Media > AI活用ユースケース > 研究開発 > 大学の微生物の保存の施設が、菌株の分譲の依頼のフォームを Power Automate で受け、AI で株の番号・用途・MTA の同意の有無を整理し、出荷の準備の一覧と確認の連絡を作る

大学の微生物の保存の施設が、菌株の分譲の依頼のフォームを Power Automate で受け、AI で株の番号・用途・MTA の同意の有無を整理し、出荷の準備の一覧と確認の連絡を作る

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

研究者から Forms で届く菌株の分譲の依頼を、株の台帳と照らして確かめ、AI が研究の用途の記述から用途の区分と第三者への移転のおそれを判定します。MTA の区分と同意の有無を整理し、出荷の準備の一覧と確認の連絡の下書きを作ります。

サマリー
生成AI
Azure OpenAI Service/Claude
連携・自動化
Make/n8n/Power Automate/Zapier
対象業界
その他/教育
対象部門
研究開発
対象業務
内容確認・チェック/書類作成
主な課題
判断に時間がかかる/属人化している/確認ミスが多い
AIで行う処理
判定
主な効果
判断支援/品質標準化/工数削減
導入難易度
★★★☆☆
実装レベル
半自動化
費用感
ノーコード連携(中)
人間の確認
条件付き
現在工数
30h/月
AI導入後
9h/月
想定削減
70%
年間削減
252h
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. 依頼者が依頼書(株の番号、研究の題目と用途、所属、送り先、希望の形態)と MTA を PDF でメールに添付して送る
  2. 技術職員が依頼書を開き、株の番号を1つずつ台帳で引いて、存在と分譲の可否の印を確かめる
  3. 用途の欄を読み、非営利の研究か、営利の研究か、ヒトへの直接の使用に当たらないかを判断する
  4. 所属の種類(大学・公的機関・企業)と MTA の区分が合っているか、MTA に署名があるかを見る
  5. 台帳の印に応じて、受入の責任の書面や寄託者の同意が要るかを確かめ、足りなければ依頼者へ連絡する
  6. 判断に迷うものを担当の教員に回す
  7. そろった依頼を出荷の準備の表に書き、培養・乾燥標品の準備の担当に渡す
導入後(After)
  1. 人依頼者が施設のウェブページから Forms の依頼のフォームに回答する(株の番号、所属の種類、研究の題目、用途、送り先、MTA の区分の選択と同意の確認)
  2. 人依頼者が、署名した MTA と、求められた書面の PDF を受付のメールアドレスへ送る
  3. 自動Forms の回答をきっかけに Power Automate が動き、回答の中身を取り出す
  4. 自動株の番号を台帳と照らし、存在・分譲の可否・印(営利の同意・病原性・遺伝子組換え・特定病原体等)を取る
  5. 自動所属の種類と選ばれた MTA の区分が合っているかを規則で確かめる
  6. 自動用途の記述を AI Builder のプロンプトに渡し、用途の区分、第三者への移転のおそれ、記述の不足を受け取る
  7. 自動台帳の印・規則の結果・AI の判定から、要る書面の一覧と依頼の状態(`prepare`/`documents`/`review`/`out_of_scope`)を決める
  8. 自動SharePoint の依頼の一覧に1件1行で記録し、`prepare` の株を出荷の準備の一覧に並べる
  9. 自動`documents` の依頼について、足りない書面を並べた確認の連絡の文を下書きする
  10. 人技術職員が `documents` の下書きを確かめて送り、`review` を担当の教員と安全管理の担当に回す
  11. 人担当の教員が出荷の準備の一覧を承認し、準備に入る
各工程の詳しい説明を読む
  1. 依頼者が依頼書(株の番号、研究の題目と用途、所属、送り先、希望の形態)と MTA を PDF でメールに添付して送る
  2. 技術職員が依頼書を開き、株の番号を1つずつ台帳で引いて、存在と分譲の可否の印を確かめる
  3. 用途の欄を読み、非営利の研究か、営利の研究か、ヒトへの直接の使用に当たらないかを判断する
  4. 所属の種類(大学・公的機関・企業)と MTA の区分が合っているか、MTA に署名があるかを見る
  5. 台帳の印に応じて、受入の責任の書面や寄託者の同意が要るかを確かめ、足りなければ依頼者へ連絡する
  6. 判断に迷うものを担当の教員に回す
  7. そろった依頼を出荷の準備の表に書き、培養・乾燥標品の準備の担当に渡す

(a)株の番号の引き間違い。 2番目は1件に5株、10株と並ぶことがあり、「JCM」のような他の保存機関の番号が混ざっていたり、枝番が抜けていたりして、台帳を引き間違えます。分譲を止めている株を準備に回してしまったことが過去にあります。

(b)用途の読み方が人によって違う。 3番目は、「企業との共同研究の一環として」「将来の製品化を見据え」といった書き方を、営利の研究と読むかどうかが職員によって分かれます。 迷えば教員に回しますが、回す基準も人によって違います。

(c)第三者への移転を読み落とす。 JCM の案内は、株を MTA を結んだ機関の中だけで使うことを条件にしています。この施設の MTA も同じです。用途の欄に「共同研究先の〇〇社で評価する」と書かれていても、読み流すと、その移転を前提にした分譲になります。

(d)連絡の文を毎回書く。 5番目の連絡は、足りない書面の種類と出し方を依頼者ごとに書き分けるので、1通に10分近くかかることがあります。

  1. 【人】 依頼者が施設のウェブページから Forms の依頼のフォームに回答する(株の番号、所属の種類、研究の題目、用途、送り先、MTA の区分の選択と同意の確認)
  2. 【人】 依頼者が、署名した MTA と、求められた書面の PDF を受付のメールアドレスへ送る
  3. 【自動】 Forms の回答をきっかけに Power Automate が動き、回答の中身を取り出す
  4. 【自動】 株の番号を台帳と照らし、存在・分譲の可否・印(営利の同意・病原性・遺伝子組換え・特定病原体等)を取る
  5. 【自動】 所属の種類と選ばれた MTA の区分が合っているかを規則で確かめる
  6. 【自動】 用途の記述を AI Builder のプロンプトに渡し、用途の区分、第三者への移転のおそれ、記述の不足を受け取る
  7. 【自動】 台帳の印・規則の結果・AI の判定から、要る書面の一覧と依頼の状態(prepare/documents/review/out_of_scope)を決める
  8. 【自動】 SharePoint の依頼の一覧に1件1行で記録し、prepare の株を出荷の準備の一覧に並べる
  9. 【自動】 documents の依頼について、足りない書面を並べた確認の連絡の文を下書きする
  10. 【人】 技術職員が documents の下書きを確かめて送り、review を担当の教員と安全管理の担当に回す
  11. 【人】 担当の教員が出荷の準備の一覧を承認し、準備に入る

7番目を規則で決めているのが、この設計の要です。 AI の用途の判定は材料の1つで、依頼の状態は台帳の印と規則と AI の判定の組み合わせで機械的に決まります。 AI が prepare を選ぶ経路はありません。

11番目の承認を省きません。 出荷の準備に入ると培養や乾燥標品の取り出しが始まり、止めるのに手間がかかります。 教員は一覧を見て、株と依頼者と用途の組み合わせを確かめます。

02今回想定するシステム構成

構成図
依頼者(施設のウェブページ → Microsoft Forms)
   ▼【トリガー】When a new response is submitted
Power Automate ── Get response details で回答を取り出す
   ├──▶ SharePoint:株の台帳を株の番号で引く(可否・印)
   ├──▶ 規則:所属の種類と MTA の区分の組み合わせ
   ▼
AI Builder(Run a prompt、JSON 出力)
   │  用途の区分・第三者への移転のおそれ・記述の不足
   ▼
Power Automate ── 状態の決定(prepare/documents/review/out_of_scope)
   ├──▶ SharePoint:依頼の一覧に1行、出荷の準備の一覧
   ├──▶ 確認の連絡の下書き → 技術職員
   └──▶ Teams:review を教員・安全管理の担当へ
役割想定する製品代替候補
ワークフローPower Automate(自動化したクラウドフロー)Make、n8n、Zapier
生成AIAI Builder のプロンプト(Run a prompt、JSON 出力)Azure OpenAI(Microsoft Foundry)、Claude
入力Microsoft Forms(組織の外の人も回答できる設定)Google フォーム
台帳・一覧SharePoint のリストDataverse
通知Microsoft Teamsメール

Forms のコネクタは、組織のアカウントでしか動きません。 公式のページは既知の問題としてこのことを挙げています。フローの接続には施設の職員の組織のアカウントを使い、フォームの所有者も組織のアカウントにします。 依頼者は学外の研究者なので、フォームは組織の外の人も回答できる設定にします。

依頼者が誰かは、Forms の回答では確かめられません。 組織の外からの回答には名前が記録されないので、所属の機関のメールアドレスを回答させ、そのアドレスに受付の確認を送って、署名した MTA がそのアドレスから届くことで依頼者を確かめます。

AI Builder のプロンプトは、Power Automate の「Run a prompt」で呼びます。 公式のページによると、この動作は2025年5月に「Create text with GPT using a prompt」から名前が変わりました。プロンプトは Azure OpenAI Service の GPT のモデルで動き、使える地域が限られ、使用量の制限がかかることがあるとされています。

03どうやって実装するのか

Step1

処理の起点を決める

トリガーは、Forms の「When a new response is submitted」です。 依頼が届くたびに1件ずつ動きます。公式のページは、トリガーが回答の番号を返し、その番号を「Get response details」に渡して回答の内容を取る、と書いています。

グループで作ったフォームは、トリガーの一覧に出てきません。 公式のページは、その場合はフォームの編集の画面のアドレスから FormId= より後ろを写して手で入れるとしています。施設の職員で共有するフォームはグループで作ることが多いので、最初に確かめます。

署名した MTA の PDF は、Forms ではなく受付のメールアドレスで受けます。 依頼者がそろって学外の人で、ファイルを Forms で受け取る設定にできるかは、組織の設定と依頼者の側の条件によります。この構成では Forms を依頼の中身だけに使い、書面はメールで受けて職員が依頼の一覧の行に紐づけます。 メールの受付の自動化は、半自動化が回ってから足します。

Step2

入力データを集める

データ中身取得元
依頼の回答依頼者の氏名、所属の機関と部署、所属の種類(大学・公的機関・企業・その他)、機関のメールアドレス、送り先、株の番号(複数)、研究の題目、用途、選んだ MTA の区分、MTA の条項を読んだことの確認Microsoft Forms
株の台帳株の番号、学名、保存の形態、分譲の可否、営利の利用に寄託者の同意が要るか、病原性の材料の印、遺伝子組換え生物の印、特定病原体等の印SharePoint のリスト
MTA の区分の表区分ごとの対象(非営利の機関の研究/営利の機関の研究)、要る書面SharePoint のリスト
依頼の一覧これまでの依頼、状態、書面の受け取りの記録SharePoint のリスト

株の番号は、1つの質問に改行で並べてもらいます。 Forms の質問を株の数だけ用意すると、5株の依頼と20株の依頼で形が変わります。改行で並べた文字列を Power Automate で分け、1株ずつ台帳を引きます。

MTA の区分は選択肢、所属の種類も選択肢にします。 自由に書かせると「独立行政法人」「財団」「スタートアップ」の扱いで迷います。選択肢に「その他」を置き、その他を選んだ依頼は規則で review に回します。

質を決めるのは、株の台帳の印です。 営利の同意が要る株、病原性の材料の株、遺伝子組換え生物の株の印が台帳に無ければ、AI がどれほど正しく用途を読んでも、要る書面が抜けた依頼が prepare になります。

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
回答の内容Get response details依頼の全項目
株の情報株の台帳を株の番号で Get items存在・可否・印
MTA の区分の対象MTA の区分の表所属の種類との組み合わせ
同じ依頼者の過去の依頼依頼の一覧を機関のメールアドレスで絞る同じ株の繰り返しの依頼、過去の書面

台帳は、株の番号の完全一致で引きます。 公式のページは、SharePoint の「Get items」の Filter Query に OData のフィルタを書けるとしています。部分一致で引くと、枝番の違う株を拾います。 引けなかった番号は「台帳に無い」として依頼の一覧に残します。

同じ依頼者の過去の依頼を引くのは、同じ株を短い間に何度も頼んでいないかを見るためです。 繰り返しの依頼は、保存の失敗か、研究室の外への持ち出しの前触れのことがあり、担当の教員が一度話を聞く材料になります。

Step4

AIへ渡す前に整形する

  1. 株の番号の整形 … 全角・半角、空白、ハイフンの揺れをそろえ、施設の番号の形(例:「施設の略号-4桁」)に合わない番号を「形が違う」として分けます
  2. 他の保存機関の番号の検出 … 他の機関の略号で始まる番号は、台帳を引かずに「他機関の番号」として依頼の一覧に残します
  3. 台帳の照合 … 存在、分譲の可否、印を株ごとに取ります
  4. 特定病原体等の印の確認 … 印のある株が1つでもあれば、その依頼を out_of_scope にし、AI を呼ばずに安全管理の担当へ回します
  5. 所属と MTA の区分の照合 … 企業が非営利の区分を選んだ、大学が営利の区分を選んだ、といった組み合わせを規則で拾います
  6. AI に渡す文の組み立て … 研究の題目、用途、所属の種類、選んだ MTA の区分を1つの文にまとめます

4番目で AI を呼ばないのは、判断の主体をはっきりさせるためです。 感染症法は、二種病原体等の所持に厚生労働大臣の許可を求め(第56条の6)、許可を受けた者どうしなどの場合を除いて譲り渡しと譲り受けを禁じています(第56条の15)。三種病原体等は所持の開始から7日以内の届出が要ります(第56条の16)。この施設はこれらを分譲の対象にしておらず、印のある株の依頼は、内容を読む前に人へ回します。

6番目で依頼者の氏名と送り先を渡さないのは、用途の判定に要らないからです。 渡すのは用途の判定に要る項目だけにします。

Step5

AIに処理させる

させるのは、研究の題目と用途の記述を読み、次の3つを判定することだけです。

判定選択肢根拠にするもの
用途の区分nonprofit_research/for_profit_research/education/human_direct_use/unclear用途の記述、所属の種類
第三者への移転のおそれnone/possible/stated共同研究先・委託先・他機関での評価の記述
記述の不足sufficient/insufficient何の研究に、株をどう使うかが書かれているか

human_direct_use は、ヒトへの直接の使用(治療・診断・飲食物など)を思わせる記述です。 理研 BRC の提供の同意書の書式も、ヒトへの直接の使用(治療、診断、飲食物、その他)を禁じており、この施設の MTA も同じです。この区分が出たら、規則で review に回します。

for_profit_research は、所属が大学でも出ることがあります。 企業から委託された研究、製品化を目的とした共同研究を大学の研究者が行う場合です。所属の種類ではなく、記述の中身で判定させます。 選ばれた MTA の区分との食い違いは、Power Automate が規則で拾います。

させないこと理由
分譲してよいかの結論担当の教員が決める
病原性・安全性の評価株の台帳の印と安全管理の担当が決める
MTA の条件の調整や例外の提案条件は変えない方針。求めがあれば教員へ
株の番号の補完・推測台帳で引けたものだけを扱う
依頼者や研究の価値の評価分譲の受付に関係が無い
迷ったときの nonprofit_research や none迷えば unclear、possible にする

最後の行が、判定の向きを決める指示です。 用途の記述は短く曖昧なことが多く、AI が迷う場面は必ずあります。 そのときに軽い方へ倒すと、第3章の(b)(c)の読み落としを AI が繰り返します。

Step6

指示内容を固定する

AI Builder のプロンプトの指示(入力は「依頼の用途」の1つ):

あなたは大学の微生物の保存の施設で、菌株の分譲の依頼を受け付ける補助です。
依頼者が書いた研究の題目と用途を読み、次の3つを判定してください。

【用途の区分 purpose】
- nonprofit_research ... 非営利の機関の、営利を目的としない研究。
- for_profit_research ... 営利の機関の研究、または企業からの委託・
  製品化を目的とした共同研究など、営利の目的が書かれた研究。
  所属が大学でも、記述に営利の目的があればこちらにしてください。
- education ... 授業・実習での使用。
- human_direct_use ... 治療・診断・飲食物などヒトへの直接の使用を
  思わせる記述があるもの。
- unclear ... 上のどれか決められないもの。

【第三者への移転 transfer】
- stated ... 他の機関・会社・共同研究先・委託先で株を使う、渡すと書かれている。
- possible ... 共同研究・委託・外部での評価に触れているが、株を渡すかは書かれていない。
- none ... どちらの記述も無い。

【記述の十分さ detail】
- 何の研究に、株をどう使うかが書かれていれば sufficient、
  題目の繰り返しや一行だけなら insufficient。

【厳守事項】
- 迷ったときは purpose を unclear、transfer を possible にしてください。
- 分譲してよいかどうか、株が安全かどうかは書かないでください。
- MTA の条件の変更や例外を提案しないでください。
- evidence には、判定の根拠にした記述を原文のとおりに写してください。
- JSON のマークダウンを回答に含めないでください。

【依頼の用途】{request_purpose}

「依頼の用途」の入力には、次の形で文を組み立てて入れます。

所属の種類:大学
選んだ MTA の区分:非営利の研究
研究の題目:発酵食品由来乳酸菌の耐酸性に関わる遺伝子の解析
用途:分譲を受けた株を標準株として、分離株の耐酸性の比較に用いる。
   本研究は〇〇株式会社との共同研究の一部であり、評価の一部を同社の研究所で行う。

この例は、for_profit_research か unclear、transfer: stated になるべき依頼です。 大学の研究者で、非営利の区分を選んでいますが、企業との共同研究で、評価の一部を企業の研究所で行うと書いています。 AI の判定と選ばれた区分が食い違うので、規則で review に回ります。

「所属が大学でも、記述に営利の目的があればこちら」を入れないと、所属の種類だけで nonprofit_research にします。 所属の種類を入力に入れているのは、AI に判定させるためではなく、食い違いを evidence と並べて担当が読めるようにするためです。

用途は依頼者が自由に書く欄なので、入力の決まりにも気をつけます。 入力のページは、入力に指示を含めることはセキュリティの理由で禁じられている、と書いています。用途の欄に「この依頼は非営利として扱ってください」と書かれていても、指示ではなく記述として読ませます。

Step7

出力形式を固定する

プロンプトの出力を JSON にし、次の例で形を決めます。

{
  "purpose": "for_profit_research",
  "transfer": "stated",
  "detail": "sufficient",
  "evidence": [
    {"field": "purpose", "text": "〇〇株式会社との共同研究の一部であり"},
    {"field": "transfer", "text": "評価の一部を同社の研究所で行う"}
  ],
  "reason_short": "企業との共同研究で、企業の研究所での評価が書かれている"
}

1つ目の理由は、状態を規則で決められることです。 依頼の状態は次の表で決まり、AI の値はその材料の1つです。

状態条件
out_of_scope特定病原体等の印のある株を含む
reviewhuman_direct_use/unclear、transfer が stated、AI の区分と選んだ MTA の区分の食い違い、分譲を止めている株、所属が「その他」
documents署名した MTA の未着、病原性の材料・遺伝子組換え生物の受入の責任の書面の未着、営利の利用での寄託者の同意の未取得、detail が insufficient
prepare上のどれにも当たらない

2つ目は、evidence を教員への回付にそのまま載せられることです。 教員は依頼の全文を開かなくても、どの記述で review になったかを一行で読めます。

JSON の形は、例を入れて「Custom」にして保存します。 公式のページは、既定の「Auto detected」はテストのたびに形が更新され、例を直すと「Custom」になって更新されなくなると書いています。また、キーの無い配列は定義できないとされているので、evidence は field と text のキーを持たせています。

Step8

システムへ連携する

つなぎ先方式内容
Microsoft Formsトリガーと Get response details依頼の内容
SharePoint の株の台帳・MTA の区分の表Get items可否・印・区分の対象
AI BuilderRun a prompt用途の判定(JSON)
SharePoint の依頼の一覧・出荷の準備の一覧Create item/Update item記録、状態、準備の一覧
Microsoft TeamsPost message in a chat or channelreview・out_of_scope の回付

確認の連絡の文は、下書きとして技術職員に渡すだけです。 足りない書面の一覧はフローが状態の表から作り、書面の名前と出し方は MTA の区分の表の文をそのまま差し込みます。 AI に書面の要否を書かせないことで、書面の抜けや余計な書面の要求が文に入りません。

株の台帳には、フローから書き込みません。 分譲の回数や最後の分譲の日を台帳に残すのは、出荷が済んだ後に職員が行います。

Step9

人が確認する

  1. 技術職員が毎日、documents の下書きを確かめて送る … 書面が届いたら依頼の一覧の行に受け取りを記録し、状態を見直します
  2. 担当の教員が review を見る … evidence と依頼の全文を読み、MTA の区分の変更を依頼者に頼むか、分譲を見送るか、問題なしとするかを決めます
  3. 安全管理の担当が out_of_scope と病原性・遺伝子組換えの印の依頼を見る … 学内の規程に沿って扱います
  4. 担当の教員が出荷の準備の一覧を承認する … 株と依頼者と用途の組み合わせを確かめます
  5. 担当の教員が月に1回、prepare になった依頼を10件抜き取って読む … 用途の判定が軽い方に倒れていないかを見ます

2番目の結果を依頼の一覧に残すことが、基準を職員の頭の外に出すことになります。 どの記述をどう判断したかが積み重なると、新しい職員も過去の判断を読んで、同じ基準で確かめられます。

Step10

例外に対処する

起きること対応
グループのフォームがトリガーの一覧に出ないFormId を手で入れる
株の番号が台帳に無い、形が違うその株を「台帳に無い」とし、依頼者へ番号の確認を下書きする
他の保存機関の番号が書かれている「他機関の番号」とし、依頼者へその機関への依頼を案内する下書きを作る
特定病原体等の印のある株を含むout_of_scope。AI を呼ばずに安全管理の担当へ
機関のメールアドレスが個人のメールのドメインreview。所属の確認を教員が行う
署名した MTA が30日届かない依頼の一覧で「期限切れ」にし、依頼者へ知らせる下書きを作る
AI Builder が JSON を返せないreview として教員へ
AI Builder が使用量の制限で止まるreview として記録し、後で流し直す
依頼者が MTA の条件の変更を求めてくる教員へ回す。下書きでは応じない
海外の機関からの依頼out_of_scope。輸出の手続きを含めて教員が扱う

AI が動かなかったときに prepare にしないことが、例外処理の要です。 判定の無い依頼は review に倒し、教員の目に入れます。

5行目の個人のメールのドメインは、依頼者を確かめる仕組みの穴をふさぐためです。 機関のアドレスから MTA が届くことで依頼者を確かめているので、個人のアドレスでは、その確かめが成り立ちません。

Step11

記録を残す

  • 依頼の回答の全項目と、受け付けた日時
  • 株ごとの台帳の照合の結果(存在・可否・印)
  • AI の判定(purpose・transfer・detail・evidence)と、決まった状態
  • 確認の連絡を送った日時と、書面の受け取りの記録
  • 教員と安全管理の担当の判断と、その理由
  • 出荷の準備の承認と、出荷の日

5つ目の判断の理由が、この構成でいちばん大事な記録です。 依頼者から後で問い合わせがあったとき、なぜ区分の変更を頼んだのか、なぜ見送ったのかを記録で説明できることが、施設への信頼になります。

04実装レベルの3段階

最小構成:プロンプトの画面で用途を1件ずつ判定する / 判定の当たり外れの確認
半自動化:上記+Forms の受付、台帳の照合、所属と区分の規則、AI の判定、状態の決定、出荷の準備の一覧、確認の連絡の下書き / 受付から準備の一覧まで
本格構成:上記+受付のメールアドレスに届く署名済みの MTA と書面を依頼の一覧の行へ自動で紐づける、出荷の後の台帳の分譲の記録の更新 / 書面の受け取りと台帳の記録

最小構成では件数がさばけません。 1件ずつ判定するので、月90件には使えません。確かめるための段階です。 半自動化で、1件20分が6分になり、この段階が本記事の想定です。 株の番号の照合、所属と区分の照合、出荷の準備の一覧への記入、連絡の文の作成は自動になり、人に残るのは下書きの確認、review の判断、承認です。 本格構成の書面の紐づけには、メールの差出人と機関のアドレスを照らす仕組みが要ります。

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
3 名
月間件数
90 件
1件あたり現在時間
20 分
1件あたり導入後時間
6 分
現在  90件 × 20分 ÷ 60 = 30 時間/月
導入後 90件 × 6分 ÷ 60 = 9 時間/月
月間削減時間
21h
削減率
70%
年間削減時間
252h
年間金額換算(時間単価2,500円)
63万円
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. 数千株の微生物を保存し、国内の大学・公的研究機関・企業へ毎月数十件から百件ほどの分譲を行っている大学の保存の施設。依頼をメールや紙の依頼書で受け、技術職員が株の番号・用途・MTA の区分・追加の書面の要否を1件ずつ読み、出荷の準備の表を手で作っている場合。確認の基準が担当の教員と古参の職員の頭の中にあり、担当が替わると判断がぶれる場合。Microsoft 365 を使っていて、株の台帳を SharePoint のリストに移せる場合。
向いていない
  1. 分譲が月に数件で、担当の教員が全件を読んで決められる場合。病原体や遺伝子組換え生物が分譲の中心で、ほとんどの依頼に安全管理の担当の個別の審査が要る場合(この構成で減らせる部分が小さくなります)。海外からの依頼が多い場合(輸出の手続きはこの構成の範囲の外です)。なお、分譲するかどうか、MTA の条件を変えるかどうか、病原性や遺伝子組換えに関わる安全の判断は、この構成では代替できません。

07最小構成で試す方法

  1. 過去1年の依頼から30件を選ぶ(教員に回したもの、区分を変えてもらったもの、見送ったものを含める)
  2. 30件の研究の題目と用途を、所属の種類と選んだ区分を添えて表にする
  3. AI Builder のプロンプトの画面で第7章の指示を作り、1件ずつ判定をテストする
  4. 判定を、当時の職員と教員の判断と突き合わせる
  5. 当時教員に回した依頼が、review になる組み合わせに入るかを見る

フローを組む前に、「用途の記述から、教員に回すべき依頼を拾えるのか」を確かめます。

出てきた内容判断
教員に回した依頼が review の条件に入ったフローの組み立てに進む
企業との共同研究を nonprofit_research にした指示の書き方と例で直る。構成は有効
用途の記述が短すぎて unclear ばかりフォームの用途の質問の書き方が先。 AIの問題ではない

3行目が出たら、フォームの用途の質問に「何の研究に」「株をどう使うか」「株を機関の外で使うか」の見本の文を付けます。

08実装時につまずきやすいポイント

問題対策
所属が大学なら非営利と判定する記述の中身で判定させ、所属は食い違いを見るためだけに渡す
第三者への移転の記述を読み流すtransfer を別の判定にし、stated は review へ
AI の判定で状態が決まる状態は台帳の印・規則・AI の判定の組み合わせで決める
特定病原体等の株の依頼が AI に回る台帳の印で先に out_of_scope にし、AI を呼ばない
台帳の印が抜けていて書面が抜ける印の整備を先に終える
部分一致で枝番の違う株を拾う株の番号は完全一致で引く
グループのフォームがトリガーに出ないFormId を手で入れる
依頼者を Forms の回答だけで信じる機関のアドレスから MTA が届くことで確かめる
下書きが書面の要否を書き換える書面の一覧は状態の表から差し込み、AI に書かせない
2026年12月にプロンプトのモデルが替わる替わった後に、最小構成の30件で判定を確かめ直す

上の3行が、この構成の失敗のほとんどです。 どれも「依頼者が書いた用途を、軽い方に読む」という同じ向きの誤りです。迷ったら重い方へ倒し、状態は規則で決めることで守ります。

最後の行の予定は、プロンプトのモデルの提供状況のページ(2026年11月13日付)で確かめられます。 各段階のモデルが2026年12月2日までに新しい GPT のモデルへ自動で移り、移行の後は応答の形式や指示の従い方が変わりうるとされています。

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: 依頼者の氏名・所属・機関のメールアドレス・送り先、研究の題目と用途、株の番号です。研究の題目と用途は、未発表の研究の中身であることがあります。

  1. 研究の中身を必要な範囲で扱う … 依頼の用途は、依頼者にとって未発表の研究計画です。AI には用途の判定に要る項目だけを渡し、依頼の一覧の閲覧は施設の職員と教員、安全管理の担当に限ります
  2. プロンプトの処理の地域を確かめる … 提供状況のページでは、日本の地域の多くのモデルが「GA (cross-geo)」と表示され、データを地域の外で処理しうるとされています。学外の研究者の研究計画を国外で処理してよいかを大学の規程で確かめ、だめなら管理者の設定で地域の内のモデルに限ります
  3. 安全に関わる判断を AI に寄せない … 病原性や遺伝子組換えの扱い、特定病原体等の該当は、台帳の印と安全管理の担当で決めます。 AI には株の安全性を書かせません
  4. MTA の条件を下書きで動かさない … 確認の連絡の文に、条件の調整や例外を書かせません。条件の変更の求めは教員が扱います
  5. 分譲の判断は教員が行い、記録に残す … AI の判定は材料で、分譲するかどうかの結論は教員の判断として依頼の一覧に残します

誤りが起きた場合のリスクは、要る書面の無いまま株を送ることと、問題の無い依頼を何度も止めて研究を遅らせることの2つです。 前者は台帳の印の抜けと用途の軽い読みで起き、後者は review の条件を広げすぎると起きます。

10まず何から始めるか

1週目:株の台帳を移し、印をそろえる

表計算の株の台帳を SharePoint のリストに移し、分譲の可否、営利の同意、病原性の材料、遺伝子組換え生物、特定病原体等の印の列をそろえます。分譲の多い上位300株から印を確かめます。 この300株で月の依頼の大半が埋まります。

2週目:30件で試す

過去1年の依頼30件をプロンプトの画面で判定し、当時の職員と教員の判断と比べます。企業との共同研究と、第三者への移転の記述を拾えているかを最優先で見ます。

3週目:状態の表と書面の文を決める

どの組み合わせで教員に回すか、どの書面をどの印で求めるかを、教員と安全管理の担当で決めます。 決めた内容を状態の表と MTA の区分の表にします。Forms の依頼のフォームを作り、用途の質問に見本の文を付けます。

4週目:Forms から依頼の一覧までをつなぐ

Power Automate で、Forms の回答から台帳の照合、規則、依頼の一覧への記録までを作ります。この時点では AI を呼ばず、台帳の照合と規則の結果だけを職員が見ます。

2か月目: AI の判定と状態の決定、出荷の準備の一覧を足します。教員の承認の運用を始めます。3か月目以降: 確認の連絡の下書きを足し、教員の判断の記録と AI の判定を見比べて指示の例を直します。新しい職員が依頼の一覧の過去の判断を読んで受付を回せるようになった時点で、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:2026-11-17/最終更新:2026-11-17
確認した内容情報源確認日
公的な保存機関の分譲で、注文書と MTA が求められ、見積の段階では MTA が不要なこと。MTA の条文の修正を受け付けないこと。営利の機関の研究には別の区分の MTA を使うこと。病原性の可能性のある材料と遺伝子組換え生物について受入の責任の書面を求めることがあること。株を MTA を結んだ機関の中だけで使うこと理研 BRC JCM: Ordering FAQ2026-11-17
提供の同意書(第一種:非営利学術目的)の書式で、利用する課題を書き、ヒトへの直接の使用(治療、診断、飲食物、その他)を禁じていること理研 BRC JCM: 書式M-5 の記入のしかた(PDF)2026-11-17
二種病原体等の所持に厚生労働大臣の許可が要ること(第56条の6)、譲渡しと譲受けの制限(第56条の15)、三種病原体等の所持の届出(第56条の16)。2026-10-01 施行の版e-Gov 法令API: 感染症の予防及び感染症の患者に対する医療に関する法律2026-11-17
コネクタが組織のアカウントでしか動かないこと。グループのフォームは FormId を手で入れること。トリガーが回答の番号を返し、「Get response details」で内容を取ることMicrosoft Learn: Microsoft Forms コネクタ2026-11-17
プロンプトを「Run a prompt」で呼ぶこと(2025年5月に改名)。Azure OpenAI Service の GPT のモデルで動き、地域が限られ、使用量の制限がありうることMicrosoft Learn: Use your prompt in Power Automate2026-11-17
入力に指示を含めることがセキュリティの理由で禁じられていることMicrosoft Learn: Add inputs to your prompt2026-11-17
JSON の形の「Auto detected」と「Custom」の違い、キーの無い配列を定義できないこと、「A JSON could not be generated」の対処Microsoft Learn: JSON output2026-11-17
日本の地域の多くのモデルが GA (cross-geo) であること。2026年12月2日までにモデルが自動で移り、応答が変わりうることMicrosoft Learn: Prompt model availability2026-11-17
Get items の Filter Query(OData)Microsoft Learn: SharePoint コネクタ2026-11-17

分譲の可否、MTA の区分、病原性・遺伝子組換えの株の扱いは、施設の規程と学内の安全管理の規程で決めてください。 本記事の区分と状態の表は書き方の例です。

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-3726)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