沢井製薬株式会社（以降沢井製薬）は、膨大な研究報告書や文書データが残ったままで、若手の研究員や現場担当者が必要な情報を探すのに多くの時間を費やしていました。
そこで、「Azure OpenAI Service」を基盤とするAIエージェントの導入に踏み切りました。
ベテラン研究員の相談相手として働くAIが社内の知見を瞬時に検索・発見することで、業務効率化と知識継承を同時に実現する挑戦が始まっています。
＼フルリモートで働くならTopTier／
AIエージェント（Azure OpenAI Service基盤）導入の背景と目的
沢井製薬では、研究部門に長年敷く席された報告書・実験データが十分に活用されず、現場で行かせないという課題を抱えていました。
特に若手研究員に取っては、必要な情報にたどり着くまでの手間が大きく、日常業務の判断や検証に時間がかかる要因となっていました。
また、経験豊富な研究者の知識やノウハウを体系的に共有する仕組みも弱く、スキルの習熟速度にも個人差が生まれているなど、多くの課題を抱えていました。
書類・研究データ活用・人材育成における従来の課題
沢井製薬の研究部門では、資料が分散して保管されており、必要な情報を把握することがむす香椎状態が続いていました。
文書の形式や記載ルールも統一されておらず、過去の報告内容を読み解く際には追加の確認作業が必要で、研究の進行が遅れる大きな要因の一つとなっています。
また、実験の背景や判断理由が個々の研究者のメモや記憶に依存しているケースも多く、資料だけでは重要な知見にたどり着けないこともありました。
以上のような属人化は、プロジェクトの引き継ぎや新任研究者の育成にも影響し、組織全体として知識を循環させる仕組みが十分に機能していませんでした。
情報が蓄積されているにも関わらず、研究の質向上や日常業務へスムーズに反映しづらいことは沢井製薬が抱えていた大きな課題です。
デジタル化・AI活用に向けた方針と目的
さまざまな課題を改善するため、沢井製薬はAzure OpenAI Serviceを元に開発したAIエージェントの導入を進めました。
社員が知りたい情報を短期間で見つけられる環境を整え、研究や検討に使える時間を増やすことが最大の目的です。
また、社内データを安全に扱えるよう、ネットワーク面でも強化を行い、安心して使えるAIシステムを実現しました。
AIが資料を検索したり内容を整理して示したりすることで、若手研究者でも必要な情報にすぐアクセスでき、仕事を覚えるスピードの向上が期待されています。
導入の仕組みと活動内容
沢井製薬では、研究現場で必要な情報をもっと早く正確に扱えるようにするため、Azure OpenAI Serviceを利用したAIエージェントを導入しました。
社員が知りたい情報を入力すると、AIが社内の文書を探して要点をまとめてくれる仕組みです。
研究のスピード向上と業務負担の軽減を目指し、現場で使いやすい形に整備されています。
現場での活用方法と操作フロー
参照元：https://www.basic.co.jp/showcase/sawai-01.html
現場では以下のような手順で活用されています。
- 普段の業務と同様にAIエージェントに必要な内容を入力
- AIは入力された情報を元に必要な資料をまとめてピックアップ
- 提示された回答を確認、必要ならば修正して社内システムに反映
研究部門の社員が普段の業務と同じ感覚でAIエージェントに質問や調べたい内容を入力します。
するとAIは入力された情報をもとに、社内に残されている実験記録や技術資料、手順書などを自動で検索して関連する部分をピックアップし、内容を短くまとめたうえで必要に応じて元の資料の場所も示してくれます。
社員は提示された回答を確認し、必要に応じて修正した情報を社内システムに反映します。
一連の流れがひとつの画面上で完結するため、複数のファイルを開いて必要な情報を探す手間が大幅に軽減されました。
文書確認や過去の資料の確認にかかっていた時間も短縮でき、研究作業に集中できる環境が整えられています。
操作の簡便さで定着を促進
AIエージェントは特別な技術がなくても使えるように設計されています。
一般的な検索窓に文章を入力するだけで操作でき、複雑なコマンドや設定は不要です。
いつもの業務の延長線上で使える手軽さが、導入後のスムーズな定着化につながりました。
また、画面上にはAIが提示した要点・関連資料・元の文書へのリンクが整備されて表示されるため、初めて使う社員でも迷うことなく作業できます。
さらに現場からの操作面に関する意見を聞き取り、回答の見せ方や画面表示を改善している点も、使い続けてもらう仕組みづくりに貢献しています。
導入時の課題と解決策
沢井製薬のAzure OpenAI ServiceをもとにしたAIエージェントの導入は一定の成果を確認できるまでに定着化しましたが、決してスムーズに導入できたわけではありません。
導入時にはさまざまな課題があり、課題ごとに解決策を考案して実践してきたからこそ定着化できているのです。
本章では、導入時の課題と解決策を分かりやすく解説します。
技術的適合性の課題
AIエージェント導入時に直面した大きな課題のひとつが、専門性の高い医薬品関連文書をAIが正しく理解できるかという技術的な適合性でした。
英語資料・試験報告書・専門用語が混在するデータだと、AIが意図と異なる回答を生成したり、説明が不十分になるケースが確認されました。
また、クローズドな環境内で必要な精度を維持しながらモデルを運用できるかも重要な検討ポイントでした。
解決策
技術面の課題に対し、まず研究部門が日常的に扱う文書を学習用データとして整理し、Azure OpenAI Serviceの専用環境内でチューニングを進めました。
加えて、研究者が生成内容をレビューし、誤りや不足箇所をフィードバックするループも構築しました。
以上のように実データを用いた検証と改善を繰り返すことで、専門用語を含む説明精度が向上し、研究現場でも安心して使えるレベルに引き上げられました。
システム連携・現場運用の課題
導入当初はAIエージェントが抽出した情報をどの業務システムにどの形式で渡すか、運用ルールが明確出ない点も課題のひとつでした。
研究部門では部門ごとにデータ管理の方法が異なり、AIが生成した内容をどのタイミングで記録・共有するのかといった流れも統一されていませんでした。
また、AIの回答が更新履歴や過去ログでどのように連動するのかといった運用面での懸念もありました。
解決策
上記課題に対し、部門横断で運用ルールを整理し、AIの回答を確認・補正・保存するまでの一連の流れを標準化するという対策が取られました。
さらにAzure OpenAI Serviceを閉じたネットワーク内で運用し、情報の取り扱いを明確可することで、安全性と使いやすさの両立を実現しました。
研究者が結果をすぐに確認できるインターフェースも整備し、AIのサポート結果が日々の研究業務へ自然に組み込まれる仕組みを構築しています。
運用拡大・定着化の課題
参照元：https://www.basic.co.jp/showcase/sawai-01.html
AIエージェントを研究部門以外へ広げるにあたり、「利用者がどれだけ継続的に使い続けられるか」が大きな課題でした。
導入当初はAI特有の表現への戸惑いや、「自分で調べたほうが早いのでは？」といった心理的抵抗も見受けられました。
また、使い方の理解度に差があることで、活動頻度が部署ごとに偏る点も懸念されていました。
解決策
運用の定着化を実現するため、操作説明を極力シンプルにし、研究者が普段の業務の延長線上で使えるよう設計を見直しました。
実際の質問例をもとにした研修やマニュアルを整備し、疑問点をすぐに解消できるサポート体制も構築しました。
さらによくある質問や生成結果を共有し、成功事例を部門内で循環させることで利用者の理解度が深まり、研究部門では活用の定着化が進められています。
導入効果と今後の展望
日常の業務の延長線上で使ってもらえるようなインターフェースにするよう配慮した結果、AIエージェントは沢井製薬の研究業務のひとつとして完全に定着化されました。
その結果、いくつかの導入効果が確認できています。
主な導入効果
制約研究部門でAIエージェントが導入されて以降、現在では部門全体で月100回以上利用されるまでになり、かなり定着化されてきました。
AIエージェントは、過去の研究報告書や技術資料を即座に検索・要約して研究者の質問に応答してくれます。
従来はベテラン研究員への面談や資料検索に割かれていた時間が大幅に削減され、作業効率が向上しました。
回答の質に関しても評価は高く、アンケート調査では利用者から「リファレンス付きで要点が整理されて示される」「自分の学習スタイルに合わせて確認しやすい」といった声が上がっています。
経験の浅い研究者にとっては、AIが質問を投げかける相談相手として機能するため、スムーズな判断や検討を進められるようになっています。
今後の展望について
沢井製薬ではAIエージェントを研究部門のみに留めるのではなく、将来的には他部門へ横展開させることを視野に入れています。
現在は製薬研究部門向けに設定されていますが、承認申請書・品質保証書類・開発計画書といった多様な文書をすべてAIに扱わせることで更なる業務効率化が見込まれています。
また、AIが生成した要約や研究結果を活用して研究者とAIが対話しながら検討を深めるサイクルを強化する構想もあります。
将来的にはAIが膨大な報告書から自動的にレポート案を生成することで、研究者がより作業に集中できる基盤を築くことも検討中です。
安全にAIエージェントを活用できる体制を維持しつつ、自律型AIと人が協力して知見をシステム内に蓄積させる環境の構築は、沢井製薬のDX戦略の中核となりうる可能性も十分あります。
まとめ
沢井製薬株式会社はAzure OpenAI Serviceを基盤としたAIエージェントを活用することで、研究現場の情報検索や文書作成の効率化を大きく前進させました。
導入にあたっては専門用語への対応や既存システムとの連携など複数の課題がありましたが、さまざまな対策を考案して対応した結果、安定的に活用してもらえる環境を構築しました。
現在では月100回以上利用されるなど定着化し、業務の正確性とスピードの向上に貢献しています。
今後は他部門への展開も期待され、全社的な生産性向上につながる基盤が構築されつつあります。
コメント