ComplianceQuestで是正調査?|AIの下書きと監査の線

「是正処置の報告書をAIが下書きしてくれるなら、調査の滞留は一気に減るはずだ」「でも、監査でAIが書いた根本原因をそのまま出して、説明がつくのだろうか」——品質保証や監査の担当が、AI付きの品質管理システムを前にして口にする二つの声です。米国の ComplianceQuest は2026年7月31日に一般提供を始めた夏版で、是正処置の調査、変更管理、安全報告の三つの業務にAIの下書きと提案を広げたと、8月25日に発表しました。同社はその発表の中で、AIは検索と下書きを担い、品質と安全の専門家が出力を確かめて最終判断すると明記しています。つまり問われるのは「AIが書けるか」ではなく、「AIが書いたものと人が決めたことを、監査の場で分けて示せるか」です。この記事では、規制業種・製造業の品質保証と監査の部門がこの仕組みを入れるとき、根本原因の判断を誰が持ち、監査証跡と電子署名の要件にどう耐えさせ、定着までをどの順で進めるかを整理します。
カメ先生品質の調査にAIを入れると、報告書の空欄が埋まる速さばかりに目が行きがちなんだ。でも本当は、規制当局の監査で見られるのは、誰が何を根拠に原因を決めたかという判断の跡なんだよ。
カメ子AIが過去の似た事例から原因の候補を出しても、それを選んだのは人だと示せないといけない、ということですか。
カメ先生そう。候補を出す仕事と、原因を確定して署名する仕事は別物だ。そこが記録の上で混ざると、下書きが速くなったぶん、あとで説明できない報告書が増えてしまう。
カメ子便利になるほど、AIの下書きと人の判断の境目を、最初から記録の形で決めておく必要があるんですね。
- ComplianceQuest の夏版は、是正処置の調査・変更指示・安全報告で、AIが過去の記録をもとに原因や対策の候補と下書きを出す。最終判断は専門家と公式に位置づけている
- 監査で耐えるには、AIの提案・人の採否・確定と署名を記録の上で分け、根本原因の確定者と承認者を手順書に書く
- 定着は、参照だけ→下書き→採否の記録→範囲の拡大の順に進め、リリースのたびに検証の範囲を見直す
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
ComplianceQuestとは:Salesforce の上で動く品質・安全・取引先の管理基盤
ComplianceQuest は、品質管理、労働安全と環境、取引先の管理、製品情報の管理を一つの基盤にまとめた米国の製品です。特徴は、Salesforce の上にそのまま作られていることで、利用者の権限、承認の流れ、記録の保管を Salesforce の仕組みの上で持ちます。公式の説明では、製品・品質・製造・人・取引先・顧客を一つの系でつなぐ「品質・リスク・コンプライアンスの基盤」と自らを位置づけています。
沿革を見ると、2020年5月に Salesforce 上の労働安全の製品を持つ LifeGuard Solutions を買収し、安全の領域を取り込んでいます。自社が買われた形跡はなく、2026年5月には新しい財務責任者の就任を発表しています。2026年1月には、Gartner が初めて行った品質管理システムの評価でリーダーに位置づけられたと公表しました。医薬・医療機器・電子部品などの規制の強い製造業が主な顧客層で、2026年10月には米国FDAが全庁の品質管理をこの基盤で刷新すると発表されています。元請けの企業による5年間の包括的な購入契約のもとで、Salesforce の政府向けクラウドの上に構築するという内容です。
日本語の紹介はほとんど見当たりませんが、Salesforce をすでに全社で使っている製造業にとっては、選択肢に入りやすい製品です。なお、規制当局が自らの品質管理に採用したという事実は、製品の信頼性を測る材料にはなりますが、自社の使い方でAIの下書き機能が規制に適合していることの証明にはなりません。採用の判断と、自社での検証は別に考える必要があります。ここでは品質管理の手法そのものではなく、この基盤のAIに調査や報告の下書きを任せるとき、統制と監査の側で何を決めておくかに絞って見ていきます。
2026年夏版で増えたもの:調査・変更・安全報告の三つの下書き
2026年8月25日の発表によれば、夏版でAIが入った業務は三つです。一つ目は不適合と是正処置の調査で、過去の調査記録と故障モード影響解析のデータを読み、根本原因・直接原因・封じ込めの処置・是正の計画を提案します。発表では、提案は組織自身の知識から引き出され、過去の似た事象や、世界の他拠点で並行して起きている事象からも学ぶと説明しています。
二つ目は変更管理です。変更指示を作るとき、説明・変更の理由・区分・影響評価の質問への回答をAIが提案し、関連する過去の変更指示を並べて見せます。三つ目は安全報告で、新しい安全報告のエージェントが、従業員が普段の言葉で書いた事故やヒヤリハットの内容から事象の種類を判定し、追加で要る様式を勧め、記録を事前に埋めて安全担当の振り分けに回します。安全担当には、関連する記録をもとに調査の要約も作ります。
8月4日の夏版全体の発表では、90を超える改善の中に、監査証跡・承認・データ復旧の改善や、文書の印刷とダウンロードを制御する設定も含まれていました。AIの機能だけでなく、記録を守る側の改善が同時に入っている点は、規制業種が評価するときに押さえておきたいところです。なお、AIの中核の仕組みは2025年10月に Salesforce の Agentforce を据えると発表しており、同年の夏版から調査の補助をする機能を出しています。
公式が引いている線:「AIは下書き、最終判断は専門家」
この製品の発表で目を引くのは、AIの役割の書き方です。2026年8月の発表は、三つの業務のいずれでも、AIが担うのは検索と下書きで、品質と安全の専門家が出力を確かめて最終判断すると明記しています。さらに、GxP、ISO 13485、米国FDAの電子記録と電子署名の規則に沿って働く部門にとってはこの区別が重要で、AIは審査の負担とリスクを減らすべきものであり、コンプライアンスを損なって負担を増やすものであってはならない、と書いています。
同社の技術責任者は、品質システムはこれまで「何が起きたか」を記録する系だったが、次の段階では系が作業を行い、その結果を専門家の承認に回す形になると述べています。ここは読み方に注意が要ります。「承認に回す」と「承認できる状態で出てくる」は同じではありません。承認の画面に出てくるのはAIが整えた下書きで、その下書きがどの記録を根拠にしたか、どこを人が書き換えたかを、承認者が確かめられるかどうかは運用の設計で決まります。
また、発表は規制の名前を挙げてはいますが、AIの機能がそれらの規制に適合していると認証された、という主張はしていません。適合を示す責任は、従来どおり使う側の会社にあります。この前提を取り違えると、「ベンダーが規制に配慮していると書いているから大丈夫」という判断が、監査の場で通らなくなります。
誤解:「監査対応済みの記録」と書いてあれば、監査は通る
製品の説明には、安全報告の要約によって記録が完全になり「監査に耐える状態になる」という趣旨の言い回しが出てきます。けれども、規制当局や認証機関の監査が見るのは、記録の欄が埋まっているかどうかより、その内容が正しい手順で作られ、責任者が確かめたことを示せるかです。欄が全部埋まった報告書は、むしろ「誰がどこまで考えたのか」を問われやすくなります。
- AIが出した根本原因の候補の一つ目を、そのまま確定の欄に写して署名する
- 影響評価の回答をAIの提案で埋め、変更の審査会では差分を見ずに承認する
- 安全報告の事象の区分をAIの判定のまま確定し、安全担当が元の記述を読まない
- 「AIが過去の事例から作ったので網羅的だ」と監査で説明する
どれも、下書きが速くなったことで起きやすくなる失敗です。是正処置の調査では、監査人はしばしば「なぜこの原因に絞ったのか」「他の原因を否定した根拠は何か」を聞きます。AIの候補が並んでいたこと自体は、根拠の説明になりません。人が候補を検討し、採った理由と捨てた理由を書いて初めて、調査の記録になります。
根本原因はAIに選ばせない:候補と確定を分ける
AIが出す根本原因の提案は、過去の調査記録と故障モード影響解析の蓄積に依存します。過去に同じ部品・同じ工程で似た不適合があれば、その時の結論が候補として上がってきます。ここに二つの落とし穴があります。一つは、過去の結論が誤っていた場合、その誤りが候補として繰り返し提示されることです。もう一つは、新しい材料や新しい設備に由来する初めての原因は、過去の記録に無いため候補に上がりにくいことです。
このため、根本原因の確定は、調査の責任者として名前を書く人が持ち、AIの候補は検討の材料の一つとして扱うのが筋です。手順書には、AIの候補を使ってよいこと、ただし確定の前に現物・現場・データでの確認を行うことを書きます。特に、製品の安全や回収に関わる不適合では、AIの候補を見る前に調査者が自分の仮説を書き出す運用にしておくと、候補に引きずられる偏りを抑えられます。
他拠点の事例から学ぶ機能も、扱いに注意が要ります。他工場の調査記録が候補の根拠になるとき、その工場の設備や材料の条件が自拠点と同じとは限りません。候補に添えられた過去の記録を開き、条件の違いを確かめる作業は、AIではなく調査者の仕事として残します。ここを省くと、もっともらしいが自拠点には当てはまらない原因が、記録の上だけ整っていきます。
AIの下書きと人の判断を、記録の上でどう分けるか
監査に耐える運用の核は、記録の上で三つの状態を区別できることです。AIが提案した内容、人がそれを採ったか書き換えたか捨てたか、そして確定と署名の三つです。製品がこの区別をどこまで自動で残すかは、導入前の検証で確かめる必要があります。公表資料からは、AIの提案の版が監査証跡にどう残るかまでは読み取れません。
| 記録の状態 | 誰が作るか | 残すべき中身 | 監査で聞かれること |
|---|---|---|---|
| AIの提案 | AI | 提案の本文、参照した過去記録、提案の日時 | 何を根拠に出た候補か |
| 人の採否 | 調査者・起票者 | 採用・修正・不採用の別と、その理由 | なぜこの候補を選び、他を捨てたか |
| 確定と署名 | 調査責任者・承認者 | 確定した内容、署名者、署名の意味、日時 | 誰が責任を持って決めたか |
| 事後の検証 | 品質保証 | 是正の効果確認と、AI候補との突き合わせ | 決めた原因は当たっていたか |
製品の機能で残らない部分は、手順で補います。たとえば、AIの提案を採ったときは調査記録の所定の欄に「AIの候補を採用、確認した根拠は〜」と書く、と決めておく方法です。手作業の一行で済む記録ほど、監査で効きます。逆に、提案を書き換えた跡が上書きで消えてしまう設定なら、提案の保存先を別に設けるか、その業務ではAIの下書きを使わない判断も必要です。
電子署名と監査証跡:規制当局の監査で問われるところ
医薬・医療機器の分野では、米国FDAの電子記録と電子署名の規則(連邦規則集第21編のパート11)や、日本では厚生労働省のいわゆるER/ES指針(2005年)が、電子の記録と署名に求める条件を定めています。要点は、記録の作成・変更・削除が日時と実行者とともに残り、署名が誰の何の意味の署名かを示し、後から改ざんできないことです。
ComplianceQuest の公式ページでは、監査証跡を全製品で使い、電子署名については二次署名、日時の刻印、パスワードの要求などを取引ごとに設定できると説明しています。ただし、これは基盤の機能の説明で、AIが書いた下書きを人が確定する場面に、その署名と証跡がどう掛かるかは、自社の設定と検証で確かめる必要があります。特に確かめたいのは、AIの提案が入力された時点で証跡に「誰の操作」として残るのか、という点です。
- AIの提案が、操作した利用者の名前で証跡に残る設定だと、人が書いたのかAIが書いたのか区別できなくなる。導入前の検証で実際の証跡を開いて確かめる
- 署名の意味(作成・確認・承認)を区別して設定し、AIの提案を受けた起票者の署名と、確定する責任者の署名を同じ意味にしない
- Salesforce 側でもAIの操作記録を残す仕組みが整えられつつあるが、品質記録の証跡と同じ扱いになるとは限らない。どちらを正式の記録とするかを決めておく
AIの機能を検証の対象にするか:年に数回のリリースとどう付き合うか
規制業種では、品質記録を扱うシステムは使う前に意図どおり動くことを確かめ、その記録を残すのが一般的です。AIの下書き機能も、品質記録に入る文章を作る以上、検証の範囲に含めるかどうかを最初に決める必要があります。含めない判断をするなら、AIの出力は参考情報であり、品質記録は人が書いたものだけ、という線を手順書で明確にすることになります。
もう一つの論点が、リリースの頻度です。ComplianceQuest は季節ごとの名前の付いたリリースを出しており、2026年夏版だけで90を超える改善が入りました。AIの提案の出し方が版ごとに変わると、同じ不適合に対して出る候補も変わり得ます。リリースのたびに、AIに関わる変更点だけを抜き出して影響を評価する担当を決めておくと、検証の手間を抑えながら説明の筋を保てます。
検証の中身は、出力の正しさを保証することではありません。AIの候補がどの記録を参照したか表示されるか、人の修正が残るか、権限のない拠点の記録が候補に混ざらないか、といった統制が効いているかの確認が中心になります。候補の当たり外れは、後で述べる定着の数字で見ていくほうが現実的です。
変更管理の下書き:影響評価をAIが埋めるときの落とし穴
変更指示の影響評価は、設計・製造・品質・規制対応・取引先など、多くの観点の質問に答える作業です。AIが過去の変更指示から回答を提案してくれると、空欄を前に止まる時間は確かに減ります。けれども、影響評価の価値は「今回だけ違う点」を見つけることにあり、過去の似た変更から引いた回答は、その違いを見落としやすい性質を持ちます。
運用としては、AIが埋めた回答と、起票者が自分で書き換えた回答を、審査会の資料で見分けられるようにするのが有効です。審査する側は、書き換えのない回答ほど疑ってかかる、という逆向きの読み方を習慣にします。規制当局への届け出が要る変更かどうかの判断は、AIに判断させず、規制対応の担当が必ず確かめる項目として手順書に固定します。
過去の変更指示を見せる機能は、知見の継承という点では大きな利点です。ベテランの担当が何を気にして承認していたかが、記録を通して若手に伝わります。その利点を活かすためにも、過去の記録の側に承認の理由が書かれていることが前提になります。理由の欄が空の過去記録ばかりなら、AIが拾えるのは結論だけで、判断の筋は伝わりません。
安全報告のエージェント:現場の言葉を記録に変えるときの線
安全報告のエージェントは、従業員が自分の言葉で書いた出来事を、事象の種類や様式に振り分けて記録を事前に埋めます。報告の入口が楽になれば、これまで書かれなかった小さなヒヤリハットが集まりやすくなるでしょう。一方で、事象の区分が変わると、報告すべき先や期限が変わることがあります。労働災害に当たるかどうか、行政への報告が要るかどうかの判定は、AIの区分のまま確定させず、安全担当が元の記述を読んで決めます。
もう一つの線は、個人に関わる情報です。安全報告には、けがをした人の名前、体の状態、当事者の行動が書かれます。AIが記録を整える過程で、本人の記述にない推測が加わっていないかを、安全担当が確かめる必要があります。たとえば「不注意により」といった、記述者が書いていない評価の言葉が要約に入ると、当事者の責任を示す記録として残ってしまいます。
要約の生成についても同じです。調査の要約は関係者に広く回覧されることが多いため、要約に含めてよい個人の情報の範囲を、安全担当と人事・法務で事前に決めておきます。要約を回覧する前に、安全担当が原本と突き合わせる工程を一つ入れるだけで、この種の事故の多くは防げます。
何が社外に出るか:Salesforce の安全層と、過去記録を参照する範囲
2025年10月の発表で ComplianceQuest は、AIの機能は Salesforce が提供するAIの安全層の中で動き、根拠づけ、機微情報の伏せ字、外部のモデル側でデータを保持しない仕組み、監査のための記録を備え、機微な情報を外部のAIモデルの学習には使わないと説明しています。品質記録が生成AIの提供元へ渡ることを心配する部門にとっては、まず確かめるべき点が公表されている形です。
ただし、学習に使われないことと、社外に一切出ないことは別です。AIが下書きを作るには、調査記録の内容が推論のためにモデルへ送られます。どのモデルを使い、処理がどの地域で行われるかは、契約と設定で確かめる項目です。輸出管理の対象になる技術情報や、取引先から秘密保持を求められている図面の情報を、調査記録の本文に直接書いている会社は、その記録をAIの参照対象に含めるかどうかを個別に判断する必要があります。
社内の範囲も見落とせません。他拠点の事例から学ぶ機能は、裏返せば、ある拠点の調査記録が別の拠点の利用者への提案に使われるということです。参照の範囲が Salesforce の権限に沿って絞られているかを、拠点をまたいだ実際の提案で確かめることが欠かせません。子会社や合弁の工場、委託先の記録を同じ基盤に載せている場合は、特に慎重に見ます。
定着の4段階:参照だけから始めて、範囲を広げる
この種の機能は、全部を一度に開くより、段階を踏んで広げるほうが監査で説明しやすくなります。各段階で何を確かめたかを残しておけば、それ自体が「統制された導入」の証拠になります。
最初は、AIが過去の似た調査や変更指示を探して見せる機能だけを使います。下書きは使わず、調査者が自分で書きます。この段階で、権限の外の記録が出てこないか、参照の質が実用になるかを確かめます。
社内で完結し、規制当局への報告に直結しない不適合や、軽微な変更指示から下書きを使います。採否と理由の記録を必須にし、記録の書き方を固めます。
一定の件数がたまったら、AIの候補が採られた割合、書き換えの多い項目、後の効果確認で外れていた件を見直し、下書きを使ってよい業務の基準を文書にします。
基準に沿って、安全報告や規制に関わる業務へ広げます。以後は季節のリリースのたびにAIに関わる変更を評価し、必要なら一部の業務で下書きを止めます。
段階を進める判断は、品質保証の責任者が行い、情シスとAI導入の担当はその判断に必要な記録と設定を用意する、という分担が現実的です。導入担当が自ら段階を進める判断をしないことが、規制業種では特に大切です。
内部監査の部門の置き方にも触れておきます。内部監査は、AIの下書きを使う業務を運用する側には入らず、各段階で残した記録を、運用から離れた立場で点検する役に回ります。たとえば、第2段階の終わりに無作為に選んだ調査記録を開き、採否の理由が書かれているか、確定者がAIの候補と違う結論を出した件で根拠が残っているかを確かめます。運用する部門が自分で「問題なし」と判定するだけでは、外部の監査で独立した確認がなされたとは言えません。内部監査の点検結果を、次の段階へ進む判断の材料として品質保証の責任者に渡す流れを、導入計画の時点で書いておくと、段階の進め方そのものが監査の記録として残ります。
定着を測る:毎月見る数字と、見直しの合図
定着の度合いは、処理件数の増減より、判断の質に関わる数字で見ます。たとえば、AIの候補をそのまま採った割合が急に上がったら、検討が省かれ始めている合図かもしれません。逆に、書き換えの割合が高い項目は、AIの下書きが役に立っていない項目なので、その欄だけAIを外す判断もあり得ます。
もう一つ見ておきたいのが、是正の効果確認の結果です。是正処置を打った後に同じ不適合が再発した件のうち、AIの候補をそのまま採っていたものがどれだけあるかを、四半期ごとに突き合わせます。再発が候補の採用に偏っていれば、AIの参照元の過去記録に問題がある可能性が高く、過去記録の見直しが先になります。内部監査の指摘件数と、調査の滞留日数も合わせて並べると、速さと質の両方を見られます。
これらの数字はAIに集計させてもかまいませんが、見直しの判断は品質保証の会議で人が行います。数字の解釈まで任せると、AIの成果をAIが評価する形になり、監査で説明がつきません。
費用の増え方と、止め方・やめ方
ComplianceQuest は Salesforce の上で動くため、費用は ComplianceQuest の利用料に加えて、Salesforce 側の利用者の権利やAIの利用に関わる費用がどう掛かるかを確かめる必要があります。公表資料には料金の詳細はなく、見積もりで確かめる項目です。特にAIの機能は、利用者の数に比例するのか、AIの処理の回数に比例するのかで、全社展開したときの費用の伸び方が大きく変わります。
止め方は、二つの層で用意しておきます。一つは業務単位の停止で、ある業務の下書き機能を止めても、調査や変更管理の手順そのものは人の手で回るようにしておくことです。参照だけの段階から始めていれば、止めても手順書を書き換える必要はほとんどありません。もう一つは基盤そのものからの撤退で、監査証跡と電子署名を含む品質記録を、規制で求められる保存期間のあいだ読める形で持ち出せるかを、契約前に確かめておきます。
医療機器や医薬の品質記録は、保存期間が製品の寿命に連動して長期にわたることがあります。基盤を移したあとも過去の監査に応えられるよう、AIの提案の記録も含めて何を持ち出すかを、撤退の手順として文書にしておくと安心です。
導入前に決めておくこと:チェックリスト
最後に、品質保証・監査部門と情シス・AI導入担当が、契約前から最初の段階を始めるまでに合意しておきたい項目をまとめます。
- 根本原因の確定者・変更の承認者・安全事象の区分の確定者を、手順書に名前の役割で書いたか
- AIの提案・人の採否・確定と署名が、証跡の上で区別できることを実際の画面で確かめたか
- AIの下書き機能を検証の対象に含めるか、参考情報として外すかを決めたか
- 規制当局への報告や届け出の要否を、AIに判断させない項目として固定したか
- 他拠点・子会社・委託先の記録が、権限の外で候補に混ざらないことを確かめたか
- 輸出管理や秘密保持の対象となる情報を、AIの参照対象に含めるかを決めたか
- 季節のリリースごとに、AIに関わる変更を評価する担当を決めたか
- 撤退時に、監査証跡と署名を含む記録を保存期間のあいだ読める形で持ち出せるか
この表のどれかが決まっていないまま下書き機能を開くと、速くなった分だけ説明できない記録が積み上がります。決めてから開く、の順番を守ることが、AI付きの品質管理を監査に耐えさせるいちばんの近道です。
まとめ
ComplianceQuest の2026年夏版は、是正処置の調査、変更管理、安全報告という時間のかかる三つの業務で、AIが過去の記録から候補と下書きを出す仕組みを広げました。公式も、AIは下書きで最終判断は専門家だと位置づけています。問題は、その線を自社の記録と手順の上に引けるかどうかです。根本原因の確定、届け出の要否、安全事象の区分はAIに判断させず、AIの提案・人の採否・確定と署名を証跡の上で分けて残すこと。参照だけから始めて段階的に広げ、採用の割合や再発の偏りを人が見直すこと。そうして初めて、AIの速さが監査で説明できる品質になります。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
あなたのWebサイトは、AIによる攻撃に耐えられますか?
AIを活用してWebサイト・Webサービスの脆弱性を診断し、発見した問題と推奨する修正方法をご報告します。
