を記録し、明確な思考の連鎖と堅牢な監査証跡を作ると書かれています。

行政の判断は後から説明できなければならないので、これは必須の設計なんですよね。
テキトー教師テキトー教師DotAI 認定講師
生成AIの活用事例として、根拠の提示と記録の自動化をセットで組み込んでいる例は参考になります。こうした設計思想は、たとえばGoogle DeepMind、Gemini 3.6 Flashなど3モデルを発表のようなモデル側の進化と合わせて見ると、業務利用の解像度が上がります。

パイロットで評価時間58%削減、レポート70%超が無編集承認という成果

まとめ
パイロット成果と今後の展開
  • 2026年6月以降、Barnet・Camden・Dorsetの3自治体でパイロットを実施
  • 担当官の申請評価時間を最大58%削減
  • 生成レポートの70%超が編集なしで承認
  • レポート内容の例: 地域計画ルールへの適合性、必要書類の提出状況
  • 公式表現は「encouraging early results(心強い初期結果)」で、全国への一般化は今後の検証次第
  • 都市部・農村部を含む12自治体を3コホートに分けて順次受け入れ、合計15自治体へ拡大
  • 12カ月のベータ段階で実際の申請を使って検証
室谷室谷代表取締役
では数字の話をしましょう。2026年6月以降、Barnet、Camden、Dorsetの3自治体でパイロットを実施し、担当官の申請評価時間を最大58%削減した。

ここは発表の中心的な数字です。
テキトー教師テキトー教師DotAI 認定講師
もう一つの数字が、生成されたレポートの70%超が編集なしで承認された、というものですね。これは「AIの下書きがそのまま使える水準だった」という意味で、現場の負担軽減に直結します。
室谷室谷代表取締役
公式ページでは、レポートの中身として、申請が地域の計画ルールに適合しているか、申請者が必要書類をすべて提出しているか、といった項目が例示されています。
テキトー教師テキトー教師DotAI 認定講師
ただし注意したいのは、これはあくまで初期のパイロット結果だという点です。公式ページでも「encouraging early results(心強い初期結果)」という表現になっています。

3自治体の結果を全国に一般化できるかは、これからの検証にかかっています。
室谷室谷代表取締役
そうなんですよね。だからこそ今回、都市部も農村部も含む多様な地域で検証するために、12自治体を3つのコホートに分けて順次受け入れる。

合計15自治体に広げる、という段階を踏んでいるわけです。
テキトー教師テキトー教師DotAI 認定講師
3つのコホートに分けて順次オンボーディングする、という進め方も地味に重要ですよ。一気に全自治体へ配るのではなく、実運用の申請で検証しながら広げる。

失敗したときの影響範囲を制御する進め方なんです。
室谷室谷代表取締役
期間は12カ月のベータ段階で、実際の申請を使う、と。ここも公式ページに明記されています。

PlanAssistの使い方・導入の流れ——担当官の最終判断はどう守られるか

室谷室谷代表取締役
導入の流れとしては、まず自治体がベータに参加し、実際の申請でPlanAssistを使う。ツールが書類検証からレポートのドラフトまでを支援し、担当官がそれを確認・編集して最終判断を下す、という順番です。
テキトー教師テキトー教師DotAI 認定講師
ここで絶対に外せないのが、最終判断は必ず資格を持つ計画担当官が行うという原則です。公式ページにも、すべての評価は決定前に資格を持つ計画担当官がレビューし承認すると書かれています。
室谷室谷代表取締役
担当官はレポートの各行をレビューし、根拠の記述を編集し、申請を承認するか却下するかの権限を持ち続ける。AIは判断を代行しない、という線引きが明確なんですよね。
テキトー教師テキトー教師DotAI 認定講師
これは「human in the loop」という言葉で片付けられがちなんですが、PlanAssistの場合はもう少し具体的です。担当官が編集できる、各ステップが記録される、引用が付く。

この3点セットで、人間の判断を実際に機能させているわけです。
室谷室谷代表取締役
行政のAI導入でよくある失敗は、現場が「AIが書いたものをそのまま通す」状態になってしまうことなんですよね。そうなると責任の所在が曖昧になる。

PlanAssistは担当官が編集する前提で設計されているので、そこは考えられているなと。
テキトー教師テキトー教師DotAI 認定講師
講座で受講生さんにいつも言うのは、AI導入の成否はツールの性能より「誰が最後に責任を取るか」の設計で決まる、ということです。PlanAssistはその部分を公式に明文化しているのが大きいですね。
室谷室谷代表取締役
ちなみに、問い合わせ先や具体的な申し込み手順、ログイン方法といった運用面の詳細は、今回の発表資料では明らかにされていません。あくまで自治体単位でのベータ参加という形で進んでいます。
テキトー教師テキトー教師DotAI 認定講師
個人の開発者が自分でアカウントを作って試せる類のツールではない、という理解でいいと思います。

提供範囲と料金——日本ではいつから使えるのか

室谷室谷代表取締役
提供範囲は、現時点ではイングランドの地方計画当局です。今回のベータで合計15自治体、テストが成功することを条件に、英政府は2027年にイングランド全自治体への提供を計画しています。
テキトー教師テキトー教師DotAI 認定講師
ここは正確に言っておきたいんですが、2027年の全自治体提供はあくまで「計画」であって、確定した約束ではありません。公式ページでも「Subject to successful testing」と条件付きになっています。
室谷室谷代表取締役
料金については、今回の発表資料に記載がありません。現時点では明らかにされていません、としか言えない部分です。
テキトー教師テキトー教師DotAI 認定講師
日本での提供についても、今回の資料には一切言及がありません。現時点では明らかにされていません。

ここは憶測で書かないほうがいいところですね。
室谷室谷代表取締役
ただ、公式ページには「私たちはこの取り組みが世界中の他の政府にとってモデルとなることを期待する」という記述があるんですよね。公共サービスにおけるAI活用の型を示す、という位置づけは明確に打ち出されています。
テキトー教師テキトー教師DotAI 認定講師
日本にそのまま持ってくることはできませんが、自治体の窓口業務や許認可業務にAIを入れるときの設計図としては、かなり参考になる。特に引用付き出力と監査証跡、人間の最終判断という3点は、そのまま流用できる考え方です。
室谷室谷代表取締役
データ主権とセキュリティへの配慮も明記されています。両ツールともGoogle Cloud上で提供され、機密性の高い政府データを扱う前提で設計されている、と。

この辺りは日本の自治体が導入を検討するときにも必ず論点になりますよね。

なぜ今この発表が重要か——150万戸目標と計画処理ボトルネックの背景

室谷室谷代表取締役
この発表の重みは、英政府の政策目標と直結しているところにあるんですよね。2029年までに150万戸の新築を目指すという目標があります。
テキトー教師テキトー教師DotAI 認定講師
公式ページでは、計画処理のボトルネックが経済の進展を妨げ、家族にとってはロフト改造やコンサバトリー、増築の承認に何カ月も待つ事態を生んでいると説明されています。
室谷室谷代表取締役
経済への影響と、生活者への影響の両方が書かれているのがポイントです。都市計画の遅延は、事業者にとっては開発の遅れ、住民にとっては住まいの改善の遅れになる。
テキトー教師テキトー教師DotAI 認定講師
単に〜な話じゃないんですよ。これは行政のDXが国の成長戦略の一部になっているという話です。

住宅供給という政策目標に対して、計画処理というボトルネックをAIで解消する。因果がはっきりしているぶん、投資判断もしやすい構造になっています。
室谷室谷代表取締役
しかもPlanAssist単体ではなく、Extractという前段のツールがすでに全自治体に展開済みなんですよね。過去文書のデジタル化という土台が先に整っていて、その上に評価支援を載せる。

順番が理にかなっているなと。
テキトー教師テキトー教師DotAI 認定講師
平均的な自治体で年約255時間の手作業削減が見込まれるExtractの効果と、評価時間58%削減のPlanAssistの効果が重なると、自治体の計画部門の生産性はかなり変わってきます。
室谷室谷代表取締役
MYUUUでも、業務にAIを入れるときは「どの工程が一番時間を食っているか」を先に特定するんですよね。PlanAssistはまさに、申請評価という工程を特定して、そこにピンポイントで入っている。

この絞り方が上手い事例だと思います。
テキトー教師テキトー教師DotAI 認定講師
あと、Google DeepMindの英国政府とのパートナーシップはこれ単発ではなく、AI時代の繁栄と安全保障を支援するという枠組みの中で続いているものです。公共サービス全般をAIで変革する試みの一環として見る必要があります。
室谷室谷代表取締役
Geminiを基盤にしたモデル側の動きは速いので、そちらも追っておきたいところですね。モデルの進化と、こうした業務特化ツールの進化は別のレイヤーで進んでいますから。

よくある質問

室谷室谷代表取締役
ここまでの話を踏まえて、よく聞かれそうな点を整理しておきましょう。
テキトー教師テキトー教師DotAI 認定講師
まず「PlanAssistとは何か」ですが、Google DeepMindが英政府、Google Cloud、Facultyと共同開発した、英地方政府の都市計画担当官向けAIツールです。Geminiを基盤とし、定型的な家主申請の検証からレポートのドラフト作成までを支援します。
室谷室谷代表取締役
「料金はいくらか」という点については、今回の発表資料に記載がなく、現時点では明らかにされていません。自治体向けのベータ提供という段階です。
テキトー教師テキトー教師DotAI 認定講師
「日本では使えるのか」も、今回の資料には言及がありません。現時点では明らかにされていません。

提供範囲はイングランドの地方計画当局で、2027年にイングランド全自治体への提供が計画されています。
室谷室谷代表取締役
「AIが申請を承認・却下してしまうのか」という懸念については、明確に違います。最終判断は必ず資格を持つ計画担当官が行い、担当官がレポートを編集できる設計です。

ツールは各ステップを記録し、監査証跡を残します。
テキトー教師テキトー教師DotAI 認定講師
「どんな申請が対象か」は、住宅の増築、ロフト改造、コンサバトリーなど、householder applicationsと呼ばれる定型的な家主申請です。これらは計画担当官の業務量の最大70%を占めるとされています。
室谷室谷代表取締役
「実績はあるのか」については、2026年6月以降のBarnet、Camden、Dorsetでのパイロットで、評価時間を最大58%削減し、生成レポートの70%超が編集なしで承認された、という初期結果が公表されています。
テキトー教師テキトー教師DotAI 認定講師
「財務計画やEPM、Workday導入に使えるのか」という類の用途については、PlanAssistは都市計画の申請評価に特化したツールであり、今回の資料にはそうした用途への対応は示されていません。
室谷室谷代表取締役
総じて、行政のAI導入を考えるうえで「AIに任せる範囲」と「人間が責任を持つ範囲」をどう線引きするかの実例として、PlanAssistはかなり参考になる事例なんですよね。2027年に向けた検証の行方を追いたいと思います。

Related

関連記事

New Articles

新着記事

ガイド

GoogleのAIモードとAIによる概要の消し方|公式オフ機能の有無とPC・スマホの回避策

2026年11月18日
室谷テキトー教師
ガイド

Azure OpenAI Serviceとは?料金・モデル一覧・データの扱いを最新情報で整理

2026年11月18日
室谷テキトー教師
ニュース

Perplexityの「Orchestrator API」とは?45以上のモデルを1つのAPIキーに統合

2026年11月18日
室谷テキトー教師
ニュース

Microsoftの「Copilot Workspaces」とは?人とエージェントが協働する新体験

2026年11月18日
室谷テキトー教師
ガイド

Geminiのファミリープランは何人まで?Google AI Proを家族で割る料金と設定の手順

2026年11月18日
室谷テキトー教師
ニュース

Microsoft MAIとは?Ignite 2026で発表の7モデルと料金

2026年11月18日
室谷テキトー教師
ニュース

Replit Missionsとは?エージェントスウォームで目標達成型の自律実行

2026年11月18日
室谷テキトー教師
ニュース

Copilot Fusion Maxとは?Terminal-Bench 4.1首位の自動モデル選択

2026年11月18日
室谷テキトー教師
ニュース

Googleの「Gemini Tasks」とは?日本でも無料開始、Gemini 4 Hydrogen搭載

2026年11月18日
室谷テキトー教師
ニュース

HeyGenの「Avatar 6」とは?実映像と見分け84.4%の最新アバター

2026年11月18日
室谷テキトー教師

Join

AIプレナーになる。

入会は審査制です。いまの事業と、AIで何を動かしたいのかを聞かせてください。

参加を申請する