Media > AI活用ユースケース > 購買 > 在宅医療の診療所の事務が、看護師の依頼の呼び名・略称・メーカー名のゆれのまま、医療材料・衛生材料の採用品と発注の記録を OpenSearch で引き、品と発注先を決めて卸ごとの発注の案にする

在宅医療の診療所の事務が、看護師の依頼の呼び名・略称・メーカー名のゆれのまま、医療材料・衛生材料の採用品と発注の記録を OpenSearch で引き、品と発注先を決めて卸ごとの発注の案にする

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

訪問看護師の依頼に書かれた呼び名・略称のまま、医療材料・衛生材料の採用品の一覧と過去の発注の記録を検索します。採用中の品と規格、前回の発注先と単位を並べ、一意に決まった品を卸ごとの発注の案にまとめます。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
AIサービス
Azure AI/OpenSearch
対象業界
介護/医療
対象部門
購買
対象業務
データ入力・転記/情報検索
主な課題
入力作業が多い/属人化している/情報が見つからない
AIで行う処理
検索(RAG)
主な効果
入力漏れ削減/属人化解消/検索時間短縮
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
24h/月
AI導入後
8h/月
想定削減
67%
年間削減
192h
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. チャットと紙の様式から、依頼の品と数を書き出す
  2. 採用品の一覧を開き、呼び名から品を探す
  3. 規格(サイズ・G・Fr・長さ)を確かめ、品を1つに決める
  4. 決まらなければ、発注の記録で同じ看護師の前回の依頼を探す
  5. それでも決まらなければ、看護師にチャットで聞く
  6. 品ごとの発注先の卸を一覧で確かめ、卸ごとにまとめる
  7. 卸の発注の画面に入力する
導入後(After)
  1. 人看護師がこれまでどおりチャットか紙の様式で依頼する(紙は事務が依頼の画面に打ち込む)
  2. 自動生成AIが依頼を品ごと・数ごとに書かれたまま分ける
  3. 自動Lambda が規格の書き方(サイズ・G・Fr・mm)を数と単位に分ける
  4. 自動OpenSearch で採用品の一覧と発注の記録を引き、同義語・部分一致・規格で候補を並べる
  5. 自動採用中の品だけを候補にし、前回同じ言い方で頼まれた品を上に出す
  6. 自動候補が1つに絞れた行は、発注先の卸と発注の単位を添えて「決定の案」に、2つ以上残った行は「聞き返し」に分ける
  7. 人事務が「決定の案」を確かめ、「聞き返し」は候補を並べて看護師に聞く
  8. 自動決まった品を卸ごとの発注の案にまとめる
  9. 人事務が卸の発注の画面に入力し、発注する
各工程の詳しい説明を読む
  1. チャットと紙の様式から、依頼の品と数を書き出す
  2. 採用品の一覧を開き、呼び名から品を探す
  3. 規格(サイズ・G・Fr・長さ)を確かめ、品を1つに決める
  4. 決まらなければ、発注の記録で同じ看護師の前回の依頼を探す
  5. それでも決まらなければ、看護師にチャットで聞く
  6. 品ごとの発注先の卸を一覧で確かめ、卸ごとにまとめる
  7. 卸の発注の画面に入力する

(a)呼び名が一覧に載っていない。 一覧の品名は「フィルムドレッシング(透明)10×12cm」のように書かれ、「フィルム大」では検索で出てきません。半角のカタカナで入った行も混ざっていて、全角で探すと引けません。

(b)規格の書き方がそろっていない。 依頼には「22G」「22ゲージ」、一覧には「22G×25mm」と書かれています。数字の後ろの単位の書き方で、検索が当たったり外れたりします。

(c)略称の対応が1人の頭の中にある。 「Yガーゼ」がどの品かは、長く勤めた事務が知っています。書き出された対応表はありません。

(d)採用中止の品が混ざる。 一覧には、切り替えで採用をやめた品も残っています。前回の発注の記録をそのまま写すと、採用中止の品を頼むことになります。

  1. 【人】 看護師がこれまでどおりチャットか紙の様式で依頼する(紙は事務が依頼の画面に打ち込む)
  2. 【自動】 生成AIが依頼を品ごと・数ごとに書かれたまま分ける
  3. 【自動】 Lambda が規格の書き方(サイズ・G・Fr・mm)を数と単位に分ける
  4. 【自動】 OpenSearch で採用品の一覧と発注の記録を引き、同義語・部分一致・規格で候補を並べる
  5. 【自動】 採用中の品だけを候補にし、前回同じ言い方で頼まれた品を上に出す
  6. 【自動】 候補が1つに絞れた行は、発注先の卸と発注の単位を添えて「決定の案」に、2つ以上残った行は「聞き返し」に分ける
  7. 【人】 事務が「決定の案」を確かめ、「聞き返し」は候補を並べて看護師に聞く
  8. 【自動】 決まった品を卸ごとの発注の案にまとめる
  9. 【人】 事務が卸の発注の画面に入力し、発注する

7番目が、この設計の分かれ目です。 「決定の案」も、事務が品名と規格を見て確かめます。検索の点が高いことは、正しい品であることの証明にはなりません。 規格が1つ違う品は、名前がほぼ同じで点も近くなるからです。

「聞き返し」は、候補を並べた形で看護師に送ります。 「フィルム大はどれですか」と聞くより、「A:10×12cm、B:15×20cm のどちらですか」と聞くほうが、訪問の合間に答えやすくなります。

02今回想定するシステム構成

構成図
看護師の依頼(院内のチャット・紙の様式)
   │  紙は事務が依頼の画面に打ち込む
   ▼【トリガー】依頼の受付
AWS Lambda ──▶ Claude(Amazon Bedrock)── 品ごと・数ごとに分ける(書かれたまま)
   │
   ├── 規格の書き方を数と単位に分ける
   ▼
Amazon OpenSearch Service
   ├── supplies:採用品の一覧(品名・呼び名・メーカー・規格・採用の状態・卸・発注の単位)
   └── order_history:発注の記録(日付・依頼した看護師・依頼の言い方・品・卸)
   ▼
AWS Lambda ── 採用中への絞り込み、決定の案と聞き返しの振り分け、卸ごとのまとめ
   ▼
事務の画面 ──【確かめて、聞き返しは看護師へ/卸の発注の画面へ入力】
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(kuromoji、synonym_graph、ngram、cjk_width、multi_match)Azure AI Search、自社で運用する OpenSearch
生成AIClaude(Amazon Bedrock の Converse API、構造化出力)Azure OpenAI(Microsoft Foundry)、OpenAI API
連携AWS Lambda(依頼の分け方の呼び出し、規格の分解、振り分け、卸ごとのまとめ)AWS Step Functions
保管Amazon S3(依頼・候補・決めた品・発注の案)院内のファイルサーバー

採用品の一覧と発注の記録は、新しく足すものではありません。 毎朝と昼に読み込んで索引を入れ直します。この構成から卸の発注の画面には入力しません。 発注の確定は、事務が卸の画面で行います。

新しく作るのは、呼び名の同義語の表です。 1行は「呼び名の組」で、たとえば「フィルム, フィルムドレッシング, 透明ドレッシング」「留置針, 静脈留置針, 留置カテ」「Yガーゼ, Y字ガーゼ, Yカットガーゼ」です。どの呼び名をどの品の呼び名とするかは、看護師長と長く勤めた事務が決めます。 メーカー名の略し方も同じ表に入れます。

検索の土台は Amazon OpenSearch Service です。 公式のページでは、日本語の解析(kuromoji)と ICU の解析のプラグインが、すべてのドメインに入っているとされています。

03どうやって実装するのか

Step1

処理の起点を決める

依頼を受け付けたときに1件ずつ動かします。 チャットは、院内のチャットの「材料の依頼」の場所に投稿されたときに受け取り、紙の様式は事務が依頼の画面に打ち込んだときです。夕方にまとめて流しません。 聞き返しが翌日になると、看護師が覚えていないことがあるからです。

発注は週2回、卸ごとにまとめて行います。 依頼ごとに決まった品は、発注の案にためておき、発注の日の朝に卸ごとの一覧にします。急ぎの依頼(「至急」の語がある、または看護師が急ぎの印を付けた)は、ためずに事務へ知らせます。

索引は、毎朝と昼に入れ直します。 採用の状態(採用中・採用中止・切替中)が変わるのは、採用の会議の後です。

Step2

入力データを集める

データ中身取得元
依頼看護師の名前、依頼の文、受け付けた日時、急ぎの印院内のチャット、依頼の画面
採用品の一覧品の番号、正式な品名、規格、メーカー、採用の状態、発注先の卸、発注の単位(箱の入り数)採用品の一覧の表計算
発注の記録日付、依頼した看護師、依頼の言い方、決めた品の番号、卸、数発注の記録の表計算
呼び名の同義語の表呼び名の組、メーカー名の略し方看護師長と事務で作る表

質を決めるのは、発注の記録の「依頼の言い方」の欄です。 これまでの記録には、決めた品は残っていても、看護師がどう書いたかは残っていません。移行の日から、依頼の文をそのまま記録に残します。 3か月もたつと、同じ言い方の前回の品を引けるようになります。

依頼の文には、患者の名前を書かない決まりにします。 依頼の様式に患者の欄を作らず、チャットでも「○○さん用」と書かないよう看護師にお願いします。書かれていた場合の扱いは、第13章で決めます。

Step3

データの取得方法を決める

取るものどこから何に使うか
依頼の文チャットの投稿、依頼の画面品ごとに分ける
採用品の全行採用品の一覧(毎朝・昼)索引の入れ直し
同じ看護師・同じ言い方の前回の品発注の記録の索引候補の上に出す
発注先と発注の単位採用品の一覧卸ごとのまとめ、箱の入り数での数の直し

品名は、2つの形で索引に持たせます。 1つは kuromoji で語に分けて同義語を効かせる形、もう1つは ngram で文字の並びに分けた部分一致の形です。OpenSearch の公式のページでは、ngram の filter が synonym_graph より前にあると、索引を作る要求が断られるとされています。同じアナライザーに混ぜず、品名の欄を2つに分けます。

{
  "mappings": { "properties": {
    "name": { "type": "text",
      "analyzer": "ja_index", "search_analyzer": "ja_search_syn",
      "fields": { "ng": { "type": "text", "analyzer": "ja_ngram" } } },
    "aliases": { "type": "text",
      "analyzer": "ja_index", "search_analyzer": "ja_search_syn" },
    "maker": { "type": "text",
      "analyzer": "ja_index", "search_analyzer": "ja_search_syn" },
    "spec_value": { "type": "float" },
    "spec_unit": { "type": "keyword" },
    "status": { "type": "keyword" },
    "supplier": { "type": "keyword" }
  } }
}

ja_index と ja_search_syn には cjk_width を入れます。 公式のページでは、cjk_width は半角のカタカナを全角に、全角の英数字を半角にそろえるとされています。一覧の「フィルム」と依頼の「フィルム」が同じ語になります。

Step4

AIへ渡す前に整形する

  1. 依頼の分け方 … 生成AIが「品の言い方」「数」「単位(箱・枚・本)」に分けます
  2. 規格の分解 … Lambda が「22G」「22ゲージ」「14Fr」「25mm」「M」などを数と単位に分けます。単位の書き方は「G」「Fr」「mm」「cm」「サイズ」にそろえます
  3. 全角・半角のそろえ … 依頼の文の側も、索引と同じアナライザーで処理されます
  4. 患者の名前らしい語の確かめ … 「さん」「様」の付いた語があれば、生成AIに渡す前に事務の画面で止めます
  5. 箱の入り数の直し … 「2箱」と「100枚」は、採用品の一覧の入り数で同じ単位に直して比べます
  6. 急ぎの印の付け方 … 「至急」「明日まで」などの語があれば、急ぎとして事務に知らせます

2番目の分け方は、書き方の型ごとに決めます。

依頼の書き方分けた結果検索での使い方
22G、22ゲージ数 22、単位 Gspec_unit が G、spec_value が22の品だけ残す
14Fr、14フレンチ数 14、単位 Fr同上(Fr)
テープ25数 25、単位 なし単位が無いので絞らず、mm の候補を上に出して聞き返す
大、Lサイズサイズの言葉 大/L一覧の「サイズの呼び」の欄と照らす。品ごとに意味が違うので絞らない
10×12数 10 と 12、単位 なしcm として照らし、単位は聞き返しで確かめる

4行目の「大」は、品によって指す大きさが違います。 ある品の「大」は別の品の「中」より小さいこともあり、言葉だけで寄せると取り違えます。

2番目は、検索の外で行います。 「22G」を語として検索すると、「22」と「G」に分かれて、20G や 24G の品も当たります。数と単位に分け、規格は数の欄で一致させます。

Step5

AIに処理させる

生成AIにさせるのは、依頼の文を品ごと・数ごとに、書かれたまま分けることだけです。 どの品に当たるかは、OpenSearch の検索と事務の確認で決めます。

見るものさせることさせないこと
依頼の文品の言い方・規格の書き方・数・単位に分ける正式な品名に直す、規格を補う
依頼の文の中の患者の情報何も写さない名前・病名・処置の内容を写す
候補の品何もさせない品を選ぶ、代わりの品を勧める

検索は multi_match で品名・呼び名・メーカーをまとめて引きます。 OpenSearch の公式のページでは、best_fields はいちばん合った欄の点を使い、tie_breaker を付けるとほかの欄の点も足され、^ で欄の重みを変えられるとされています。

{
  "query": { "function_score": {
    "query": { "bool": {
      "must": [ { "multi_match": {
        "query": "フィルム 大",
        "fields": [ "aliases^3", "name^2", "name.ng", "maker" ],
        "type": "best_fields", "tie_breaker": 0.3 } } ],
      "filter": [ { "term": { "status": "採用中" } } ]
    } },
    "functions": [
      { "filter": { "terms": { "item_id": [ "前回同じ言い方で頼まれた品の番号" ] } }, "weight": 2 }
    ],
    "boost_mode": "multiply"
  } },
  "size": 5
}

同義語を効かせた語には、あいまいな検索がかかりません。 match の公式のページでは、同義語を持つ語は同義語の検索にまとめられ、fuzziness の広がりに対応しないとされています。打ち間違いは ngram の欄で拾い、よく出る打ち間違いは同義語の表に書き足します。

規格は、検索の後で Lambda が数の欄と比べます。 依頼に「22G」があれば、spec_unit が G で spec_value が22の候補だけを残します。規格が書かれていない依頼は、規格で絞らずに候補を並べ、聞き返しに回します。

Step6

指示内容を固定する

あなたは在宅医療の診療所の事務で、看護師の材料の依頼を読む担当です。
依頼の文を、品ごとに分けてください。

【分ける項目】
1. 品の言い方(書かれたとおりの文字。略称・呼び名・メーカー名もそのまま)
2. 規格の書き方(サイズ・太さ・長さ。書かれたとおり。無ければ null)
3. 数(数として書かれていれば数、無ければ null)
4. 単位(箱・枚・本・袋・巻 など、書かれた言葉のまま。無ければ null)
5. 急ぎの言葉(「至急」「明日まで」など、書かれていれば)

【厳守事項】
- 品の言い方を正式な品名やメーカーの商品名に直さないでください。
- 規格が書かれていない品に、よく使われる規格を補わないでください。
- 数が書かれていなければ null にし、「1」と推し量らないでください。
- 患者の名前、病名、処置の内容、住所が書かれていても、
  どの項目にも写さないでください。書かれていた場合は
  contains_patient_info を true にしてください。
- どの品が患者に合うか、代わりに使える品はどれかを書かないでください。
- 材料の依頼でない文(予定の連絡など)は、items を空の配列にしてください。

【依頼の文】{request_text}

「よく使われる規格を補わない」を明記しないと、生成AIは「フィルム」に一般的な大きさを付けて返すことがあります。 補われた規格で検索すると、1つに絞れたように見え、聞き返しが起きません。規格が無いことは、聞き返すべき理由です。

「代わりの品を書かない」も同じ考えです。 採用品に無い品を頼まれたとき、似た品を勧めるのは医療の判断で、事務と生成AIが決めてよいことではありません。

Step7

出力形式を固定する

依頼の分け方は、次の形の JSON で受け取ります。 Amazon Bedrock の公式のページでは、Converse API の outputConfig.textFormat に JSON Schema を渡すと、応答がそのスキーマに沿うとされています。

{
  "request_id": "",
  "contains_patient_info": false,
  "urgent_words": [""],
  "items": [
    { "item_raw": "", "spec_raw": null, "qty": null, "unit_raw": null }
  ]
}

公式のページでは、すべての object に additionalProperties: false が要り、数の minimum/maximum は対応しません。 数の範囲(0より大きいか)は Lambda で確かめます。

事務の画面に渡す結果は、Lambda が次の形にまとめます。

{
  "request_id": "",
  "nurse": "",
  "lines": [
    { "item_raw": "フィルム大", "spec_raw": null, "qty": 2, "unit_raw": "箱",
      "decision": "decided | ask_back | not_found",
      "candidates": [
        { "item_id": "S-0213", "name": "", "spec": "10×12cm", "maker": "",
          "supplier": "卸A", "pack": "50枚/箱", "matched_by": ["alias", "history"] }
      ],
      "ask_back_text": "" }
  ]
}

1つ目の理由は、decision で事務の見る順番が決まることです。 ask_back は聞き返しの文の下書き(ask_back_text)付きで先に出し、decided は品名と規格を流し見て確かめます。

2つ目は、matched_by で候補の根拠が分かることです。 同義語で当たったのか、前回の発注の記録で当たったのか、部分一致で当たったのか。部分一致だけで当たった候補は、確かめる目を厳しくします。

3つ目は、not_found を分けられることです。 採用品に無い品の依頼は、採用の相談として看護師長に回します。

Step8

システムへ連携する

つなぎ先方式内容
院内のチャット投稿の受け取り「材料の依頼」の場所の投稿を受ける
依頼の画面院内の Web の画面紙の様式の打ち込み、事務の確認、聞き返しの送信
Claude(Amazon Bedrock)Converse API依頼の分け方
Amazon OpenSearch Service検索の API採用品と発注の記録の検索、索引の入れ直し
採用品の一覧・発注の記録読み取り(毎朝・昼)、発注の記録への追記索引の元、決めた品と依頼の言い方の記録

聞き返しは、チャットの同じ場所に、依頼への返信として送ります。 文の下書きは Lambda が候補から作り、たとえば「フィルム大2箱のご依頼について、採用品は A:10×12cm(50枚/箱)、B:15×20cm(50枚/箱)の2つです。どちらでしょうか」の形です。看護師は A か B を返すだけで済みます。 事務は送る前に、候補の並びと数を確かめます。

発注の記録には、事務が決めた品と依頼の言い方を書き足します。 これが次の「前回同じ言い方の品」の元になります。卸の発注の画面には書き込みません。 卸ごとの発注の案を一覧で出し、事務が入力します。

Step9

人が確認する

  1. ask_back を先に見る … 候補を見て、聞き返しの文を直して看護師に送ります
  2. decided の品名と規格を確かめる … 規格が依頼と合っているか、箱の入り数で数が合っているかを見ます
  3. not_found を看護師長に回す … 採用品に無い品の相談です
  4. contains_patient_info の依頼を見る … 患者の情報が書かれていれば、看護師に書き方をお願いし直します
  5. 卸ごとの発注の案を確かめて入力する … 締めの時刻の前に、卸ごとの品の数と合計を見ます

2番目を省かないでください。 規格が1つ違う品は、品名がほとんど同じです。届いてから違うと分かると、訪問で使う日に間に合わないことがあります。

目標は、240行をならして1行2分です。 聞き返しが3割を超える月は、同義語の表か、依頼の書き方の決まりが足りていません。新しい看護師が入った月は、聞き返しが増えるのが普通です。

Step10

例外に対処する

起きること対応
候補が2つ以上残るask_back にし、候補を並べた聞き返しの文を作る
候補が無いnot_found にし、採用の相談として看護師長へ
候補が採用中止の品だけ切替先の品が一覧にあれば並べ、無ければ看護師長へ
規格が書かれていない規格で絞らず、ask_back にする
依頼の数が箱の入り数と合わない数を直さず、事務が看護師に確かめる
患者の情報が書かれていた生成AIに渡す前に止め、事務が看護師に書き直しをお願いする
生成AIが応答しない事務が依頼の画面で品ごとに分けて打ち込む
急ぎの依頼ためずに事務へ知らせ、在庫の残りを先に確かめる

3行目の「切替先」は、採用品の一覧に切替先の欄を持たせて引きます。 採用中止の品を前回の記録のまま頼まないためです。

Step11

記録を残す

  • 依頼の文(患者の情報が書かれていたものは、その部分を消した形)と受け付けた日時
  • 生成AIの分け方と、規格の分解の結果
  • 候補と matched_by、事務が決めた品
  • 聞き返しの文と看護師の答え
  • 同義語の表に足した呼び名と、足した日
  • 卸ごとの発注の案と、発注した日

5行目は、聞き返しを減らす材料です。 聞き返しで分かった呼び名を、看護師長と事務で月に1回見直して表に足します。

4行目の聞き返しと答えの組も、同じ見直しに使います。 同じ看護師が同じ言い方で同じ答えを返している組は、その看護師の言い方として前回の品の重みに効きます。答えが看護師ごとに違う言い方は、同義語の表に入れず、聞き返しを続けます。

04実装レベルの3段階

最小構成:採用品の一覧に呼び名の列を足し、表計算で引く / 呼び名からの検索
半自動化:上記+OpenSearch に採用品を入れ、同義語・部分一致・規格で候補を出す画面を作る / 検索と候補の並べ方
本格構成:上記+生成AIでの依頼の分け方、発注の記録の前回の品、聞き返しの文、卸ごとの発注の案 / 品の特定と発注の案づくりの全体

半自動化で、①の探す時間が大きく減ります。 残るのは依頼を品ごとに書き出す時間と、聞き返しです。本格構成で前回の発注の記録が効き始めると、聞き返しが減ります。 段階を飛ばさないでください。 半自動化の期間に、同義語の表に足りない呼び名がまとめて分かります。表が育ってから生成AIを足すほうが、聞き返しが少ない状態で始められます。

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
6 分
1件あたり導入後時間
2 分
現在  240件 × 6分 ÷ 60 = 24 時間/月
導入後 240件 × 2分 ÷ 60 = 8 時間/月
月間削減時間
16h
削減率
67%
年間削減時間
192h
年間金額換算(時間単価2,500円)
48万円
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. 訪問診療・訪問看護を行う診療所や訪問看護ステーションで、医療材料・衛生材料の採用品が数百品あり、卸が2社以上に分かれている場合。看護師の依頼が、チャットや紙の依頼の様式に呼び名・略称で書かれ、事務がそれを採用品の一覧の正式な品名と規格に直して発注している場合。発注を担当する事務が1〜2名で、休むと品の特定が止まる場合。
向いていない
  1. 採用品が数十品で、依頼の様式に品の番号を選ぶ形がすでにある場合。発注を卸の発注の画面で看護師が直接行っている場合。依頼の多くが、採用品に無い新しい品の相談である場合(採用の検討の仕組みが要ります)。なお、どの品を患者に使うか、採用品の代わりの品が使えるかの判断は、医師・看護師が行うもので、この構成では代替できません。

07最小構成で試す方法

  1. 先月のチャットと紙の様式から、依頼の品の行を50行書き出す
  2. 長く勤めた事務に、その50行がどの品だったかを一覧の品の番号で付けてもらう
  3. 採用品の一覧に「呼び名」の列を足し、50行に出てきた呼び名を書き込む
  4. 表計算の検索で、呼び名の列から50行を引き、何行が1品に決まるかを数える
  5. 決まらなかった行が、規格が無いためか、呼び名が無いためかを分ける

ここまでは、生成AIも OpenSearch も使いません。 確かめたいのは、呼び名の表があれば、長く勤めた事務の覚えにどこまで近づけるかです。

出てきた内容判断
50行の大半が1品に決まった索引と依頼の画面に進む
規格が無くて決まらない行が多い依頼の書き方の決まりを先に作る。 構成は有効
呼び名の対応がそもそも決められない看護師長と採用品の整理が先。AIの問題ではない

08実装時につまずきやすいポイント

問題対策
ngram と synonym_graph を同じアナライザーに入れて索引が作れない品名の欄を2つに分ける(同義語の欄と部分一致の欄)
同義語にした語の打ち間違いが引けない同義語の語にはあいまいな検索がかからない。部分一致の欄で拾う
「22G」で20Gや24Gの品が当たる規格は数と単位に分け、数の欄で一致させる
半角のカタカナの品名が引けないcjk_width を索引と検索の両方に入れる
生成AIが規格を補う補わせない。規格が無いことは聞き返しの理由
採用中止の品を頼んでしまう採用の状態で絞り、切替先の欄を持たせる
前回の品が採用中止になっている前回の品の重みは、採用中の品にだけ効かせる
同義語の表を直しても検索に効かない検索用のアナライザーに updateable: true を付けて入れる
患者の名前が依頼に書かれる依頼の様式に患者の欄を作らず、書かれたら止める
「大」「小」の言葉で品を絞ってしまうサイズの言葉は品ごとに意味が違う。絞らずに候補を並べて聞き返す
箱と枚の数を取り違える入り数で同じ単位に直して比べ、合わないときは数を直さず確かめる
聞き返しが看護師に届かないチャットの依頼への返信として送り、答えの無い聞き返しを翌朝に一覧で出す

上の2行は、索引を作る最初の日に決まります。 公式のページに書かれた動きで、作ってから気づくと索引を作り直すことになります。

同義語の表は検索の側に置きます。 AWS の公式のページでは、updateable: true を付けた検索用のアナライザーだけなら、辞書を更新したときに自動で反映されるとされています。呼び名は毎月増えるので、索引を作り直さずに足せる形にします。

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: 看護師の名前、依頼の文、採用品の一覧、発注の記録、卸の名前です。患者の情報は扱わない設計にします。

  1. 依頼に患者の情報を書かない決まりにする … 依頼の様式に患者の欄を作らず、チャットでも書かないようにします。品の特定に患者の情報は要りません
  2. 書かれていた場合は生成AIに渡す前に止める … 「さん」「様」の付いた語があれば事務の画面で止め、書き直しをお願いします。生成AIの指示でも写さないよう書きますが、それに頼らず手前で止めます
  3. 品を選ぶのは事務、使う品を決めるのは医師・看護師 … 候補を並べるのは検索で、代わりの品が使えるかは医療の判断です。 生成AIにも事務にも決めさせません
  4. 発注は人が確定する … 卸の発注の画面への入力は事務が行います
  5. ログに患者の情報を残さない … 書かれていた部分は消した形で保存します
  6. 索引とログに届く人を限る … 採用品の一覧と発注の記録は、卸ごとの取引の条件が分かる資料です。院内の事務と看護師長だけが見られる設定にし、外部からは届かないようにします

誤りが起きた場合のリスクは、規格の違う品が届き、訪問で使う日に間に合わないことです。規格を補うと起き、候補が2つ以上あるのに1つに寄せると起きます。どちらも聞き返しに回す設計で止められるので、そこは仕組みの側で守ります。

10まず何から始めるか

1週目:呼び名の同義語の表を作る

看護師長と長く勤めた事務で、よく出る呼び名を洗い出し、採用品の一覧の品に対応づけます。依頼に患者の情報を書かない決まりも、このときに看護師と決めます。

2週目:50行で試す

先月の依頼の50行を、呼び名の列で引いて、何行が1品に決まるかを数えます。決まらない行の理由を、規格が無いためか、呼び名が無いためかで分けます。

3週目:依頼の書き方の決まりを作る

規格の書き方(サイズ・G・Fr)を、依頼の様式に書く欄にします。発注の記録に「依頼の言い方」の列を足し、この日から書き始めます。

4週目:索引と候補の画面を作る

OpenSearch に採用品を入れ、同義語・部分一致・規格で候補を出す画面を作ります。この時点では生成AIを入れず、事務が品ごとに打ち込んで引きます。

2か月目: 生成AIでの依頼の分け方と、聞き返しの文を足します。聞き返しの割合を毎週数えます。3か月目以降: 前回の発注の記録の重みと、卸ごとの発注の案を足します。1行6分が何分になったかを実測し、長く勤めた事務が休んだ週も聞き返しが増えなくなった時点で、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:2026-11-18/最終更新:2026-11-18
確認した内容情報源確認日
synonym_graph を検索のアナライザーにだけ使うこと。ngram などの filter が synonym_graph より前にあると、索引を作る要求が断られることOpenSearch: Synonym graph2026-11-18
同義語を持つ語にはあいまいな検索(fuzziness)がかからず、同義語の検索にまとめられることOpenSearch: Match query2026-11-18
multi_match の best_fields がいちばん合った欄の点を使い、tie_breaker でほかの欄の点を足せること。^ で欄の重みを変えられることOpenSearch: Multi-match query2026-11-18
ngram の min_gram の既定が1、max_gram の既定が2で、差の上限が index.max_ngram_diff(既定1)で決まることOpenSearch: N-gram tokenizer2026-11-18
cjk_width が全角の英数字を半角に、半角のカタカナを全角にそろえることOpenSearch: CJK width2026-11-18
kuromoji と ICU の解析のプラグインがすべてのドメインに入っていることAWS: Plugins by engine version2026-11-18
updateable: true の検索用アナライザーだけなら辞書の更新が自動で反映され、updateable が検索用アナライザーにだけ効くことAWS: Importing and managing packages2026-11-18
Converse API の outputConfig.textFormat で構造化出力を使えること。すべての object に additionalProperties: false が要り、数の minimum/maximum が非対応であることAWS: Bedrock structured outputs2026-11-18

どの品を患者に使うか、代わりの品が使えるかは、医師・看護師が判断してください。 本記事は公式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-3865)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