設備にまた異常が発生したとき、保守責任者が知りたいのは、過去にも同じ問題が起きていたか、そのときどう対処したか、その後に改善を確認できたかという点です。こうした情報が修理伝票、点検報告書、引き継ぎ記録に分散している場合、AI に要約させても、責任者はなお、どの事項を引き続き調べる必要があり、どの事項は対応済みなのかを見極めなければなりません。
Intellicon Solutions は、まず AI に確認が必要な事項を資料の出典とともに列挙させ、業務に詳しい担当者が対応の要否を判断する進め方を提案しています。この役割分担が機能するかを確かめるには、対象範囲が明確な問題を一つ選び、AI に判断の根拠と不足している資料を示させることをお勧めします。過去の記録にある異常を、そのまま現在対応すべき業務として扱わないためです。
長年の記録から問題を見つけたら、その後の対応まで確認する
病院に蓄積された過去の診療記録には、医師の診療メモ、手術報告書、退院サマリーなどがあり、その多くは自由記述(free text)、つまり固定の入力項目によらない文章で記載されています。NVIDIA の公式ブログによると、Dyania Health が開発した Synapsis AI は、患者の長年にわたる診療メモ、報告書、検査結果を整理し、数年離れた記録の間にどのような関連があるかを見つけ、医療従事者がさらに確認するための手がかりを提供します。こうした手がかりは、いずれも対応する診療記録の出典をたどれるため、医療従事者は記録と照合してから判断できます。
企業は、この事例における人と AI の役割分担を参考にできます。ただし、紹介記事には、システムの実際の処理時間、予測精度、医療・ケアの成果改善に関する数値は示されておらず、製造業での有効性も実証されていません。そのため、過去の資料を整理することが責任者の判断に役立つかどうかは、各企業で検証する必要があります。医療分野での効果が自社の業務にも当てはまると、そのまま考えることはできません。
設備保守から試行するなら、「この設備の過去の保守記録のうち、改めて調査すべき異常はどれか」と問いを設定することをお勧めします。そのうえで、同種の異常が再発している、後日点検するとの記載があるのに点検結果が見つからない、といった調査対象の条件を保守責任者に定めてもらいます。ただし、これらの条件が判断基準として適切かどうかも検証が必要であり、すでに有効性が確認されたルールとして扱うべきではありません。
責任者は対応が完了した記録も提供し、AI が完了済みの事項を再び要確認リストに含めていないか、チームで確認できるようにする必要があります。当時の異常記録しか見つからず、その後の結果が確認できない場合は、まず「要確認」として扱います。それだけで未対応だと判断してはいけません。そのため、試行を始める前に、設備番号、資料が対象とする期間、対応完了の記録が揃っているかを確認する必要があります。
要確認事項は一件ごとに原記録へたどって照合できるようにする
試行では、確認担当者がどの文書を調べればよいかわかるよう、AI に一件ずつ照合できるリストを作成させることをお勧めします。根拠となる資料がわからないまま、断定的な提案だけを受け取る事態を避けるためです。各項目には、少なくとも次の内容を含めます。
- 確認が必要な事項:どの設備の、いつ発生した異常を調べる必要があるのか、なぜその疑問を挙げたのかを明記します。故障原因をいきなり断定してはいけません。
- 原記録の出典:文書名、日付、該当箇所を確認できるページ番号または記録番号を記載します。また、原文に記載されている内容と AI の推論を区別し、責任者が一件ずつ照合できるようにします。
- 不足している資料:追加で必要な点検結果や、その後の対応記録を示します。既存の資料に矛盾がある場合も併せて記載し、担当者による確認に回します。
EgentWrX のナレッジベース(knowledge base)では、AI Agent が社内の文書や表を検索(retrieval)できます。また、類似度のしきい値(similarity threshold)と最低引用数を設定し、根拠が不十分な場合には回答を拒否させることができます。これらの設定により、十分な根拠がある場合にのみ AI に回答させることはできますが、引用数が要件を満たしているからといって、内容が正しいとは限りません。責任者は引用された資料を照合し、AI が挙げた要確認事項を裏付けるのに十分かどうかを確認する必要があります。
受け入れ評価では、保守責任者が結果のわかっている事例を用意し、AI が調査すべき事項を見落としていないか、誤った判断をしていないか、対応しない資料を引用していないかを、一件ずつ確認することをお勧めします。その際、「もともと資料が不足している場合」と「資料を提供済みなのに見つけられなかった場合」は分けて記録します。前者は資料の補充が必要であり、後者は検索とタスクの設定を見直す必要があるためです。まず誤りの原因を明らかにし、その後で対象資料の範囲を広げるかどうかを判断します。
機密性の高い記録をどこで処理するか、試行前に確認する
紹介記事によると、医療機関は自らのファイアウォール(firewall)内でシステムを稼働させ、診療記録をすべて院内で処理しています。患者データは外部と共有されず、病院の外へ出ることもありません。企業が顧客情報、設備のパラメーター、社内での対応の詳細を含む記録を使う場合も、まず IT 部門と業務部門で、これらのデータをどこで処理してよいかを確認したうえで、試行の進め方を決めることをお勧めします。
EgentWrX は、クラウド展開(cloud deployment)、オンプレミス展開(on-premises deployment)、ハイブリッド展開(hybrid deployment)に対応しています。オンプレミスのモデルを選択できるほか、社内ネットワーク経由で社内データベースに読み取り専用でアクセスすることもできます。ワークフロー(workflow)は、複数のタスクをつないで実行する仕組みで、人による承認を経なければ次のタスクへ進めないように設定できます。つまり、AI Agent が資料の整理を終えたら、いったん責任者の確認を待ち、その後に処理を続けるという進め方です。
ただし、オンプレミス展開を選んだからといって、すべての処理工程が「データを社外へ送信しない」という要件を満たすとは限りません。IT 部門はデータ処理の流れを図にし、原記録の保存場所、データを検索する場所、モデルの実行場所、外部へ送信してよい内容を、一つずつ明示することをお勧めします。データを社外へ出してはいけない場合は、すべての工程が社内で完結することを確認し、外部接続も必要なドメインだけに限定する必要があります。
業務責任者は、誰が資料を照合し、誰がその後の対応を承認し、資料が不足している場合は誰が追加調査を行うのかを、あらかじめ決めておく必要があります。試行段階では、まず AI に要確認リストを整理させる範囲にとどめます。将来的に後続タスクまで実行させる場合は、提案後に人による承認を必須とし、承認者の判断理由も記録する設定にします。まず結果のわかっている事例を使い、リストが責任者の判断に役立つかを確認します。データ処理の流れと責任分担を明確にしたうえで、実データの利用範囲を広げていきます。
よくある質問
初めての試行では、全社の過去データを整理する必要がありますか?
必要ありません。まずは設備一台、または一種類の業務課題を選び、関連する過去の記録と、結果のわかっている事例を用意すれば十分です。ただし、その後の対応や対応完了の記録も含める必要があります。それらがなければ、チームは確認が必要な事項と対応済みの事項を区別しにくくなります。
AI がその後の記録を見つけられなければ、未対応と判断してよいですか?
いいえ。記録が見つからない場合は、まず「要確認」とするにとどめ、誰も対応していないと断定してはいけません。資料が対象とする期間、出典、その後の記録が揃っているかを確認し、担当者に追加調査を依頼することをお勧めします。それでも資料が不足している場合は未確認のまま残し、推測を正式な対応事項として扱わないようにします。
試行では、処理速度とリストの正確さのどちらを先に確認すべきですか?
まず、要確認リストが正確で、責任者の判断に役立つかを確認し、その後で処理速度を評価します。結果のわかっている事例を使って一件ずつ照合し、見落とし、誤判定、引用の不一致がないかを調べ、人による追加調査が必要な内容も記録することをお勧めします。責任者が依然として資料を最初から読み直す必要があるなら、まずリストに求める内容と検索設定を見直す必要があります。
AI が要確認事項を整理した後、次の対応は誰が決めるべきですか?
業務責任者が資料を照合し、対応の要否を判断することをお勧めします。AI は、まず確認が必要な事項の整理を担います。後続タスクまで実行させる場合は、提案後に人による承認を経なければ実行できないように設定します。また、資料が不足しているときに追加調査を行う担当者をあらかじめ指定し、未確認の推論がそのまま業務指示になることを防ぎます。
参考資料
- How AI Is Helping Care Teams Get Patients the Right Care, Sooner — NVIDIA 公式ブログによる医療分野での AI 活用事例の紹介。過去の診療記録の整理、根拠の追跡、院内でのデータ処理、医療従事者による意思決定という役割分担を説明しています。



