生成AI導入におけるHuman Centered Designの有用性 ~ユーザー視点で切り拓くビジネス変革の実践~

事業部門では、一般的な業務効率化にとどまらず、各部門特有の専門業務に対して具体的な課題解決や付加価値の向上が求められる。生成AIのビジネス利用が拡大するなか、事業部門における生成AIの導入にはユーザー視点を取り入れたアプローチが欠かせない。生成AIを導入するにあたり、まず事業部門ごとに異なる業務課題を的確に捉え、それをどのように解決するかをデザインすることが重要である。

こうした専門的な課題解決においては、Human Centered Design（HCD）のアプローチが効果的である。HCDとは、ユーザーのニーズや使用状況を中心に据えてシステムをデザインする手法であり、ユーザーの体験を最適化することを目的としている。この手法は単に機能を提供するだけでなく、業務課題の具体的な解決を目指し、使いやすさや業務への適応性を重視したシステムの設計を行う。具体的には、以下のようなHCDを活用したプロセスが実施される。（図1）

1. ユーザーの観察と理解
   HCDでは、まずユーザーの日常業務や作業環境を観察し、どのような課題やニーズが存在するかを深く理解する。このステップでは、ユーザーインタビューや現場での行動観察を通じて、顕在的な課題だけでなく、ユーザーが感じている暗黙の不便さや期待を抽出する。
2. 課題の明確化と解決策の仮説立て
   観察結果を基に、ユーザーが抱える課題を明確化し、それに対する解決策を仮説として立てる。生成AIを導入する場合、たとえば情報の検索や要約の自動化が業務効率向上に寄与するのか、データ分析をどの程度自動化すべきかなど、具体的な仮説をもとに導入すべき機能やツールを検討する。
3. プロトタイプの設計とユーザーテスト
   仮説に基づいたプロトタイプ（試作品）を設計し、実際にユーザーが使用するテストを行う。この段階でのプロトタイプは、紙面や簡易なシミュレーションで構成されることもあり、ユーザーにとっての使いやすさや機能の効果性を確認する。
4. フィードバックに基づく改善と反復
   ユーザーテストから得られたフィードバックを基に、プロトタイプを改良し、再びユーザーテストを実施する。この反復プロセスを通じて、ユーザーの実務環境や課題に適合した生成AIツールが完成していく。

HCDにおいては、ユーザー視点での価値を最大化する設計がなされ、最終的には使いやすく実用的なツールが提供される。生成AIの導入プロセスにHCDを取り入れることで、事業部門における実際の利用者の期待や課題に合致した技術の実装が可能となり、導入効果が大きく高まる。

事業部門でHCDを活用することにより、生成AIの導入が業務のどの部分にどのような形で最も効果的かをユーザー視点で明確化できる。例えば、営業部門においては顧客対応の質を高めるためのチャットボットの導入や、データ分析に基づく顧客のニーズ予測などが重要視される一方で、製造部門では、品質管理や作業工程の最適化が主な課題となる。このように部門ごとの専門業務に密接した生成AIの活用シーンをデザインするには、現場ユーザーの視点から課題と解決方法を考え、期待する成果を最適化することが不可欠である。

事業部門への生成AI導入においては、単に新しい技術を採用するだけでなく、ユーザー視点に基づき、各部門にとって実際に役立つシステムやツールとして提供することが重要である。技術と業務のバランスを保ちながら、各部門が期待する成果を最大限に引き出すことが、企業全体の競争力強化にもつながる。

医療業界においても、生成AIの導入が進みつつある。医療業界では、情報管理システムや業務プロセスの効率化が求められているが、従来のシステムに生成AIを組み込むだけでは、現場の医師や医療従事者のニーズに十分応えられないケースが多い。医療業界特有の課題やニーズに対応するためには、生成AIの活用方法を適切にデザインすることが極めて重要である。

そこで、当社ではHCDの考え方を取り入れ、生成AIスターターアプリを活用して実際の医療現場における課題を把握しながら、適切な生成AIの活用方法を導出する取り組みを行った。
本取り組みでは、脳神経内科、循環器内科、総合診療科の医師合計5名に生成AIスターターアプリを適用し、プロトタイプを通じた実証を行った。その結果、医師が日常業務の中で直面している課題をより明確に捉えることができ、以下の2つの具体的な生成AI活用シーンを導出するに至った。

1. ナレッジ活用の支援 
   医療現場では、専門書籍や文献、口頭での伝承、個人メモなど、多様な情報が存在するものの、既存の情報共有手段ではそれらを十分に活用することが難しいという課題があった。生成AIを活用することで、これらのナレッジを統合・整理し、必要な情報を迅速に医師へ提供する仕組みを設計した。例えば、AIが診療記録と文献データベースを統合し、過去の症例や治療方針に基づいた参考情報を瞬時に提示できるようにすることで、診療の質向上に寄与できる。
2. 専門外領域の標準治療や疑問への対応 
   医師は自身の専門領域以外の診療に関する情報を得る際、他科の医師へ問い合わせたり、膨大な文献を調査したりする必要がある。しかし、日常業務の中でこうした作業に時間を割くことが難しいのが実情である。そこで、生成AIが標準対応の調査を行い、他科医師への問い合わせや回答の橋渡しをする機能を設計した。これにより、医師が必要な情報を迅速に取得でき、より適切な診療判断を行うことが可能となる。

この取り組みの大きなポイントは、単なる空想で生成AIの活用方法を考えるのではなく、簡易なプロトタイプを実際に使用することで、医師の課題感をより明確に浮き彫りにした点にある。生成AIの体験を基にした利用者のリアルな業務課題を把握し、それに基づいた生成AIの活用設計を行うことができた。
本事例からも明らかなように、生成AIの導入においては、単なる技術導入ではなく、実際の利用者の立場に立ち、適切な活用方法をデザインすることが極めて重要である。