Media > AI活用ユースケース > 総務 > 介護事業所の職員から毎月出る「この加算は算定できるか」の質問に、国の通知・Q&Aと運営規程を根拠にチャットで答え、判断が割れるものを管理者へ回す

介護事業所の職員から毎月出る「この加算は算定できるか」の質問に、国の通知・Q&Aと運営規程を根拠にチャットで答え、判断が割れるものを管理者へ回す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

介護事業所の職員が本部に聞く「この加算は算定できるか」「記録に何が要るか」に、国の告示・通知・Q&Aと事業所の運営規程を根拠にチャットで答えます。要件と確かめる記録を原文付きで並べ、判断が割れるものは管理者へ回します。

サマリー
生成AI
Gemini
AIサービス
Azure AI/Google Vertex AI/OpenSearch
連携・自動化
Python
対象業界
介護/医療
対象部門
総務
対象業務
問い合わせ対応/情報検索
主な課題
判断に時間がかかる/属人化している/情報が見つからない
AIで行う処理
対話
主な効果
判断支援/対応スピード向上/属人化解消/工数削減
導入難易度
★★★☆☆
実装レベル
本格構成
費用感
RAG・個別開発(大)
人間の確認
条件付き
現在工数
60h/月
AI導入後
24h/月
想定削減
60%
年間削減
432h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 事業所の職員が、法人内のチャットで本部の担当者に質問を送る
  2. 担当者が、どの事業所の、どのサービスの、何月からの算定の話かを確かめる。書かれていなければ聞き返す
  3. 共有フォルダから、告示と算定の留意事項の通知を開き、その加算の項を探す
  4. Q&Aを巻ごとに開き、同じ加算についての問を探す
  5. 指定権者が独自に出している取扱いの案内があれば、それも見る
  6. 事業所の運営規程や体制の届出の内容を確かめる
  7. 要件をまとめて返す。読み方が割れるものは、課長に相談するか、指定権者に問い合わせる
導入後(After)
  1. 人職員がチャットのボットを開き、事業所と算定する月を選ぶ(サービス種別と指定権者は事業所から決まる)
  2. 自動中継プログラムが、選ばれた値を検索の絞り込み条件に変える
  3. 人職員が質問を書く
  4. 自動中継プログラムが、管理者へ回す規則に当たるかを先に見る
  5. 自動当たらなければ、検索基盤が絞った文書から根拠を探し、要件の一覧を作る
  6. 自動中継プログラムが、根拠にした文書の原文の一節を取り出して答えに添える
  7. 自動根拠が見つからない、根拠が弱い、指定権者の取扱いと国のQ&Aが食い違う、のどれかなら答えずに管理者へ回す
  8. 人職員が、返ってきた「確かめる記録」の一覧で自分の事業所の記録と体制を確かめる
  9. 人管理者が、回ってきた質問を判断し、必要なら指定権者に問い合わせる
各工程の詳しい説明を読む
  1. 事業所の職員が、法人内のチャットで本部の担当者に質問を送る
  2. 担当者が、どの事業所の、どのサービスの、何月からの算定の話かを確かめる。書かれていなければ聞き返す
  3. 共有フォルダから、告示と算定の留意事項の通知を開き、その加算の項を探す
  4. Q&Aを巻ごとに開き、同じ加算についての問を探す
  5. 指定権者が独自に出している取扱いの案内があれば、それも見る
  6. 事業所の運営規程や体制の届出の内容を確かめる
  7. 要件をまとめて返す。読み方が割れるものは、課長に相談するか、指定権者に問い合わせる

(a)Q&Aが何巻にも分かれて探せない。 同じ加算についての問が、改定直後の巻と、何か月か後の巻の両方に出ていることがあります。後の巻で取扱いが補われていると、先の巻だけを見た答えは不足します。 巻をまたいで探すのに、1件の半分の時間を使っています。

(b)サービスを取り違える。 加算の名前で検索すると、別のサービスの項が先に出ます。特養の質問に、通所介護の要件を返してしまう誤りが起きます。

(c)当てはめと要件が混ざる。 「算定できますか」と聞かれると、担当者は要件を説明したうえで「たぶん大丈夫」と付け加えてしまいます。事業所はそれを「本部の判断」として受け取ります。

(d)同じ質問が事業所ごとに来る。 8事業所から、同じ加算の同じ要件の質問が別々に届きます。答えた内容は個別のチャットに散らばり、次の担当者は探せません。

  1. 【人】 職員がチャットのボットを開き、事業所と算定する月を選ぶ(サービス種別と指定権者は事業所から決まる)
  2. 【自動】 中継プログラムが、選ばれた値を検索の絞り込み条件に変える
  3. 【人】 職員が質問を書く
  4. 【自動】 中継プログラムが、管理者へ回す規則に当たるかを先に見る
  5. 【自動】 当たらなければ、検索基盤が絞った文書から根拠を探し、要件の一覧を作る
  6. 【自動】 中継プログラムが、根拠にした文書の原文の一節を取り出して答えに添える
  7. 【自動】 根拠が見つからない、根拠が弱い、指定権者の取扱いと国のQ&Aが食い違う、のどれかなら答えずに管理者へ回す
  8. 【人】 職員が、返ってきた「確かめる記録」の一覧で自分の事業所の記録と体制を確かめる
  9. 【人】 管理者が、回ってきた質問を判断し、必要なら指定権者に問い合わせる

4番目と7番目が、この設計の分かれ目です。 特定の利用者について算定できるかを聞く質問は、検索にかける前に規則で取り出します。 記録を見ないと答えられないからです。そして、国のQ&Aと指定権者の案内が違うことを言っているときは、どちらかを選ばずに止めます。

8番目は、職員の側に残す仕事です。 このチャットが減らすのは、要件を探す時間です。要件に当てはまるかを確かめる時間は、減らしません。

02今回想定するシステム構成

構成図
法人内チャットのボット(事業所の職員が使う)
   │  ① 事業所・算定する月を選ぶ  ② 質問を書く
   ▼
中継プログラム(Cloud Run)
   ├──▶ 事業所の一覧からサービス種別・指定権者を引く
   ├──▶ 管理者へ回す規則に当たるか(特定の利用者・体制の当てはめ)
   ▼  当たらない
Vertex AI Search(Agent Search)
   ├─ answer メソッド ── 要件の一覧と出典
   └─ search メソッド ── 抽出セグメント(根拠の原文)
   │   絞り込み:service_type・jurisdiction・effective_from・status
   │   データストア:告示・通知/Q&A(巻と問)/指定権者の案内/運営規程
   ▼
中継プログラム ── 根拠が弱い、国と自治体が食い違うなら管理者へ
   ▼
チャットに返す / 会話と引き継ぎの記録を保管・集計
役割想定する製品代替候補
検索基盤Vertex AI Search(Agent Search)の answer メソッドと search メソッドAzure AI Search、Amazon OpenSearch Service
生成AIGemini(answer メソッドの回答の生成に使うモデル)─
連携中継プログラム(Python。Cloud Run で動かし、チャットと検索基盤と受付の一覧をつなぐ)Node.js で同じものを書く
集計BigQuery(会話と引き継ぎの記録の保管と、月次の集計)Google スプレッドシート
保管Cloud Storage(通知・Q&A・案内・運営規程の原本とメタデータ)─

介護ソフトにはつなぎません。 利用者の記録や請求の情報をチャットから引く経路を持たせないことで、利用者の個人情報がこの構成を通らないようにします。記録を確かめるのは、職員が介護ソフトで行います。

土台になるのは、Vertex AI Search の answer メソッドです。 公式のドキュメントには「Vertex AI Search is being renamed to Agent Search.」と書かれており、製品は Agent Search へ改称されつつあります。 本記事では両方の名前を併記します。answer メソッドは、データストアから根拠を探して答えを作り、includeCitations で答えの文ごとに出典を示せます。

原文を添えるために、search メソッドの抽出セグメントを使います。 抽出セグメントは、検索結果ごとに文書から直接取り出された逐語の文で、抽出回答より長めの一節です。ページ番号も、取り出せる場合は付きます。非構造化の文書で使うには Enterprise エディションが要ります。 介護の要件は一語の違いで意味が変わるので、要約した答えだけでなく、通知の原文を並べて職員に読んでもらいます。

03どうやって実装するのか

Step1

処理の起点を決める

職員がボットに質問を書いたときに動きます。 最初に事業所と算定する月を選んでもらい、選ぶまで質問欄を開きません。 サービス種別と指定権者は、中継プログラムが事業所の一覧から引きます。職員に選ばせないのは、取り違えを防ぐためです。 通所介護と訪問介護を両方持つ職員でも、事業所を選べばサービスは決まります。

算定する月は、年と月で入れてもらいます。 改定の施行の前後では、同じ加算でも効いている要件が違います。 施行の時期がサービスで違うことがあるので、月とサービス種別の両方で版を選びます。

1つの会話は、同じ事業所と月のまま続けます。 answer メソッドはセッションを使った複数回のやり取りに対応し、前の質問を踏まえて次の質問を言い換えて検索します。別の事業所の話をするときは、会話を新しく始めてもらいます。

チャットは、事業所の職員だけが使える法人内のチャットに置きます。 利用者や家族が使う窓口にはしません。

Step2

入力データを集める

データ中身取得元
職員の質問質問の文面、選んだ事業所と算定する月、会話の中の前の質問法人内チャットのボット
告示・通知単位数と算定の要件、算定の留意事項厚生労働省のページに掲載されたもの
Q&A巻ごとの問と答え。巻の番号と発出日同上
指定権者の案内県・市が出している取扱いの案内とQ&A各自治体のページ
運営規程・体制の届出事業所ごとの運営規程、届け出た加算の体制法人本部が持つ正本
事業所の一覧事業所ごとのサービス種別、指定権者法人本部が持つ一覧
管理者へ回す規則回す質問の種類と見分け方本部が決めて持つ一覧

質を決めるのは、Q&Aの巻と問の持ち方です。 Q&Aは1つのPDFに何十もの問が入っています。1巻を1文書として載せると、答えの出典が「Vol.○」までしか分からず、職員は巻の中を探し直すことになります。 巻を問ごとに分けたテキストにし、巻の番号と問の番号、対象のサービス種別をメタデータに持たせて載せます。

指定権者の案内は、国の文書と分けて持ちます。 自治体ごとの取扱いは、その自治体が指定した事業所にしか当てはまりません。

Step3

データの取得方法を決める

文書は Cloud Storage のフォルダに置き、メタデータの JSONL と一緒にデータストアへ取り込みます。 1文書ごとに次のメタデータを付けます。

メタデータ値の例使いどころ
service_typeday_care、home_care、facility、care_mgmt、commonサービス種別で範囲を切る
jurisdictionnational、pref_x、city_y国の文書と、その事業所の指定権者の案内だけにする
doc_typenotice、qa、local_guide、internal出典の表示と、食い違いの検知
qa_vol/qa_no18/5出典を巻と問で示す
effective_from施行の日(ISO 8601 の日付)算定する月で効いている版を選ぶ
office_id運営規程の事業所の番号運営規程を、その事業所の分だけにする
statuspublished、archived確定した版だけを検索させる

絞り込みに使う項目は、データストアのスキーマで「Indexable」にします。 絞り込みの式は ANY() による完全一致と AND・OR・NOT で書け、日時は ISO 8601 の形式で比較できます。

service_type: ANY("day_care", "common") AND jurisdiction: ANY("national", "city_y")
AND status: ANY("published") AND effective_from <= "2026-11-01T00:00:00Z"
AND (doc_type: ANY("notice", "qa", "local_guide") OR office_id: ANY("dc02"))

最後の行で、運営規程だけを事業所で絞ります。 国の文書には事業所の番号が無いので、doc_type と office_id を OR でつなぎ、他の事業所の運営規程が根拠に出ないようにします。

Q&Aは、新しい巻が出たら足し、古い巻は消しません。 先の巻の問が後の巻で補われていても、先の問が取り消されたとは限らないためです。どちらも根拠に出し、巻と発出日を並べて示します。

Step4

AIへ渡す前に整形する

  1. 事業所の確認 … 選ばれた事業所を一覧で引き、サービス種別と指定権者を決めます
  2. 個人情報の除去 … 質問の文面から、利用者の氏名、被保険者番号らしい数字、職員の氏名を伏せてから検索にかけます
  3. 管理者へ回す規則の照合 … 「この利用者は」「○○さんの場合」「今月の実績で」など、特定の利用者や実績への当てはめを求める言い回しを見ます
  4. 絞り込みの式の組み立て … 事業所・月から式を作ります。職員の書いた文字を式に混ぜません
  5. Q&Aの分割の確認 … 新しい巻を取り込む前に、問ごとに分かれ、巻と問の番号とサービス種別が付いているかを確かめます

2番目を軽く見ないでください。 職員は「Aさんの計画書の見直しが遅れたが」のように、利用者の名前をそのまま書きます。要件を探すのに利用者の名前は要りません。 伏せてから検索にかけ、記録にも伏せた後の文面を残します。

3番目で迷うものは、管理者へ回す側に倒します。 「担当者が辞めたが算定を続けられるか」は要件の質問にも当てはめの質問にも読めます。要件を返したうえで、当てはめは管理者が受ける形にします。

Step5

AIに処理させる

させるのは、絞った文書から加算の要件を探し、要件ごとに「何で確かめるか」を並べることだけです。

質問の種類答え方根拠にする文書
加算の算定要件要件を1つずつ箇条で並べる告示・通知、Q&A
必要な記録・書類要件ごとに、確かめる記録の名前を示す通知、Q&A
体制・人員の要件配置や資格の要件を文書の表記のまま示す告示・通知
研修・会議の要件回数、頻度、対象者を文書のまま示す通知、Q&A
見直しの頻度計画や評価の見直しの間隔を文書のまま示す通知、Q&A
自治体の取扱い指定権者の案内があれば、国の文書と分けて示す指定権者の案内

答えは「要件」と「確かめる記録」の対にします。 要件だけを並べると、職員は何を見ればよいかが分かりません。記録の名前が並ぶと、介護ソフトのどこを開けばよいかが決まります。

させないこと理由
「算定できます」「問題ありません」と結論づける記録と体制を見ないと決まらない
特定の利用者への当てはめ記録を見ないと答えられない
通知に無い要件の緩和や読み替え後から算定の誤りになる
国と自治体のどちらかを選ぶ管理者が指定権者に確かめる
単位数を使った報酬の計算介護ソフトで出す
他のサービスの要件での言い換え名前が同じ加算で最も起きやすい混同

3行目は、職員の質問の形で起きます。 「研修は年1回でもよいですか」と聞かれると、AIは聞かれた形に合わせて答えを寄せようとします。文書に書かれた回数をそのまま示し、それより少なくてよいかは答えさせません。

Step6

指示内容を固定する

answer メソッドの promptSpec.preamble に、次の内容を入れます。

あなたは介護事業を運営する法人の本部で、事業所の職員からの加算の質問に答える案内係です。
検索された告示・通知・Q&A・自治体の案内・運営規程だけを根拠に答えてください。

【答え方】
- 加算の要件を1つずつ箇条で並べ、各要件の後に「確かめる記録:」として、
  文書に書かれた記録や書類の名前を書いてください。文書に無ければ「記載なし」と書いてください。
- 回数、頻度、人数、資格、期間は、文書の表記のまま写してください。言い換えや計算をしないでください。
- Q&Aを根拠にしたときは、巻の番号と問の番号を書いてください。
  同じ論点について複数の巻の問があれば、すべて挙げ、発出日の新しい順に並べてください。
- 自治体の案内があれば、国の文書とは分けて「自治体の取扱い」として書いてください。
- 最後に必ず「算定できるかは、上の要件を事業所の記録と体制で確かめて判断してください」と書いてください。

【答えないこと】
- 「算定できます」「問題ありません」など、算定の可否を結論づけないでください。
- 特定の利用者や今月の実績に当てはめた判断をしないでください。
- 文書に書かれた要件より緩い読み方(回数を減らす、期間を延ばす等)を答えないでください。
- 国の文書と自治体の案内が違う場合に、どちらが正しいかを答えないでください。
- 検索された文書のサービス以外のサービスの要件に触れないでください。

「文書に書かれた要件より緩い読み方を答えない」を書かないと、質問の形に引っぱられます。 「年1回でもよいか」には「年1回で差し支えない」と寄せて答えがちです。要件を緩める方向の言い換えだけを、名指しで禁じます。

あわせて、answer メソッドの設定で次を有効にします。

設定値目的
includeCitationstrue答えの文ごとに出典を示す
ignoreLowRelevantContenttrue関係の薄い文書から無理に答えを作らない
searchSpec.searchParams.filter前処理で組んだ式サービス・指定権者・月で範囲を切る
searchSpec.searchParams.maxReturnResults15(上限25)通知とQ&Aの複数の巻をまたぐ質問に備える
queryRephraserSpec.maxRephraseSteps2(1〜5、既定1)要件と記録を同時に聞く質問を分けて検索する

原文の一節は、同じ絞り込みの式で search メソッドを呼び、maxExtractiveSegmentCount を1〜2にして取り出します。前後の一節も要るときは numPreviousSegments・numNextSegments(それぞれ0〜3)で広げます。 要件の文が表の注記や但し書きに続いていることが多いためです。

Step7

出力形式を固定する

中継プログラムは、answer と search の応答から次の形の記録を作ります。

{
  "session_id": "",
  "office_id": "dc02",
  "service_type": "day_care",
  "jurisdiction": "city_y",
  "target_month": "2026-11",
  "question_masked": "",
  "route": "answered | escalated_rule | escalated_no_answer | escalated_low_support | escalated_conflict",
  "requirements": [
    { "requirement": "", "evidence_records": [""], "source": { "doc_type": "qa", "qa_vol": "", "qa_no": "", "page": "" },
      "verbatim": "" }
  ],
  "local_rules": [ { "title": "", "text": "" } ],
  "support_score": 0.0,
  "created_at": ""
}

1つ目の理由は、requirements で要件と記録を対にして持てることです。 チャットには表にして返し、職員は1行ずつ自分の事業所の記録と照らせます。

2つ目は、verbatim で原文を並べられることです。 AIがまとめた要件の文と、抽出セグメントで取り出した通知の原文を同じ行に置きます。まとめ方がずれていれば、職員がその場で気づけます。

3つ目は、escalated_conflict を分けて数えられることです。 国のQ&Aと指定権者の案内が食い違うと中継プログラムが判断したら、答えを返さずに管理者へ回します。どの加算で食い違いが多いかが、指定権者へ確かめる候補の一覧になります。

support_score は、答えがデータストアの内容にどれだけ裏付けられているかを0〜1で示す値です。 自社で決めた境目を下回ったら、答えを表示せずに管理者へ回します。

管理者へ回した質問は、受付の一覧に、事業所・サービス・算定する月、回した理由、伏せた後の質問、検索で見つかった文書の箇所、対応の状態を入れます。

Step8

システムへ連携する

つなぎ先方式内容
法人内チャットのボット中継プログラムのAPI事業所・月・質問を受け、要件の表と原文を返す
Vertex AI Search(Agent Search)answer と search の呼び出し同じ絞り込みの式で、答えと抽出セグメントを受け取る
事業所の一覧読み取りサービス種別と指定権者を引く
管理者の受付の一覧書き込み回した質問と会話の記録を入れる
BigQuery書き込み会話の記録を保管し、月次で集計する

介護ソフトへは書き込みません。 算定する加算の設定を変えるのは、要件を確かめた職員と請求の担当者です。答えを受けて自動で算定の設定が変わる経路を作ると、確かめる工程が抜けます。

チャットの製品とボットの作り方は、法人が使っているものによって変わります。 チャットから中継プログラムのAPIを呼べることを前提にしており、この部分は利用環境に応じた個別実装が必要です。

Step9

人が確認する

答えを職員に返す前に、人が見ることはしません。 その代わり、答える範囲を要件の説明に限り、当てはめは職員と管理者に残します。

  1. 管理者へ回った質問を毎日見る … escalated_conflict を先に見ます。指定権者に問い合わせるかを決めます
  2. 答えた会話を週に1回抜き取る … 要件の文と原文がずれていないか、別のサービスの文書が根拠に出ていないかを見ます
  3. 新しいQ&Aの巻が出たら確かめる … 取り込みの後、その巻が扱う加算の質問を数件投げ、新しい問が出典に出るかを見ます
  4. 月に1回、同じ質問を数える … 多い質問は、本部から全事業所への案内にします

指定権者に確かめた答えは、指定権者の案内とは別に記録します。 電話や照会での答えを local_guide として載せるかは、文書で示されたものかを見て管理者が決めます。

Step10

例外に対処する

起きること対応
算定する月が施行の前後をまたぐ両方の月で検索し、版ごとに分けて返す
特定の利用者への当てはめを聞かれた規則で管理者へ(escalated_rule)。要件だけは返す
答えが出ない(根拠が見つからない)「本部の担当者から回答します」と返し、escalated_no_answer で受付の一覧へ
根拠の裏付けが弱い答えを表示せず、escalated_low_support で管理者へ
国のQ&Aと指定権者の案内が違う答えを返さず、escalated_conflict で管理者へ
新しいQ&Aの巻がまだ取り込まれていない取り込みの予定日を示し、急ぐものは管理者へ
体制の届出の変更に関わる質問届出の時期が絡むため、要件を返したうえで管理者へ回す
抽出セグメントが取れない原文の欄を空にして、出典の巻と問だけを示す
検索基盤が応答しない「時間をおいて再度お試しください」と返し、本部の連絡先を示す

5行目は、管理者が指定権者に確かめる仕事に変わります。 国と自治体のどちらで答えるべきかは、その事業所を指定した自治体に確かめるしかありません。

Step11

記録を残す

  • 会話ごとの事業所・サービス・指定権者・算定する月、伏せた後の質問の文面、要件の表、原文、出典の巻と問、support_score
  • 使った絞り込みの式と、その時点で取り込まれていたQ&Aの最新の巻
  • 管理者へ回した理由、管理者の判断、指定権者に問い合わせた日と答え
  • 抜き取りで見つけたずれと、直した内容
  • 月ごとの route の件数と、質問の多い加算

2つ目で「取り込まれていた最新の巻」を残すのは、後から巻が出て答えが変わるためです。 運営指導で算定の根拠を聞かれたとき、その時点でどの巻まで見て答えたかを示せます。

04実装レベルの3段階

最小構成:文書を生成AIに読み込ませ、本部の担当者が回答の下書きを作らせる / 1件ごとの該当箇所探しと下書き
半自動化:上記+検索基盤に通知とQ&Aを問ごとに載せ、本部の担当者が検索に使う / サービスと月で絞った該当箇所探し。回答は人
本格構成:上記+職員がボットで直接質問し、原文付きの要件の表と引き継ぎを自動で回す / 要件の質問への回答と、管理者への振り分け

最小構成では、本部の担当者の手は空きません。 確かめるための段階です。 半自動化で、1件15分が10分程度になります。 巻をまたいで探す時間が減りますが、質問の受付と回答は残ります。本格構成で6分になり、この段階が本記事の想定です。 差が大きいのは、要件だけの質問が本部を通らなくなるからです。 段階を飛ばさないでください。 半自動化で、Q&Aの分け方の誤りと、サービス種別の付け間違いが先に見つかります。直してから職員に開くほうが、別のサービスの要件を返す誤りが減ります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
240 件
1件あたり現在時間
15 分
1件あたり導入後時間
6 分
現在  240件 × 15分 ÷ 60 = 60 時間/月
導入後 240件 × 6分 ÷ 60 = 24 時間/月
月間削減時間
36h
削減率
60%
年間削減時間
432h
年間金額換算(時間単価2,800円)
121万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 通所介護・訪問介護・施設・居宅介護支援など複数のサービスの事業所を運営する法人で、加算の算定要件の質問が本部の総務や請求の担当者に集中している場合。報酬改定のたびに告示・通知・Q&Aが何巻にも分かれて出て、どれが最新かを追いきれていない場合。事業所によって指定権者(都道府県・市)が違い、自治体ごとの取扱いの案内も参照している場合。
向いていない
  1. 事業所が1つで、算定している加算が数種類に限られる場合。質問の多くが、特定の利用者について算定できるかの個別の判断で、記録を見ないと答えられない場合(この構成は記録を見ない)。告示・通知・Q&Aを文書として集めて版を管理する担当者を置けない場合。

07最小構成で試す方法

  1. 先月の質問から30件を選ぶ(サービスの違う事業所の質問と、利用者への当てはめの質問を必ず混ぜる)
  2. 1つのサービスについて、通知の該当部分と、その加算を扱うQ&Aの問を集める
  3. 手元の生成AIのサービスに文書を読み込ませ、1件ずつ質問する
  4. 「この文書に書かれていることだけで、加算の要件を箇条で並べ、要件ごとに確かめる記録を書いてください。算定できるかの結論は書かないでください。Q&Aを使ったら巻と問の番号を書いてください」と指示する
  5. 出てきた答えを、当時本部の担当者が返した答えと突き合わせる

30件は必ずやってください。 ボットを作る前に、「文書だけで、要件と記録の対がどこまで作れるか」を確かめます。

出てきた内容判断
当時と同じ要件と記録を、巻と問の番号付きで返したデータストアと絞り込みの組み立てに進む
「算定できます」と結論づけた、要件を緩めて答えた指示の書き方で直る。構成は有効
巻と問の番号が付かない、別の巻と混ざるQ&Aを問ごとに分けてから試し直す

3行目が出ることは珍しくありません。 PDFを丸ごと読み込ませると、どの問の答えかの区切りが消えます。AIの問題ではなく、文書の持ち方の問題です。

08実装時につまずきやすいポイント

問題対策
別のサービスの要件で答える事業所を選ばせ、サービス種別は一覧から引いて service_type で絞る
施行前の要件で答える算定する月と effective_from で版を選ぶ
出典が巻までしか分からないQ&Aを問ごとに分け、qa_vol・qa_no を持たせる
他の事業所の運営規程が根拠に出るoffice_id で運営規程だけを絞る
「算定できます」と結論づける結論を禁じ、最後に確かめる旨の定型文を入れる
質問の形に合わせて要件を緩める緩める方向の言い換えを名指しで禁じる
国と自治体の取扱いの片方だけで答える食い違いは escalated_conflict で止める
抽出セグメントが返らないEnterprise エディションを有効にする
メタデータを付けたのに絞り込めないスキーマで Indexable にする
利用者の名前が記録に残る検索の前に伏せ、伏せた後の文面を残す
新しい巻の取り込みが遅れる巻が出たら取り込む担当と期限を決める

上の2行が、この構成の失敗のほとんどです。 どちらも、正しい言葉で違う要件を答えるという形をしています。AIの精度ではなく、検索の範囲の問題です。

最後の行は、運用に乗るかを決めます。 新しい巻が載っていないと、職員は結局本部に聞き直します。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 国の通知とQ&A、自治体の案内(いずれも公開の文書)、法人の運営規程と体制の届出、職員の質問の文面と会話の記録。質問の中に、利用者の氏名や心身の状況が書き込まれることがあります。

  1. 利用者の情報を通さない … 介護ソフトにつながず、質問の文面からも利用者の氏名を伏せます。要件の質問に利用者の情報は要りません
  2. 算定の可否を決めない … 返すのは要件と確かめる記録までです。算定するかは、記録と体制を確かめた職員と管理者が決めます
  3. 国と自治体の違いを埋めない … 食い違いはAIに選ばせず、その事業所の指定権者に確かめます
  4. 出典を巻と問で残す … 後から巻が出て取扱いが補われることがあります。どの時点の文書で答えたかを残し、運営指導で説明できるようにします
  5. AIが答えていることを示す … ボットの最初に、AIが通知とQ&Aから要件を示すこと、算定の判断は事業所で行うことを書きます
  6. 文書の正本を本部が持つ … データストアに載せるのは、本部が厚生労働省と自治体のページから取得し、問ごとに分けた版だけにします

誤りが起きた場合のリスクは、別のサービスや施行前の要件を伝えることと、要件を緩めて伝えることの2つです。 前者は絞り込みで、後者は指示と原文の並記で防ぎます。原文が隣にあれば、まとめ方のずれは職員の目で止まります。

10まず何から始めるか

1週目:文書を集め、Q&Aを問に分ける

令和6年度の改定の告示・通知と、Q&AのVol.1から最新の巻までを集めます。まず質問の多い加算を5つ選び、その加算を扱う問だけを、巻と問の番号を付けて抜き出します。 事業所ごとのサービス種別と指定権者の一覧も作ります。

2週目:30件で試す

先月の質問から30件を選び、手元の生成AIに文書を読み込ませて答えさせます。結論づけていないか、要件を緩めていないか、巻と問の番号が合っているかを最優先で見ます。

3週目:管理者へ回す規則を決める

どの質問を管理者へ回すかを、本部と事業所の管理者で決めます。 特定の利用者への当てはめ、体制の届出の変更、国と自治体の食い違いは必ず入れます。

4週目:データストアを作り、本部で使う

Cloud Storage に文書とメタデータを置き、Vertex AI Search(Agent Search)のデータストアを作ります。この時点では職員に開かず、本部の担当者が回答の根拠を探すのに使います。

2か月目: 中継プログラムとボットを作り、抽出セグメントの原文を添えて職員に開きます。route ごとの件数を毎週数えます。3か月目以降: 残りの加算の問を足し、1件15分が何分になったかを実測します。新しい巻が出た週のうちに取り込まれ、管理者へ回る質問が当てはめと食い違いだけになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-06/最終更新:2026-10-06
確認した内容情報源確認日
Vertex AI Search が Agent Search へ改称されつつあること。answer メソッドがセッションによる複数回のやり取りと質問の言い換えに対応すること。queryRephraserSpec.maxRephraseSteps(1〜5、既定1)、includeCitations、ignoreLowRelevantContent、promptSpec.preamble、searchSpec.searchParams の filter・maxReturnResults(既定10、上限25)。答えの裏付けを0〜1の値で返せることGoogle Cloud: Agent Search の answer メソッド2026-10-06
抽出セグメントが文書から直接取り出された逐語の文で、抽出回答より長めであること。maxExtractiveSegmentCount(0〜10)、numPreviousSegments・numNextSegments(0〜3)。取り出せる場合にページ番号が付くこと。非構造化の文書では Enterprise エディションが要ることGoogle Cloud: Agent Search のスニペットと抽出結果2026-10-06
絞り込みに使う項目をスキーマで Indexable にすること。ANY() の完全一致、AND・OR・NOT、日時(ISO 8601)の比較の演算子Google Cloud: Agent Search のメタデータによる絞り込み2026-10-06
Cloud Storage などからデータストアを作れること。メタデータを JSON で付けられること。取り込みを1回または定期の同期から選べることGoogle Cloud: Agent Search の検索データストアの作成2026-10-06
令和6年度の介護報酬改定について、告示・通知とあわせてQ&AがVol.18(令和8年7月14日)まで掲載されていること。施行の時期が示され、訪問・通所系サービスが6月施行とされていること厚生労働省: 令和6年度介護報酬改定について2026-10-06

加算の算定要件と自治体ごとの取扱いは、事業所の指定権者と、法人の顧問(社会保険労務士・税理士等)に必要に応じて確認してください。 本記事は厚生労働省のページで確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-0427)についてのご相談はこちらから。

AI活用について相談する
目次