WEF 政府におけるエージェンティックAIの活用：導入準備フレームワーク (2026.04.24)

こんにちは、丸山満彦です。

 World Economic Forum; WEF が、4月に公表した「政府におけるエージェンティックAIの活用：導入準備フレームワーク」は興味深いですね... 政府機関向けの文書ですが、大企業でも十分に参考になると思います。

日本もきっとそうなのでしょうが、すでに多くの国の政府でエージェンティックAIの導入がぼちぼちと進んでいるようですね。

どういう領域に導入したらよいのかということについては、「2.2 複雑性に対する潜在能力のアセスメント」が参考になりそうです。

Assessment dimensions for the government readiness framework for agentic AI	エージェンティックAIに関する政府の準備状況フレームワークのアセスメント軸
Agentic AI potential	エージェンティックAIの可能性
The opportunities:	機会：
Can agentic AI do this well and is the effort worth it?	エージェンティックAIはこれをうまくこなせるか、またその取り組みは価値があるか？
1.1 Potential for automation:	1.1 自動化の可能性：
Can this function be automated, or does it require human judgement?	この機能は自動化可能か、それとも人間の判断が必要か？
1.2 Agent requirement:	1.2 エージェント要件：
Does the function need agentic capabilities, or would simpler automation suffice?	この機能にはエージェンティックAIの能力が必要か、それともより単純な自動化で十分か？
1.3 Volume and impact:	1.3 処理量と影響度：
Does this function appear frequently enough or have sufficient strategic importance to justify the investment in agentic AI?	準備度領域別の主要な政府機能（準備度スコア順）+C162B135:C163B135:C161C163B135:C161
Implementation complexity	導入の複雑さ
The barriers:	障壁：
How hard is it to deploy agentic AI and what are the risks	エージェンティックAIの展開はどれほど困難か、またどのようなリスクがあるか
Implementation challenges	展開上の課題
2.1 Data type and quality:	2.1 データの種類と品質：
How structured, accessible and suitable is the required data for agentic AI use?	エージェンティックAIの利用に必要なデータは、どれほど構造化され、アクセス可能で、適しているか？
2.2 Technical integration complexity:	2.2 技術的統合の複雑さ：
How challenging is the integration of the function given existing systems and data sources?	既存のシステムやデータソースを考慮した際、当該機能の統合はどの程度困難か？
2.3 Internal resistance:	2.3 内部の抵抗：
Is workforce and management likely to resist adoption of agentic AI for this function	従業員や経営陣は、この機能へのエージェンティックAIの導入に抵抗を示す可能性が高いか
Risk and ethical impact	リスクと倫理的影響
3.1 Ethical threat:	3.1 倫理的脅威：
Can automation of this function introduce bias, unfairness or harm?	この機能の自動化により、バイアス、不公平、または害が生じる可能性があるか？
3.2 function criticality:	3.2 機能の重要度：
What is the severity and reversibility of potential errors for this function?	この機能において、潜在的なエラーの深刻度と回復可能性はどの程度か？
3.3 Privacy and data issues:	3.3 プライバシーおよびデータに関する問題：
How sensitive is the information involved in this function, and what regulatory constraints apply?	この機能に関わる情報の機密性はどの程度か、またどのような規制上の制約が適用されるか？

また、実際に準備度が高い領域についてはつぎのようになっていますね…

Core government functions by readiness area (sorted by readiness score	準備度領域別の主要な政府機能（準備度スコア順）
High‑readiness area	準備度が高い領域
01 Cybersecurity monitoring	01 サイバーセキュリティ監視
02 Public information and guidance provision	02 公共情報およびガイダンスの提供
03 Systems performance monitoring	03 システムパフォーマンスの監視
04 Service appointment and queue management	04 サービスの予約および待ち行列管理
05 Threat intelligence and early warning	05 脅威インテリジェンスおよび早期警戒
06 Tender preparation and awarding	06 入札の準備および落札
07 Document validation and processing	07 文書の妥当性確認および処理
08 Transparency reporting and disclosure	08 透明性に関する報告および開示
09 Financial performance monitoring and compliance	09 財務実績の監視およびコンプライアンス
10 Document life cycle management	10 文書のライフサイクル管理

 この表の内容は、民間企業でも十分に参考になると思います。

また、政府のユースケースも記載されているので参考になりますね...

要約するとこんな感じ？

ユースケース1：ウクライナ - Diia.AI国家AIアシスタント

機能カテゴリー：市民コミュニケーションと相互作用

• 市民が対話的相互作用を通じて公共サービスにアクセスできる国家AIアシスタント
• 2025年9月の立ち上げ以来、290,000人以上の市民に使用され、7,000以上の所得証明書を発行
• ゼロトラストアプローチを採用し、厳格なデータ保護基準を遵守
• Diiaサポートチーム内のAIツールが、100万件を超える市民からの問い合わせの90％を処理

ユースケース2：ドイツ - AIベースの建設許可システム

機能カテゴリー：公共サービス

• 提出された申請資料を分析し、ケース固有の事実を適用可能な法規範にマッピング
• 人間の監視の下で法的根拠に基づく許可決定の草案を生成
• 段階的拡張を可能にするため、現時点では限定的な自律性を持たせている

ユースケース3：アラブ首長国連邦 - HR AIエージェント

機能カテゴリー：組織と労働力

• 連邦HRエコシステム内に対話型エージェントインターフェースを導入
• 130以上のデジタルHRサービスを支援し、50,000人以上の連邦従業員のHR法規と政策問い合わせの80%以上を自律的に解決
• 高頻度の情報中心の相互作用から開始し、段階的に能力を拡張

ユースケース4：ドイツ - Jiraチケット作成

機能カテゴリー：ITインフラとデータガバナンス

• システム変更要求やユーザーストーリーを構造化されたルール準拠のJiraワークフローに変換する作業をエージェンティックAIにより自動化
• 1日平均20チケット、処理に約20分かかると仮定すると、関与チームに月約150時間の節約をもたらす可能性

• WEF

・2026.04.24 Making Agentic AI Work for Government: A Readiness Framework

・[PDF]

目次…

Foreword	まえがき
Executive summary	エグゼクティブサマリー
1 The agentic opportunity	1 エージェンティックAIの機会
1.1 From process digitization to outcome orchestration	1.1 プロセスのデジタル化から成果のオーケストレーションへ
1.2 Why agentic AI matters for governments	1.2 政府にとってエージェンティックAIが重要な理由
1.3 The tactical challenge: where to begin	1.3 戦術的な課題：どこから始めるか
2 An innovative government readiness framework for agentic AI	2 エージェンティックAIに向けた革新的な政府準備フレームワーク
2.1 A function-based assessment lens	2.1 機能ベースのアセスメントレンズ
2.2 The assessment of potential against complexity	2.2 複雑性に対する潜在能力のアセスメント
2.3 A topography of government readiness	2.3 政府の準備状況の全体像
2.4 From global topography to regional roadmap	2.4 グローバルな全体像から地域別ロードマップへ
3 Learning from successful deployments	3 成功した展開からの学び
Conclusion	結論
Appendices	附属書
A1 Methodology	A1 方法論
A2 Comprehensive breakdowns of agentic AI assessment scores for all 70 core government functions	A2 70の主要な政府機能すべてに対するエージェンティックAI評価スコアの詳細内訳
Contributors	寄稿者
Endnotes	注釈

エグゼクティブサマリー…

Executive summary	エグゼクティブサマリー
A pioneering framework to help governments move agentic AI from experimentation to scalable public value.	政府がエージェンティックAIを実験段階からスケーラブルな公共価値へと移行させるための先駆的なフレームワーク。
Public expectations are rising, fiscal space is tightening, and many administrations are being asked to deliver more with less. Against this backdrop, agentic artificial intelligence (AI) represents a fundamental shift in capability, enabling systems to autonomously execute endto-end multi-step workflows, with the potential to transform how governments serve citizens.	国民の期待は高まり、財政的余地は狭まり、多くの行政機関は「少ない資源でより多くの成果」を求められている。こうした背景において、エージェンティックAIは能力の根本的な転換をもたらし、システムが自律的にエンドツーエンドの多段階ワークフローを実行することを可能にし、政府の市民へのサービス提供方法を変革する潜在力を秘めている。
Realizing this opportunity requires strategic, evidence-based adoption – grounded in a clear assessment of where agentic AI can deliver the greatest public value, what risks must be managed and what capabilities and safeguards need to be in place before deployment at scale.	この機会を実現するには、戦略的かつ証拠に基づいた導入が必要だ。それは、エージェンティックAIが最大の公共価値を生み出せる領域、管理すべきリスク、そして大規模展開前に整備すべき能力や安全策を明確に評価することに根差している。
This report responds to that need by introducing the first systematic framework for assessing government readiness for agentic AI and evaluating core global government activities (or “functions”). The framework is complemented by real-world use cases that ground the assessment in practice, highlighting current agentic AI initiatives.	本報告書は、政府のエージェンティックAI導入準備度を評価し、世界各国の政府の中核的機能（または「機能」）を評価するための初の体系的なフレームワークを導入することで、そのニーズに応えるものである。このフレームワークは、アセスメントを実践に根ざした現実のユースケースで補完し、現在進行中のエージェンティックAIイニシアチブを浮き彫りにしている。
The starting point: assessing agentic AI readiness across government functions	出発点：政府機能全体におけるエージェンティックAI導入準備度のアセスメント
By focusing on functions – recurring workflows that cut across organizational segregation rather than isolated tasks or departments – this framework provides governments with a new basis for prioritizing deployment and implementation at scale.	孤立したタスクや部署ではなく、組織の区分を越えて繰り返されるワークフローである「機能」に焦点を当てることで、このフレームワークは政府に対し、大規模な展開と実装の優先順位付けを行うための新たな基盤を提供する。
・ High-readiness area: suitable for early deployment, with robust safeguards	・ 準備度が高い領域：堅牢な安全対策が整っており、早期導入に適している
・Medium-readiness area: suitable for phased implementation requiring additional enabling conditions, capability building or analysis	・準備度中程度の領域：追加の導入条件、能力構築、または分析を必要とする段階的な実装に適している
・Low-readiness area: suitable for monitoring, iterative testing and longer-term preparation	・準備度の低い領域：モニタリング、反復的なテスト、および長期的な準備に適している
The review of 70 core government functions indicates that 50% combine significant agentic AI potential with manageable implementation complexity, pointing to a substantial opportunity for scaled adoption where institutional capacity and safeguards are in place.	70の主要な政府機能のレビューによると、50％の機能において、エージェンティックAIの大きな可能性と管理可能な実装の複雑さが組み合わさっており、組織的な能力と安全対策が整っている場合、大規模な導入に向けた大きな機会があることが示唆されている。
Clear takeaways emerge from this analysis:	この分析から、明確な示唆が得られる：
– Think in functions, not departments: Agentic AI operates in workflows that cut across organizational boundaries.	– 部署ではなく機能単位で考える：エージェンティックAIは、組織の境界を越えたワークフローの中で動作する。
– Balance ambition with feasibility: High agentic AI potential should be weighed against implementation complexity before operationalizing at scale.	– 野心と実現可能性のバランスをとる：大規模に運用化する前に、エージェンティックAIの高い潜在能力と導入の複雑さを天秤にかけるべきだ。
– Start where the best odds exist: Build capability and confidence with highreadiness functions before tackling more complex ones.	– 成功の可能性が最も高いところから始める：より複雑な機能に取り組む前に、準備度の高い機能を通じて能力と自信を築く。
– Local context determines success: Global scores are baselines. Local infrastructure, regulatory environments and cultural norms determine what is possible.	– 成功は現地の状況に左右される：グローバルスコアはあくまで基準である。現地のインフラ、規制環境、文化的規範が、何が可能かを決定づける。
– Expect the topography to evolve: Reassess regularly. Functions in the lowreadiness area today may be in the medium- or high-readiness area tomorrow.	– 状況の変化を見据える：定期的に再評価を行う。今日、準備度が低い領域にある機能が、明日には中程度または高い準備度領域に移行する可能性がある。
From insight to action	洞察から行動へ
The report translates analysis into a practical decision-support framework for governments considering agentic AI adoption. It provides a structured approach to identifying relevant functions and prioritizing opportunities based on potential public value and implementation barriers, helping decision-makers focus on where agentic AI is most likely to make an impact. These insights are intended to inform subsequent choices on governance design, risk management, piloting and scaling. Local adaptation is essential: each jurisdiction must tailor the framework to its organizational priorities, digital maturity and regulatory context.	本報告書は、分析結果を、エージェンティックAIの導入を検討する政府向けの実践的な意思決定支援フレームワークへと変換している。本報告書は、関連する機能を特定し、潜在的な公共的価値と導入障壁に基づいて機会の優先順位を付けるための体系的なアプローチを提供し、意思決定者がエージェンティックAIが最も大きな影響を与えうる分野に注力できるよう支援する。これらの知見は、ガバナンス設計、リスクマネジメント、パイロット実施、およびスケールアップに関するその後の選択の指針となることを意図している。地域ごとの適応が不可欠である。各管轄区域は、組織の優先事項、デジタル成熟度、および規制環境に合わせてこのフレームワークを調整しなければならない。
This framework is a starting point – a tool to inform strategic choices. It is designed to help policy-makers and industry move together – establishing where to begin, how to build capability and ultimately how to convert agentic AI opportunities into measurable public value.	このフレームワークは出発点であり、戦略的な選択を導くためのツールである。政策立案者と産業界が連携して進むことを支援するよう設計されており、どこから着手すべきか、いかに能力を構築するか、そして最終的にエージェンティックAIの機会をいかにして測定可能な公共価値へと転換するかを明確にするものである。

各章の頭部分と結論…

1. The agentic opportunity	1. エージェンティックAIの機会
Agentic artificial intelligence can transform public institutions by orchestrating end-to-end workflows, shifting government operations from task automation to outcome delivery.	エージェンティックAIは、エンドツーエンドのワークフローを調整することで公共機構を変革し、政府の業務をタスクの自動化から成果の提供へと転換させることができる。
Government technology has become a foundational driver of competitiveness, institutional capacity and public trust. The Global Public Impact of GovTech: A $9.8 Trillion Opportunity estimates a $9.8 trillion opportunity from public-sector digital transformation by 2034.1 Converting that opportunity into sustained impact, however, depends on how governments design and deploy the next generation of capabilities.	政府テクノロジーは、競争力、組織能力、そして国民の信頼を支える基盤的な原動力となっている。『GovTechのグローバルな公共的インパクト：9.8兆ドルの機会』では、2034年までに公共部門のデジタルトランスフォーメーションから9.8兆ドルの機会が生まれると推定している¹。しかし、その機会を持続的なインパクトへと転換できるかどうかは、政府が次世代の能力をいかに設計し、展開するかにかかっている。
Agentic artificial intelligence (AI) is one of the most important levers for realizing this potential.	エージェンティックAIは、この可能性を実現するための最も重要な手段の一つである。
Unlike earlier AI applications that focused on narrow tasks such as classification, prediction or pattern recognition, agentic systems can coordinate multi-step processes, integrate information across multiple sources and adapt their actions based on context and evolving conditions. These capabilities are well aligned with the structure of many government workflows, which typically involve sequential decisions, multiple stakeholders and the application of rules and judgement over time.	分類、予測、パターン認識といった限定的なタスクに焦点を当てていた従来のAIアプリケーションとは異なり、エージェンティックAIシステムは多段階のプロセスを調整し、複数の情報源から情報を統合し、文脈や変化する状況に基づいて行動を適応させることができる。これらの能力は、通常、連続的な意思決定、複数のステークホルダー、そして時間をかけてのルールや判断の適用を伴う多くの政府ワークフローの構造とよく合致している。
1.1 From process digitization to outcome orchestration	1.1 プロセスのデジタル化から成果のオーケストレーションへ
1.2 Why agentic AI matters for governments	1.2 政府にとってエージェンティックAIが重要な理由
1.3 The tactical challenge: where to begin	1.3 戦術的な課題：どこから始めるか
2. An innovative government readiness framework for agentic AI	2. エージェンティックAIに向けた革新的な政府準備フレームワーク
By evaluating the AI readiness of core government functions, the framework highlights where AI agents can be deployed and where risks outweigh benefits.	政府の中核機能におけるAI導入準備度を評価することで、本フレームワークは、AIエージェントを展開できる領域と、リスクが便益を上回る領域を明らかにする。
The report introduces a framework with four building blocks to guide decision-making on agentic AI in government (see Figure 1). It assesses functions against both its potential and its complexity, producing a clear picture of where governments can act with confidence, where they should invest in preparation and where caution is warranted – helping them translate the broad promise of agentic AI into strategic decisions.	本報告書は、政府におけるエージェンティックAIに関する意思決定を導くための4つの構成要素からなるフレームワークを紹介している（図1参照）。このフレームワークは、各機能の潜在的可能性と複雑性の両面からアセスメントを行い、政府が自信を持って行動できる領域、準備への投資が必要な領域、そして慎重さが求められる領域を明確に描き出す。これにより、政府がエージェンティックAIの広範な可能性を戦略的な意思決定へと転換するのを支援する。
2.1 A function-based assessment lens	2.1 機能ベースのアセスメントレンズ
2.2 The assessment of potential against complexity	2.2 複雑性に対する潜在能力のアセスメント
2.3 A topography of government readiness	2.3 政府の準備状況の全体像
2.4 From global topography to regional roadmap	2.4 グローバルな全体像から地域別ロードマップへ
3. Learning from successful deployments	3. 成功した展開事例からの学び
A closer look into agentic AI use cases shows the tangible impact agents are already delivering.	エージェンティックAIのユースケースを詳しく見ると、エージェントがすでに生み出している具体的な影響が明らかになる。
Detailed interviews with public- and private-sector stakeholders on early experiences with agentic AI and use cases have informed the framework in this report. Early implementations show that agentic AI can create tangible value in government operations when applied to clearly defined challenges.	エージェンティックAIの初期導入経験やユースケースに関する、官民のステークホルダーへの詳細なインタビューが、本報告書のフレームワークの基礎となっている。初期の実装事例は、明確に定義された課題に適用された場合、エージェンティックAIが政府業務において具体的な価値を生み出せることを示している。
The following examples from the public sector illustrate where agentic approaches are most effective and capture key learnings that enable solutions to progress from experimentation to scalable impact. Private-sector use cases are available on the GovTech Intelligence Hub, presented in a practical, real-world format and curated as an evolving collection to support ongoing cross-sector learning.	以下の公共部門の事例は、エージェンティックアプローチが最も効果的である領域を示しており、ソリューションを実験段階から拡張可能な影響力へと発展させるための重要な知見を捉えている。民間セクターのユースケースは、GovTech Intelligence Hubで公開されている。これらは実践的かつ現実的な形式で提示され、継続的なセクター横断的な学習を支援するために、進化するコレクションとしてキュレーションされている。
Conclusion	結論
Governments are at a clear inflection point: agentic AI is no longer hypothetical – it is expected to reshape public administration. The central question is not whether to engage with agentic AI, but how to do so responsibly and in ways that produce measurable public value.	政府は明確な転換点に立っている。エージェンティックAIはもはや仮説の域を出ており、行政のあり方を再構築することが期待されている。核心となる問いは、エージェンティックAIを導入すべきかどうかではなく、いかにして責任を持って、かつ測定可能な公共的価値を生み出す形で導入するかである。
A function-level view reveals where automation delivers the greatest impact, regardless of organizational charts. The report presents a clear lesson: progress depends less on pursuing the most sophisticated applications and more on disciplined sequencing. Governments that begin with high-readiness functions and treat pilots as structured learning exercises are better positioned to scale responsibly. By contrast, prioritizing complex, high-stakes applications too early can strain resources and slow broader adoption.	機能レベルの視点に立つことで、組織図に関わらず、自動化が最大のインパクトをもたらす領域が明らかになる。本報告書は明確な教訓を示している。すなわち、進展は最も洗練されたアプリケーションの追求よりも、規律ある順序立てられた取り組みにかかっているということだ。準備の整った機能から着手し、パイロット事業を体系的な学習の機会と捉える政府こそが、責任を持ってスケールアップできる立場にある。対照的に、複雑でリスクの高いアプリケーションを早期に優先すると、リソースを圧迫し、広範な導入を遅らせる恐れがある。
Now, intentional leadership is required. Successful adoption depends less on any single technology than on clear mandates, aligned incentives and the willingness to invest in data, integration and capability building. This report does not prescribe a fixed roadmap. Instead, it provides a shared frame of reference to help governments decide where to start, what to invest in and how to sequence action.	今、意図的なリーダーシップが求められている。導入の成否は、個々の技術そのものよりも、明確な指針、整合されたインセンティブ、そしてデータ、統合、能力構築への投資意欲にかかっている。本報告書は固定的なロードマップを提示するものではない。その代わりに、政府がどこから始め、何に投資し、どのように行動を順序立てるかを決定するための共通の参照枠組みを提供するものである。
Operationally, adoption should be governed by bounded autonomy – defined agent operating scopes, explicit human escalation mechanisms and transparency around decisions – so officials can deploy systems that are effective and accountable. They should define desired outcomes and constraints upfront, use pilots to test or validate assumptions and expand system scope incrementally as trust and capability grow.	運用面では、導入は「限定された自律性」――定義されたエージェントの運用範囲、明確な人間によるエスカレーションの仕組み、意思決定の透明性――によってガバナンスされるべきであり、そうすることで導入者は効果的かつ説明責任を果たせるシステムを展開できる。導入者は、望ましい成果と制約を事前に定義し、パイロット事業を用いて仮定を妥当性確認し、信頼と能力が高まるにつれてシステムの範囲を段階的に拡大すべきである。
The next step is practical: adapt the framework to local conditions, reassess assumptions against real constraints and move from analysis to carefully scoped action. Continued empirical learning from test deployments and follow-on research will be essential as both the technology and its governance evolve.	次のステップは実践的だ。フレームワークを現地の状況に適応させ、実際の制約に照らして仮定を再評価し、分析から慎重に範囲を定めた行動へと移行する。技術とそのガバナンスが進化するにつれ、試験展開やその後の研究から継続的に経験的な知見を得ることが不可欠となる。
Approached with strategic clarity, agentic AI can be more than another wave of digitization. It can underpin a more resilient, responsive and outcome- focused public administration – strengthening public trust and helping governments fulfil their core mission.	戦略的な明確さを持って取り組めば、エージェンティックAIは単なるデジタル化の新たな波にとどまらない。それは、より高いレジリエンスを持ち、迅速に対応し、成果重視の行政を支える基盤となり得る。それにより、国民の信頼を強化し、政府が中核的な使命を果たすのを支援するのだ。

こちらも興味深い...

・A Practical Toolkit for Deploying Agentic AI in Government

Identifying high-impact opportunities for agentic AI

準備度領域別の主要な政府機能（準備度スコア順）↓

Core government functions by readiness area (sorted by readiness score	準備度領域別の主要な政府機能（準備度スコア順）
High‑readiness area	準備度が高い領域
01 Cybersecurity monitoring	01 サイバーセキュリティ監視
02 Public information and guidance provision	02 公共情報およびガイダンスの提供
03 Systems performance monitoring	03 システムパフォーマンスの監視
04 Service appointment and queue management	04 サービスの予約および待ち行列管理
05 Threat intelligence and early warning	05 脅威インテリジェンスおよび早期警戒
06 Tender preparation and awarding	06 入札の準備および落札
07 Document validation and processing	07 文書の妥当性確認および処理
08 Transparency reporting and disclosure	08 透明性に関する報告および開示
09 Financial performance monitoring and compliance	09 財務実績の監視およびコンプライアンス
10 Document life cycle management	10 文書のライフサイクル管理
Medium‑readiness area	準備度中程度の領域
11 Case tracking and orchestration	11 案件の追跡および調整
12 Benefit calculation and distribution	12 給付金の計算および支給
13 Fraud detection and prevention	13 不正の検知および防止
14 Payment processing and reconciliation	14 支払処理および照合
15 Policy implementation monitoring	15 政策実施の監視
16 Talent acquisition	16 人材採用
17 Project management and progress monitoring	17 プロジェクト管理および進捗監視
18 Authorization, licence issuance and suspension	18 認可、免許の発行および停止
19 Media and discourse monitoring	19 メディアおよび言論の監視
20 Legislative process support and documentation	20 立法プロセスの支援および文書化
21 Environmental, social and governance oversight and integration	21 環境・社会・ガバナンス（ESG）の監督および統合
22 Employee onboarding and offboarding	22 従業員の入社および退職手続き
23 Citizen satisfaction and sentiment analysis	23 市民満足度および感情分析
24 Knowledge capture and institutional memory	24 ナレッジの蓄積と組織的記憶
25 Communication effectiveness monitoring	25 コミュニケーション効果のモニタリング
26 Service interface design and accessibility	26 サービスインターフェースの設計とアクセシビリティ
27 IT infrastructure and application provisioning	27 ITインフラおよびアプリケーションのプロビジョニング
28 Revenue collection and reconciliation	28 歳入の徴収と照合
29 Public needs identification and analysis	29 公共のニーズの特定と分析
30 Data quality assurance and validation	30 データ品質保証と妥当性確認
31 Access control and rights management	31 アクセス管理と権利管理
32 Communication and campaigning design	32 コミュニケーションおよびキャンペーンの設計
33 Identity verification and authentication	33 本人確認と認証
34 Application intake and initial processing	34 申請の受付と初期処理
35 Service quality monitoring and assurance	35 サービス品質のモニタリングと保証
Low‑readiness area	準備が不十分な分野
36 Service communication channel operations	36 サービスコミュニケーションチャネルの運用
37 Interoperability and data exchange management	37 相互運用性とデータ交換の管理
38 Emergency preparedness monitoring	38 緊急事態への備えのモニタリング
39 Complaint intake and resolution	39 苦情の受付と解決
40 Legal and regulatory records management	40 法規制関連記録の管理
41 Contract and supplier management	41 契約およびサプライヤー管理
42 Archiving and long-term preservation	42 アーカイブと長期保存
43 Policy forecasting and scenario modelling	43 政策予測とシナリオモデリング
44 Capital investment planning	44 設備投資計画
45 Legal and regulatory framework analysis	45 法規制フレームワークの分析
46 Risk mitigation	46 リスク緩和
47 Corporate compliance inspection	47 企業コンプライアンス検査
48 Multilingual content adaptation	48 多言語コンテンツの適応
49 Policy option formulation and drafting	49 政策オプションの策定および起草
50 Infrastructure, asset and facility management	50 インフラ、資産および施設管理
51 Cybersecurity incident response and recovery	51 サイバーセキュリティインシデントへの対応および復旧
52 Public warning and alert dissemination	52 公衆への警告および警報の発信
53 Budget planning and allocation	53 予算計画および配分
54 Workforce development and training	54 人材開発および研修
55 Policy impact prediction	55 政策の影響予測
56 Public consultation facilitation	56 パブリックコンサルテーションの促進
57 Multi-level governance coordination	57 多層的ガバナンスの調整
58 Workforce planning and analytics	58 人材計画および分析
59 Privacy protection and compliance management	59 プライバシー保護およびコンプライアンス管理
60 Program implementation planning	60 プログラム実施計画
61 Eligibility assessment and verification	61 適格性アセスメントおよび検証
62 Stakeholder relationship mapping	62 ステークホルダー関係マッピング
63 Crisis response coordination	63 危機対応調整
64 Inter-agency service orchestration	64 省庁間サービスの調整
65 Inter-governmental policy coordination	65 政府間政策調整
66 Investigation and evidence management	66 調査および証拠管理
67 Grant and subsidy allocation	67 助成金および補助金の配分
68 Policy impact assessment and evaluation	68 政策影響評価および検証
69 Organizational transformation implementation	69 組織変革の実施
70 Employee performance management	70 従業員の業績管理