医療・介護への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 医療・介護（米国の職業分類では 正看護師、SOC 29-1141）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 患者の症状や容体の変化を観察し、記録し、報告する
2. 正確で詳しい報告書と記録を保つ
3. 患者に薬を投与し、反応や副作用を観察する
4. 患者の医療情報とバイタルサインを記録する
5. 医療チームと相談・連携し、患者のケア計画を立案・実施・評価する

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- Ambience（Ambience Healthcare）: 診療の場で使うアンビエントAI。診療の進行にあわせて、診療科に合った記録・オーダー・指示を書く。
- EndoBRAIN（サイバネットシステム）: 内視鏡の画像から、病変の検出や腫瘍・非腫瘍の判別を支援する診断支援のソフトウェア。
- Suki（Suki）: 医師と患者の会話全体を聞き取り、診療記録・患者への指示・オーダーを作り、電子カルテに反映する。
- ユビーAI問診（Ubie）: 患者の答えに応じてAIが質問を出し分ける問診をし、カルテの下書きを作る。
- 記録NAVI（三菱電機）: 現場の介護記録をもとにAIが作った文例を選んで、介護記録を数クリックで作る。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: 増える。高齢化で看護・介護の需要は伸び続け、記録時間が減った分は患者のそばで過ごす時間と増える患者数に吸収される。人手不足が深刻なため、AIで浮いた時間が人員削減につながる見込みは小さい。

{"tasks": [{"no": 1, "weight": 30, "now": 10, "year1": 15, "year5": 25, "human_layers": ["作業", "例外の発見", "品質の確認"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "観察と気づきはベッドサイドの人に残り、記録と報告文の作成は音声・アンビエント記録が担う。センサーによる常時監視が病棟で許容され精度が上がれば観察も減る。逆に録音への患者の抵抗や院内規定で記録のAI化が止まれば現状に近い。", "confidence": "中"}, {"no": 2, "weight": 20, "now": 25, "year1": 35, "year5": 55, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["制度・契約", "技術"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "下書きはアンビエント記録と電子カルテ連携が作り、人は内容の確認と署名に絞られる。看護記録の様式や監査要件がAI下書きを前提に整えば確認も短くなる。誤記の訂正や法的責任の懸念で全文を人が書き直す運用が続けば減らない。", "confidence": "高"}, {"no": 3, "weight": 20, "now": 5, "year1": 8, "year5": 12, "human_layers": ["作業", "例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約", "費用", "相手の受け入れ"], "enablers": ["技術"], "outlook": "投与と反応の観察は人の手と目が要り、投薬照合や副作用の警告はシステムが支える。配薬ロボットと自動投与装置が病棟に広く入れば準備と記録の時間がさらに減る。装置の費用や患者の安心感を理由に人の実施が求められ続ければ変わらない。", "confidence": "高"}, {"no": 4, "weight": 15, "now": 30, "year1": 40, "year5": 60, "human_layers": ["品質の確認", "例外の発見"], "blockers": ["技術", "費用"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "測定値の自動取り込みと音声入力で手入力はほぼ消え、人は値の妥当性と異常の確認に残る。携帯型センサーが標準化され異常検知の精度が上がれば確認も減る。機器が電子カルテとつながらない施設や転記の規則が残れば手入力が続く。", "confidence": "高"}, {"no": 5, "weight": 15, "now": 10, "year1": 15, "year5": 25, "human_layers": ["目的と制約の設定", "実行の承認", "例外の発見"], "blockers": ["制度・契約", "相手の受け入れ", "技術"], "enablers": ["技術", "費用"], "outlook": "ケア計画の下書きと評価の集計はAIが作り、目的の設定・チームでの合意・実行の承認は人に残る。計画の様式が標準化しAI案をそのまま承認する運用が広がれば人の時間はさらに減る。多職種の対面調整や患者家族の意向確認が重視されれば減らない。", "confidence": "中"}], "share_now": 15, "share_year1": 21, "share_year5": 34, "reason": "記録と報告に関わる作業の層が最も減る。音声・アンビエント記録（Ambience、Suki など）や記録NAVI型の文例生成が記録の下書きを作り、バイタルは機器から自動で取り込まれる。ケア計画の下書きも生成AIが担う。一方、観察・投薬・患者対応のように身体を使う作業と例外の発見は人に残るため、職種全体では3分の1程度にとどまる。", "demand": "増える", "demand_reason": "高齢化で看護・介護の需要は伸び続け、記録時間が減った分は患者のそばで過ごす時間と増える患者数に吸収される。人手不足が深刻なため、AIで浮いた時間が人員削減につながる見込みは小さい。", "remains": "患者の観察、投薬、処置といった身体を使う作業と、いつもと違う変化に気づく例外の発見、ケア計画の目的設定と実行の承認が人に残る。残る理由は技術と相手の受け入れで、センサーによる常時監視や介護ロボットが精度・費用・患者の安心の面で人を超えない間は変わらない。病棟での常時計測が標準となり、患者側も受け入れれば観察の一部は機械に移る。", "who": "需要が増え記録の負担が減るため、人数は減らず増える。記録や転記に割いていた時間が患者対応に向き、一人あたりの受け持ち患者数はやや増える。経験の浅い看護師でもAIの下書きと警告で記録と確認を担えるようになり、ベテランは例外対応・判断・チーム調整に重心を移す。", "skills": "AIが作った記録や計画案を短時間で読み、抜けや誤りを見つけて直す力。センサーや警告の値を鵜呑みにせず、患者の様子と突き合わせて異常を判断する力。音声記録や自動取り込みの機器を日常的に使いこなし、患者に録音や計測への同意を得る説明力。多職種との調整と、患者・家族への対応。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: 増える。継続的な観察、慢性的な不調への支援、在宅でのケアなど、細かな支援への需要は増えるとみる。記録の効率化は支援に時間を回す余地を作るが、地域の人口や提供体制によって増え方は異なり、人員増の程度までは決まらない。

{
  "tasks": [
    {
      "no": 1,
      "weight": 25,
      "now": 15,
      "year1": 25,
      "year5": 42,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "観察記録の整理と変化の通知はAIが助け、人は患者を直接確かめるが、個人差を含む変化を検知できれば観察の一部も減る。記録に出ない不調や誤警告が多ければ、自動通知にも人の再確認が要る。",
      "confidence": "低"
    },
    {
      "no": 2,
      "weight": 15,
      "now": 45,
      "year1": 58,
      "year5": 78,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "報告書と記録の下書きはAIに移り、人は事実と抜けを確かめるが、発言と処置の履歴を照合できれば確認も減る。患者の取り違えや意味の変化があれば、整った記録でも人が修正する。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 25,
      "now": 5,
      "year1": 10,
      "year5": 22,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "投与準備の照合と反応の記録はAIが補助し、人は投与と状態確認を担うが、安全な機器と連携が整えば作業の一部も減る。本人や状態の変化を確かめられなければ、定型の投与にも人が直接関わる。",
      "confidence": "低"
    },
    {
      "no": 4,
      "weight": 15,
      "now": 40,
      "year1": 52,
      "year5": 75,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "測定値の転記と整理はAIに移り、人は測定条件と異常値を確かめるが、機器と本人を確実に対応づけられれば点検も減る。装着不良や欠測を見分けられなければ、記録にも人の再測定が必要になる。",
      "confidence": "中"
    },
    {
      "no": 5,
      "weight": 20,
      "now": 15,
      "year1": 25,
      "year5": 42,
      "human_layers": [
        "作業",
        "実行の承認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "ケア計画の下書きと情報共有はAIが助け、人は患者の希望と実施条件を調整するが、関係者が提案を受け入れれば協議も減る。状態や本人の意向が変われば、定例の計画も人が見直す。",
      "confidence": "低"
    }
  ],
  "share_now": 21,
  "share_year1": 30,
  "share_year5": 47,
  "reason": "現在は問診や会話からの記録、バイタルサインの転記、報告の下書きで時間が減る。1年では記録と業務の連携が進み、5年では変化の通知やケア計画の準備まで広がる。診断画像を扱うAIの能力を、そのまま看護の全業務に当てはめない。人には患者の直接観察、投与と反応の確認、希望を踏まえたチームの調整が残り、記録の生成と現場でのケアを分けて見積もる。",
  "demand": "増える",
  "demand_reason": "継続的な観察、慢性的な不調への支援、在宅でのケアなど、細かな支援への需要は増えるとみる。記録の効率化は支援に時間を回す余地を作るが、地域の人口や提供体制によって増え方は異なり、人員増の程度までは決まらない。",
  "remains": "患者の状態を直接確かめ、記録だけでは分からない変化に対応する仕事が残る。人は本人の希望を聞き、投与やケアの前後を確認し、チームと実施条件を調整する。機器の通知が正しいか、見逃した変化がないかを確かめる時間も必要になる。個人差と例外を含む安全な観察や実施が可能になり、患者とチームが受け入れれば、一部の確認と調整も縮む。",
  "who": "ケアの需要が増えるなら、記録の時間が減っても職種全体の人数が減るとは限らない。同じ支援量では記録担当の時間が縮み、一人が状況を把握できる患者は増えうるが、直接対応の負担は残る。観察、対話、異常時の連携に強い人の比重が上がる。若手にはAIの記録を確認するだけでなく、患者を見て変化を捉え、報告と対応につなぐ経験が必要になる。",
  "skills": "患者の状態とAIが作った記録を突き合わせ、欠落や意味の違いに気づく力が要る。機器の測定条件を理解し、通知が出た理由と出なかった変化を確認する。本人の希望を聞き、チームへ必要な情報を正確に伝える力も重要になる。情報の閲覧権限と記録の訂正履歴を整え、機器や連携が止まったときも安全に業務を続けられる手順を扱うことが求められる。"
}