自治体営業支援AI「LobbyAI」、汎用高性能LLM（GPT-5.5）との第三者比較で自治体営業の実務有効性の勝率100%を記録

公共情報分析プラットフォームを開発するLobbyAI株式会社（本社：東京都港区、代表取締役CEO：髙橋京太郎）は、自治体営業支援AI「LobbyAI」について、汎用高性能LLMであるGPT-5.5を用いた出力をベースラインとする第三者AI比較を実施し、自治体営業における実務有効性の匿名A/B評価で、引き分けを除く勝率100%を記録したことをお知らせします。

LobbyAIは、自治体・中央省庁が公開する議会発言、行政計画、予算、審議会資料、入札情報などを収集・構造化した独自の公共情報データベースを基盤に、自治体営業や政策渉外に必要な情報を分析・整理するAIサービスです。

今回の比較では、汎用LLMによる一般的な論点整理に対し、LobbyAIが独自データベースと自治体営業向けの分析設計を組み合わせることで、自治体営業の実務で求められる提案先選定・根拠提示・次アクション作成を行えることが確認されました。

本検証では、自治体営業で頻出する8つのユースケースを対象に、LobbyAIの出力と比較対象モデルの出力を匿名化し、第三者AIであるGemini 3.5 thinkingが評価しました。

評価は、自治体営業で重要となる「提案先選定」「出典・根拠の支持性」「次アクション具体性」の3軸について、「厳格な出典レビュー」「営業責任者レビュー」「リスクレビュー」の3観点から判定する形で実施しました。合計72判定の結果、LobbyAIは65判定で勝利、比較対象モデルの勝利は0判定、引き分けは7判定となりました。

引き分けを除外したLobbyAIの勝率は100%、全72判定中のLobbyAI優位率は90.3%となりました。

サマリー

今回の比較検証では、LobbyAIが自治体営業における実務利用において、GPT-5.5を用いた汎用LLMのベースライン出力を大きく上回る結果となりました。

主な結果は以下の通りです。

※比較対象：汎用高性能LLMであるGPT-5.5を用いた出力

LobbyAIは、自治体議事録、行政計画、予算・公開資料などの一次情報をもとに、営業担当者が「どの自治体に、どの部署へ、何を、いつ提案すべきか」を判断するための情報整理において高く評価されました。

一方、ベースライン出力は、政策テーマの一般的な整理や初回面談の質問案作成では有用な面があるものの、個別自治体の一次情報に基づく営業判断、提案先部署の特定、予算化・調達兆候の読み取りにおいて、追加調査が必要になる傾向が確認されました。

比較を実施した背景

自治体営業では、提案先を選定するまでに多くの公開情報を確認する必要があります。

自治体ホームページ、議会議事録、行政計画、総合計画、分野別計画、予算・決算資料、入札情報、補助金・公募情報などは、自治体ごと、資料形式ごと、更新頻度ごとに分散しています。

そのため、営業担当者が「どの自治体で課題が顕在化しているのか」「どの部署が所管しているのか」「今提案すべき理由があるのか」を判断するには、大きな調査工数と行政領域への理解が必要です。

特に自治体営業では、単に政策トレンドを把握するだけでは不十分です。実務で必要になるのは、営業判断に直結する情報です。

提案先になり得る自治体

接触すべき担当部署候補

議会発言、行政計画、予算資料に基づく課題の根拠

今提案すべき理由、または提案を急がない方がよい理由

既存施策、競合導入、予算不足などのリスク

初回面談で確認すべき質問

営業管理やCRMに転記できる次アクション

生成AIの活用により、政策テーマの検索、要約、論点整理は容易になりつつあります。一方で、自治体ごとの一次情報に基づき、営業先選定、担当部署、提案タイミング、初回面談の論点まで落とし込むには、情報の正確性、出典の確認、行政文脈の理解が求められます。

LobbyAIは、こうした自治体営業の初期調査をAIで支援し、分散した公共情報を営業現場で使える形に変換することを目指しています。

第三者AI比較の概要

今回の比較では、自治体営業で実際に発生しやすい8つのテーマを対象に、LobbyAIと比較対象モデルへ同一趣旨の調査課題を与えました。

出力はA/Bとして匿名化し、Gemini 3.5 thinkingには生成元を伏せた状態で評価させました。評価完了後にA/Bを復号し、LobbyAIとベースライン出力の結果を集計しました。

対象テーマは以下の8つです。

評価軸は以下の3つです。

1つ目は、提案先選定です。 提案すべき自治体、担当部署、営業タイミングを特定できているかを評価しました。

2つ目は、出典・根拠の支持性です。 議事録、行政計画、自治体公開文書などが、主張、課題、提案タイミングを支えているかを評価しました。

3つ目は、次アクション具体性です。 初回面談、提案仮説、確認すべき資料、営業管理に転記できる次アクションまで落とし込めているかを評価しました。

さらに、各評価軸について「厳格な出典レビュー」「営業責任者レビュー」「リスクレビュー」の3観点で判定し、合計72判定としました。

比較結果：LobbyAIが65勝0敗7分、引き分け除外勝率100%

第三者AIによる匿名A/B評価の結果、LobbyAIは全72判定中65判定で勝利しました。比較対象モデルの勝利は0判定、引き分けは7判定でした。

引き分けを除外した場合、LobbyAIの勝率は100%となりました。また、全72判定中でLobbyAIが優位とされた割合は90.3%でした。

本評価では、LobbyAIが単なる政策テーマの一般論や自治体計画のキーワード要約にとどまらず、直近の議会議事録、決算特別委員会、常任委員会での発言などの一次情報から、組織改編、予算執行状況、既存施策の課題、実証から本格導入への移行、協議会での仕様検討といった営業フックを抽出している点が評価されました。

一方、ベースライン出力は、一般的な政策テーマの整理や初回面談の質問案作成には有用な箇所があるものの、自治体名を一般論に当てはめる傾向、有名先進自治体への偏り、出典支持性の弱さ、既導入・競合参入リスクの確認不足が指摘されました。

差がついた3つのポイント

1. 独自の公共情報データベースに基づき、自治体ごとの文脈を捉えられること

自治体営業では、「この政策テーマが全国的に重要である」という一般論だけでは、営業判断に使えません。実務上必要なのは、「この自治体で、なぜ今、この部署に提案すべきなのか」を説明できる根拠です。

LobbyAIは、自治体・中央省庁が公開する議会発言、行政計画、予算、審議会資料、入札情報などを収集・構造化した独自の公共情報データベースを基盤に、自治体ごとの課題や検討フェーズを分析します。

そのため、組織改編、計画改定、予算執行状況、実証事業から本格導入への移行、協議会での仕様検討など、営業タイミングにつながる情報を抽出しやすい点が評価されました。

一方、汎用LLMによる出力では、政策トレンドや提案テーマの整理はできるものの、「計画を確認する」「議事録を確認する」といった追加調