薬局の仕事は、どこまでAIに任せられるのか？ ｜AX/DX戦略 薬局AI化シリーズ①

 薬局の仕事は、どこまでAIに任せられるのか？

｜AX/DX戦略　薬局AI化シリーズ①

 

医療安全上の注意（著者確定・方式A）：医療安全評価が2以下の業務は「安全確認必須（†）」と表示します。これは総合順位・推奨区分を変更する条件ではなく、導入・運用時に薬剤師による安全確認を要する注意表示です。該当する薬歴下書き作成、疑義照会文案作成、OTC提案支援について、AIが薬学的判断を代替できることを意味しません。

 

35業務の仮評価から考える、薬局AX/DXの可能性と限界

情報基準日：2026年10月27日／薬局AI化シリーズ①

 

30秒でわかるこの記事

• 薬局のAI化というと、AI薬歴や自動発注などを思い浮かべるかもしれません。しかし、薬局の仕事はそれだけではありません。
• 今回、薬局の主要30業務と人間の専門性が重要な5業務を対象に、AI・デジタル化の可能性、期待経済効果、投資優先順位を仮評価しました。
• その結果、AI化できそうな業務と、経営的に優先して投資すべき業務は必ずしも一致しないという論点を整理しました。
• さらに重要なのは、AIで仕事を減らした先に、薬剤師が何をするのかという問題です。薬局のAI化は、人員削減のためだけにあるのではありません。薬局が提供する価値を変える経営戦略として考える必要があります。      

 ※本記事のスコアは著者が生成AIの支援を受けて作成した仮評価です。実証済みのAI導入効果や投資収益率を示すものではありません。

 

1．薬局のAI化、本当に何から始めればよいのか？

 「薬歴をAIで書けるようになった」

 「発注を自動化できるらしい」

 「患者対応にも生成AIが使える」

 このような話題を耳にする機会が増えました。

 生成AIの進歩によって、文章の作成、情報整理、データ分析など、これまで人間が行っていた仕事の一部をコンピューターが支援できるようになっています。

 一方で、薬局経営者には別の悩みがあります。

 AIを導入すると、実際に何時間の仕事が減るのか。費用は回収できるのか。薬剤師の専門性はどう変わるのか。

 そして、もっと根本的な疑問があります。

 そもそも、薬局のどの仕事からAI化すればよいのでしょうか。

 AIにできる仕事から始めるのか。

 費用対効果の高い仕事から始めるのか。

 それとも、薬剤師が本来取り組むべき仕事を増やすために導入するのか。

 この違いによって、AI投資の優先順位は大きく変わります。

 そこで今回、薬局の業務を整理し、AX（AIトランスフォーメーション）／DX（デジタルトランスフォーメーション）化の可能性を可視化することにしました。

 

2．薬局35業務を仮評価してみた

 今回の分析対象は、薬局の主要30業務と、人間の専門性が重要な5業務です。

 主要30業務には、薬歴下書き作成、服薬指導記録、トレーシングレポート、在宅訪問報告書、需要予測発注、加算算定チェック、経営ダッシュボード、在庫棚卸などが含まれます。

さらに、患者との信頼関係形成、ACP支援、多職種カンファレンス、終末期患者支援、地域ケア会議参加を別の領域として整理しました。

 分析では、次の2つの指標を使用しています。

• 横軸：業務工程のAI・デジタル化可能性（X）（文章作成やデータ処理など、業務の一部をAIやデジタル技術で支援・自動化できる可能性を0〜100点で評価）
• 縦軸：期待経済効果スコア（Y）（業務時間の削減、追加収益の可能性、品質改善、導入費用などを考慮した相対評価） 

 さらに、医療安全・導入容易性などを加えた総合評価で推奨区分を決め、図1では点の色で示しました。

 ただし、ここで注意したいことがあります。

このスコアは、公開情報や専門的判断に基づく独自モデルの仮評価であり、実際の薬局で35業務すべてを検証した実測結果ではありません。

 また、服薬指導記録を薬歴下書き作成へ、発注業務を需要予測発注へ、売上集計を経営ダッシュボード作成へ、シフト作成をシフト最適化へ統合したため、散布図上では26点を表示しています。

評価方法と限界： 主要30業務（統合後26点）のスコアは、著者が生成AIの支援を受けて作成・採用した10指標による仮評価です。人間の専門性を強化する5業務は、経済効果を点数化せず定性的に評価しました。評価者間一致や薬局現場での実測検証は未実施です。X・Yの50点境界も本モデル独自の設定であり、因果関係や実際の投資利益を示しません。

 

【図1：薬局業務AX/DX化可能性マップ（評価マスターVer.2.3に基づく仮評価）】

 

3．AI化のしやすさと追加投資の価値を分けて考える

今回の採点基準には、既存システムによる対応可能性や追加投資の費用効率を考慮する項目があります。そのため、AI・デジタル化可能性が高くても、期待経済効果スコアは低くなる場合があります。これは外部データから新たに発見された因果関係ではなく、モデルの設計に沿った仮評価の結果です。

 

例えば、今回の仮評価では次のようになりました。

業務名	AX/DX可能性 (X)	期待経済効果 (Y)	総合点
加算算定チェック	85	51	70.56
経営ダッシュボード作成	83	30	68.95
薬歴下書き作成	71	57	62.76
需要予測発注	80	40	59.00
勤怠集計	97	24	55.50

※数値は著者が生成AIの支援を受けて作成した仮評価であり、実測ROIではありません。

 

勤怠集計は、業務の定型性が高く、デジタル化しやすい領域です（X=97）。

しかし、すでに勤怠システムを導入している薬局では、新たなAI投資によって得られる追加効果が小さいため、経済効果は24点にとどまります。

一方、加算算定チェックは既存のレセコン等の機能を適切に活用することで、確認作業の効率化や算定漏れの防止につながります。

AIでできる仕事と、AIに投資する価値がある仕事は、別の問題なのです。

 

4．最初に取り組みたい5つの業務

今回の評価モデルでは、以下の5つが最優先投資候補となりました。

1. 加算算定チェック（総合点：70.56）
2. 薬歴下書き作成・服薬指導記録（総合点：62.76）
3. 需要予測発注・発注業務（総合点：59.00）
4. 在宅訪問報告書（総合点：51.75）
5. 服薬フォローアップ（総合点：47.75） 

ただし、これはすべての薬局に同じ順番で導入することを推奨するものではありません。

加算算定チェックでは既存システムの機能確認が先であり、薬歴AIでは下書き時間が短縮されても薬剤師による確認・修正時間が増える可能性があります。

例えば、加算算定チェックでは、まず既存システムの機能を確認する必要があります。

l  需要予測発注では、在庫水準、発注頻度、欠品率などの現状を把握しなければ、導入効果を評価できません。

l  在宅訪問報告書のAI化は、在宅業務の実施件数によって効果が変わります。

l  服薬フォローアップでは、対象患者の抽出や記録作成を効率化できても、患者の状況に応じた薬学的判断や対応には人間の専門性が必要です。

つまり、最初に取り組むべきことは、AI製品の購入ではありません。

自分の薬局の仕事を測定し、何に時間がかかっているのかを知ることです。

 

5．薬歴AIは本当に儲かるのか？

薬歴AIは、今回の分析でも注目度の高い領域です。

では、どの程度の経済効果が期待できるのでしょうか。

3店舗モデルで、処方箋1枚当たり（1患者1枚と仮定）の作業時間短縮を40秒、70秒、159秒と置いた試算では、年間削減時間はそれぞれ480時間、840時間、1,908時間となります。

薬剤師の時間単価を暫定的に3,200円として換算すると、ベンダー公表値どおりの場合の840時間は約269万円の労働時間価値に相当します。

ただし、これは売上や利益が269万円増えるという意味ではありません。

薬剤師の勤務時間や残業時間が変わらなければ、人件費の現金支出は減らない可能性があります。

この試算では、年間対象43,200件を「処方箋1枚につき対象患者1人」と仮定しています。70秒はベンダーが公表した投薬後作業時間の短縮（795秒から725秒）をそのまま当てはめた場合で、検証条件の詳細は公開情報だけでは十分に確認できません。40秒と159秒は効果の小さい場合・大きい場合を想定したモデル上の仮定です。

3店舗の運用費を月3.5万円／店舗と仮置きすると年間126万円です。時間価値から運用費だけを差し引いた試算上の年間純便益は、40秒・2,800円/時で約8万円、70秒・3,200円/時で約143万円、159秒・3,800円/時で約599万円です。初期投資、教育・連携費、確認・修正に要する追加時間などを十分に織り込んだ実現利益ではありません。価格は見積で確認する必要があります。

海外の臨床記録支援に関する系統的レビューでは、記録時間が減少した研究と、逆に増加した研究の双方が報告されています。米国の医師を対象とする研究でも効果は限定的でした。海外の医師の記録業務の研究結果を、日本の薬局薬歴に直接転用することはできません。

 

AI薬歴の本当の投資効果を考えるには、創出された時間をどのように使うかが重要です。

l  患者への説明を丁寧にする。

l  服薬フォローアップの対象を広げる。

l  在宅医療への対応を増やす。

l  多職種との情報共有を充実させる。

こうした活動につながって初めて、業務効率化が薬局の価値向上に結び付く可能性があります。

 

【図2：薬局業務の総合評価と投資推奨区分（26業務・仮評価）】

 

6．1店舗と10店舗では、AI化戦略は違う

AI導入の効果は、薬局の規模によっても変わります。

1店舗の薬局では、初期投資を単独で負担するため、費用回収が難しい場合があります。

一方、複数店舗を展開する薬局では、共通システムの固定費を分担できれば規模の経済が働く可能性があります。ただし、本部の運用費や教育費も増えるため、今回のモデルで規模の経済が実証されたわけではありません。

 今回、1店舗、3店舗、10店舗の3モデルで、導入戦略を整理しました。

 1店舗モデル

既存システムを最大限に活用し、費用を抑えて小さく試すことが基本。

 

3店舗モデル

共通業務の標準化、店舗間の情報共有、効果測定を進めながら、成功した仕組みを横展開。

 

10店舗モデル

店舗単位の効率化に加え、本部のDX推進機能、データ管理、教育体制などが重要。

ただし、店舗数が多ければ必ずROIが高くなるわけではありません。

 

システム連携費用、教育負担、運用ルールの複雑化などによって、期待した効果が得られない場合もあります。

図3は店舗規模を問わない段階の目安です。

 

【図3：薬局AI化・デジタル化の導入ロードマップ（段階別・金額なし）】

 

7．AI化の前に、業務を標準化する必要がある

AIを導入すれば、自動的に業務が効率化されるわけではありません。

例えば、薬歴の書き方が薬剤師ごとに大きく異なる薬局では、AIの出力をどのように確認し、修正するのかという運用ルールが必要です。

また、店舗によって在庫管理の方法が違えば、需要予測システムの導入前にデータの整備が必要になるかもしれません。

ここで重要なのは、業務の標準化と薬剤師の専門性の標準化を混同しないことです。

記録の手順、データ管理、請求処理など、共通ルールが必要な業務は標準化する。

一方、患者の生活環境、疾患、服薬上の問題に応じた支援は、個別最適化する。

この2つを両立させることが、薬局AX/DXの重要な課題になると考えます。

 

8．AI化が進んでも、残る仕事がある

今回の分析では、5つの業務を「人間の専門性を強化する領域」として別に整理しました。

●   患者との信頼関係形成

●   ACP支援

●   多職種カンファレンス

●   終末期患者支援

●   地域ケア会議参加

これらは、AIをまったく使えない業務という意味ではありません。

情報の整理、会議記録の作成、関係者間の情報共有など、AIが支援できる工程はあります。

しかし、患者や家族の価値観を理解すること、治療や療養について対話すること、専門職として判断することまで、単純な自動化の対象にするべきではありません。

また、これらの業務は必ずしも直接的な収益を生むわけではありません。

それでも、薬局が地域医療の中で果たす役割を考えるうえで、重要な価値を持っています。

薬局のAI化は、こうした仕事を減らすためではなく、取り組むための時間や情報を確保する手段にもなり得ます。

 

9．AI化は、医療安全と情報管理を前提に進める

薬局でAIを使用する場合、一般的な事務業務と異なり、患者情報の取扱いや薬学的判断への影響を考慮する必要があります。

特に薬歴や服薬指導に関するAIの出力は、薬剤師等の適切な担当者による確認が不可欠です。

AIが生成した文章が自然であっても、実際には確認していない事項や実施していない指導内容が含まれていないかを点検する必要があります。

また、患者情報を外部サービスに入力する場合には、サービスの契約条件、データの保存・利用方法、アクセス管理、情報漏えい対策などを確認しなければなりません。

厚生労働省は2026年6月に医療情報システムの安全管理に関するガイドライン第7.0版を公表しています。適用版と掲載先を確認し、利用するサービスの安全管理に反映する必要があります。

AI導入は、こうした安全管理の枠組みと整合させながら進める必要があります。

 

10．最初の90日間に何をするか

では、AI導入を考える薬局は、明日から何を始めればよいのでしょうか。

私は、最初から高額なシステムを購入する必要はないと考えます。

最初の30日間は、業務の現状把握です。

薬歴、発注、報告書、患者対応などについて、作業件数と所要時間を記録します。少なくとも導入前2週間程度の業務時間を測定し、繁忙日と通常日の違いも確認します。

次の30日間は、対象業務を1つか2つに絞って試行します。

その際、作業時間だけでなく、確認時間、修正回数、エラー、患者対応への影響も測定します。

最後の30日間は、効果を検証し、継続・改善・中止を判断します。

導入効果が得られなかった場合も、その結果は経営判断に役立ちます。

重要なのは、AIを導入したことではなく、業務や患者支援がどのように変わったかを確認することです。

 

想定される反論

「スコアが仮評価なら、順位に意味はないのでは？」　

その通り、順位を客観的な実績ランキングとして使うことはできません。目的は候補を比較する視点を可視化することです。自薬局の実測値で入れ替わることを前提としています。

 

「生成AIでなく既存システムの設定で十分では？」　

加算算定チェック、勤怠集計、期限管理などでは、その可能性があります。新たなAI製品を購入する前に既存機能を点検することを推奨します。

 

11．あなたの薬局では、AI化の優先順位が変わる

今回の35業務の評価は、著者が生成AIの支援を受けて作成した仮評価です。特定の薬局で実測した導入成果ではありません。したがって、記事の順位をそのまま自薬局の投資順位として採用することは推奨しません。

同じ薬歴下書き作成でも、処方箋枚数、電子薬歴の機能、確認・修正に要する時間、利用料によって費用対効果は変わります。そこで、読者が自薬局の条件で評価し直せる「薬局AI化セルフ診断プロンプト Ver.1.3」と、Excel「PAX-01 セルフ診断 Ver.3.2」（かんたん診断・詳細評価・ROI実測）を用意しました。

使い方は、①Excel「02_かんたん診断」の7問に回答し、Q3に基づく改善候補3件を確認する、②候補について詳細評価の根拠・仮点数を自薬局の条件で見直す、③試行前後の作業時間・追加確認時間・費用を記録しROIを検証する、という順番です。Q4・Q5・Q7は注意表示、Q1・Q2・Q6は記録用です。簡易診断の候補3件は採点結果や投資順位ではありません。

  

AIの採点をそのまま信じるのではなく、評価基準を公開し、薬局側が重みや判断を変更できることが重要です。初期評価は意思決定の出発点であり、ROIの実証とは区別します。

例えば年間削減時間は「年間対象件数×（導入前秒数－導入後秒数－追加確認秒数）÷3,600」で計算できます。これに時間単価を掛けた値は労働時間の換算価値であって、そのまま利益や現金収入になるわけではありません。導入費・運用費・教育費と合わせ、複数の条件で試算する必要があります。

最初は一つの業務を選び、導入前2週間と試行導入後2週間の実測から始めてください。品質・医療安全を損なわないことが大前提です。前後比較だけでAI導入の因果効果が証明できるわけではありませんが、自薬局で継続・改善・中止を判断する材料になります。

 

配布資料：PAX-01 薬局AI化セルフ診断プロンプト Ver.1.3／薬局AI化セルフ診断 Ver.3.2（医療安全注意表示方式A）＜お試し程度でご使用ください＞

配布URL：👉【note版】薬局の35業務をAIで整理したら、投資の順番を考え直したくなった｜AxDx戦略　薬局AI化シリーズ①

 

12．私見――薬局のAI化で、本当に変えるべきもの

ここからは私見です。

薬局のAI化を考えるとき、私は「何人分の仕事をAIに置き換えられるか」という議論だけでは不十分だと考えています。

薬局には、保険調剤という共通の業務基盤があります。

その一方で、患者の年齢構成、地域の医療資源、在宅医療の需要、薬剤師の専門性、医療機関との関係など、薬局ごとに異なる特徴があります。

共通業務は標準化し、効率化する。

そして、そこで生まれた時間や能力を、その薬局だからこそ提供できる価値に振り向ける。

この考え方が重要ではないでしょうか。

AIによって薬歴を書く時間が減ったとしても、その時間をただ空白にするだけなら、薬局の価値は大きく変わりません。

しかし、患者の話を聞く時間が増え、服薬上の問題を発見できるようになり、多職種との連携が進むのであれば、AI導入には別の意味が生まれます。

AI化の目的は、薬剤師の仕事をなくすことではなく、薬剤師が価値を生み出す仕事を増やすこと。

私は、この方向に薬局のAX/DX戦略の可能性があると考えています。

次回からは、個別業務を取り上げ、技術的な可能性だけでなく、導入費用、業務改善、医療安全、収益性を具体的に検証していきます。

 

 

参考資料

 1. 厚生労働省「医療DXについて」

https://www.mhlw.go.jp/stf/iryoudx.html

2. 厚生労働省「医療情報システムの安全管理に関するガイドライン」第7.0版（2026年6月） https://www.mhlw.go.jp/stf/shingi/0000516275_00006.html

3. デジタル庁「電子処方箋の導入状況に関するダッシュボード」
https://www.digital.go.jp/resources/govdashboard/electronic-prescription

4. Perkins SWほか「Improving Clinical Documentation with Artificial Intelligence: A Systematic Review」（AHIMA掲載。日本の薬局への直接適用は未検証）
https://perspectives.ahima.org/page/improving-clinical-documentation-with-artificial-intelligence-a-systematic-review

5. Mass General Brigham「AI scribes linked to modest reductions in EHR documentation time」（医師対象研究の紹介）
https://news.massgeneralbrigham.org/en/ai-scribes-linked-to-modest-reductions-in-ehr-documentation-time

6. 独自分析資料「薬局AXDX 35業務評価マスター Ver.2.3」（2026年10月、著者・AI支援による仮評価）

7. 東日本メディコム「薬歴AIアシスタント『MC-Drive for Pharmacy』定額料金プランを新設」（2026年7月7日、PR TIMES。795秒→725秒は同社調べ）  https://prtimes.jp/main/html/rd/p/000000002.000185644.html

 

👉【note版】：薬局の35業務をAIで整理したら、投資の順番を考え直したくなった｜AxDx戦略　薬局AI化シリーズ①