「福祉コスト高すぎ」に一言言いたい❕ーー10年で2倍になった4.2兆円を、数理モデルとAI×相談支援で「誰も取りこぼさない仕様」にアプデする話

＜記事要約＞

「また福祉が削られるのか」

──財務省の障害福祉費の抑制要求に、そんな不安や憤りを覚えた人も多いはず。しかし、10年で2倍になった「4.2兆円」をめぐる議論を、福祉か財政かという二択の感情論で終わらせてはいけない。

全額が「税金」という財源構造の緊迫感をフェアに見据えつつ、その需要を数理モデルで分解すると、真の問題は総額の膨張ではなく「相談支援（マッチング機能）の圧倒的なインフラ不足」にあることが見えてくる。

医療経済学の「供給者誘発需要」やOECDの提言を補助線に、AIと専門職が協調する「制約付き最適化問題（配分アルゴリズム）」の可能性を実装レベルで考察。

本人に難しい最適化問題を丸投げするのではなく、見える選択肢から自分の意思で選べる「本当の自立支援」へ。削る社会から「うまく配る社会」へと福祉の設計思想を更新するための思考ノートです。

※ タイパ重視の3分案内：要約 ➔ 2章（財源） ➔ 7章（AI×専門職） ➔ 補足（数理モデル）の順に流し読みするのがおすすめです。

0. はじめに――「また福祉が削られるのか」と感じた人へ

5月19日、財務省が障害福祉サービスの費用抑制を求めた、というニュースが流れました。見出しだけを見ると、「障害福祉は増えすぎたから削るべきだ」と言われているように見えます。

実際、厚生労働省や内閣府の資料でも、障害福祉サービス等の総費用額は2024年度（令和6年度）で約4.2兆円（公費と利用者負担を含む全体額）、10年間で約2倍。とりわけ2024年度は前年度比12.1%増と急伸しており（厚生労働省・社会保障審議会障害者部会、2024年10月）、財政側の警戒感はデータとして理解できます。

この数字だけを見ると、不安になるのは当然です。

「このままでは制度がもたないのではないか」
「いや、必要な人に支援が届いただけではないか」

議論はすぐに、財政を守るのか、福祉を守るのかという二択に流れてしまいます。けれども、本当に大切なのはそこではありません。問題は、何が増えたのかを分けて考えていないことです。

この記事では、この対立をいったん脇に置きます。そして、障害福祉の費用増を、感情論ではなく数理モデルで分解してみます。すると見えてくるのは、「減らすか、増やすか」ではなく、どう配るかという、まったく別の論点です。

次章ではまず、ニュースで混同されやすい数字を整理します。

1. 財務省と厚生労働省の数字を、まず揃える

まず、ここは正確に押さえたいところです。

「4.2兆円」は、障害福祉サービス等の総費用額です。国だけの支出ではなく、公費と利用者負担を含んだ全体額です。一方で、財務省が財政制度等審議会（2025年4月・11月）で示した「予算額は直近10年間で約2倍」という数字は、国費ベースの見方であり、2024年度当初予算で約2.1兆円に相当します。

つまり、「4.2兆円（総費用）」と「2.1兆円（国費予算）」は、似ているようで別の切り口です。ここを混同すると、議論がすぐ荒くなります。

増加そのものは事実です。厚労省資料では、障害福祉サービス等の利用者数も事業所数もこの10年で約2倍に増えています。しかも、障害児向けサービスは財務省資料によれば同期間で3倍強と伸びが特に大きい。財政側が「このままでは持続可能性に関わる」と警戒するのは、数字だけ見れば理解できます。

ただし、ここで結論を急いではいけません。増えたことと、無駄に増えたことは違うからです。

たとえば、これまで支援につながれなかった人がやっとサービスを使えるようになったなら、それは単純な「膨張」ではなく、未充足ニーズが見える化された結果かもしれません。逆に、制度や地域運用のゆがみで必要以上の利用が積み上がっているなら、そこは見直すべきです。

つまり問うべきは、総額が増えたかどうかではなく、増え方の中身です。

では、その中身はどう分ければいいのでしょうか。

2. 介護保険との決定的な違い――なぜ財務省はここまで神経質なのか

ここで、多くの人が「高齢者の介護保険と同じようなものだろう」と誤解しがちな、もう一つの重要な前提を整理しておきます。

実は、介護保険と障害福祉サービスでは、お金の集め方（財源構造）が根本的に異なります。

介護保険は、40歳以上の国民が支払う「保険料」が財源の半分（50%）を支えています。つまり、高齢化で費用が増えれば、私たちの保険料も連動して上がるという「痛みがダイレクトに跳ね返る仕組み（社会保険方式）」になっています。

しかし、障害福祉サービスは違います。財源のほぼ100%が、国や自治体の「税金」によって賄われているのです（公費負担方式）。

この違いがあるからこそ、財務省の危機感のレベルが異なります。

介護保険であれば「費用が増えたから保険料率を上げよう」という議論が（痛みを伴いながらも）成り立ちます

障害福祉サービスは増えた分がすべてそのまま「国の一般会計（税金）」に重くのしかかります。

他の社会保障費や教育費、防衛費といった限られた税金のパイを直接奪い合うことになるため、財政審議会はどこよりも早く、厳しい目で「費用抑制」を求めてくるのです。

だからといって、「税金だから削って当然」としていいわけではありません。

むしろ、全額が大切な税金だからこそ、 「ただ単価を下げて現場を疲弊させるだけの雑なコストカット」ではなく、 「データとアルゴリズムを使って、1円の無駄もなく必要な人に届ける賢い配分」 へと、国全体のシステムをアップデートしなければならないのです。

3. 「2倍増」の中には、3種類の増え方が混ざっている

総費用をシンプルな式で表してみます。 

$${\text{総費用 (C)} = \text{利用者数 (N)} \times \text{1人あたり費用 (p)}}$$

この式自体は当たり前です。問題は、利用者数（$${N}$$）をひとまとめにしてしまうことです。実際には、$${N}$$の中には少なくとも次の3種類が混ざっています。

$${N_0}$$【自然増】
人口動態や診断の広がり、制度の周知に伴う、純粋で外生的な増加。
$${N_1}$$ 【潜在需要の顕在化】
これまで供給不足（施設の空きがない等）で使えなかった人が、事業所の増加によってようやく届くようになった増加。
$${N_2}$$ 【政策・供給構造由来の上振れ】
制度のゆがみ、過度な営業や囲い込み、自治体の給付決定のばらつき等によって必要以上に膨らんだ増加。

$${N=N_0+N_1+N_2}$$

この分解を行うと、景色が変わります。

増加の大半が $${N_0}$$ や $${N_1}$$ なら、それは「必要な支援が届いた」結果です。削減してはいけない領域です。

逆に $${N_2}$$ が大きいなら、見直すべきは福祉そのものではなく、制度設計や配分の仕組みです。

ここを分けないまま「2倍だから抑制」と言うのは、熱がある人に対して原因を見ずにとりあえず全員へ同じ薬を出すのに近い粗さがあります。 

この $${N_2}$$ を考える上で参考になるのが、医療経済学における「供給者誘発需要（Supplier-Induced Demand）」という考え方です。

提供者が持つ情報や裁量の強さによって、本来必要な量以上の需要が生じうる、という概念です。

もともとは医療分野の理論ですが、障害福祉でも「供給が増えるほど費用が増えやすい構造がある」という問題意識は、財務省・厚労省の双方の資料に明示されています。

ここで強調しておきたいのは、障害福祉の増加をすべて「誘発需要」と決めつけてはいけないということです。医療経済学の概念を借りて、どこまでが必要な増加で、どこからが制度設計上のゆがみなのかを切り分けよう、というのがこの記事の立場です。

では、その切り分けを、もう一歩だけ数理的に書いてみます。

4. 数理モデルで見ると、「削るべき総額」ではなく「検証すべき増分」が見えてくる

ここから先は式が出てきますが、結論だけ読むなら読み飛ばして大丈夫です。大事なのは、何を検証対象にするべきかです。

総費用を時間 t の関数として書くと、

$${C(t) = N(t) × p(t)}$$

そして N(t) を先ほどの3つに分ければ、

$${N(t) = N₀(t) + N₁(t) + N₂(t)}$$

このとき、政策評価で本当に見るべきなのは、総費用 $${C(t)}$$ 全体ではなく、政策や供給構造の変化で増えた部分、つまり $${N₁ + N₂}$$ の動向です。

検証対象となる追加的な支出（$${\Delta C_{policy}}$$）は、以下のようなイメージで切り出すことができます。

$${\Delta C_{policy} = \int p(t) \times [N_1(t) + N_2(t)] \, dt}$$

この式が言っていることは、実はとても素朴です。「障害福祉全体が高い」のではなく、政策で増えた分だけを切り出して評価しましょう、ということです。

さらに、事業所数を $${S(t)}$$ とすると、この追加需要は次のように分解できます。

$${N_1(t) + N_2(t) = \alpha S(t) + \beta S'(t)}$$

$${\alpha}$$ ：供給が増えたことで、必要な人に支援が届くようになった効果（アクセシビリティ）
$${\beta}$$ ：供給拡大の勢いが、必要以上の利用増を生み出しやすくなっている度合い（誘発の強さ）

重要なのは、この $${\beta}$$ を現場のモラルの問題に矮小化しないことです。

$${\beta}$$はむしろ、給付決定のばらつき、情報の非対称、相談支援の不足、地域の空き情報の不透明さ、成果より稼働率が優先されやすい報酬設計など、システム側の条件で大きくなると考えた方が自然です。

ここまで来ると、問いは変わります。「福祉を削るべきか」ではなく、$${\beta}$$（システムのゆがみ）をどう下げるかが本題になるのです。

では次に、財政側が本当に見たい「回収」の話も、同じように分解してみます。

5. 財政を考えるなら、「支出」だけでなく「回収の経路」も分けて考える

財政論では、しばしば「支出が増えた」という話だけが前面に出ます。ですが、実際には障害福祉サービスの拡大は、法人活動、雇用、消費を通じて、社会の中で一定の経済循環も生みます。

もちろん、それで給付費が「元が取れる」と単純に言うつもりはありません。障害福祉は、本来、必要な支援を社会で支える仕組みであって、投資回収だけで測る制度ではないからです。

けれども、だからこそ、どこに費用が流れ、どこで回収が生じるのかを見える化する意味はあります。

概念的には、経済循環の経路は3つあります。

1. 法人の利益にかかる税

2. 従事者の賃金にかかる税や社会保険料

3. その賃金が地域で消費されることによる税収

この見方で整理すると、示唆はかなりはっきりします。法人課税だけでは、福祉財政は支えきれません。むしろ大きいのは、現場で働く人の賃金と定着です。

OECD（経済協力開発機構）も、ケア分野で人手不足を防ぐには賃金引上げ・職場環境改善・訓練強化・技術活用を組み合わせる必要があると繰り返し提言しています。

保健・社会ケア分野はOECD各国でも雇用が急速に増えており、単に人を増やすだけでは他産業との取り合いになるため、生産性と統合的なケア設計が重要だと指摘されています。

つまり、財政と福祉を両立させる鍵は、単価を一律に切ることではなく、無駄な上振れを抑えつつ、必要な支援を担う人材にはきちんと回るようにすることです。

もし現場の相談支援やマッチング機能が弱いまま、単価だけを下げればどうなるか。

人材は離れ、質は下がり、事業者は数で埋めようとし、結果として β が上がる。コスト削減のつもりが、むしろ制度を高くつかせる。

そういう逆説が、ここには潜んでいます。

6.介護保険との構造的な違い――「計画作成」をめぐる制度のゆれ

ここでもう一つ、介護保険との決定的な違いに目を向ける必要があります。それは、サービスを利用するための「計画（ケアプラン）」を誰が作っているか、という問題です。

高齢者の介護保険では、専門職であるケアマネジャーがプランを作成するのがほぼ100%定着しています。しかし、障害福祉サービスは仕組みが異なります。

介護保険のように「専門職が作って当然」という割り切りではなく、厚生労働省の資料では、本人や保護者の主体性を引き出す（エンパワメント）という観点から、自身で計画を作成する「セルフプラン」にも一定の意義を認めています。

ただし厚労省は、自治体が相談支援体制を整えないまま安易にセルフプランへ誘導することは厳に慎むべきだとしています。本人中心を大切にしながらも、専門職による相談支援体制の整備が本来の前提だからです。

しかし現実を見ると、制度の理想と現場のインフラには大きなギャップ（ゆれ）があります。

令和6年3月末時点で、自身や家族が計画を作成している「セルフプラン率」の全国平均は、計画相談支援で15.8%。障害児相談支援にいたっては30.7％に達しています。

しかも自治体別データを見ると、ほぼゼロに近い地域もあれば非常に高い地域もあり、ばらつきは明確です。

一方で、計画作成を担う「指定特定・指定障害児相談支援事業所」は全国に12,324事業所（令和6年調査時点）しかなく、その中核となる基幹相談支援センターの市町村設置率は約56％（973市町村・令和6年3月末時点）にとどまっています（厚生労働省「障害者相談支援事業の実施状況等について」令和6年調査）。

この数字が示しているのは、利用者や家族が怠けているとか、現場が悪意で動いているという話ではありません。適切な相談支援と情報整理を社会側が十分に用意できていないということです。

つまり、介護保険のように「専門職にお任せできるインフラ」が社会側に十分用意されていないため、結果として自身や家族がプランを作成せざるを得ない、あるいは地域間でマッチング機能の格差が放置されているのが実態です。

問題の核心は、この「相談支援（マッチング機能）の圧倒的なキャパシティ不足」と、地域ごとのマッチング機能の弱さにあります。

もし費用増（$${N_2}$$）の一部が、必要な人に必要な支援が届いていないことによる遠回りや、ミスマッチによる重複利用から生まれているなら、それは本人が自分で無理にプランを立てている（あるいは立てさせられている）という構造そのものに起因しています。解くべき問題はもう明らかです。

それは配分アルゴリズムの問題です。

7. 「削る」のではなく、「うまく割り当てる」――AI×専門職という現実解

ここでいう「配分アルゴリズム」とは、冷たい機械に人の人生を決めさせることではありません。限られた資源を、必要としている人に、できるだけ合った形で結びつける仕組みのことです。

例えば、ある利用者が「感覚過敏がある」「集団より少人数が合う」「将来は就労を目指したい」「家族の送迎時間に制約がある」といった複数の条件を持っていたとします。これらを横断して地域の事業所を比較するのは、本人や家族の力だけでは困難です。

結果として「空いているから」「近いから」という理由で決まりがちです。ここに、データで支援できる余地があります。

数理的には、これは「どの利用者（$${j}$$）を、どの事業所（$${i}$$）に割り当てると、成果（$${Q}$$）を高めつつ費用（$${C}$$）を抑えられるか」という最適化問題として記述できます。 

$${\text{最大化：} \sum x_{ij} (Q_{ij} − \lambda C_{ij})}$$

• $${x_{ij}}$$ ：利用者 $${j}$$ を事業所 $${i}$$ に割り当てるかどうかのフラグ

• $${Q_{ij}}$$ ：相性や期待される成果（アウトカム）

• $${C_{ij}}$$ ：発生する給付費（コスト）

• $${\lambda}$$ ：財政の逼迫度に応じた重み

大事なのは、この式の意味です。

費用だけで決めない。成果だけでも決めない。両方のバランスを最適化する。それがこのアプローチです。

そして、ここでAIは強い。

膨大な選択肢の中から、稼働状況、支援実績、通いやすさ、障害特性との相性、過去のアウトカムなどを踏まえて、候補を数案に絞ることができます。

医療資源配分に関するレビュー（JMIR AI）でも、AIは限られた資源の分配を効率化しうる一方、公平性・透明性・データ共有基盤が不可欠だと整理されています。

また、自閉症支援の現場を対象にした研究（PMC）では、AIはソーシャルワーカーの代わりではなく、複雑な情報を整理するアシスタントとして機能し、人間の専門職がより高度なケア調整に集中できると示されています。

決めるのはAIではありません。AIは計算し、専門職が文脈を読み、本人が選ぶ。この順番です。

役割分担はこうなります：

AI： 候補の整理、相性推定、空き状況や成果データの比較
相談支援専門員： 家族事情、本人の気持ち、地域文化、言葉にならない不安の補正
本人・家族： 提示された最適候補からの最終選択

この設計なら、「人間らしさ」と「全体最適」は対立しません。人間だけでは処理しきれない複雑さをAIが支え、人間は人間にしかできない判断に集中できる。これが現実的な解決策です。

8. おわりに――自立とは、「ひとりで最適解を探させること」ではない

この記事の出発点は、「障害福祉費が10年で約2倍」というニュースへの違和感でした。その違和感は、たぶん間違っていません。「2倍」という数字は事実でも、それだけでは何が起きたのかの説明になっていないからです。

本当に問うべきなのは、その増加が——

支援が届くようになった結果（$${N_1}$$）なのか
相談支援不足や給付決定のばらつきによる遠回りなのか
供給構造のゆがみで膨らんだのか（$${N_2}$$）

——を、ちゃんと分けて見ることです。

混ざったまま総額だけを叩けば、必要な人が傷つきます。増えたものをすべて正義として擁護すれば、制度の持続性が壊れます。

だから必要なのは、福祉か財政かという二択ではなく、配分の精度を上げることです。

自立とは、情報が足りないなかで本人や家族に難しい最適化問題を丸投げすることではありません。

自分に合う選択肢が、見える形で、納得できる形で差し出され、その中から自分で選べること。そのほうがずっと本当の意味での自立支援だと思います。

財務省の警告を、「一律カット」の入口にしてはいけません。むしろここを、障害福祉の設計思想を更新する入口にすべきです。

削る社会ではなく、うまく配る社会へ。

そのために必要なのは、現場を責めることでも、当事者に我慢を強いることでもなく、データ、相談支援、そして配分アルゴリズムの再設計です。

数字は冷たく見えます。けれど、数字をきちんと分けて読むことは、むしろ人を守るために必要です。ニュースの見出しで終わらせず、設計の話へ進みましょう。

そこに、福祉と財政の不毛な対立を終わらせる足場があります。

【補足】福祉財政と配分アルゴリズムの数理モデル

本編で述べた「需要の切り分け」と「配分アルゴリズム」について、背後にある数理的構造を補足します。福祉サービスの資源配分を数式として定式化することで、私たちが直面している問題が「総額の削減」ではなく「制約付き最適化問題（Constrained Optimization Problem）」であることが明確になります。 

1. 需要分解と「誘発需要」のモデル化

障害福祉サービスの総費用 $${C}$$ は、利用者数 $${N}$$ と1人あたりの平均単価 $${p}$$ の積で表されます。

$${C = N \times p}$$

しかし、利用者数 $${N}$$ は単一の要因で変動するわけではありません。本編で触れた通り、これを以下の3要素に分解します。

$${N = N_0 + N_1 + N_2}$$

• $${N_0}$$（自然増）: 人口動態や診断基準の拡大に基づく、外生的に発生する基礎的な需要。

• $${N_1}$$（顕在化需要）: これまで供給不足（施設の空きがない等）でアクセスできなかった潜在層が、供給拡大に伴い利用可能になった需要。

• $${N_2}$$（誘発需要）: 供給側の都合（利益追求や稼働率維持）や、情報の非対称性、マッチング不足によって生じた非効率な追加需要。

事業所数を $${S}$$ としたとき、政策的に注視すべき追加需要（$${N_1 + N_2}$$）は、以下のようにモデル化できます。

$${N_1 + N_2 = \alpha S + \beta S'}$$

ここで $${\alpha}$$ は「必要な支援を届ける力（アクセシビリティ係数）」、$${\beta}$$ は「過剰な利用を生み出す力（誘発需要係数）」です。

総量規制（単純な予算カットや単価 $${p}$$ の一律引き下げ）は、本来必要な $${\alpha S}$$（顕在化需要）まで削ってしまうリスクを孕みます。真の政策課題は、$${\alpha}$$ を維持しながら $${\beta}$$ を最小化することに他なりません。

2. 配分アルゴリズム：制約付き最適化問題としての定式化

この $${\beta}$$ を最小化し、限られた資源を正しく配分するための仕組みが、AIと専門職を組み合わせた「配分アルゴリズム」です。

これを数理的な「割当問題（Assignment Problem）」として定式化します。

利用者 $${j \in \{1, 2, \dots, J\}}$$ を、事業所 $${i \in \{1, 2, \dots, I\}}$$ に割り当てる意思決定変数を $${x_{ij} \in \{0, 1\}}$$ とします（割り当てる場合は $${1}$$、そうでない場合は $${0}$$）。

目的関数は、社会全体の「成果（Quality）」を最大化しつつ、「費用（Cost）」を一定の制約内に収めることです。これはラグランジュの未定乗数法を用いて以下のように記述されます。

$${\max \sum_{i=1}^{I} \sum_{j=1}^{J} x_{ij} (Q_{ij} - \lambda C_{ij})}$$

• $${Q_{ij}}$$（マッチング成果）: 利用者 $${j}$$ の障害特性・希望と、事業所 $${i}$$ の専門性・環境が適合した際に得られるQOL向上や就労移行などの成果スコア。

• $${C_{ij}}$$（費用）: そのマッチングによって発生する給付費などの社会的コスト。

• $${\lambda}$$（財政制約の重み）: 予算の逼迫度を示すパラメータ。財政が厳しいほど $${\lambda}$$ は大きくなり、コスト削減の圧力が強まります。

この最適化には、現実的な制約条件が伴います。

• Stop需要充足制約: $${\sum_{i=1}^{I} x_{ij} = 1 \quad (\forall j)}$$ （各利用者は必ずどこかの支援計画に割り当てられる）

• 供給上限制約: $${\sum_{j=1}^{J} x_{ij} \le K_i \quad (\forall i)}$$ （事業所 $${i}$$ の定員 $${K_i}$$ を超えない）

3. AIと人間の協調がもたらすシステムの変化

セルフプラン原則のもとで、情報の非対称性がある状態（利用者が各事業所の $${Q_{ij}}$$ を正確に把握できない状態）では、利用者は局所的な情報だけで事業所を選びます。その結果、最適解から遠ざかり、成果が出ないまま利用頻度だけが上がるミスマッチ（すなわち誘発需要 $${N_2}$$ の増加）が発生します。 

AIはこの $${Q_{ij}}$$（相性や期待される成果）を過去の膨大なデータから高精度に推定し、制約条件を満たす最適な $${x_{ij}}$$ の候補を瞬時に計算します。専門職（相談支援員）は、この数理的な推奨案に対して「データに表れない文脈」を補正し、最終的な選択を本人に委ねます。 

これにより、単価（$${p}$$）や総枠を無理に削ることなく、全体の成果（$${\sum Q_{ij}}$$）を最大化し、誘発需要（$${\beta}$$）を構造的に排除することが可能になるのです。 

参考資料

• Yahoo!ニュース：財務省、障害福祉の費用抑制求める　10年で約2倍に拡大〈財政審〉

• 厚生労働省：次期報酬改定に向けた検討について

• 厚生労働省：障害報酬改定 関連資料

• 内閣府：財政制度等審議会における議論の状況について②

• 厚生労働省：計画相談支援のしくみ／セルフプランの考え方

• 厚生労働省：障害者相談支援事業の実施状況等について（セルフプラン率等）

• 厚生労働省：各自治体の支給決定者（児）数とセルフプラン率

• PMC：供給者誘発需要に関する研究

• JMIR AI：医療資源配分におけるAI活用のスコーピングレビュー

• PMC：自閉症ケアにおけるAIとソーシャルワーク支援

• OECD：Beyond Applause? Improving Working Conditions in Long-Term Care

• OECD：Health and social care workforce, Health at a Glance 2025

【Copyright / 著作権】

#創作大賞2026 #ビジネス部門 #障害福祉 #福祉財政 #AI活用 #相談支援 #自立支援 #障害者福祉 #財務省 #社会保障 #数理モデル #ケアプラン #福祉のアップデート #持続可能な福祉 #note