薬局AI導入のコスト抑制と待ち時間の解決策

Podcast番組「いつまじラジオ」にて、エンジニアの上原とJが薬局向けAI導入の進捗を語った。実証実験では、リアルタイムのAI生成に要する1分以上の待ち時間が業務の妨げになるという課題が浮き彫りになった。

現場の課題を救うバッチ処理の導入

課題解決のため、定期的に来局する慢性疾患の患者を対象とした「バッチ処理」へ舵を切った。次回来局を予測して事前にAIが留意事項を作成しておくことで待ち時間を解消。さらに、API利用料を従来の半額に抑えられるメリットもある。

新たなフレックスモデルと料金体系

生成に1分から15分の幅を持たせる代わりに、料金をバッチ同様に抑える「フレックス」モデルも採用。これにより、複雑な「トークン」単位ではなく、ユーザーに対し「1回いくら」という明確な金額設定が可能になった。Jはコスト面への懸念を述べつつも、学生インターンの教育効果など現場での新たな手応えにも言及した。

サポートコスト削減に向けたMac導入案

終盤には、Jから「全薬局の端末をMacにする方がサポートコストを抑えられる」という大胆な提案が飛び出した。Windows特有の不具合対応を減らすための戦略に、上原も検討を約束。専門性の高い現場での技術活用は、5ヶ月を経て着実に前進している。