【指定管理者・PFI事業者向け】AIで情報収集はどう変わる？「調べて終わり」にしない情報の仕込み超入門

指定管理者制度AI編集長のヤマザキです。

こんな場面を想像してみてください。

エリアの公募情報を長年追い続けてきたベテラン担当者が、今年度で退職することになりました。

引き継ぎのために共有フォルダを開くと——

「〇〇市_調査メモ.docx」 「候補施設リスト_最新.xlsx」 「候補施設リスト_最新（2）.xlsx」 「候補施設リスト_最新版_最終.xlsx」

どれが本当に最新か、分からない。

過去にどの自治体を調べたのか。 なぜ、あの案件には応募しなかったのか。 どの施設が有望で、いつ頃からウォッチすべきなのか。

その答えの多くが、担当者の頭の中にしか残っていませんでした。

そして数年後、ある施設の次期公募が公示されます。

残されたチームは、またゼロから調べ始めます。 施設概要を検索し、過去の募集要項を探し、自治体の計画を読み、選定結果を掘り返す。

締切までの貴重な数週間を、また「情報集め」に使いながら。

指定管理者・PFI事業者のみなさん。 似たような光景に、心当たりはないでしょうか。

この講座では前々回、「文書は書く前の設計で決まる」という話をしました。 前回は、書いたあとの「読み直し3回ルール」。

第5回の今回は、そのさらに手前。 「調べる」という仕事を、AIでどう変えるかです。

ただし、今回の主役は「検索を速くするテクニック」ではありません。

本当に変えたいのは、調べた情報が、その案件限りで消えていく仕事のやり方。

一言で言えば、情報収集を「検索作業」から「会社の資産づくり」に変える。 そのための超入門です。

この記事でわかること

• 「一夜漬けの情報収集」と「仕込みの情報収集」の違い
• Google検索とAI検索の使い分け（優劣ではなく「順番」の問題）
• 情報を迷わず扱うための「3階建て」の考え方（原典・参考情報・探索情報）
• 情報に「出典」と「確認日」を持たせて、二度目の調査をなくす方法
• 調査結果を組織の資産に変える「施設カルテ」のつくり方
• コピペで使えるAIプロンプト3本（観点マップ・PDF読解・カルテ化）
• AIに任せる領域と、人間が判断する領域

結論：情報収集は「調べる」で終わらせず、「仕込む」まで行う

いきなり結論です。

公募が出てから慌てて始める情報収集を、私は「一夜漬けの情報収集」と呼んでいます。

公示を見つけてから、初めて施設のことを調べる。 検索結果を上から順に開いて、使えそうな文章をWordに貼り付ける。 提出が終わったら、その調査資料はフォルダの奥へ消えていく。 数年後、同じ施設の公募が来たときには、また最初から調べ直す。

これでは、何年公募に取り組んでも、会社に情報資産が積み上がりません。

一方、強い事業者がやっているのは仕込みの情報収集です。

公募が出る前から候補施設を把握し、指定期間から次に動きそうな時期を予測しておく。 募集が出たら、蓄積した情報との差分だけを確認する。 そして調査結果だけでなく、「なぜ狙うのか」「なぜ今回は見送るのか」という判断まで残す。

この仕込みを、AIの力を借りて回すのが、今回の情報の仕込み3ステップです。

ステップ1｜広く集める — AIで「何を調べるべきか」を把握する ステップ2｜裏を取る — 原典資料まで戻って確認し、出典と確認日を残す ステップ3｜棚に置く — 自社の判断を付けて、再利用できる形で残す

順番に見ていきましょう。

ステップ1：広く集める——AIで「土地勘」をつくる

まず、道具の整理からです。 いまの情報収集には、大きく2つの入口があります。

① 従来型の検索（Googleなど） キーワードに対して、ページの一覧が返ってくる。 「〇〇市 指定管理者 募集要項」のように、探すものが分かっている状態で強力です。 原典資料にたどり着くには欠かせません。

② 生成AI・AI検索（ChatGPT、Gemini、Perplexityなど） 質問に対して、論点を整理した答えが返ってくる。 つまり、「答えを探す」というより「何を調べればいいかを整理する」ことに向いています。

なお、Web検索や引用機能を備えたAIもありますが、引用そのものが古い・不完全である可能性は残ります。重要な情報ほど、引用先の原資料まで確認が必要です。

ここで大事なのは、GoogleかAIか、ではありません。 優劣ではなく、順番です。

初めて参入を検討する自治体の文化ホールについて、いきなり検索窓を開いても「何を検索すればいいんだ？」となりがちです。

だから最初にAIに聞く。 「この施設への応募を検討するなら、何を調べるべき？」

まず地図を描いてもらい、その地図を持って原資料を探しに行く。 この順番です。

第2回で学んだ「依頼の4点セット」で組むと、こうなります。

プロンプト①：候補施設の「調査観点マップ」をつくる

【ゴール】
指定管理者制度またはPPP/PFI案件への応募を検討しています。
応募判断と、将来の提案書作成に備えた「事前調査計画」を
作成してください。

【背景】
対象：【自治体名】の【施設名／施設種別／案件名】
当社：【業種・運営実績・得意分野】

【お願い】
応募検討に必要な調査項目を、以下の観点から整理してください。
1. 施設・事業の基本情報
2. 現在の管理運営体制・現事業者
3. 指定期間・事業期間・過去の公募時期
4. 過去の募集条件・要求水準・評価基準
5. 過去の選定結果・審査講評
6. 利用者数・稼働率・収支などの実績
7. モニタリング・事業評価で指摘されている事項
8. 自治体の総合計画・個別計画との関係
9. 人口動態・利用者特性
10. 周辺施設・競合環境
11. 将来の改修・再整備・複合化等の計画
12. 応募判断に影響しそうなリスク

【仕上がり】
表形式で「調査項目／なぜ重要か／確認すべき資料／情報源候補／
確認状況」を整理してください。
確認できていない事実を推測で埋めず、「未確認」と明記してください。

ここで大事なのは、この回答をそのまま事実として使わないことです。

第1回でお伝えしたとおり、AIはもっともらしい間違いを混ぜてくることがあります。存在しない資料名を挙げることさえある。

だからこの段階の成果物は、「答え」ではなく「調べるべきことのリスト」。

AIに地図を描かせる。 その地図を持って、人間が現場へ出る。 この距離感が重要です。

ステップ2：裏を取る——指定管理・PFIは「原典へ戻る」

次に、情報の裏を取ります。

ここが、この業界の情報収集の特徴的なところです。

指定管理なら、募集要項、業務仕様書、過去の選定結果や審査講評、モニタリング（評価）結果、事業報告書、自治体の総合計画や公共施設等総合管理計画、議会会議録など。

PFI/PPPなら、実施方針、要求水準書、落札者決定基準、事業契約書案など。

応募判断と提案の根拠になる情報の多くが、公的な原典資料として存在します。 （公開の範囲や資料名は自治体・案件によって異なります）

誤解のないように言うと、「ネットの記事は信用するな」という話ではありません。 業界紙や地域ニュースも、変化の兆候をつかむ大事な情報源です。

整理のために、私は情報を「3階建て」で考えることをおすすめしています。

A｜原典 — 自治体・国などが公表した資料。最終確認に使う B｜参考情報 — 新聞、業界メディア、リリースなど。背景理解に使う C｜探索情報 — AI検索の回答や要約。論点への気づきに使う

Cで発見し、Bで背景を理解し、重要なものはAへ戻る。

この流れを覚えておくだけで、AI時代の情報収集で迷いにくくなります。

前回の言葉を借りれば——AIの回答を提案書の根拠にしてはいけません。 根拠にできるのは、原典で確認できた情報だけです。

行政PDFこそ、AIの出番

そして、原典確認で避けて通れないのがPDFです。

募集要項、仕様書、総合計画、モニタリング報告書。 100ページを超える資料も珍しくありません。

ここでAIを使います。 ポイントは、全部任せるのではなく、「読む順番」をつくってもらうことです。

プロンプト②：行政資料PDFの「読みどころ」を先に掴む

添付するのは【自治体名】の【資料名（例：〇〇施設の指定管理者
モニタリング結果報告書）】です。

指定管理者・PPP/PFI事業への応募を検討する民間事業者の視点から、
以下を抽出・整理してください。

1. 現事業者・指定管理者について評価されている点
2. 改善を求められている点
3. 自治体側が課題と認識している事項
4. 利用者数・稼働率・収支・KPI等の定量情報
5. 将来的な改修・再整備等への言及
6. 次期公募・次期事業で論点になりそうな事項

【重要】
・資料に書かれていない内容を推測で補わないでください
・事実と、資料上の解釈・評価を分けて示してください
・すべての抽出事項に、該当ページを付記してください
・判断できない場合は「資料からは確認できない」としてください

最後に「応募検討者が原文を必ず確認すべきページTOP10」を
示してください。

最重要ポイントは「ページを示してください」です。

AIの要約を読んで終わりにしない。 AIに「35ページを見てください」と言わせて、35ページを自分の目で開く。 このひと手間を、必ず残します。

注意もひとつ。 PDFビューアー上のページ番号と、紙面に印刷されたページ番号がズレていることがあります。スキャンPDFや複雑な表は、AIが正確に読み取れないこともある。

「AIがページ番号まで示した＝正しい」ではありません。 最後は原文です。

「出典」と同じくらい、「いつ確認したか」が大事

ここで、もう一段だけ進めます。

「現指定管理者はA社」——この情報、2026年には正しくても、2031年には変わっているかもしれません。人口も、利用者数も、変わります。

だから情報を残すときは、何を知ったか・どこから知ったか・いつ確認したかの3点をセットにします。

出典：〇〇市 令和8年度モニタリング結果 確認日：2026年9月12日 ステータス：原典確認済

たったこれだけで、数年後の使いやすさが劇的に変わります。

次回は全部を調べ直す必要がなく、「前回から何が変わった？」と差分だけ確認すればいいからです。

AI時代の情報収集で本当に効率化すべきなのは、検索時間だけではありません。 「二度目の調査」を減らすことです。

ステップ3：棚に置く——「調べた」を「使える」に変える

さて、ここからが今回の本題です。 冒頭のベテラン退職の話に戻ります。

多くの会社で、調査の成果は、担当者の頭の中、個人のExcel、個人フォルダ、メール、チャットにバラバラに存在しています。

これが情報収集の属人化です。

• 同じ自治体を、数年後に別の担当者がゼロから調べ直す
• 前回なぜ見送ったのか、残っていない
• 負けた案件の敗因分析も、勝った案件の勝因も、残っていない

調査をしているのに、**「人は賢くなるが、会社は賢くなっていない」**状態です。

対策はシンプルです。

調査が終わったら、決まった型で、出典と判断を付けて、共有できる場所へ置く。

私はこれを棚に置くと呼んでいます。

置くのは、検索結果やAI回答のコピペ集ではありません。 つくりたいのは「施設カルテ」——その案件について「分かっていること」「分かっていないこと」「自社に向いているか」「いつ動くべきか」まで一枚で分かる状態です。

公開情報を、自社の営業判断の文脈に編集し直す。 ここまで来て初めて、「どこかに公開されている情報」が「自社だけの営業資産」に変わります。

面倒に聞こえますか？ 大丈夫です。AIに面倒くさいという概念はありません。 メモを放り込めば、10秒で型に整えてくれます。

プロンプト③：調査結果を「施設カルテ」に変換する

以下は【施設名・案件名】について調査したメモです。
自治体資料からの抜粋、AI検索結果、Web記事、現地確認メモ、
社内での検討内容が混在しています。

情報を追加で創作せず、社内共有用の「施設カルテ」として
以下の型に整理してください。

【基本情報】
■ 施設・案件概要（3行以内）
■ 現指定管理者／現事業者と指定期間・事業期間
■ 次期公募・更新時期の見込み

【実績・評価】
■ 利用者数・稼働率・収支など確認できている数値
■ モニタリング・事業評価で指摘されている事項

【自治体・政策】
■ 自治体が重視している政策と、この施設に期待される役割
■ 将来的な改修・再編・複合化等の動き

【競争環境】
■ 過去の応募者・選定結果
■ 現事業者の強みと、競争上重要になりそうな事項

【当社判断】
■ 当社にとっての機会
■ 当社にとっての懸念・リスク
■ 応募判断の仮説（応募する／様子見／見送り）と、その理由

【管理情報】
■ 主な情報源と最終確認日
■ 未確認事項と、次回確認すべき時期
■ 次のアクション

【重要】
・各情報が「原典確認済」「参考情報」「AIによる探索情報」
　「現地確認」「社内判断」のどれかを区別して明記してください
・分からない項目は推測せず「未確認」としてください
・【当社判断】は、私のメモに含まれる判断のみを整理し、
　あなた独自の判断を追加しないでください
・情報が矛盾する場合は、勝手に統合せず「情報不一致」として
　両方を示してください

【調査メモをここに貼り付け】

このプロンプトの最重要ポイントは、【当社判断】をAIに書かせないことです。

情報の整理はAIの得意技。 でも、「この案件はうちに合うか」は、自社の強み・体制・過去の経験を知る人間にしか判断できません。

AIが情報を整え、人間が意味を与える。

カルテで一番重要なのは、施設概要ではない

このカルテで最も価値があるのは、住所でも築年数でも指定管理料でもありません。

「当社としてどう判断したか」です。

たとえば「今回は応募しない」という結論。 その理由が「指定管理料が低いから」なのか、「競合が強いから」なのか、「複合化の可能性があるため次を待つ」なのか。

これが残っていれば、3年後に条件が変わったとき、「前回はこの理由で見送った。今回は条件が変わった」と判断できます。

判断のない調査メモは、数年後に読むとただの資料集です。 判断まで残っているカルテは、未来の担当者への引き継ぎ書になります。

そしてカルテが10施設、20施設と貯まると、景色が変わります。

「この施設は2年後に指定期間が切れる」 「このエリアなら当社の実績が効きそう」 「あの施設は再整備されたら狙いたい」

案件のパイプラインが見えてくる。 営業会議にも、中期計画にも使える。

ここまで来ると、情報収集は営業活動の「前段」ではありません。 営業戦略そのものの一部です。

冒頭のベテランが何十年も頭の中に蓄積していたものは、本来こうやって会社に残せたはずなのです。

シリーズ恒例の注意——「AIに渡してよい情報か」

重要なので、今回も繰り返します。

公開されている自治体資料をAIに読ませることと、社内の機密資料をAIに入力することは、まったく別の話です。

未公開の積算資料、人件費や利益率、他社との協業条件、自治体との非公開協議内容、個人情報、社内の意思決定メモ——。

こうした情報を入力してよいかは、自社のセキュリティルールと、利用するAIサービスのデータ取扱条件を必ず確認してください。

「便利だから貼る」ではなく、「この情報を、このAI環境へ渡してよいか」を一度確認する。 AIを仕事で使う人の、基本動作です。

そして、すべての前提になる「案件発見」

3ステップを整理します。

① 広く集める：AIに観点マップを描かせる。この段階の情報はまだ仮説 ② 裏を取る：原典まで戻って確認し、出典と確認日を残す ③ 棚に置く：施設カルテに変換し、自社の判断を書き込む

ただし、この3ステップにはひとつ前提があります。

そもそも「どの施設を調べるべきか」「いつ公募が出るか」を把握できていること。

公募が始まったこと自体を知らなければ、調査は始まりません。 そして、全国の自治体サイトを担当者が毎日確認し続けるのは、大きな負担です。

ここは、人間が頑張り続ける場所ではありません。 仕組み化できる部分は仕組みに任せ、その分の時間を、原典を読む・現場を見る・判断するという人間にしかできない仕事へ戻していく。

それが、AI時代の情報収集の本当の意味だと私は思っています。

まとめ：ゴールは「詳しくなること」ではない

• 情報収集には「一夜漬け」と「仕込み」がある。差がつくのは公募が出る前
• ステップ1｜広く集める：AIには「答え」ではなく「調べるべきことのリスト」を出させる
• ステップ2｜裏を取る：情報は3階建て（C探索→B参考→A原典）。根拠は原典で確認し、出典と確認日を残す
• ステップ3｜棚に置く：施設カルテに変換。機会・懸念・判断は人間が書き込む
• カルテが貯まれば、情報収集は「担当者の記憶」から「組織の資産」へ変わる

最後にひとつだけ。

情報収集をしていると、調べること自体が目的になりがちです。 でも、事業者にとってのゴールは「詳しくなること」ではありません。

「次の判断を良くすること」です。

応募するのか、しないのか。いつ動くのか。何を強みにするのか。 その判断につながって初めて、情報には価値がある。

だから、「何を知ったか」だけでなく、「だから、どうするのか」まで残す。

これで、この講座の流れがつながりました。

調べる（第5回）→ 設計する（第3回）→ 書く（第2・3回）→ 読み直す（第4回）。

AIはこのすべてを手伝ってくれます。 でも、何を信じ、何を提案し、応募するかどうか——最後に決めるのは人間です。

公募の公示は、スタートの合図ではありません。 仕込みを続けてきた会社にとっては、収穫の合図です。

まずは1施設。 いま気になっている施設をひとつ選んで、プロンプト①で観点マップをつくるところから始めてみてください。

【関連リンク】

• 【指定管理者・PFI事業者向け】AIとは何か？現場担当者がゼロから理解する超入門ガイド
• 【指定管理者・PFI事業者向け】プロンプトとは？AIへの上手な頼み方を「仕事の依頼」で理解する超入門
• 【指定管理者・PFI事業者向け】AIで文書作成はどう変わる？「書く前の設計」で差がつくビジネス文書超入門
• 【編集長ヤマザキのAI活用講座】提案書は「書く時間」より「読み直す時間」で決まる。ヤマザキ式・読み直し3回ルール

＼「広く集める」は、仕組みに任せませんか？／ 「仕込みが重要なのは分かった。でも、全国の自治体サイトを毎日確認する時間はない」——その部分を仕組み化するためにつくったのが、指定管理者制度AIです。 全国約1,700市区町村を対象に募集情報を毎日自動収集。施設DBで候補施設の事前調査を、募集速報メールで公募の見逃すリスクを減らします。あなたのチームは「原典を読む」「判断する」「勝てる提案をつくる」に時間を使ってください。 月額10,000円／年間120,000円（請求書払い・年間契約対応） 👉 Proプランの詳細はこちら