緊急時、住民のスマートフォンに届く数行の通知が、避難するか自宅に残るかの判断を左右します。ところが米国では、アラバマ州沿岸へのハリケーンの脅威を知らせようとした地域の危機管理担当者が、生成AIチャットボットで不正確な気象図を作成していました。担当者は、管轄地域の関係者に危険を意識してもらうため、局地的な強風を示す「スティングジェット」の予測図をAIに求めました。AIは依頼に沿った画像を返しましたが、気象学的には正しくありませんでした。



ここで問題になったのは、担当者が住民を欺こうとしたことではありません。限られた時間のなかで、危険を強く印象づける情報を作ろうとした結果、生成AIのもっともらしい出力を採用してしまった点です。危機管理分野では、洪水被害の判定や物資の調整を支援するAI製品を数百社が売り込んでおり、住民向け広報にも関心が集まっています。多くの行政機関は職員による生成AIの利用を正式には認めていませんが、専門家の間では、州や自治体の現場ですでに広く使われているとの見方が共有されています。

生成AIは、依頼された内容が事実か、観測データに裏づけられているかを自動的に保証する仕組みではありません。文章や画像を短時間で整えられることと、災害情報として正確であることは別の能力です。警報業務でAIを導入する企業や行政機関には、出力の見栄えを評価するだけでなく、気象や避難判断に責任を持つ専門家が根拠を照合できる運用が欠かせません。AIの利用可否だけを規則に書いても、非公式利用が続けばリスクは見えないままです。問うべきなのは「使ったか」ではなく、「誰が、何を根拠に確認したか」でしょう。

生成AIの誤りだけに目を向けると、導入が期待される理由を見失います。危機管理担当者は災害対応と復旧を担う専門職ですが、必ずしも住民向け文章の専門家ではありません。専門用語を使いすぎる、住民が知っているはずだと考えて必要情報を省く、行動判断に関係しない詳細を詰め込むといった問題が起こります。人員の少ない組織では、訓練や文面の改善を優先したくても、目前の業務を処理するだけで手いっぱいになりがちです。



過去には、隣接するカリフォルニア州の郡が同じ山火事に対して、一方では「自主避難」、もう一方では「強制避難」と案内した例がありました。オーストラリアでも2019年、「Watch and Act」という表現で山火事を警告しましたが、何をすべきかが伝わらず、政府は後に大きな混乱を招いたと認めています。組織ごとの用語や慣行が住民の行動より優先されると、正しい危険情報があっても避難につながりません。

より深刻な事例が、2017年の大規模火災後に米カリフォルニア州モンテシートで発生した土石流です。火災から数週間後の豪雨を前に、サンタバーバラ郡は自主避難区域の住民へ、状況に注意し直ちに退避できるよう準備するよう通知しました。しかし、実際には多くの住民がすぐ避難すべき状況でした。短期間に避難を繰り返した住民には「警報疲れ」もあり、任意の案内だと受け取った人や再避難を望まない人が残りました。土石流では23人が死亡し、160人以上が負傷しています。

危機管理の現場で「信頼は通貨」と表現されるのは、警報の品質が次の災害時の反応にも影響するためです。曖昧な通知や誤報が続けば、住民は正しい警告まで軽視しかねません。AI活用の出発点は、人間を置き換えることではなく、発信者、対象地域、取るべき行動、期限、安全上の注意、更新情報の入手先が明確かを点検し、人間が陥りやすい欠落を減らすことにあります。

災害警報は、生成AI、とりわけ大規模言語モデルの特徴を生かしやすい業務です。米連邦緊急事態管理庁（FEMA）は警報の作成と配信に関する研修を提供していますが、担当者が実際に警報を書く機会は多いとは限りません。何年も前に一度送信しただけの職員が、化学物質の拡散や急な洪水に直面し、鳴り続ける電話や無線に対応しながら研修内容を思い出すのは容易ではないでしょう。



大規模言語モデルは、多数の過去の警報や研究成果を参照した設計にすることで、文面の不足や曖昧さを短時間で指摘できます。発信者名がない、避難対象が不明、行動指示が抽象的といった問題を機械的に検査し、平易な表現へ直す用途なら、焦りや疲労の影響を受ける人間を補助できます。外国語への展開や、文字数の限られた通知用への要約にも応用の余地がありますが、翻訳後の意味や地域固有の避難ルールは担当者による確認が必要です。

ミシガン州インガム郡の危機管理部門を率いる元気象予報士のロブ・デール氏は、訓練用の警報案をAIで作った経験があります。実際の災害で配信したことはないものの、必要になればチャットボットに初稿を作らせることには抵抗がなく、送信の決定権は自分で保持したいとしています。この線引きは、業務導入を考えるうえで参考になります。AIに任せるのは表現の整理や確認項目の提示であり、観測情報の採否、避難の判断、対象地域の指定、最終配信は責任者が担う構造です。

生成AIの価値は、緊急時にゼロから完璧な判断を下すことではありません。人間が確定した事実を、住民が迷わず行動できる文章へ変換するまでの時間を縮めることにあります。そのため、入力欄にも自由記述だけを置くのではなく、場所、対象者、危険の種類、開始時刻、推奨行動、避難先、公式情報源などを必須項目として設計する必要があります。

危機管理向けAIを開発するスタートアップのEM1は、災害コミュニケーション研究者ジャネット・サットン氏の知見をモデルの訓練に利用しています。同社は山火事や津波などの想定場面で評価を進め、人間の危機管理担当者と同等か、それを上回る結果を多くのベンチマークで得ていると説明しています。ただし、評価試験で文章を改善できることと、現実の状況を誤りなく判断して自動配信できることは同じではありません。



サットン氏は、ニューメキシコ州の郡がサンフアン川の洪水を知らせるために送った警報をEM1に評価させました。実際の通知は、「堤防が決壊。水位上昇中。今すぐ避難。人とペット、RV向けにマギー・パーク開設」という趣旨でした。危険が迫っていることは伝わるものの、誰が発信したのか、洪水がどこで起きているのか、誰が避難対象なのかが分かりません。英語の綴りにも誤りがあり、その後の情報をどこで確認できるかも示されていませんでした。

EM1が数秒で作った案は、サンフアン郡からの通知であることを明示し、洪水発生地点と避難区域を挿入する欄を設け、対象者へ高い場所に直ちに移動するよう求めました。冠水した場所を徒歩や車で通らないという安全上の注意、ペットを連れて利用できる避難先、公式更新情報の確認先も加えています。単に文章を滑らかにしたのではなく、住民が「自分は対象か」「どこへ行くか」「何を避けるか」を判断するための要素を補った点が重要です。

この事例から、企業が生成AIの品質を評価するときの着眼点も見えてきます。読みやすさや文法だけを採点しても、緊急連絡の有効性は測れません。受信者、場所、期限、具体的な行動、禁止事項、問い合わせ先といった業務要件を評価基準にし、欠けた情報をAIが勝手に推測せず、入力を求める仕組みにする必要があります。空欄を自然な文章で埋めてしまうモデルより、「場所を確認してください」と処理を止めるモデルのほうが、緊急業務では安全な場合もあります。

EM1は約100の政府機関や学区と契約していますが、異常気象の警報を自動配信している契約先はまだありません。利用の中心は、計画の検討や組織内の準備です。それでも複数の専門家は、現場の危機管理担当者が公表しないままChatGPTなどで文案を作っている可能性が高いとみています。研修に参加する担当者が、ChatGPTやGeminiを使って短時間で質の高い警報案を用意してくるケースも確認されています。



危機管理教育に携わるサラ・ミラー氏によれば、組織としての採用率は低くても、職員は個人アカウントや無料サービスを利用しています。この状態は、企業の生成AI導入で問題になる「シャドーAI」とよく似ています。禁止だけを掲げても、現場に時間短縮の需要があり、正式な代替手段がなければ利用は見えない場所へ移ります。その結果、どの情報が外部サービスへ入力されたか、出力を誰が確認したか、どのモデルや設定が使われたかを組織が把握できません。

警報業務では、個人情報だけでなく、未公表の被害状況や避難計画を扱う可能性があります。したがって、利用規程には入力してよい情報の範囲、承認済みサービス、記録の保存、出力の検証方法、障害時の代替手順を含めるべきでしょう。これはAIを全面的に許可するという意味ではありません。文章の校正、訓練用シナリオ、実際の警報案などをリスク別に分け、業務ごとに利用条件を設定する考え方です。

非公式利用を把握するには、処罰を前提とした調査より、職員がどの場面でAIを必要としているかを聞き取るほうが有効と考えられます。文案作成に時間がかかるのか、多言語対応が難しいのか、確認者が不足しているのかによって、必要な対策は異なります。現場の課題を特定したうえで、安全なツールとレビュー経路を用意しなければ、規程と実務の隔たりは埋まりません。

AIが人間より速く、分かりやすい文案を作れるなら、すべての熱波や山火事で使えばよいようにも見えます。しかし、災害コミュニケーションでは文章の品質だけでなく、誰が自分を気にかけ、責任を持って発信しているのかという感覚が信頼を左右します。政府にもAIにも懐疑的な住民は、AI生成と分かった画像や投稿を避けるかもしれません。災害技術のコンサルタントであるジニー・カッツ氏は、人は本物らしく、自分たちを気遣っていると感じるものを信頼すると指摘し、AI生成コンテンツにはその感覚が乏しいと述べています。



ニューヨーク州シラキュースでは、自治体が緊急性のない911通報への応答にAIサービスを利用したことをめぐり、公務員労組が提訴しました。これは、技術的に応答できることと、住民や職員が正当な運用だと受け入れることの間に隔たりがある例です。AI利用の表示方法や責任主体が曖昧なまま導入すれば、効率化によって得た時間以上に、説明や信頼回復へ時間を費やす結果にもなり得ます。

もう一つのリスクは、警報を簡単に作れるほど発信回数が増えることです。似た通知が頻繁に届けば、住民は内容を詳しく読まなくなり、本当に切迫した警報まで日常的な案内として処理するおそれがあります。モンテシートの事例でも、短期間に避難を繰り返した住民の警報疲れが行動に影響しました。生成AIで作成時間を短縮するなら、配信件数、重複、対象地域の絞り込みも同時に管理しなければなりません。

信頼を保つには、AIの使用を強調するだけでも、隠すだけでも不十分です。発信責任は自治体や組織にあること、専門家が内容を確認していること、更新情報を公式経路で確認できることを一貫して示す必要があります。住民が求めるのは、文章を入力したのが人間か機械かという単純な答えではなく、その通知が正確で、自分の安全を考慮し、間違いがあれば訂正されるという保証です。

危機管理向けAIの課題は、自治体だけのものではありません。企業も、工場事故、施設閉鎖、従業員の避難、サプライチェーンの停止などで、短時間に正確な連絡を出す必要があります。平時の広報文と違い、緊急通知は表現の巧みさより、対象者が迷わず行動できることが優先されます。生成AIを導入する場合は、便利な文章作成ツールとして配布するのではなく、緊急連絡の業務手順へ組み込む視点が必要です。



運用設計では、事実の確定、文案作成、専門確認、承認、配信、訂正という工程を分けます。AIが担当できるのは、確定済み情報の整理、平易な表現への変換、必須項目の欠落検出、複数媒体向けの文字数調整などです。事故の深刻度や避難範囲を独自に判断させたり、不足する場所や時刻を推測させたりしてはいけません。専門部署が事実を確認し、権限を持つ責任者が配信を承認する構造を維持する必要があります。

技術面では、自由に会話できる画面だけでなく、必須情報を構造化して入力するフォーム、参照できる社内情報の制限、出力履歴、承認記録を用意すると管理しやすくなります。評価試験では、通常時のきれいな例文だけでなく、情報が欠けたケース、矛盾する報告が届いたケース、通信障害で一部の情報源が使えないケースも試すべきでしょう。正答率だけではなく、判断できないときに停止し、人間へ確認を求められるかも重要な評価項目です。

導入の第一歩として適しているのは、実際の警報の全自動化ではなく、過去の通知を使った演習です。担当者が作った文案とAIの修正案を比較し、発信者、対象、場所、行動、期限、安全上の注意、更新先がそろっているかを確認します。その結果をテンプレートや研修へ反映すれば、AIを使わない場面でも連絡品質を改善できます。実運用へ進むかどうかは、モデルの性能だけでなく、検証者を常時確保できるか、誤配信を止められるか、訂正を速やかに届けられるかで判断すべきです。

生成AIの導入判断で最後に確認したいのは、「人間より上手に書けるか」ではありません。「不確かな情報を確定事項のように見せず、責任者が送信前に止められるか」が基準になります。まずは自社の緊急連絡を一件選び、必要項目と承認者を明文化するところから始めると、AIに任せられる範囲と任せてはいけない判断が見えてくるでしょう。