2023年にAIスクライブ（医療記録支援ツール）の市場が急拡大した際、それは大規模言語モデル（LLM）によってもたらされた、画期的で真新しいカテゴリーであるかのように扱われた。しかし、2015年から医療記録ソリューションの開発に携わってきた私たちにとっては、それはもっと長く、苦難に満ちた物語の第3章か第4章のように思えた。私たちは、人間のスクライブ（医療記録担当者）の時代、コロナ禍におけるワークフローの苦痛を伴う仮想化、そして現在のLLMへの移行期を生き抜いてきた。
AI搭載スクライブ・プラットフォームのCEOとして、私はこのサイクルをつぶさに見てきた。現在の語られ方では、AIスクライブは主にソフトウェアの課題として捉えられている。つまり、より優れたモデルを構築し、電子カルテ（EHR）と統合すれば、導入が進むという見方だ。
しかし、エンタープライズレベルで人間のスクライブネットワークを拡大してきた企業は、より深い真実を理解していると私は感じている。これは根本的にワークフロー、トレーニングデータ、および臨床医への浸透の課題であり、テクノロジーだけで解決できるものではない。
持続的な成功を収めるには、臨床現場の日常的なリズムへの深い統合、実際の医師による修正からの継続的な学習、そして診察ごとに一歩一歩信頼を獲得していくことが不可欠となる。
表面的なソリューションと深い統合
この分野への巨額の資金注入は、ヘルスケア業界がいかに切実に解決策を求めているかを浮き彫りにしているが、同時にプラットフォームの解約率が高まりつつあるという裏の現状も反映している。メンロー・ベンチャーズ（Menlo Ventures）による画期的な『2025年版 ヘルスケアAIの現状』レポートによると、ヘルスケアAIへの支出は14億ドル（約2240億円）に急増し、その最大シェアである6億ドル（約958億円）が、診察時の会話を記録するアンビエント（環境型）臨床文書化ツールに直接流れ込んでいる。
しかし、市場が成熟するにつれ、厳しい現実が浮き彫りになりつつある。医療現場は、実際の運用効率が試される本格的な導入フェーズへと急速に移行している。多くの外来診療所や病院は、市場がコモディティ化された表面的なソリューションで溢れかえっていることに気づき始めている。
このベンダー導入の第一波が壁に突き当たっているのは、あまりにも多くのアプリケーションが、単体で見れば通用しそうなノートを生成するだけで、目に見える「記録の表面的な」課題の解決にとどまっているからだ。長期的な医師の信頼維持に必要な、ワークフローの深化やEHRとの緊密な統合に対応できていないのである。
汎用モデルは、複雑なニュアンスが絡む医療の世界で苦戦する。『Journal of Medical Internet Research』（JMIR）に掲載された査読済み研究を例に挙げよう。この研究では、医師と患者の診察の録音データから、構造化された「SOAP（主観的、客観的、評価、計画）」と呼ばれるカルテを記述するChatGPT-4の能力を評価した。
その結果、臨床現場におけるギャップが明らかになった。この汎用モデルは、臨床症例1回につき平均23.6個のエラーを発生させ、そのうちの86%が情報の欠落（患者の重要な詳細情報、経過、症状が最終記録から抜け落ちるなど）によるものだった。さらに、同一の症例を繰り返し処理した際のパフォーマンスにもばらつきがあり、複数の実行を通じてデータ要素が正しく報告された割合はわずか52.9%にすぎなかった。
この結果は、専門特化されたトレーニング、臨床的な制約条件（ガードレール）、そして医師による構造化されたフィードバックループを欠いた、広範で水平展開されたフロンティアモデルに依存することのリスクを浮き彫りにしている。
対照的に、アンビエントAIを単なるアプリのダウンロードではなく、インフラの構築として捉える組織は、異なる結果を出している。ザ・パーマネンテ・メディカル・グループ（TPMG）は、7260人の医師を対象に、組織全体でのアンビエントAIの導入効果を63週間にわたって追跡した長期分析を公開した。彼らの成功の規模は、持続的で適切に統合された導入がどのようなものかを示している。250万回以上の実際の診療において、このツールは累積で1万5791時間もの記録作成時間を削減し、医師が患者と対面して接する時間を増やしたのだ。
資金力だけでは一朝一夕に築けない「濠」
この分野で10年間を過ごして見えてきた真の差別化要因は、医師による独自の修正（エディット）データだと私は考える。臨床医が記録を修正、洗練、あるいは承認するたびに、その専門分野、記録スタイル、および患者層に特化した価値あるトレーニング信号が生成される。このデータが長年にわたって蓄積されることで、資金力に関わらず、新規参入企業が容易に模倣できない強力な防壁（堀）が築かれる。
2023年のLLMブームに乗じて参入しただけの創業者は、初期の試行錯誤に伴う痛みや教訓を経験していない。パンデミックの混乱期に、人間のスクライブから仮想スクライブへの移行を乗り切った経験もない。外来診療所、手術室、あるいは複雑な複数診療科が混在する環境で、エッジケース（例外的な事例）への対応を何年も繰り返してきた経験もない。
そうした実体験は、モデルが混沌とした診察室での割り込みや複数人の会話をどう扱うかから、診療記録が変化する臨床ガイドラインに自動的にどう適応するかに至るまで、あらゆる部分を形づくる。
ブームの先に残るもの
AIスクライブへの熱狂は、歓迎すべきイノベーションと投資をもたらした。だが市場が成熟するにつれ、勝者となるのは、これを単なるモデルの性能競争ではなく、社会技術的（人間と技術の相互作用）な課題として捉える企業だと私は考えている。
業界のリーダーは、次の点に注力すべきである。
• 現場の医師にとって完全に自然に感じられるワークフロー統合
• 膨大な量の実世界における複数診療科の修正データに支えられたソフトウェア
• 臨床的な正確性や品質を損なうことなく、何千もの異なる医療提供者にわたって実証された性能
ソリューションを評価する医療システムは、派手なデモの先を見据え、より厳しい問いを投げかけるべきだ。このベンダーは、複雑な専門領域のニュアンスにどう対応しているのか。過去の修正データの蓄積量はどれほどか。初期パイロット後の導入定着度はどれほど高いのか。
すべてのハイプサイクルがそうであるように、この熱狂もいずれ必ず冷める。そのとき残るのは、AIスクライブとは記録作業を完全に置き換えるものではなく、本来存在すべきでなかった摩擦を取り除くことで医療の人間的側面を取り戻すものだと、最初から理解していたベンダーかもしれない。ヘルスケアAIにおける持続的なインパクトは、スピードだけでなく深さから生まれる。
