収集の仕組みは変えない。IRCがAIで配った1枚のダッシュボード

社内のどこかにデータはあるのに、判断には使えていない。表はExcelに溜まっていて、集計もできている。それでも会議で参照されるのは、そのうちの2つか3つの数字だけ、という状態は業種を問わず起こります。足りないのは収集でも集計でもなく、見える形にする工程です。

国際救援委員会（International Rescue Committee、以下IRC）の事例は、この1工程だけを入れ替えた記録として読めます。Anthropicが公開した導入事例によれば、IRCはClaude Enterpriseで通信の要らないHTML 1枚のダッシュボードを作り、ブルキナファソの保健施設へ配りました。施設側の作業は、手元のExcelをその画面へドラッグ＆ドロップするだけです。

この記事で扱えるのは、その導入事例とIRC自身の公式サイトに書かれている範囲だけです。費用は公表されていません。パイロットはAnthropicからの現物提供（in-kindライセンス）で行われたと記載されており、自社で同じ構成を作ったときの金額はここからは読み取れません。数値は原文の表記のまま書き、通貨や桁の換算はしていません。確認日は2026年10月16日です。

紙の記録簿とExcelのまま、判断が間に合わない

IRCは、導入事例の説明では年間16.8 millionの人々に対し、40か国・2,700を超える保健施設を通じて医療と人道支援を届けている団体です。公式サイトの「Who we are」には、40か国以上と米国の30都市で活動していることが書かれています。

ここで効いているのは、施設の持ち主が誰かという点です。IRCが支援する保健施設の多くは各国の保健省の下にあり、IRCはデータの収集方法や書式を指示できません。導入事例には、収集の形が国ごとに違い、同じ地域の施設どうしでも違うこと、サブサハラ・アフリカの多くでは紙の記録簿から始まることが書かれています。DHIS-2という保健情報システムへ入る分もありますが、多くは紙のまま残り、職員が手作業でExcelへ集計するまで動きません。

その遅れが何を意味するかは、技術の話ではありません。事例に引用されているIRCの技術責任者（global lead of technology for programs）の言葉では、保健プログラムには季節性があり、介入できる期間の窓が閉じてしまう。気づけたとしても、手を打つには遅い、という状況です。しかも書式の統一という正攻法は現実的ではありませんでした。同じ問題を抱える施設はサブサハラ・アフリカで2,000施設近くにのぼると述べられています。

IRCの公式サイトのブルキナファソのページには、同国で提供しているのが安全な水と衛生の支援、そしてリプロダクティブヘルスや小児医療を含むプライマリヘルスケアであることが書かれています。可視化の対象になった指標がどの領域のものかは、ここから確かめられます。

変えたのは可視化だけ。HTML 1枚を配る

IRCが選んだのは、データの流れ全体を作り直すことではなく、可視化という1工程だけを替えることでした。2025年に、現場の保健スタッフと測定担当者へClaude Enterpriseを配り、新しい可視化の進め方を試しています。パイロットの1つがブルキナファソでした。

作ったものは、ブルキナファソのチームが挙げた15の中核指標（保健とリプロダクティブヘルス）に合わせた雛形で、出力はHTMLファイル1枚です。ここが要点で、同じものを通常の開発で用意しようとすれば技術者が必要になり、費用もかかる。施設ごとに違う可視化が要るのなら、そもそも着手しなかっただろう、と事例には書かれています。

HTML 1枚という形は、通信の問題も同時に解いています。軽いファイルなので施設の管理者へ送れて、受け取った側は手元のExcelをそこへ落とすだけ。接続は要りません。入れるのは個々の患者の記録ではなく施設の集計値で、データはその場に残り、外部へ送られることもClaudeのサーバーに保持されることもないと明記されています。

表示の修正も、技術者を待たずに回っています。ブルキナファソの測定アドバイザーが、施設のチームからの要望を自然言語で伝えて直しているという記述があります。本人の言葉では、特別な専門知識なしにダッシュボードに「話させる」ことができた、となっています。

可視化して初めて見えた3件

成果として挙げられているのは、速くなったことだけではありません。これまで見えていなかった形が3つ出ています。

1つ目は、18歳未満のSTI（性感染症）相談です。3施設で、月あたり平均21件から88件へ増えていることが画面に出ました。保健チームが確認したところ、若者向けサービスの認知と利用しやすさが広がった結果であり、これまで届いていなかった若年層が受診し始めたためだと分かっています。異常値がそのまま警報として扱われなかった点が、この事例のいちばん実務的な部分です。

2つ目は、妊婦健診と出産の差です。2026年1月から5月にかけて、IRCが支援する施設で6,000人を超える妊婦が健診を受けた一方、同じ地域で医療者が立ち会った出産は1,762件にとどまっていました。現地調査により、紛争の影響がある地域の女性が、より安全な場所へ移動する、あるいは保健センターが閉じているときに訓練を受けた地域の助産師に頼る、という実情が明らかになっています。

3つ目は、呼吸器感染症です。月単位で見ていたときには取れなかった複数月の推移から、2026年2月の急増が見え、1か月で25,000件を超える肺炎の症例が確認されました。チームはこれを、例年の山より早く来た高温で砂塵を含むハルマッタンの風と結び付けています。次からは増える時期を見越して、人員・物資・啓発を手配できるという説明です。

公表されている成果と、その読み方

時間に関する数値は、パイロット利用者への調査にもとづくものとして公表されています。

項目	公表されている内容
管理層向けの分析と資料	丸1日かかっていたものが30分未満
調査に回答した利用者	全員が効率の向上を報告
月あたりの削減時間	半数が4時間以上、30%が2〜3時間
ポートフォリオ単位の集約	1か月以上の手作業が即時に見られる状態へ
パイロットの期間	オンボーディングから実運用まで約6か月

ここで気をつけたいのは、母数が書かれていないことです。調査に回答した利用者の人数は記載がありません。したがって割合はパイロット参加者の自己申告の分布として読むのが正確で、組織全体の効率が同じだけ上がったと読み替えることはできません。

それでも、作業の性質を考えれば方向は分かります。管理層向けの分析と資料を丸1日かけて作っていた人が30分未満で終える。上級のプログラム調整担当は、ポートフォリオ単位の集約に1か月以上の手作業を要していたものが、すぐ見られるようになったと述べています。削れているのは判断ではなく、判断の前に挟まっていた転記と整形の時間です。

パイロットはオンボーディングから実運用まで約6か月でした。期間が終わっても使い続けたいとチームが明言しており、栄養と経済復興のチームからも同じ形の可視化の要望が出ていると書かれています。地域の測定アドバイザーは西・中部アフリカの他国への展開を計画しているとありますが、ここは計画であって実績ではありません。

AIに道具を作らせるときの線引き

この事例を自社に置き換えるときに写すべきなのは、ダッシュボードそのものより線引きのほうです。

通されているのは2つだけです。収集の仕組みに手を入れないことと、データをその場から持ち出さないこと。前者は、現場の作業を増やさないという意味で、導入の抵抗がほとんど生じない条件になります。後者は、扱うのが保健の記録である以上、譲れない条件です。個票ではなく集計値に限る、という入力側の制限もここに含まれます。

もう1つ、運用として効いているのが、変更を現場で完結させている点です。表示の直しに技術者の順番待ちが入る道具は、数回の修正でそのまま使われなくなります。測定担当が自分で直せる状態に置いたことが、パイロットが続いた理由の一部だと読めます。

なお、IRCの測定アドバイザーは、AIの導入と統合について多くの検討を重ねてきたこと、普及が速く進むいまその使い方をどう導き、安全性・信頼性・完全性をどう担保するかへ焦点を移していることを述べています。自由に使わせた結果を後から整えるのではなく、広げる段で統治を考えている言い方です。

日本の実務者が参考にできる点

第一に、収集を変えずに可視化を変えるという順序です。データの質が悪いから整備から始める、という計画は、たいてい整備の途中で止まります。手元にある形のまま読める道具を先に作るほうが、判断が早く動きます。

第二に、配る形を相手の環境に合わせることです。HTML 1枚という選択は接続の不安定な場所では合理的ですが、要点は技術ではありません。受け取った人がその場で開けて、自分のファイルを入れられるかという点です。社内であれば、権限申請の要るツールか、そのまま開けるファイルかの違いになります。

第三に、見えた異常を結論にしないことです。21件から88件という増加は、放っておけば悪化の報告として扱われたはずのものでした。画面に出た変化は、調べるための問いであって答えではありません。アンケート調査の作り方で扱った設問設計と同じ筋で、数字の意味は現場に当たるまで確定しません。

第四に、報告の形を固定しないことです。KPIレポートの作り方でも触れたとおり、使われるレポートは見る人の判断に合わせて変わり続けます。現場が自分で直せる状態にしておけば、変える頻度を落とさずに済みます。

社内AIの成果を金額で示す話はHighmark Healthの74用途と測り方、多言語で届く声をさばく話はMercy CorpsのCARMにまとめています。あわせて読むと、同じ「組織へ広げる」でも測り方と任せ方が違うことが見えてきます。

確認できなかったこと

まず費用です。パイロットは現物提供のライセンスで行われており、ライセンスの金額、構築にかけた工数、運用の担当者数はいずれも記載がありません。自社で同じ構成を作るときの金額は、この事例からは出せません。

次に、可視化の正しさをどう検証したかです。Excelの集計値を読み込んで描いた図が、元の値と一致していることをどの手順で確かめているのかは書かれていません。図が間違っていれば、速いだけの誤りになります。自社でやるなら、ここは最初に決める項目です。

三つ目に、調査の母数と時期です。回答者の人数、調査の実施時期、対象になった施設の数は示されていません。

四つ目に、うまくいかなかった部分です。使われなくなった指標、作ったが外した表示、現場から出た不満は書かれていません。導入事例という体裁の資料には、成功した側だけが載ります。

全体を1行でまとめると、読みどころは「AIで速くなった」ではなく、収集の仕組みを触らずに可視化だけを替えたという切り分けのほうです。手元のデータが使えていないなら、整備計画を立てる前に、いまの形のまま読める画面を1つ作ってみる番です。