看護がなぜ露出度の低い側にあるのか
タスク露出研究は看護について同じ結論に達し続けています。この職務の中核タスクの大半は身体的で対人的、そして変化する現場の中にあります。まさに現在のAIができないことです。O*NETの看護師のタスク一覧は、患者のアセスメント、処置の実施、機器の操作、ケアの調整、緊急対応が中心です。言語モデルはその仕事についての記録の下書きを書けるだけで、その仕事自体はできません。
露出している部分は実在しますが狭い。記録、引き継ぎの要約、スケジュール管理、一次モニタリング通知です。看護師の時間は希少で、記録業務が勤務の大きな割合を占めることで有名なだけに、この狭い部分も重要です。ただし置き換えではなく、負担の軽減としてです。
新しいリスクは自動化ではなく自動化バイアス
意思決定支援がアセスメントの下書きを書き、悪化する患者にフラグを立てても、臨床上の義務はソフトウェアには移りません。新たに必要になるのは調整された信頼です。各ツールの失敗パターンを知り、どの通知がノイズである可能性が高いか、生成された要約がたった1つの異常値を落としていないかを知り、機械の言葉を繰り返す代わりに自分の観察を記録することです。
エスカレーションの価値も減るどころか増します。ツールが何を言い、自分が何を観察し、両者がなぜ食い違い、それで何をしたかを明確に述べられる看護師は、規制当局と裁判所がこれからも免許を持つ人間に置き続ける責任を、まさに実践しているのです。
現実的な90日プラン
最初の1か月は、AI一般論ではなく、自分の病棟が実際に使っているツールを学びます。ツールごとに、何を取り込み、何を出力するか、記録された失敗例を1つ整理しましょう。インシデントで切迫する前に、今質問しておくのです。
2か月目は、記録業務のワークフローを1つ選び、自分なりの検証ルールとともに支援ツールを使います。自分で確認していない数値を含む記録には署名しない、というルールです。3か月目は、ツールが役立った、あるいは誤らせた点を1つ、病棟の実務会議や安全ミーティングに持ち込みます。ケアプロセスのAIについて具体的に語れる看護師が、システム選定で意見を求められる存在になります。
