医療用語に強い音声認識と生成AIで、薬局の会話から服薬記録をつくる仕組み

音声認識そのものを自前で開発せず、外から調達する部品として位置づけた切り分けが、この構成の出発点になっています。AIアシスタントで価値が生まれるのは、会話の内容をもとに服薬指導や薬歴作成を助ける生成AI側の設計であり、声を文字に変える工程は品質の定まった既製の仕組みに委ねる。API方式で自社サービスへ簡単に連携できることを採用理由の一つに挙げている点からも、実装の負担を軽くして本来注力すべき領域に手をかける意図が読み取れます。

汎用ではなく医療分野に特化したエンジンを選んだ判断も、後ろの工程まで見通したものだったと考えられます。文字起こしの結果は、そのまま生成AIへの入力になります。薬の名称や症状の言い回しを取り違えれば、その誤りは薬歴の文面にまで流れていくため、入口の精度が出力の精度を決めるという連鎖が働く。専門用語に強いエンジンの採用は、精度を一段上げる工夫というより、崩れの起点をふさぐ設計と読めます。

選定の入口が、オンプレミス型の調剤薬局向けパッケージ「Melphin」で同じ提供元の医療向け製品をすでに使っていた点にあることも見逃せません。社内のどこかで動いている技術を起点にすれば、精度の傾向や運用上のクセといった判断材料が最初から手元にあり、要件に合うかどうかを短い時間で見極められます。医療情報を扱う以上、接続先の限定や暗号化通信は譲れない前提であり、そこを満たす選択肢に早く行き着けたことが、デモ止まりだった機能を製品として出せる段階へ押し上げたのだと考えられます。