医療AIが現場に普及しない本当の理由——レセプト業務の「3つの壁」と責任設計の話

クリニックのレセプト業務にかかる人的コストを計算したことがあります。

• 担当者：医療事務スタッフ3人
• 作業期間：月3〜4日（残業・休日含む）
• 合計工数：3人×20時間 = 月60時間

時給2,500円で換算すると、月15万円。年間180万円です。

これだけのコストがかかっている業務に、なぜAIが入っていないのか。

病院に12年勤務し、今は医療機関へのAI導入を支援している立場から、現場で何度も目撃した「壁」の話をします。

壁①：レセプト業務の実態が、経営層に届いていない

医療機関のAI導入で最初にぶつかるのが、意思決定者への情報ギャップです。

経営層の視点では、レセプト業務は「月末に事務が忙しそうにしている」程度にしか映らないことが多い。何時間かかっているか、何が難しいか、どこでミスが起きやすいか——こうした具体的な実態が、経営層まで上がってくる仕組みになっていないケースがほとんどです。

業務の実態が見えない状態では、「AIを入れよう」という判断は生まれません。

壁②：スタッフがAIを「信頼しない」のは性格の問題じゃない

レセプトチェッカーを導入しても、スタッフが結局手作業で再確認する——これはよく聞く話です。

「AIを信頼しない文化の問題だ」と片付けられることがありますが、そうは思いません。

スタッフが手作業で再確認するのは、返戻査定の責任が自分に帰属しているからです。

AIが「算定可」と言って、実際に返戻になったとき、誰が責任を取るか。規定がなければ、現場のスタッフです。責任の所在が変わらないまま「AIを使え」と言われても、スタッフは信頼できません。自衛のために手作業を続けるのは合理的な判断です。

解決策はAIの精度向上ではなく、責任フローの設計変更です。

• 「AIは補助ツール、最終判断はスタッフ」と明文化する
• AIが根拠（告示・通知の出典）を必ず提示し、ブラックボックスにしない
• 「AIが間違えたときの責任は誰が取るか」を導入前に合意しておく

この設計がないまま高性能なAIを入れても、現場には定着しません。

壁③：従来のチェッカーは「育てる」のが大変だった

3つ目の壁は、過去の失敗体験による不信感です。

従来のレセプトチェッカーは「ロジックを登録して育てる」仕組みでした。クリニックごとに診療科目も算定ルールの解釈も違うため、導入後も膨大なカスタマイズ作業が必要でした。

「入れたけど結局使いこなせなかった」という経験を持つ医療事務スタッフや経営層は少なくない。その不信感が「またAIか」という反応につながります。

市場の変化：生成AIが「育てる」を不要にしている

ここ1〜2年で、この状況が変わり始めています。

生成AIを活用したレセプト自動化サービスが登場し、「ロジックを育てる」という前提が崩れつつあります。AIがチェックロジックを自動生成し、診療報酬改定があってもナレッジを更新するだけで対応できる設計です。

支払基金（審査支払機関）側でもAI化が進んでおり、国全体のレセプト標準化・一本化が段階的に進行中です。

この流れは止まりません。

「責任設計」が鍵になる

技術の進化で壁③は崩れつつある。壁①は数値で可視化できる。

残るのは壁②です。

どんなに高精度なAIができても、責任の所在を設計しない限り、現場には定着しない。

弊社（株式会社giverth）が診療報酬RAGを設計するときに最も気をつけているのもここです。

• 回答には必ず出典（告示・通知番号）を添付する
• 不確かな場合は「記録なし。原文確認を推奨」と明示する
• 「AIが言ったから」を免責にせず、「AIを使って人が判断した」記録を残す設計にする

まとめ

医療AIが現場に普及しない理由は、AIの性能ではなく設計の問題です。

• 業務の実態（時間・コスト）を数字で可視化し、経営層に届ける
• スタッフの「手作業再確認」を責める前に、責任フローを変える
• 根拠を明示し、ブラックボックスにしない

この3点を設計に組み込めば、現場の「壁」は越えられます。

技術の議論の前に、構造の議論から始める。それが医療DXの現場では何より先に必要なことだと、12年間の病院勤務と、現在の導入支援の経験から確信しています。