行政・自治体向けAI
ニューヨーク市のMyCityチャットボットは、家主にセクション8バウチャーの受け取りを拒否できると伝えました。事業者にはキャッシュレス禁止を無視できると伝えました。雇用主には従業員のチップを取得できると伝えました。どの回答も違法でした。どの回答も市のお墨付きを帯びていました。私たちは、すべての回答が特定の法令に遡れる、さもなければ沈黙を貫く行政AIを構築します。
17〜33%
主要なリーガルAIツールにおけるハルシネーション率
Stanford/JELS、Magesh et al.、2025年
78件の法案
2026年・27州にわたる州チャットボット安全法案
AI2Work立法トラッカー、2026年
1,500万ユーロ
高リスク非準拠に対するEU AI法の罰則
EU AI法第99条、2024年
市民サービス向けのAIを初めて評価している場合でも、失敗した導入から立て直そうとしている場合でも、既存のチャットボットを法的に弁護可能なものにしようとしている場合でも、このページでは何が実際に機能し、何が機能しないか、そして精査に耐える行政AIを構築するために何が必要かを解説します。
この失敗は仮説ではありません。.govドメインで、現実の事業主に対し、現実の法的帰結を伴って起こりました。
2023年10月、ニューヨーク市は2,000以上の市のウェブページで学習させたMyCityをMicrosoft Azure AI上で立ち上げました。2024年3月のThe Markupの調査は、NYC法の根幹をなす領域全体にわたる体系的な違法アドバイスを記録しました。
| 法律領域 | MyCityが述べたこと | 法律が実際に定めていること | アドバイスに従った場合の罰則 |
|---|---|---|---|
| 労働 / 賃金 | 「はい、従業員のチップから一部を取得できます」 | FLSAおよびニューヨーク州労働法第196-d条に基づき違法。雇用主は従業員のチップのいかなる部分も保持してはなりません。 | 賃金未払い訴訟、労働省(DOL)の調査、未払い賃金の最大100%に相当する清算損害賠償金 |
| 消費者保護 | 「事業者に現金の受け取りを義務付ける規制はありません」 | 違法。NYC行政法典第20-840条は、銀行口座を持たない市民を保護するためキャッシュレス店舗を禁止しています。 | 初回違反1,000ドル、以降の違反は1,500ドル |
| 住宅の権利 | 「家主はセクション8バウチャーを受け取る必要はありません」 | 違法。NYC人権法は2008年以降、収入源に基づく差別を禁止しています。 | 最大250,000ドルの罰金、補償的損害賠償、方針変更の義務付け |
| 賃貸借法 | 「テナントを締め出すことは合法です」 | 違法。不法な立ち退きは、入居から30日経過後は刑事犯罪となります。 | 刑事訴追、3倍賠償、占有の即時回復 |
市は免責事項を追加しました。チャットボット自身がユーザーに「はい、このボットを専門的なビジネスアドバイスに使用できます」と述べました。新市長のマムダニ氏はこのツールを「実質的に使用不可能」と呼び、約500,000ドルのプログラムを終了する方向で動きました。
問題はアーキテクチャ上のものであり、チューニングの問題ではありません。大規模言語モデルは、もっともらしく聞こえる出力を最適化する確率的エンジンです。家主が「セクション8のテナントを拒否できますか?」と尋ねると、モデルは学習データの中で統計的に支配的なパターン、すなわち一般契約法(テナントを選ぶ自由)を引き出します。収入源に基づく差別を禁止する特定のNYC人権法の規定は、モデルのより広範な学習シグナルによって上書きされる地域的な例外です。
RLHFで学習されたモデルはこれを悪化させます。これらは「役立つ」よう調整されており、実際にはユーザーが暗示する意図に同意することを意味します。テナントの拒否について尋ねる家主は「はい」という答えを得ます。モデルが質問を「法律はどう定めているか」ではなく「このテナントを拒否するのを手伝って」と解釈するためです。行政AIは、法律について正確であるために、ユーザーの目先の願望に対してしばしば役に立たない必要があります。
RAGを追加しても解決しません。Stanfordの2025年の研究は、検索拡張を備えた商用リーガルAIツールをテストしました。最良のもの(LexisNexis Lexis+ AI)でさえ17%の確率でハルシネーションを起こします。WestlawのAI支援リサーチは33%に達します。検索ステップは正しい法令を引き出せますが、生成ステップは依然としてそれを誤解したり、学習上の事前傾向を優先して無視したり、誤った組み合わせの検索済み文章からもっともらしく聞こえる回答を合成したりする可能性があります。
法律アドバイスを提供する行政チャットボットは、「私的(営利的)機能(proprietary function)」の領域で動作します。市が特定の実行可能なビジネスガイダンスを提供するAIを導入する場合、それは裁量的な行政権限を行使しているのではなく、コンサルタントとして行動しています。この区別が重要なのは、私的(営利的)機能には主権免責の保護が及ばないからです。MyCityが行ったアドバイスを行った民間コンサルタントは、過誤の訴えに直面することになります。
2026年2月26日に上院本会議に到達したニューヨーク州上院法案S7263は、チャットボットが実質的な専門アドバイスを行う場合に明示的な民事責任を生じさせます。これは実損害に対する私的訴権を創設し、加えて故意の違反に対する弁護士費用を定めています。同法案は委員会を6対0で通過しました。EU AI法は、市民向けの行政AIを附属書IIIの下で高リスクに分類し、2026年8月発効で最大1,500万ユーロまたは全世界売上高の3%の罰則を科します。これは将来の問題ではありません。引用の強制なしにチャットボットを導入したすべての政府に収束しつつある、現在の規制上の現実です。
選択肢を評価するためのリファレンスです。この表の空白こそが、ほとんどの導入が失敗する場所です。
| カテゴリー | 主要プレイヤー | 彼らが実際に提供するもの | ギャップ |
|---|---|---|---|
| クラウドプラットフォーム | Microsoft Azure Government、AWS GovCloud、Google Public Sector | FedRAMP認定インフラ、汎用LLM(GPT-4、Bedrock、Gemini)、基本的なRAGツール | ソリューションではなくプラットフォーム。AzureがMyCityを支えていました。ハルシネーション問題はプラットフォーム層の上に存在します。 |
| リーガルAIベンダー | Thomson Reuters CoCounsel、LexisNexis Lexis+ AI | 弁護士向けの引用検証済みリーガルリサーチ。CoCounselは100万人以上のユーザーを抱え、Westlaw裏付けの引用を伴うエージェント型リサーチを提供します。 | 市民ではなく弁護士向けに構築。法律事務所向けの価格設定(1ユーザーあたり月額200ドル以上)。自治体条例への特化なし。311/CRM統合なし。 |
| 自治体条例の出版社 | Municode(LexisNexis)、American Legal Publishing、CivicPlus | 構造化された自治体条例データベース。Municode.aiは条例上のRAGベースのチャットを提供。CivicPlusは2026年1月に6つのAI製品を立ち上げました。 | Municode.aiは初期段階で、政府調達の実績がありません。CivicPlus AIはチャットボットレベルであり、引用強制型ではありません。制約付きデコーディングや検証層がありません。 |
| ビッグ4 / 大手SI | Deloitte、Accenture Federal、CGI | プログラム管理、調達ナビゲーション、ATO文書作成。政府クラウド境界内でベンダープラットフォームを導入。AccentureはFY2025にAI関連で36億ドルを受注しました。 | 彼らはプラットフォームを実装しますが、カスタムインテリジェンスを構築しません。コストの60〜70%がPMと文書作成に充てられます。契約は500,000ドル〜500万ドル以上に及びます。MyCityのアーキテクチャは、彼らが導入しそうな類のものです。 |
| GovTechチャットボットベンダー | Citibot、Polimorphic、CrafterQ | 311サービス向けの市民向けチャットボット。デンバーのSunnyは72言語に対応。政府のUX向けに専用設計されています。 | 基本的な検索の上にある会話層。制約付きデコーディング、法令引用の強制、マルチエージェント検証はありません。表面的な精度。 |
| Veriprajna | カスタムビルド | 階層型RAG、制約付きデコーディング、検証エージェント、監査証跡を備えた引用強制型の自治体AI。既存のFedRAMP境界内に導入します。 | より小規模な企業。既存の政府MSA関係はありません。調達ナビゲーションやプログラム管理は扱いません(SIがこれをより得意とします)。プラットフォームではありません。 |
正直なギャップ:組織的な合意形成とチェンジマネジメントは、当社を含めどのベンダーも技術で解決できない、現実の障壁です。スタッフがシステムを信頼しなければ、どれほど正確であっても彼らはそれを回避するでしょう。
4つの能力。それぞれが現在の行政AI導入における特定の障害モードに対処します。
すべての市民の問い合わせは、特定の法令、条例セクション、出典URLを伴う構造化された回答を返します。さもなければシステムは回答を拒否します。これはトークンレベルの制約付きデコーディングです。生成中にモデルの語彙が動的にマスクされるため、検索済みコンテキストに存在しない引用IDを文字通り生成できません。
私たちが階層型インデックスに頼るのは、自治体条例が平坦な文書ではなく木構造だからです。フードトラックに関するゾーニングの質問は、第17編(ゾーニング)、第8編(保健)、第20編(消費者問題)、および該当するDCA規則をまたいだ走査を必要とします。標準的なRAGのチャンク分割はこれらの相互参照を切断します。当社のグラフ強化型インデックスは構造を保持します。意図のための親ノード、運用テキストのための子ノード、それらをつなぐ用語のためのリンクされた定義です。
自治体条例は、市の事務局からのPDFダンプ、MunicodeやAmerican Legal PublishingからのHTML断片、独自のCMSエクスポート、そして時には修正のスキャン画像として届きます。私たちは、これらすべてを時間認識型のバージョン管理を備えた構造化されたナレッジグラフに正規化する自動パイプラインを構築します。
各規定はメタデータを保持します。発効日、廃止日(該当する場合)、罰則額、執行機関、相互参照リンクです。議会が条例を可決すると、パイプラインは更新を取り込んで再インデックス化します。廃止された法令は履歴インデックスに移動します。システムは死んだ法律を引用することは決してありません。毎週の照合チェックは、グラフを出版社のライブ条例と比較し、自動パイプラインが見逃したものを捕捉します。
市民が回答を目にする前に、私たちは敵対的なクエリに対してシステムをレッドチーミングします。「テナントをどうやって立ち退かせるか?」「妊娠中の従業員を解雇できるか?」「残業代の支払いをどう回避するか?」私たちはすべてのクエリ経路をマッピングし、ハルシネーションが法的リスクを生む箇所を特定します。
私たちは、あなたの管轄区域が直面する特定の規制環境に対してテストします。NY S7263の専門アドバイスの境界、EU AI法の高リスク義務(2026年8月期限)、セクション508のアクセシビリティ要件、調達評価のためのNIST AI RMFとの整合、そしてあなたの州固有のチャットボット法令です。出力は、内部審査委員会と外部のコンプライアンス要件の両方を満たす、文書化された監査証跡です。
検索の信頼度が閾値を下回ると、システムは「わかりません、311に電話してください」とは言いません。コンテキストとともに適切な部署にルーティングします。元のクエリ、部分的な検索結果、推奨される分類です。市民は特定の紹介先を得て、受け取るスタッフはシステムがすでに見つけたものを確認できます。
私たちはこのトリアージ層を、既存のCRM(Salesforce Government Cloud、ServiceNow、またはあなたの311プラットフォーム)との双方向統合で構築します。トピックレベルのキルスイッチにより、管理者はシステム全体を停止することなく特定のクエリ領域を無効化できます。住宅関連のクエリでエラーが表面化した場合、ビジネスライセンスの動作を継続したまま住宅ノードを停止できます。
ゾーニング法、保健所の規制、ビジネスライセンス、DCA規則の走査を必要とする実際のクエリです。これは、システムが実際に条例に根ざしているのか、それとも単にもっともらしいテキストを生成しているだけなのかを露わにする類の質問です。
システムは「フードトラックを開く」が複数領域にまたがるクエリであると識別します。これを4つの検索ターゲットに分解します。移動食品販売許可(DCA)、飲食店営業許可(保健)、移動販売業者に対するゾーニング制限(ゾーニング)、一般的なビジネスライセンス要件(財務)です。
各ターゲットについて、システムはナレッジグラフを走査します。ゾーニングの質問に関して具体的には、第17編(ゾーニング)から移動販売業者の規定へと辿り、NYC行政法典第17-315条(5番街の42丁目から59丁目の間でのフードトラックを禁止)を取得し、DCAの移動販売業者ライセンス要件を相互参照し、保健所の第81条飲食サービス基準を引き出します。検索された各規定は、その引用ID、発効日、罰則条項を保持します。
LLMは回答を生成しますが、制約下で行います。許容される引用IDは、ステップ2で検索された特定のセクションに限定されます。モデルが検索セットにない法令を参照しようとすると、そのトークンは確率ゼロにマスクされます。出力は、各事実主張について claim、citation_id、source_url、confidence_score を要求するJSONスキーマに準拠しなければなりません。
回答が市民に届く前に、別個の検証エージェントが3つのチェックを実行します。含意:引用されたテキストは実際に主張を裏付けているか?(モデルは正しい法令を引用しても誤解する可能性があります。)矛盾:検索セットに矛盾する規定があるか?最新性:引用された法令はまだ有効か?いずれかのチェックが失敗すると、システムは特定の部署紹介を伴う安全な拒否にフォールバックします。
市民は、ハイパーリンクされた引用を伴う構造化された回答を受け取ります。「ニューヨーク市でフードトラックを運営するには、DCAの移動食品販売業者ライセンス[第17-307条]、保健所の飲食店営業許可[第81.09条]、および立地制限の遵守が必要です。フードトラックは5番街の42丁目から59丁目の間で禁止されています[第17-315条]。信頼度:高(4つの一致する規定)。あなたの特定の立地での完全なゾーニング適格性については、DCAに[直接リンク]からお問い合わせください。」
やり取り全体が監査記録を生成します。受信したクエリ、分解ターゲット、関連性スコア付きで検索された法令、適用された生成制約、検証結果、最終的な回答です。この記録はあなたのコンプライアンスシステムに保存され、NIST AI RMFの文書化要件とFedRAMPおよびStateRAMPの継続的監視義務の両方を満たします。
4つのフェーズ、それぞれに定義された出力があります。私たちは1つの管轄区域の1つの部署から始め、精度ベンチマークが満たされた後にのみ拡大します。
私たちは、あなたの出版社(Municode、American Legal Publishing、または市の直接の情報源)から自治体条例を取り込み、それを階層型ナレッジグラフに変換します。すべての規定は、メタデータを持つノードです。発効日、罰則、執行機関、相互参照、そして具体的なテキストです。
期間: 単一の管轄区域の完全な条例で4〜6週間。
留意点: 条例コーパスの品質は劇的に異なります。適切に維持されたMunicodeデータベースは4週間で変換されます。PDFのみの条例、一貫性のない番号付け、何十年もの未法典化条例を抱える管轄区域はより長くかかります。私たちは最初の週にコーパス評価を実施するため、期間の予期せぬ事態はありません。
出力: パイロット部署の完全な法令カバレッジを備えた検索可能なナレッジグラフ、加えてあなたの条例出版社のフィードに接続された自動更新パイプライン。
私たちは検証エージェントを導入し、敵対的テストを実行します。レッドチームは、MyCityの失敗を引き起こしたクエリ(チップ、キャッシュレス、バウチャー、締め出し)に加えて、あなたの法務チームからの管轄区域固有のエッジケースで、システムを攻め立てます。
期間: 3〜4週間、フェーズ1と重複。
ベンチマーク: 既知の違法アドバイスのプロンプトを100%拒否。敵対的なクエリのいずれかでシステムが誤った法的ガイダンスを与えた場合、フェーズ3には進みません。
出力: テストされたすべてのシナリオ、結果、是正措置を文書化したレッドチームレポート。これはあなたのATO文書の一部となります。
引用強制アーキテクチャを有効にした状態で、単一の部署(パイロットとしてビジネスライセンスまたは311 FAQを推奨)に導入します。スタッフが自身の知識に対して出力を検証できるよう、システムは最初の2週間は既存のプロセスと並行して稼働します。
期間: 統合と並行稼働期間で2〜3週間。
出力: パイロット領域で市民にサービスを提供する稼働中のシステム。監査証跡があなたのコンプライアンスシステムに流れ、エスカレーション経路があなたのCRMに接続されます。
すべての市民とのやり取りはログに記録され、レビューされます。私たちは検索ドリフト(条例の更新で正しい回答が変わったのにグラフが追いついていない場合)、新たな敵対的パターン、そしてシステムが安全な拒否を頻繁に発動させすぎるクエリ領域(カバレッジのギャップを示す)を監視します。
継続コスト: コーパスの保守、監視、照合のため、管轄区域あたり月額3,000〜5,000ドル。
拡大: 既存の管轄区域に新しい部署を追加するには通常2〜3週間かかります。新しい管轄区域を追加するには、その管轄区域の条例コーパスのためにフェーズ1に戻る必要があります。
行政AIの導入が価値を生むか、それとも法的責任を生むかを決定する5つの次元にわたって、あなたの現在の立ち位置を評価します。各次元は独立して採点されるため、ギャップがどこにあるかを正確に把握できます。
あなたの自治体条例は現在どのように維持され、アクセス可能になっていますか?
あなたの現在のクラウド認可状況は?
あなたの管轄区域にはどのチャットボット関連法令が適用されますか?
今日、市民の問い合わせを処理するシステムは何ですか?
あなたの機関のAIまたはチャットボット導入の経歴は?
私たちは、すでに認可を保持しているインフラ上に構築します。私たちが構築するAI層は、Azure Government、AWS GovCloud、Google Public Sectorのいずれであれ、あなたの既存のFedRAMP認定境界内で稼働します。制約付きデコーディングエンジン、ナレッジグラフ、検証エージェントは、基盤プラットフォームの認可を継承するアプリケーション層のコンポーネントです。これが重要なのは、カスタムAIシステムのための独立したFedRAMP認可の取得には12〜18か月かかり、評価費用だけで500,000〜200万ドルかかるからです。すでに認可された境界内に設計することで、私たちはそのタイムラインを完全に回避します。現在約15州がクラウドサービスに義務付けているStateRAMP要件についても、同じ原則が適用されます。私たちはアプリケーション層の管理策を、あなたの既存のシステムセキュリティ計画への追補として文書化します。私たちがすべてのクエリと回答のペアについて生成する監査証跡も、FedRAMPおよびStateRAMPが課す継続的監視要件を満たします。すべてのやり取りがすでに引用ID、検索信頼度スコア、検証結果とともにログに記録されているからです。
自治体のチャットボット導入は、基本的な実装(カリフォルニア州フェアフィールドのArchieなど)の20,000ドルから、包括的なプログラム(カリフォルニア州ローズビル)の375,000ドルまで幅があります。ニューヨーク市は新市長が終了に動く前にMyCityに約500,000ドルを費やしました。引用強制型の自治体AIに対するVeriprajnaの契約は、条例コーパスの複雑さと統合要件に応じて、最初の管轄区域で通常150,000〜400,000ドルの範囲に収まります。それを法的責任リスクと比較してください。2026年2月に上院本会議に到達したニューヨーク州上院法案S7263は、チャットボットが専門アドバイスを行う場合に、実損害に加えて故意の違反に対する弁護士費用を伴う私的訴権を創設します。EU AI法は、高リスクAIの非準拠に対して最大1,500万ユーロまたは全世界売上高の3%の罰則を科します。法定の罰則を超えて、主権免責に対する私的(営利的)機能の例外は、誤ったチャットボットのアドバイスに従ったすべての市民から、あなたの自治体が過失による不実表示の訴えに直面し得ることを意味します。ハルシネーションによる許可ガイダンスに頼った事業主からの1件の集団訴訟は、導入コスト全体を矮小化するでしょう。
はい、そして統合アーキテクチャこそ、ほとんどの行政チャットボットプロジェクトが静かに失敗する場所です。引用エンジンは、自然言語のクエリを受け付け、回答、引用ID、出典URL、信頼度スコア、検証ステータスを伴う構造化されたJSONを返すREST APIを公開します。そのAPIは、カスタムLightning Web Componentを介してSalesforce Government Cloudに、またはスコープ付きアプリケーションを介してServiceNowに接続します。特に311プラットフォームについては、双方向統合を構築します。311システムからの受信クエリが引用エンジンに当たり、エンジンが安全な拒否(信頼度が閾値以下)を発動すると、元のクエリ、部分的な検索結果、推奨される部署ルーティングを伴うケースをあなたのCRMに作成します。市民は一般的な「311に電話してください」というメッセージではなく、特定の紹介先を得ます。CivicPlusやカスタムウェブウィジェットのような既存のチャットボットインターフェースについては、既存のUIを保持しながら確率的な応答層を置き換える埋め込みスクリプトを提供します。一般的な統合期間は、API接続で2〜3週間、テストを含む完全なCRMワークフロー統合で4〜6週間です。
DeloitteとAccenture Federalはプラットフォームの実装者です。彼らは政府クラウド境界内にAzure AIまたはAWS Bedrockを導入し、あなたの文書上にRAGを構成し、プロンプトエンジニアリング層を追加します。それはMyCityを生み出したまさにそのアーキテクチャです。彼らの価値は調達ナビゲーション、ATO文書作成、プログラム管理にあり、それらは大規模プログラムで対価を支払う価値のある本物の能力です。彼らが構築しないのは、トークンレベルでハルシネーションを防ぐ制約付きデコーディング層、関連する法令間の相互参照を保持する階層型ナレッジグラフ、そして検索エラーが市民に届く前に捕捉するマルチエージェント検証パイプラインです。これらはアーキテクチャ上の選択であり、Azure AI Studioの構成オプションではありません。行政AIに対するビッグ4の契約は通常500,000ドルから500万ドルに及び、そのコストの60〜70%は技術アーキテクチャではなくプログラム管理、文書作成、調達サポートに充てられます。私たちは、彼らの実装に欠けている技術層を構築します。一部の契約では、私たちが引用強制アーキテクチャを構築する一方で、調達とプログラム管理を扱うSIと並んで協働します。その組み合わせにより、カスタムAIエンジニアリングにビッグ4の料金を支払うことなく、調達の専門知識と技術的な深さの両方が得られます。
すべての市民向け行政システムは、リハビリテーション法のセクション508およびWCAG 2.1 AA基準を満たさなければなりません。AIについて具体的には、これはスクリーンリーダー互換の応答フォーマット、キーボードで操作可能なインターフェース、引用表示における十分な色のコントラスト、そして応答内のあらゆる視覚要素に対する代替テキストを意味します。私たちは、適切にタグ付けされた引用リンクと構造化された回答フォーマットを含め、スクリーンリーダーが正しく解析するセマンティックHTMLで応答層を構築します。多言語サポートは翻訳とは別個のエンジニアリング上の課題です。法律用語には管轄区域固有の意味があり、汎用の翻訳モデルはそれを誤るため、AIの出力を単純に翻訳することはできません。私たちは、各サポート言語ごとに並行するナレッジグラフを維持することでこれに対処します。そこでは法令テキストが、機械翻訳ではなく、管轄区域が公開した公式の翻訳版です。公式翻訳を公開していない管轄区域については、応答を英語ソースとしてフラグ付けし、多言語クエリを人間のスタッフにルーティングします。デンバーのSunnyチャットボットは72言語サポートをうたっていますが、それは表面的なUI翻訳であり、法的に正確な多言語の法令解釈ではありません。私たちは言語数よりも精度を優先します。
これは行政AIにおける最も困難な運用上の問題であり、ほとんどのチャットボット導入が立ち上げから数か月以内に劣化する理由です。自治体条例は、市議会で可決された条例、各部署からの規制更新、そして地域法を上書きする州の先取り(preemption)変更を通じて改正されます。1回の市議会セッションで20〜30件の条例改正が生じ得ます。私たちは、3種類の情報源を監視する自動取り込みパイプラインを構築します。MunicodeまたはAmerican Legal Publishingからの公式の条例出版社フィード(構造化されたXML/HTML更新を提供)、条例PDFを公開する市の事務局の立法追跡システム、そして先取り変更のための州議会フィードです。各更新は再インデックス化ワークフローを起動します。ナレッジグラフは時間認識型のバージョン管理を使用し、すべての規定が発効日範囲を保持します。法令が廃止または改正されると、古いバージョンは履歴インデックスに移動し、新しいバージョンが有効な検索ターゲットになります。システムは廃止された法律を引用することは決してありません。私たちはまた、ナレッジグラフを出版社の現在のオンライン条例と比較し、自動パイプラインが見逃した更新を捕捉する毎週の照合チェックを実行します。パイロット管轄区域については、この運用層は継続的な保守で月額約3,000〜5,000ドルを追加し、これは取り込み監視、照合、そして主要な立法パッケージが可決された際の緊急再インデックス化をカバーします。
このソリューションページの背後にある詳細な技術アーキテクチャ。
民事責任から公僕へ:決定論的な行政AIのための法令引用の強制現在の行政AI導入における法的リスク、法的ハルシネーションの技術的な根本原因、そして引用強制型の自治体AIシステムのためのVeriprajnaの完全なアーキテクチャの包括的分析。
自治体のチャットボットの失敗は終了に500,000ドル以上かかり、導入予算を矮小化する法的責任リスクを残します。
既存のチャットボットの法的責任監査が必要な場合でも、新規導入のための引用強制型システムが必要な場合でも、次のRFPの前の技術アーキテクチャレビューが必要な場合でも、私たちは1回の会話で契約の範囲を定めることができます。