大鵬薬品工業が予測AIを内製化、売上予測と訪問先選定を支える体制づくり

精度の指標や複数モデルの比較を、その場で確認できるツールを選んだ点がまず効いています。ノーコードでモデルを組めるという特徴は、作れる人が増えることだけを意味しません。作ったものを画面で見せながら、この予測をどう評価すべきかを関係者と突き合わせられるという効き方をします。中身を開いて説明できる状態にしたことが、予算策定のように合意が要る場面へ予測値を持ち込む足がかりになったと考えられます。

モデルづくりを外部に委ねず、医薬データマネジメント室を軸に社内で回す形を選んだことも大きいはずです。複雑な活動データは、その数字が現場のどんな動きを表しているのかを知らないと扱えません。データの意味を分かっている人がそのままモデルを触れる配置にすれば、仮説を思いついてから試すまでの距離が縮まります。日鉄ソリューションズの伴走支援は、経験の浅いメンバーを短期間で立ち上げ、この配置を成り立たせるための足場として機能したと見るのが自然です。

MR（Medical Representatives：医療情報担当者）の活動支援で、AIの出力を最終判断ではなく手がかりとして扱った位置づけも見逃せません。訪問先を決める仕事には担当者の経験や医療機関との関係性が深く関わるため、機械が出した順位をそのまま押しつける形にすると反発を招きやすくなります。見落としを拾うための補助と定めておけば、担当者は自分の判断を保ったままAIを使えます。