何が起きたか

医学誌Clinical Imagingに掲載された調査は、Society of Breast Imaging（米国乳房画像学会）の会員215人に、乳がん検出用AIツールの利用実態を尋ねたものです。FDA承認済みのAIを既に使っている回答者は約半数、今後導入予定が11%。普及率としては決して低くありません。

問題は中身です。導入前の期待と導入後の実感の差が、項目ごとにはっきり出ました。要再検査（リコール）率の低下を期待していたのは59%でしたが、実際に低下したと答えたのは35%。不要な生検の減少は期待36%に対して実感9%。燃え尽き（バーンアウト）の軽減は期待56%に対して実感29%。いずれも実感が期待の半分前後にとどまっています。筆頭著者であるUC San Diego HealthのJoud Almogati氏は、AIを診断の決め手と考えている回答者はごく一部だと述べています。

なぜ重要か

この調査の価値は「AIが役に立たない」ことを示した点ではありません。役に立っているが、期待していた形では役に立っていないという構造を可視化した点にあります。多くの回答者はAIを主にセカンドオピニオンとして位置づけています。つまりAIは最終判断を代替せず、判断の横に置かれる参照情報として定着した。承認済みで、精度も一定水準にあり、半数が使っている技術ですら、到達したのはそこまでだということです。

10年ほど前、著名なAI研究者たちは「放射線科医はまもなく職を失う」と予測しました。現実に起きたのは、AIが読影の一部を支援しつつ、責任と最終判断は人間側に残り続けるという着地です。Nvidiaのジェンスン・フアンCEOは、この種の雇用消滅予測を語る人々を「God complex（神のコンプレックス）」と表現しています。

見落とされがちな論点

注目すべきは、普及の障壁として挙がったのが「精度が足りない」ではなく、コストと組織的サポートの不足だったことです。技術の性能問題ではなく、導入と運用を支える体制の問題がボトルネックになっている。これは医療に限った話ではありません。

もう一つ、燃え尽き軽減の期待56%に対して実感29%という数字は示唆的です。AIが1件あたりの読影を助けても、確認作業や責任の重さが減らなければ、負荷の総量は思ったほど下がらない。「AIで楽になるはず」という期待が、AI出力の妥当性を検証する新しい仕事に置き換わっただけ、という可能性を示しています。

💼 事業会社視点：これは自社にどう効くか

この調査は、医療の話としてよりも**「AI導入の期待値管理」の実データ**として読むべきです。承認済み・半数が導入済みという成熟した領域でさえ、効果の実感は期待の半分前後にとどまりました。日本企業がPoCの稟議で掲げる「工数30%削減」「品質向上」という数字が、実運用でどの程度目減りするかの参考値になります。

受託開発・SIerにとっては営業設計の問題です。顧客が期待するのは「判断の自動化」ですが、現場が受け入れるのは「セカンドオピニオン」でした。最終判断を人が持つ前提で、確認コストまで含めたROIを提示できる事業者が信頼を得ます。SaaS事業者も同様で、AI機能の訴求を「置き換え」から「検証負荷を含めた総所要時間の短縮」に組み替えるべきです。ECのCS自動応答や与信判断でも、人による確認工程が残る限り削減幅は目減りします。

経営者が今動くべきは3点。第一に、導入前の期待値を「実感ベースで半減する前提」で稟議に書き込むこと。第二に、障壁がコストと組織的サポートだった事実を踏まえ、ツール予算と同額規模の運用・教育予算を最初から確保すること。第三に、AIの出力を検証する新しい業務が生まれることを想定し、その担い手と評価基準を設計すること。ここを詰めずに導入すると、燃え尽き軽減29%と同じ結果を再現します。