薬剤師のAI薬歴活用の実際＜傾向と対策＞

 薬剤師のAI薬歴活用の実際＜傾向と対策＞

AI薬歴は「入れるだけで時短」ではありません。タイプを間違え、確認手順を省くと、効果は出ず、記録責任だけが残ります。本稿は薬局経営者・病院薬剤部幹部が現場へ指示しやすい形を想定し、製品タイプ、使い方、選び方、安全運用を整理してみましたす。

■1. いまのAI薬歴は4タイプ
現場製品は電子薬歴の銘柄差より、簡易な分類として入力と出力の型で分かれます。

①会話音声型（内蔵）
服薬指導の会話を録音し、SOAP下書きを電子薬歴へ返す。Musubi音声薬歴、Solamichi「AI音声入力」、MEDIXS「AI薬歴作成アシスト」、AnyCOMPASS、PharnesX連携の生成AI薬歴など。指導中に顔を上げたい店舗向き。

②一人語り・在宅型
薬剤師が判断や訪問内容を音声で残し、記録化する。Musubiの「一人語りモード」が代表。在宅・訪問後のまとめに強い。

③後付け独立型
今の電子薬歴を替えず、音声＋処方データから下書きを作り、転記する。ピアス、medimo AI薬歴、初期のウィーメックス支援など。入替コストを避けたい店舗向き。

④テキスト変換・汎用生成AI型
メモや箇条書きをChatGPT等でSOAP化する。導入は速いが、患者情報を汎用AIへ入れるリスクが最も高い。下書き専用・匿名化前提に限る。

隣接機能として、指導ポイント提案（AnyCOMPASS）、指導の採点（Solamichi）、話者分離とオンプレ音声処理（MC-Drive）がある。2026–27年は、これらが「薬歴作成」から「業務伴走エージェント」へ拡張する。

公表値の目安は、Musubi音声薬歴で記載時間19.7％減（5,500店）、ピアス実証で1件220秒→120秒（45％減）、ウィーメックス社内検証で3.9分→1.5分程度。数字は測定条件や利用者条件（テンプレート利用、薬歴平均文字数、対応者のITリテラシーなど）が違うため、横並びの保証値ではない。

■2. タイプと現場の使い方がズレていないか
使えていない店舗に多いのは、機械の問題より運用の問題です。

ズレA：会話型なのに、指導後にメモから打ち直している
本来は「録音→下書き確認→確定」です。指導中にメモへ逃げると、音声型の利点が消えます。
▶指示例：「新規・継続の通常指導は録音を原則。下書きはその場か直後に確認し、当日中に確定する」

ズレB：下書きを無修正で確定している
固有名詞、数値、副作用、次回計画は誤りやすい。AIは下書き係、確定は薬剤師です。
▶指示例：「Sの患者発言、Oの数値、Aの評価、Pの次回アクションは必ず人が見る。氏名・用量・禁忌の誤りは重大インシデント扱い」

ズレC：在宅に会話型だけを当てている
訪問先は雑音が多く、会話型の精度が落ちる。一人語り型か、要点メモ＋後付け型が向く。
▶指示例：「在宅は帰局後5分の一人語りを標準にする」

ズレD：汎用ChatGPTに薬歴下書きを依頼している
電子薬歴契約外の学習型サービスへ、処方・病名・イニシャル付き情報を入れるのは原則禁止。
▶指示例：「患者が特定できる情報は、契約済み薬歴AI以外に入れない」

ズレE：録音漏れ・同意説明なし
録音するなら、目的（記録作成）と保存範囲を簡潔に説明する。マイク位置と話者分離も確認する。
▶指示例：「指導開始時に『記録のため音声を使います』と一言入れる。同意が得られない場合は従来入力」

■3. 未導入なら、使いたい目的で選ぶ
目的が先、製品名は後です。
・指導中のメモから解放されたい

➡①会話音声型。既存薬歴にオプションがあるなら、まずそこを試す。

・電子薬歴を今は替えたくない

➡③後付け型。転記手間と、処方データ連携の有無を見る。

・在宅・居宅の記録がボトルネック

➡②一人語り型を必須条件にする。

・新人の指導のばらつきを減らしたい

➡指導提案・採点がある内蔵型。時短より質の標準化が目的。

・個人情報を薬局外に出したくない

➡音声のテキスト化が店内（オンプレ）で完結するか、学習利用なし・国内処理・監査ログがあるかを契約で確認する。

・将来の加算確認や疑義整理まで見据える

➡薬歴単体で終わらず、レセコン連携とエージェント構想がある基盤を選ぶ。

経営・幹部への提案は「全店一斉」より「2週間のパイロット」です。

測定項目は①1件あたり作成時間、②確定前の修正箇所数、③指導中に画面を見ている時間、④加算に必要な記載の抜け、の4点で足ります。

全店一律で導入するよりも活用をタイプ別に導入する必要性が高い。AI導入時期、オールインワンは返って現場の混乱を招くだけでしょう。

■4. 現場目線の比較とハルシネーション対策
効果の差は、モデル精度より「何を入力し、いつ確定するか」で開きます。

活用のバリエーション
・通常窓口：会話録音→SOAP確認→確定
・多剤・高齢者：録音に加え、残薬と生活の一人語りを10秒足す
・在宅：訪問中は最低限、帰局後に評価と計画を口述
・教育：同じ音声から指導の抜けを振り返る（採点機能がある場合）

効果が伸びない主因
録音開始忘れ、雑音、専門用語の誤変換、過去薬歴を参照しない出力、確定が翌日にずれて記憶補正が働くこと。45％減と20％減の差は、処方データ照合の有無、テンプレート適合、確定を指導直後に行うか、で説明できることが多い。

対策（現場ルール）
1. AI出力は下書きと表示する
2. 処方内容と出力を照合する（用量、日数、剤形）
3. 患者の固有表現（「朝だけ吐く」等）がSに残っているか見る
4. AとPは薬剤師が書き直してよい
5. 奇妙に整った文ほど根拠を疑う
6. 修正箇所を週1で共有し、よくある誤変換を店内辞書にする

■5. 入れてよい情報、いけない情報
分け方は単純です。「契約した薬歴AI」と「契約していない汎用AI」を混ぜない。

契約済み薬歴AI（学習に使わず、委託・安全管理が契約されている前提）
入れてよい：当該患者の今回指導に必要な会話、処方、前回計画。
人が確定する：評価、疑義の結論、医師への提案。
契約で確認する：学習利用なし、保存期間、アクセス権、監査ログ、再委託先、国内処理の有無。

汎用生成AI（無料ChatGPT等）
入れない：氏名、ID、生年月日、住所、保険番号、処方、病名、検査値、お薬手帳写真、音声そのもの。
使える：一般的なSOAPの型、説明文書の言い換え例、匿名の制度確認。
「名前を消した」だけでは不十分。希少疾患＋地域＋年齢で個人は特定されます。

漏らさない工夫
・薬歴AIと汎用AIの入口を端末で分ける
・画面に「患者情報禁止」を掲示する
・音声データは指導目的以外に使わない
・確定者と確定時刻を残す
・院内・店舗の利用規程を1枚で配る

病院では日病薬「生成AI利活用ガイダンス」が、生成AIを判断の代替ではなく支援ツールと位置づけています。薬局も同じ原則で足ります。最終責任は記載した薬剤師に残ります。

■6. 「時間がない」の内訳と、AIの当て方
薬剤師調査では、時間が足りない業務の上位は薬歴作成42.9％、調剤38.6％、服薬指導36.7％。時間不足の帰結は「患者の本音が聞けない」「加算に必要な記載が薄い」です。AI導入群の指導満足度は80.3％、未導入は59.0％と差が出ています。
薬歴AIが効くのは、記録の待ち行列です。効きにくいのは、疑義の判断そのもの、混雑時の説明不足、人員配置です。よって当て方は次の順が現実的です。
1. 閉局後に残る薬歴の山を、指導直後確定に変える
2. 在宅の帰局後記録を一人語りに変える
3. 余った分を、残薬・副作用の聞き取りに使う
4. その結果として加算記載とフォローを厚くする

「薬歴が速くなったのに残業が減らない」店舗は、確定作業を後回しにしているか、空いた時間の使い方を指示していません。これは、電子レセコンや電子薬歴導入期にも同じ現象ですが、幹部は「削減分数」より「その分数を何に使うか」を先に書いてください。薬剤師は、仕事の量の削減ではなく、質を向上させることが本質です。

■7. 2026–27年の次：AIエージェント
次の波は、SOAP下書きの精度競争ではありません。薬歴を起点に、業務の順番を提案するエージェントです。

想定機能と目的
・加算確認： tonight の記載漏れを指導中に知らせ、取りこぼしを防ぐ
・疑義ポイント整理：過去事例と添付文書を突き合わせ、照会前の論点を並べる
・フォロー提案：次回連絡の対象と文面案を出す
・レセコン連携：入力の二重作業を消す
・本部分析：必要人数、在庫、指導品質のばらつきを見る

期待値の置き方
短期：記録時間の削減（すでに一部で20–45％）
中期：記載品質の平準化と加算の再現
長期：対物から対人へ時間を移す。判断の自動化ではない

三菱電機デジタルイノベーションのAnyCOMPASS系は、AIアシスタントから現場伴走のAnI-Bot、レセコン統合へ進む構想を公表しています。他社も薬歴・レセコン・在庫の一体型へ寄っています。選ぶときに見るのは「今の音声精度」だけでなく、「確定ログを残したまま、次の業務に渡せるか」です。


■最後に
今月から、通常の服薬指導は契約済みAI薬歴の録音を原則とする。出力は下書きとして扱い、用量・患者発言・次回計画を確認してから確定する。患者が特定できる情報は、契約外の生成AIに貼らない。在宅は帰局後の一人語りを標準にする。週1で誤変換と修正箇所を共有する。空いた時間は、残薬と副作用の聞き取りに使う。

AI薬歴の勝敗は、高性能や多機能の機種を選ぶことでは決まりません。スマホと同じです。カメラ枚数や処理速度で機種を選んでも、3年後には画面も端子もクラウドも変わっています。写真と連絡先が残るのは、機種の性能ではなく、使い方の型がそろっていたからです。
生成AIは更新が速く、現状のレセプトベンダーのようにベンダーの再編やサービス終了も珍しくありません。3年以内の機種変更は前提です。そのとき残るのは「どの会社のAIか」ではなく、①下書きを人が確定した記録、②誰が・いつ確定したかのログ、③地域で渡せるデータの型、の3点です。機種依存の便利機能に業務を縛ると、移行のたびに指導も記録も止まります。
だから今そろえるべきは、最新機能ではなく利用者の標準です。録音する／しないの判断、確定前に見る項目、契約外AIに入れない情報、在宅は一人語り、空いた時間の使い方。この型が店内と地域で共有されていれば、機種が変わってもデータは移せます。スマホを替えても、同じアカウントと写真の分類があれば生活が続くのと同じです。
まず2週間、測定しながらその型を回してください。機種は手段、標準化が資産です。

薬局ビジネスとしての治験支援薬局

 薬局ビジネスとしての治験支援薬局

―24年前には早すぎた。今、薬局が「薬が生まれる前」から関わる時代へ―

私は24年前、薬局の経営責任者になった時、一度「治験を薬局の新しいビジネスにできないか」と考えたことがあります。治験支援に関してビジネスとするためには、様々なハードルがあり困難であることは承知していましたが、薬剤師の研修に課題を持つ私にとって、治験支援が叶う薬剤師の育成が将来の薬剤師の対人業務の育成として最適で、効率的なのではないかというのが本音でした。ドラッグストア企業として、薬剤師の質は差別化として最強であり、何よりレベルの高い薬剤師を確保することも期待されると。

しかし当時は断念しました。

理由は明確でした。

治験は大学病院などが中心で、薬局が参加する制度的位置付けが弱い。薬剤師の臨床能力にも差がある。さらに治験で不可欠な「誰が、いつ、何を行ったのかを第三者が検証できる記録」を、薬局が高い信頼性で保証することも容易ではありませんでした。

ところが24年後、その前提が変わろうとしています。

厚生労働省はDCT（分散型治験）の制度整備を進め、実施医療機関以外の、適切な契約を結んだ「研究開発支援薬局」への治験薬交付を認め、薬局が治験薬の交付だけでなく、被験者の健康状態を管理する構想を示しています。

そして2026年9月、中井清人大臣官房審議官（医薬担当）が「治験支援薬局」を「創薬の新たな流れ」と位置付けました。

これは薬局経営にとって何を意味するのでしょうか。

【図①】「24年前には早すぎた。今、治験支援薬局へ」

 

■治験支援薬局は「全く新しい仕事」ではない

治験と聞くと、多くの薬局経営者は「大学病院の仕事」「うちには無理」と考えるでしょう。

しかし、治験支援薬局に求められる業務を分解すると、現在の「かかりつけ薬剤師」の仕事と非常に近いことに気付きます。

かかりつけ薬剤師は、患者の処方薬・併用薬・副作用・服薬状況等を一元的・継続的に把握し、服薬期間中もフォローして必要な情報を医師へ提供します。

治験支援ではこれが、

Ø  患者情報管理　➡　治験薬＋併用薬管理

Ø  服薬フォロー　➡　プロトコルに基づくフォロー

Ø  副作用確認　➡　有害事象（AE）の兆候確認

Ø  残薬確認　➡　治験薬Accountability

Ø  医師への情報提供　➡　医師・CRCとの連携

Ø  薬歴　➡　GCP水準の追跡可能な記録

へ高度化します。

つまり、

かかりつけ薬剤師機能＋GCP＋品質管理＝治験支援薬剤師

と考えればよいのです。

【図②】「実は、ゼロから始める仕事ではない―かかりつけ薬剤師→治験支援薬剤師」

 

■すべての新薬を薬局で扱うわけではない

もう一つ理解しておく必要があります。

これからの新薬は、経口低分子薬だけではありません。

抗体医薬品、自己注射製剤、核酸医薬品、細胞・遺伝子治療などモダリティが多様化します。

経口薬なら「薬局交付＋自宅服用＋フォロー」との親和性が高い。一方、点滴型バイオ医薬品なら投与は医療機関で、薬局は投与後のフォロー等を担う可能性があります。細胞・遺伝子治療では高度専門医療機関が中心でしょう。

したがって経営者が考えるべきなのは、

「治験をやるか、やらないか」ではなく、「自分の薬局は、どの創薬領域を支援できる薬局になるのか」

です。

 

■治験支援薬局はいくら稼げるのか

現時点で治験支援薬局の公定価格・標準委託価格はありません。

したがって以下は予測ではなく、仮に、

基本契約15万円／治験 ＋ 管理2.5万円／月 ＋ Visit対応1万円 ＋ 非来局フォロー5,000円

という「固定費＋タスク＋Visit型」で受託した場合の経営シミュレーションです。

年間3症例程度なら売上約63万円で、教育・品質管理等を含めれば赤字になる可能性があります。

u  10症例なら売上約150万円、損益分岐付近。

u  32症例なら約468万円、事業貢献利益約210万円。

u  72症例なら約918万円、事業貢献利益約460万円。

つまり治験支援は、

n  数症例＝教育投資

↡

n  10～20症例＝損益分岐

↡

n  30症例以上＝新規事業

↡

n  70症例以上＝治験支援部門

という成長モデルで考える方が現実的です。ただし、本当に重要なのはこの直接収益だけではありません。

 

■治験で稼ぐのではなく「治験を使って薬局を強くする」

治験支援薬局には少なくとも7つの経営価値が考えられます。

①    製薬企業・CRO・SMO等からのB2B収益

②    病院・専門医との関係構築による面処方の拡大

③    処方元多様化による集中率低下の可能性

④    かかりつけ患者との継続的接点強化

⑤    GCP・臨床・安全性管理による薬剤師教育の高度化

⑥    新薬・バイオ・核酸・細胞治療等「育薬」の知識蓄積

⑦    病院・製薬企業・CRO/SMOとの医療ネットワーク形成

特に②③は重要です。

例えば月1,000枚のうち特定クリニック800枚なら集中率80％です。

治験を契機に基幹病院・専門医等との関係が広がり、他施設から月100枚の面処方が増えれば、処方箋は1,100枚となり、集中率は72.7％まで低下します。

もちろん、治験参加だけで処方箋が増えるわけではありません。

しかし、

治験 ➡ 専門医療機関との連携 ➡ 薬局の専門性向上 ➡ 患者からの選択 ➡ 面処方拡大

という経営導線は考えられます。

【図③】「治験支援薬局が生み出す7つの経営価値」

 

■薬剤師教育が「コスト」から「経営資産」になる

治験に対応するには、GCP、プロトコル、安全性情報、AE、併用薬、薬物動態、記録、SOP、医師・CRCとの連携を学ばなければなりません。

これは治験だけの能力ではありません。

在宅、高度薬学管理、服薬フォロー、専門医療機関連携にも転用できます。

さらに創薬段階から医薬品に関与すれば、

「どの患者に使う薬なのか」
「どんな副作用に注意するのか」
「患者はどこで治療につまずくのか」

を承認・発売前から経験できます。

これは薬局にとって知的資本になります。

治験収益だけをROIと考えてはいけない理由です。

【図④】「一つの処方元に依存する薬局から、複数の価値を提供する薬局へ」

 

■管理薬剤師は、まず5つを現場に指示する

制度が確定するまで何もしない必要はありません。基礎的かつ実践的教育の一環としてかなり有用だということです。

私が管理薬剤師なら、まず現場へ次の5つを指示します。

①    GCPを学ぶ担当薬剤師を1人決める。

②    冷所・温度・在庫・残薬管理を点検する。

③    患者フォローを「聞いた」ではなく追跡可能な記録にする。

④    副作用兆候→医師連絡までのフローを作る。

⑤    地域の治験実施病院・CRC・SMOを調べる。

高額な設備投資を先にする必要はありません。

まず「治験を任せられる品質の薬局」に近づくことです。

 

■24年前との最大の違い

24年前は、

「薬局で治験ビジネスをやりたい」

という薬局側からの発想でした。

2026年は違います。

国がDCTを進め、治験システムそのものが地域へ広がろうとしています。

つまり、

「日本の創薬システムが、地域薬局の機能を必要とする可能性が出てきた」

のです。

私は治験支援薬局を単なる新規収益事業とは考えていません。

調剤報酬 ＋ 治験B2B収益 ＋ 面処方 ＋ かかりつけ ＋ 高度薬学管理 ＋ 人的資本 ＋ 育薬・創薬知識 ＋ 医療ネットワーク

へ、薬局の経営資産を多層化する機会だと考えます。

これまで薬局は「承認された薬を患者へ届ける場所」でした。

これから一部の薬局は、

「薬が生まれる前から、患者と創薬を支える場所」

になるかもしれません。

24年前には早すぎた。

しかし今なら、薬局経営者がもう一度考える価値があります。

「治験でいくら稼げるか」ではなく、「治験を使って、自分たちの薬局をどこまで強くできるか」。

治験に関わるということは、薬剤師教育効果的システム、薬剤師の質が地域での差別化になる。ここから治験支援薬局の経営戦略は始まるのだと思います。

2026年9月度「薬剤師AI関心度ランキング」

 

2026年9月度「薬剤師AI関心度ランキング」

―AI薬歴から臨床判断支援へ。薬剤師のAI活用は「使う」から「考える」段階へ―

先の『薬剤師のAI薬歴活用の功罪』でも触れましたが、生成AIが医療現場に入ってきて数年、薬剤師を取り巻くAIの話題も大きく変わってきました。

以前は「ChatGPTをどう使うか」「AIで文章を作れるか」といった話題が中心でした。しかし2026年に入り、AI薬歴、DI・文献検索、服薬指導支援、処方評価、臨床推論など、AIは薬剤師の実務のかなり近いところまで入り始めています。

そこで今回、2026年に公開された薬剤師×AIに関する専門媒体、学術情報、職能団体、研修、企業発表、導入事例、個人発信等を調査し、「薬剤師はAIの何に関心を持っているのか」を整理しました。

ただし、これは薬剤師へのアンケートによる人気投票ではありません。

公開情報から「話題量」「媒体の広がり」「実務への接近度」「エビデンス」「最近の伸び」を観測する試みです。

私はこれを、

PAIT：Pharmacist AI Interest Trend

として、今後も定点観測していきたいと考えています。

---

2026年9月度「薬剤師AI関心度ランキング」

PAIT Scoreは、単純な記事件数ではなく、

・話題量
・媒体多様性
・実務・実装接近度
・エビデンス／権威性
・直近モメンタム

を組み合わせて評価します。

今回の探索的調査では、次の10領域が浮上しました。

1位　AI薬歴・音声記録
2位　AIガバナンス・個人情報・安全性
3位　DI・文献検索・EBM
4位　AIリテラシー・汎用AI活用
5位　臨床推論・処方評価
6位　服薬指導・患者支援
7位　業務効率化・文書作成
8位　AI時代の薬剤師の役割・職能
9位　薬局経営・データ分析
10位　薬剤師教育

【図①：PAIT TOP10ランキング図】

ここで注目したいのは、記事数が多いテーマと、PAIT Scoreが高いテーマが必ずしも一致しないことです。

ChatGPTなどを使った資料作成やプロンプト活用は非常に多く発信されています。一方、AI薬歴は話題量だけでなく、実際の薬局への導入、業務時間短縮など「実装」が進んでいます。

つまり薬剤師AIは、「知っている」「試してみた」から、実際の業務プロセスに組み込む段階へ移ったと考えられます。

※今回のランキングは公開情報を用いた探索的分析です。薬剤師全体を代表する意識調査ではありません。また、初期調査で想定した128件については全件の個別検証が完了していないため、今後、検証済み調査台帳を拡充しながらPAIT Scoreを更新します。

---

1位「AI薬歴」が意味するもの

2026年を象徴するのは、やはりAI薬歴でしょう。

音声認識から会話を記録し、SOAP形式などへ構造化する。薬剤師が一から薬歴を書く時間を減らす。

これは非常に分かりやすいAI活用です。

しかし、薬局経営者や管理薬剤師に考えてほしいのは、

「AI薬歴を導入したか」ではなく、「AI薬歴によって生まれた時間を何に使ったか」

です。

5分短縮できても、その5分が単なる余裕時間になっただけなら、患者価値はそれほど変わりません。

その5分を、

・患者との対話
・残薬や副作用の確認
・フォローアップ
・処方評価
・トレーシングレポート
・在宅患者への介入

に振り向けられれば、AI導入は初めて「薬剤師の専門性を高める投資」になります。

したがって管理者は現場に、

「AI薬歴を使いなさい」ではなく、「AIで生まれた時間を患者に返しなさい」

と指示する方がよいと思います。

---

意外な2位「AIガバナンス」

今回、私が特に注目したのが、個人情報、ハルシネーション、AI出力の確認などを含むAIガバナンスです。

AIがほとんど使われていなければ、こうした問題は大きくなりません。

「患者情報をどこまで入力してよいのか」

「AIが間違えた場合、誰が確認するのか」

「AIが作った薬歴をそのまま保存してよいのか」

「AIが提示した処方上の問題をどう検証するのか」

こうした議論が増えていること自体が、AIが実務に入り始めた証拠とも言えます。

薬局や病院薬剤部で必要なのは、いきなり何十ページものAI規程を作ることではありません。

まず現場に、

①患者を特定できる情報を安易に外部生成AIへ入力しない
②AIの回答は一次情報ではない
③薬物療法に関する重要判断では原資料を確認する
④最終判断者は薬剤師である

という基本原則を共有することから始めるべきでしょう。

---

AIは「作る」から「判断を支援する」へ

今回の10カテゴリーを並べてみると、もう一つ重要な変化が見えてきます。

【図②：「作る→記録→検索→判断支援」薬剤師×AI進化図】

生成AIの薬剤師業務への入り方は、大きく4段階に整理できます。

Phase1　作るAI：メール、議事録、報告書、研修資料、文章要約

これはすでに多くの人が経験しているでしょう。

次が、

Phase2　記録するAI：　AI薬歴、音声認識、SOAP生成、トレーシングレポート作成支援

そして現在急速に広がっているのが、

Phase3　探して整理するAI：　DI、添付文書、インタビューフォーム、論文、ガイドライン、EBMなど

さらにその先に、

Phase4　判断を支援するAI：　処方評価、相互作用、疑義照会、服薬指導提案、フォローアップ、臨床推論

などです。

ここまで来るとAIは単なる業務効率化ツールではありません。

薬剤師の「考える領域」に近づいてきます。

---

管理者は「AIを使え」だけでは不十分

薬局管理者や病院薬剤部幹部にとって、ここが非常に重要です。

部下に、

「生成AIを勉強してください」

「ChatGPTを使ってください」

だけでは、組織としてのAI活用は進みません。

例えば今月から、次のように具体的に指示できます。

第1段階：一つの定型業務をAI化する

議事録、研修資料、DIニュース、報告書などから一つ選ぶ。

第2段階：AIの回答を必ず検証する

「AIがこう言っています」で終わらず、「何で確認したか」をセットにする。

第3段階：AIによる時間削減を測定する

導入前後で何分短縮されたかを記録する。

第4段階：生まれた時間の使い道を決める

患者対応、病棟業務、フォローアップ、DI、在宅、多職種連携などへ振り向ける。

こうすればAI導入を単なる流行ではなく、業務改善活動として管理できます。

---

最も危険なのは「AIを使うこと」ではない

AIが高度になるほど、

「AIを使うと薬剤師が考えなくなるのではないか」

という議論も増えるでしょう。

しかし私は、AI利用量だけで考えるべきではないと思います。

重要なのは、

「AIへの依存度」と「薬剤師自身の思考量」

の二つです。

【図③：「AI依存度×薬剤師思考量」4象限マトリックス】

最も目指したいのは、

AI利用度が高く、薬剤師の思考量も高い状態

です。

例えば、

• 患者との会話をAIが記録する。
• AIが問題候補を提示する。
• 薬剤師が批判的に評価する。
• 必要なら追加情報をAIで検索する。
• 添付文書、ガイドライン、原著論文等で確認する。
• 薬剤師が最終判断する。
• AIがその結果を薬歴として構造化する。

この使い方ならAIは、

「能力代替装置」ではなく「思考増幅装置」

になります。

逆に危険なのは、AIが作った文章をそのまま薬歴にし、AIの提示した問題をそのまま採用し、AIの服薬指導案をそのまま患者へ伝える状態です。

効率は上がっても、薬剤師自身の判断能力が育たなくなる可能性があります。

---

10月から現場で始めたい「AI3指示」

薬局経営者、管理薬剤師、病院薬剤部幹部には、まず現場へ次の3つを指示することを提案します。

①「一人一業務」でAIを試す

各薬剤師がAIで改善したい業務を一つ決める。

②「AI＋確認元」をセットにする

薬物療法に関係する回答では、添付文書、IF、ガイドライン、論文など「何で確認したか」を明示する。

③「何分浮いたか、何に使ったか」を記録する

AI活用のKPIを「利用回数」にしない。

時間削減＋患者・医療への再投資

をKPIにする。

例えば薬歴作成が1日20分短縮できたなら、その20分で何人の患者をフォローできたのか。

病院なら、どの病棟介入、多職種連携、DI、薬物療法評価に時間を移せたのか。

そこまで測って初めて、AI導入効果が見えてきます。

---

AI時代に問われるのは「何をAIに任せないか」

2026年9月時点の薬剤師AIトレンドを追ってみると、一つの方向性が見えてきます。

これまでの問いは、

「薬剤師はAIを使えるか？」

でした。

これからは、

「薬剤師業務のどこまでAIに任せるのか？」

になります。

そして、その先にある本当の問いは、

「AIを使いながら、薬剤師は何を自分で考える専門職なのか？」

ではないでしょうか。

AI薬歴が普及しても、DI検索が高度化しても、AIが処方上の問題点を提示できるようになっても、患者の背景を理解し、その情報を評価し、患者にとって何が最善なのかを考え、最終的に責任を持って判断する役割は重要です。

だから、

AIによって薬剤師の仕事を減らすのではなく、AIによって「薬剤師にしかできない仕事」の時間を増やす。

ここを薬局・病院薬剤部のAI導入の目標にすることが肝要かと思います。

次回以降もPAITを定点観測し、

「何が増えたのか」

「何が成熟したのか」

そして、

「AIによって薬剤師の仕事がどう変わっているのか」

を追っていきたいと思います。

 

薬剤師のAI薬歴活用の功罪

― AI時代に薬剤師の能力をどう高めるか ―

 

AI薬歴の導入が急速に進んでいます。

患者と薬剤師の会話を音声認識し、SOAP形式の薬歴を自動生成する。処方内容から確認すべき事項を提示する。さらにAIが薬物療法上の問題を抽出し、服薬指導やフォローアップを支援する――。

こうした機能は、薬剤師の業務を大きく変える可能性があります。

しかし私は、AI薬歴について「薬歴作成時間が何分短縮されたか」だけで評価してはいけないと考えています。

本当に問うべきなのは、

AI薬歴によって、薬剤師は患者をより深く見て、より良い情報を集め、より深く考え、より適切に介入できるようになるのか。

ということです。

AI薬歴は、使い方次第で薬剤師の能力を高める可能性も、逆に考える機会を奪う可能性もあります。

 

■ 薬剤師の能力は「何を聞くか」に現れる

薬剤師の能力を一つの指標だけで評価することは困難です。

それでも私は、患者からの「情報収集能力」を見ることで、その薬剤師の臨床能力をかなり推測できるのではないかと考えています。

ただし、「たくさん質問できる」という意味ではありません。

重要なのは、

何のために、その情報を取るのか。

例えば患者から「最近ふらつく」と聞いたとします。

ü  「ふらつきはありますか？」と記録して終わる薬剤師と、

ü  「いつからですか？」

ü  「立ち上がった時ですか？」

ü  「薬が変わった時期と重なりませんか？」

ü  「転倒していませんか？」

ü  「食事や水分は取れていますか？」

と聞き、さらに必要に応じて血圧、脈拍、起立時の変化、歩行状態、併用薬などを確認する薬剤師では、同じ「情報収集」でも意味が違います。

後者には、

何かを疑う→必要な情報を決める→確認する→分析・評価する→臨床判断する→介入する

という思考があります。

だからこそ情報収集能力は、単なる会話技術ではなく、その背後にある臨床推論能力を見る「入口の指標」になり得るのです。

 

■ AI薬歴はすでに「記録」から「思考支援」へ

現在のAI薬歴を薬剤師能力への影響という視点で整理すると、大きく5段階に分けられます。

レベル1：音声入力・文字起こし型
会話を文字にする。

レベル2：薬歴生成型
会話からSOAP等の薬歴案を作る。

レベル3：情報抽出型
注意すべき問題や確認事項を提示する。

レベル4：服薬指導支援型
質問や服薬指導、フォローアップ内容を提案する。

レベル5：臨床推論支援型
患者情報を分析し、評価や介入候補まで提示する。

ここで注意したいのは、

AIが高度になるほど薬剤師の能力も高くなるとは限らない

ということです。

レベル1、2では主に「記録」をAIへ任せています。

しかしレベル3以降では、「何を聞くか」「何を問題と考えるか」、さらに「どう評価するか」という薬剤師の思考そのものがAIへ移り始めます。

 

プロセス	人間中心	AI中心	AI化の評価
①問いを立てる	◎	△	人間に残すべき
②情報を取りに行く	◎	○	AIは質問候補提示
③構造化	○	◎	積極的AI化
④分析・評価	◎	○〜◎	AIと協働
⑤臨床判断	◎	△	最終判断は人間
⑥介入	◎	△	人間中心
⑦記録	△	◎	積極的AI化
Follow-up設計	◎	○	AI支援

 

現状のAI薬歴を能力への影響から5タイプに分類

タイプ	主なAI機能	能力へのプラス	能力へのリスク
Ⅰ 音声入力・文字起こし型	会話→テキスト	記録負担軽減	小
Ⅱ 薬歴生成型	会話→SOAP	患者への集中、記録標準化	言語化・構造化能力の外部化
Ⅲ 情報抽出型	問題候補・確認項目提示	見落とし防止	AI提示項目だけ確認する
Ⅳ 服薬指導支援型	質問・指導・フォロー候補提示	初学者教育、知識補完	定型質問化、思考停止
Ⅴ 臨床推論支援型	分析・評価・介入候補提示	高度な意思決定支援	Automation Bias、Deskilling

 

 

 

■ AI薬歴最大の「功」は患者を見る時間を取り戻すこと

AI薬歴には明確なメリットがあります。

薬剤師を薬歴記載から解放できることです。

2026年に報告された臨床薬剤師を対象とした研究では、Ambient AI導入後、1日当たりの記録時間中央値が38.5分から26.5分へ約31％減少しました。

しかし、この「31％短縮」をAI導入のゴールにしてはいけません。

理想は、

AI薬歴導入
→記録時間削減
→PCを見る時間削減
→患者を見る時間増加
→問診・観察・フィジカルアセスメント充実
→情報の質向上
→臨床推論向上
→介入増加
→患者アウトカム向上

という流れです。

AIによって30分余ったなら、その30分をさらに多くの処方箋を処理するためだけに使うのか。それとも患者を見る時間へ戻すのか。

ここにAI薬歴導入の大きな分岐点があります。

 

■ AI薬歴の「罪」は薬剤師が考えなくなること

一方、こんな使い方になったらどうでしょう。

患者と会話
→AIが薬歴作成
→AIが問題抽出
→AIが評価
→AIが介入候補を提示
→薬剤師が確認して保存

確かに仕事は速くなります。

しかし薬剤師は、「考えて薬歴を書く人」から「AIの回答を承認する人」になってしまう可能性があります。

特に注意したいのがオートメーション・バイアス（Automation Bias）です。

「AIがそう書いているから正しいだろう」という心理です。

AI生成記録を調べた研究では、重要情報の欠落やハルシネーション（hallucination）も確認されています。

さらに怖いのは、AIが間違えること以上に、

薬剤師がAIを疑わなくなること

です。

そして新人薬剤師では、能力が低下するデスキリング（Deskilling）だけでなく、AIが最初から答えを教えることで、そもそも自力で臨床推論能力を十分形成できないネバーキリング（Never-skilling）にも注意が必要です。

 

■ AI時代の薬剤師臨床推論モデル

そこで現場薬剤師には、AIを使う前に次の5段階を習慣化することを提案します。

①何を疑うか

処方、患者背景、前回薬歴、患者の表情や会話から、

「この患者には何が起きている可能性があるのか」

をまず自分で考える。

②どのフレーズで情報を取るか

仮説を確認するために何を聞くのかを考える。

重要なのは質問数ではなく、

「なぜ、その質問をしたのか」

を説明できることです。

③何を観察・測定するか

問診だけではありません。

表情、顔色、呼吸、歩行、浮腫、振戦などを観察し、必要なら血圧、脈拍、SpO₂、体重、検査値、PHR等を確認します。＜広義フィジカルアセスメント+PHR＞

「測れるから測る」のではなく、

仮説を確かめるために測る。

④何を評価するか

集めた情報から、

有効性、安全性、適正性、アドヒアランス、生活・QOL、継続可能性

を統合して考える。

ここで初めて「情報」が「薬学的評価」に変わります。

⑤AIに何を記録・補助させるか

ここからAIを積極的に使います。

記録、SOAP化、情報整理、経時比較、情報検索、見落とし候補、反証仮説、次回確認事項などをAIに補助させる。

つまり、

人間：疑う→聞く→見る→測る→考える→判断する

AI：記録する→整理する→比較する→検索する→補完する

という役割分担です。

 

■ 管理者は「SOAPを書け」から「なぜ聞いた？」へ

AI薬歴を導入する薬局管理者や病院薬剤部幹部には、現場への指示を変えることを提案します。

「薬歴を早く書いてください」

ではなく、

「AIで浮いた時間は患者情報の収集に使ってください」

「SOAPをきれいに書いてください」

ではなく、

「なぜ、その質問をしたのか説明してください」

「AIの提案を確認してください」

ではなく、

「AIの提案で間違っている可能性を一つ考えてください」

さらに症例検討では、

①何を疑った？
②何を聞いた？
③何を見た・測った？
④どう評価した？
⑤AIには何を任せた？
⑥介入後どうなった？

の6点を確認する。

これだけでもAI薬歴は、単なる省力化ツールから薬剤師教育ツールへ変わります。

 

■ AI導入のKPIも変えるべき

経営者・薬剤部幹部が「薬歴作成時間30％削減」だけを成功指標にするのは危険です。

見るべきなのは、

• 薬歴時間は減ったか
• 患者との対話時間は増えたか
• 重要情報取得率は上がったか
• 薬物療法上の問題発見は増えたか
• 介入・処方提案は増えたか
• フォローアップは増えたか
• AIの誤りを薬剤師が発見できているか
• 患者アウトカムにつながったか

です。

薬歴作成時間が半分になっても、患者から取れる情報が減り、AIの文章を確認するだけになったのであれば、それは業務効率化には成功しても、薬剤師の高度化には成功していないのです。

 

■ AI時代だからこそ「患者から情報を取れる薬剤師」へ

AIはこれからさらに賢くなります。

SOAPを書く能力、情報を整理する能力、過去薬歴を比較する能力では、薬剤師との差はますます小さくなるでしょう。

だからこそ薬剤師の価値を「薬歴を書くこと」に置き続けるべきではありません。

u  患者を見て違和感に気づく。

u  何かを疑う。

u  必要な質問をする。

u  必要な所見を観察・測定する。

u  それらを薬学的に意味づけ、介入し、その結果を追う。

その入口にあるのが情報収集能力です。

AI薬歴を導入する目的は、薬剤師に考えさせなくすることではありません。

記録をAIに任せることで、薬剤師を患者の前へ戻すこと。

これこそがAI薬歴の本来の価値ではないでしょうか。

そして最後に、AI時代の薬剤師に求められる価値を一言で表すならば、私はこう考えます。

AI時代に価値が高まるのは「薬歴を書く薬剤師」ではなく、「AIが記録すべき価値のある情報を患者から引き出せる薬剤師」である。