AIは本当に現場で使われているのか――この問いに、米国の医療現場が実データで答え始めました。JAMA誌に2026年10月15日掲載の研究では、約95万人の米国医療従事者が2年半で約2億7100万件の問い合わせをAI臨床情報プラットフォームに送った実態が報告されました。金融や製造業でも本番稼働と設計図の公開が進み、産業AIは印象ではなく実測で語る時代に入っています。
医療現場では「2億7100万回」の利用が既に始まっていた
2026年10月15日、JAMA誌に大規模な観察研究が掲載されました。ハーバード医科大学院(Harvard Medical School)とブリガム・アンド・ウィメンズ病院の研究チームが、米国のAI臨床情報プラットフォーム「OpenEvidence」の利用実態を、2024年1月から2026年6月までの2年半分さかのぼって解析したものです。
数字の規模は、これまでの導入率アンケートとは次元が違います。米国の医師・医師補・看護実践者のうち約95万2,000人がこのプラットフォームを使い、期間中の問い合わせ(クエリ)総数は約2億7100万件に達したと報告されています(Harvard Medical School News)。この研究は米国連邦政府の資金支援を受けており、アクティブユーザー数、クエリ数、継続率のいずれも期間中に大きく伸びたとされています。
使われ方の中心は診断ではなく「治療と管理の判断」
用途の内訳も明らかになっています。全クエリの51.9%が治療方針や病状管理といった臨床上の意思決定に関連し、診断に関連するものは13.9%にとどまったと報告されました。
つまり現場の医師はAIを「難しい病名を当てる機械」ではなく、最新の治療エビデンスに素早くアクセスするための情報検索の層として使っていることになります。研究の責任著者を務めるハーバード医科大学院のAnupam Jena氏は、発表の中で「極めて多数の医師が診療にAIを使っており、しかもしばしば自分の専門外の領域で使っている」と指摘しています。専門の垣根を越えた情報ニーズに応える道具という位置づけです。
こうした「使われ方の実測」は、ベンダー側のベンチマークや試験問題での正答率より重い情報です。実際の業務のどこにAIが組み込まれているかが分かって初めて、効果測定もリスク評価も設計できます。
金融では「自社基盤モデル」が8,000万人規模で稼働している
医療に続いて実測データが出揃えつつあるのが金融です。2026年10月20日から22日までベルリンで開かれたNVIDIAのカンファレンス「GTC Berlin」では、欧州の金融機関が本番環境で動かすAIの具体例が相次いで紹介されました。
中でも目を引くのがフィンテック大手のRevolutです。同社は基盤モデル「PRAGMA」へ技術基盤を一本化し、NVIDIAのアクセラレーテッドコンピューティング上で本番稼働させていると、NVIDIAの公式ブログが伝えています。初期の対応規模は8,000万人の顧客で、3倍への拡張を見込んだ設計としています。
RevolutのAI部門責任者Pavel Nesterov氏は同ブログの中で「研究上のブレークスルーと本番の銀行システムの間のギャップを埋められることが、PRAGMAではっきりした」と述べています。もっともこれは企業の主張であり、モデルの精度やコスト効果の第三者検証はまだ公表されていません。
工場は「個別開発」から「設計図の配布」へ
製造業では導入のかたち自体が変わりつつあります。同じくGTC Berlinで、NVIDIAは工場運用向けの設計図「Factory Operations Blueprint(FOX)」をGitHubでアーリーアクセス公開しました。設備群を横断して作業を調整する常駐型の「ファクトリーマネージャーエージェント」に加え、外観検査、原因分析、レポート生成、設備群の管理といった個別用途のエージェントを構成できるとしています。
技術そのものより注目したいのは配布の形式です。これまで工場AIは各社が個別にシステムを組むのが前提でした。設計図が公開して配られることで、導入の初期コストと期間が構造的に縮まる可能性があります。ただしこれも企業の発表であり、実際の工場での稼働実績や投資対効果は今後の検証を待つことになります。
「使っている」の先にある「効いている」という問い
ここまでの実測が示すのは、AI導入がパイロット(実証実験)の段階を卒業しつつあるという事実です。医療では約95万人が日常的にクエリを送り、金融では8,000万人規模の基盤で本番稼働が始まっています。
一方で、JAMA掲載の研究は利用実態を特徴づけたもので、患者の治療成績が改善したことを証明したものではありません。利用が多いことと効果があることは別物です。次に必要なのは「使われた回数」ではなく「何が変わったか」を測る指標です。金融・製造業でも、焦点はモデルの性能から業務KPIに結びつく実績の開示へ移るでしょう。
産業AIの議論は、これまで導入率のアンケートやベンダーの主張が中心でした。それが検索ログ、本番稼働するシステム、公開される設計図という「物証」で語られ始めました。議論の前提が印象から実測に置き換われば、批判と評価の両方が初めて同じ数字の上で可能になります。
コメントを残す