ハルシネーションがある以上、品証でAIを使うのは危険ではないですか？

全件をAIに任せる設計にしなければ危険は制御できます。自信度判定でAIに怪しい箇所を申告させ、人間が「自信度・低」の箇所を深く見る役割分担にすれば、AIの間違いは人間のチェック網の中で捕捉されます。最終判断者はあくまで人間です。

AIを入れると監査対応の負担が増えませんか？

私の経験では逆です。「なぜAIがそう判断したか」を追えるログ設計をきちんとやると、出せる記録が増えるため、監査トレースはむしろ強化されます。IATF 16949やGMPの世界で品証をやってきた方ほど感覚的に分かってもらえる部分です。

品証文化とAIは、そもそも相性が悪いのでは？

「自信を申告する」「記録を残す」という設計思想は、品証にもともとある作法とほぼ重なります。実際、品証文化が長い方ほど自信度判定への食いつきがいい、というのが現場での実感です。

小さく試すなら、何から始めればいいですか？

品証文書1冊と30分あれば始められます。規格書・手順書・出荷判定記録のどれか1冊を題材に、規格適合チェックの指示へ「判定結果と一緒に自信度を高/中/低で出せ」と一行足すだけです。失敗しても1冊分の時間しか失いません。

品質保証にAIを使ってはいけないのか？──いちばん警戒していた品証部門が、いちばん助かる理由

品証部門のAI活用支援に入ると、ほぼ最初に同じ言葉が返ってきます。「品証だけはAIを使うべきじゃないですよ。何かあったら誰が責任取るんですか」。私の体感では、ほぼ100%です。

正直に言うと、独立前の私自身も「品証はAIに触らせないほうがいい領域」だと思い込んでいた時期があります。

何がその思い込みをひっくり返したのか。そして、なぜ警戒している部門こそ今いちばんAIの恩恵が大きいのか。順にお話しします。

Q01品質保証（品証）部門で、AIを使ってもいいのですか？

使えます。品証は「AIを使うべきでない領域」ではなく、設計をきちんとやれば最も精度が出る領域です。品証は規格書・手順書・帳票と、判断材料がドキュメントで揃っている部門。生成AIがいちばん効く土俵が、構造的に品証だからです。

営業の判断材料には「お客様の表情」のような非構造化情報が混じります。品証は紙とPDFと帳票で完結する。だから、警戒される側こそ構造的にいちばん恩恵が大きいのです。

ただし「発想の転換」と「設計」の両方が要ります。この記事では、私が品証部門の支援で必ず使っている目的の置き方と、必ず入れる3つの設計を書きます。

Q02なぜ品証部門は、AI導入をここまで警戒するのですか？

品証文化と規制要件の構造から出てくる、ごく真っ当な反応です。ミスを見逃さない・記録を残す・規格に合わせるという「守る」が正解の世界に、ハルシネーションする生成AIという得体の知れないものが来たら、警戒するほうが職業倫理として正しいのです。

データも警戒に追い風です。PwCの生成AI実態調査2025春では、日本企業の推進度56%に対して「期待を上回る」と答えた企業は米英の4分の1にとどまり、懸念のトップには「品質のばらつき」が入ってきます。

ただ、警戒部門が取り残されたまま全社のAI推進が進むと、半年で部門間の景色がじわじわズレていきます。これも現場で繰り返し見てきた事実です。

Q03品証でAIを使うとき、目的はどう置けばいいですか？

「AIで楽する」ではなく「AIで品質を上げる」に置きます。楽になるのは結果であって、目的ではありません。「楽する」を目的にすると品証文化と衝突して入らず、「品質を上げる」を目的にすると品証文化と同じ向きになるので入ります。

品証の方が必ず引っかかるのが「AIで楽する」という言葉です。「品証は楽しちゃいけない」と返ってくる。完全にその通りです。だから私はこう言い直します。「楽するためじゃなくて、品質を上げるためにAIを使う んです。楽になるのは結果であって、目的じゃない」。

同じツールでも、目的の置き方ひとつで景色が180度変わります。ここが、品証文化とAIを噛み合わせる最初の一歩です。

Q04なぜ今になって、品証でもAIが現実的になったのですか？

AIに一度に渡せる情報量（コンテキストウィンドウ）が一気に拡大したからです。2026年時点で主要モデルは100万トークン規模になり、規格書まるごと・手順書まるごと・過去のロット記録まるごとを渡してレビューさせることが現実的になりました。

3年前なら、発想転換だけでは足りませんでした。規格書・手順書・過去のCAPA記録をまるっとAIに読ませること自体が、技術的に無理だったからです。ここ1〜2年の変化で、その前提が変わりました。

判断材料がドキュメントで揃っている品証部門の構造的な強さが、この技術変化でようやく活きるようになった、という順番です。

Q05品証のAI設計には、具体的に何を入れればいいですか？

3つです。①自信度判定：判定結果と一緒に自信度を高・中・低で申告させ、人間は「低」だけを深く見る。②観点分割：規格適合性・過去ロットとの整合性・文書間の矛盾を1回でまとめてやらせず、1プロンプトに観点1つだけ。③監査トレース可能なログ：なぜそう判断したかを後から人間が追える形で残す。

いちばん効くのが自信度判定です。「判定結果と一緒に、自信度を高/中/低で出せ」と指示するだけで、AIが自分で「ここは自信あり」「ここは怪しい」と仕分けてくれます。全件目視から、AIが網を張って人間が重点に集中する品証へ、役割分担が変わります。AIが100点を取ることではなく、AIが自分の自信のなさを正直に申告してくれること が、品証では効くのです。

観点分割が効く理由は、「考えること」と「整えること」を同時にやらせると判断精度が落ちるという生成AIの基本原則です。私はプロンプト設計書の最初に「観点を1プロンプトに1つだけ」と書くことにしています。これだけで現場のレビュー精度がブレなくなります。

ログ設計は、品証文化のド真ん中にハマります。誰がいつ何を判定したかを残し、監査で問われたら出す──品証がずっとやってきたことと同じだからです。しかもログは、精度が出なかった原因の特定と、AIの精度向上の燃料として二重に効きます。

不適合報告書を貼って「ISO 9001の要求項目に沿って抜けがないか」とチェックさせる
過去のCAPA記録を読ませて「今回の不適合と類似した過去事例を3件」出させる
監査の前日に対象ドキュメントをまとめて投げて「監査人がツッコミそうな矛盾を5つ」出させる

Q06「何かあったら誰が責任を取るのか」問題は、どう解決しますか？

設計書の一行目に「責任者は人間」と明文化します。AIは判断補助、最終判断者は人間。これを運用の前提として最初に決めれば、品証部長クラスがいちばん心配する責任問題は設計で解けます。

気をつけたいのは、「責任者は人間」を決めることと、人間が全件チェックすることは違う、という点です。AIには「何が怪しいかの仕分け」をしてもらい、人間は仕分けされた結果に責任を持って判断する。役割がきれいに分かれます。

ここまで設計しておけば、警戒していた部門こそ、いちばん恩恵を受ける側に回ります。判断材料がドキュメントで揃っている部門の構造的な強さが、最後に効いてくるのです。

よくある質問（FAQ）

Q. ハルシネーションがある以上、品証でAIを使うのは危険ではないですか？: A. 全件をAIに任せる設計にしなければ危険は制御できます。自信度判定でAIに怪しい箇所を申告させ、人間が「自信度・低」の箇所を深く見る役割分担にすれば、AIの間違いは人間のチェック網の中で捕捉されます。最終判断者はあくまで人間です。
Q. AIを入れると監査対応の負担が増えませんか？: A. 私の経験では逆です。「なぜAIがそう判断したか」を追えるログ設計をきちんとやると、出せる記録が増えるため、監査トレースはむしろ強化されます。IATF 16949やGMPの世界で品証をやってきた方ほど感覚的に分かってもらえる部分です。
Q. 品証文化とAIは、そもそも相性が悪いのでは？: A. 「自信を申告する」「記録を残す」という設計思想は、品証にもともとある作法とほぼ重なります。実際、品証文化が長い方ほど自信度判定への食いつきがいい、というのが現場での実感です。
Q. 小さく試すなら、何から始めればいいですか？: A. 品証文書1冊と30分あれば始められます。規格書・手順書・出荷判定記録のどれか1冊を題材に、規格適合チェックの指示へ「判定結果と一緒に自信度を高/中/低で出せ」と一行足すだけです。失敗しても1冊分の時間しか失いません。

AUTHOR

黛政隆（まゆずみまさたか）

株式会社GembaShift 代表取締役CEO

エンジニア歴20年、PM経験50件超。生成AIの導入を、現場に入って一緒に組む仕事をしています。この記事の内容は、著者自身が実際に手を動かして業務で検証した実体験に基づいています。