GMP領域で生成AIを導入するには？PoCから本運用までの進め方とチェックリスト

はじめに

「GMP業務に生成AIを導入したい。しかし、何から始めればいいのかわからない」

製薬企業では、SOPや逸脱、CAPA、試験記録、設備記録など、AI活用と相性のよい情報が大量に蓄積されています。一方で、GMP領域では「とりあえず生成AIを試してみる」だけでは本運用につながりません。特に重要なのが、PoC（概念実証）とGMP対応した本運用を分けて考えながら、最初から出口を設計することです。

本記事では、GMP領域におけるAI導入を「ユースケース選定 → PoC → 評価 → 本運用 → 継続監視」という流れで整理し、製薬企業のQA、QC、製造、DX推進部門が実際に使えるチェックリストまで紹介します。

GMP領域で生成AIを導入するとき、最初に決めるべきこと

GMP領域でのAI導入で最初に「どの生成AIを使うか」を決めるのはおすすめできません。

先に決めるべきなのは、AIに何をさせるのかです。

例えば、

• ☐ 「逸脱報告を要約する」
• ☐ 「過去の類似逸脱を検索する」
• ☐ 「SOP改訂案を作成する」
• ☐ 「試験結果の傾向を分析する」
• ☐ 「製品の合否を判定する」

このような活用領域は、GMP上のリスクが大きく異なります。重要なのは、AIが出した結果が、

1. 人間の参考情報にとどまるのか
2. 人間のGMP判断を補助するのか
3. GMP上の判断を自動化するのか

を明確にすることです。

特に患者への安全性、製品品質、データインテグリティへ直接影響する用途では、要求される管理水準が大きくなります。

FDAとEMAが2026年1月に公表した「Guiding Principles of Good AI Practice in Drug Development」でも、AIについて「リスクベース」「明確な利用目的・利用範囲（Context of Use）」「データガバナンス」「性能評価」「ライフサイクル管理」などが基本原則として示されています。

つまり、GMP領域におけるAI導入の出発点は「AIを導入すること」ではなく、AIを使う業務の利用目的・利用範囲を定義することです。

最初のPoCは「低リスク・高頻度業務」から始める

GMP領域に AI導入するPoCでは、いきなり重要な品質判断を自動化するよりも、まずは人間の業務を支援する用途から始める方法が現実的です。例えば、以下の表のように各業務に対するAIに期待する役割と人の主な確認ポイントをわけることができます。

ここで大切なのは、PoCの成功条件を「AIがすごい回答をすること」にしないことです。例えば逸脱検索なら、「業務判断に直結する完全な回答か」という最終の目的ではなく、

• ☐ 「過去50件の類似事例のうち何件を正しく拾えたか」
• ☐ 「重要な事例を取りこぼしていないか」
• ☐ 「引用元を確認できるか」
• ☐ 「従来何分かかっていた作業が何分になったか」

といった細かなステップに分けた指標を設定します。AIの性能は「なんとなく便利」ではなく、現在の業務プロセスとの比較で評価することが重要です。PIC/S・EMAのAnnex 22ドラフトでも、AIモデルの性能について、用途に応じたテスト指標と受入基準を事前に設定し、置き換えるプロセスより性能を低下させないことが示されています。

PoCの段階から「本運用で何を管理するか」を考える

PoCでありがちな失敗が、以下のようなところで終了してしまうことです。

• ☐ 「精度90％だった」
• ☐ 「作業時間が50％削減できた」
• ☐ 「現場の評判がよかった」

しかし、本運用に必要なのは性能だけではありません。例えば生成AIをSOP検索に使う場合でも、以下の点を考える必要があります。

• ☐ 「どのモデルを使ったのか」
• ☐ 「どの文書を参照したのか」
• ☐ 「いつの文書を使ったのか」
• ☐ 「AIが生成した内容を誰が確認したのか」
• ☐ 「モデルが更新されたときどうするのか」

そのため、PoCの設計段階で最低限、

ユースケース、入力データ、AIモデル、出力、利用者、最終判断者、記録方法、異常時の対応

を整理しておきます。この設計をしておけば、PoCから本運用への移行が「別プロジェクト」になりにくくなります。

生成AIでは「人間が確認する仕組み」が重要

2025年に公表されたPIC/S・EMAのAnnex 22ドラフトは、静的・決定論的なAI/MLモデルを対象としており、生成AIやLLMは対象外とされています。

また、ドラフトでは、生成AIやLLMを重要なGMP用途に使うべきではないとし、非重要用途で使用する場合は、適切な教育を受けた担当者が出力の適切性を確認するHuman-in-the-Loopを求める考え方が示されています。ただし、これは現時点のドラフトです。

2026年6月30日〜7月1日の2日間にわたり開催されたEMAワークショップでは、生成AIやLLMを製造分野で利用可能にするための管理策についても議論されました。つまり、規制当局側も「生成AIは一律に使えない」という方向ではなく、どのような管理を組み合わせれば利用できるかを検討している段階です。この状況を踏まえると、現時点では、

「AIに最終判断をさせるのではなく、AIを『判断支援』に置き、最終責任を人間に残す」

という設計が重要になります。ただし、Human-in-the-Loopと書けば十分というわけではありません。

• ☐ 「誰が」
• ☐ 「何を確認し」
• ☐ 「どの基準で承認し」
• ☐ 「確認結果をどこに記録するか」

までを手順化する必要があります。

本運用で最も重要なのは「変更管理」と「継続監視」

PoCと本運用の最大の違いは、AIが動き続けることです。AIは一度テストして終わりではありません。クラウドサービスならモデルが変更される可能性があります。RAGなら参照文書が更新され、入力データの傾向が変化することもあります。そのため、本運用では、

• ☐ モデル変更
• ☐ プロンプト変更
• ☐ 参照データ変更
• ☐ 検索ロジック変更
• ☐ システム変更
• ☐ 利用範囲変更

などを変更管理の対象として考えます。Annex 22ドラフトでも、モデル、実装システム、対象プロセスの変更を変更管理下に置き、再テストの必要性を評価すること、さらにモデル性能や入力データの変化を継続的に監視することが示されています。特に生成AIでは、「AIの回答が少しおかしい」こと自体よりも、その異常を発見できる仕組みがないことのほうが問題になります。

例えば、

• ☐ 「回答に根拠文書が付いているか」
• ☐ 「信頼度の低い回答を人の確認へ回せるか」
• ☐ 「特定カテゴリの誤回答率が上昇していないか」
• ☐ 「利用者からの修正・却下率が増えていないか」

といった監視指標を設定します。

GMP AI導入チェックリスト

最後に、PoCから本運用までを確認できる簡易チェックリストをまとめます。

企画（4項目）

• ☐ 解決したいGMP業務上の課題が明確か
• ☐ AIの利用目的・範囲を定義したか
• ☐ 患者への安全性・製品品質・DIへの影響を評価したか
• ☐ Human-in-the-Loopの責任者を決めたか

PoC（6項目）

• ☐ 成功指標を事前に設定したか
• ☐ 現行業務との比較基準があるか
• ☐ 代表性のあるデータを準備したか
• ☐ 独立した評価用データを確保したか
• ☐ 正常系・異常系・境界条件を評価したか
• ☐ AIの出力根拠を確認できるか

本運用（6項目）

• ☐ 利用者教育を実施したか
• ☐ AI出力のレビュー手順を整備したか
• ☐ 変更管理のルールを設定したか
• ☐ 性能・データドリフトを監視できるか
• ☐ AI停止時の代替手順があるか
• ☐ 定期的な再評価の基準を決めたか

まとめ：GMP領域におけるAI導入は「AI選定」ではなく「業務設計」から始める

GMP領域でAIを導入する場合、最初から重要な品質判断にAIを組み込む必要はありません。どの業務で、どこまでをAIに任せ、どこから人間が判断するのかを設計することです。そのうえで、

1. ユースケースと利用目的・利用範囲を定義する
2. リスクに応じて対象業務を分類する
3. 現行業務を基準にPoCを評価する
4. GMPの考え方に沿ってシステムとプロセスを評価する
5. 変更管理・性能監視まで含めて本運用を設計する

という流れにすると、PoC止まりを避けやすくなります。

特にこれからのGMP領域へのAI導入では、「AIを導入できるか」ではなく、「AIを継続的に管理しながら、GMP上の責任を説明できるか」が重要になります。

2026年は、PIC/S・EMAのAnnex 22をはじめ、GMPにおけるAIの考え方が具体化している時期です。今のうちに自社のAI利用を棚卸して、ユースケース、リスク分類、評価指標、Human-in-the-Loop、変更管理までを一つの仕組みとして設計しておくことが、将来の本格導入に向けた土台になります。

課題発見から内製化まで一貫してサポート

ここまで解説してきたGMP領域における生成AIの導入と本運用に向けた設計を力強くサポートするのが、私たち株式会社EQUESです。

・東京大学松尾研究室出身のAIの専門家のメンバーを中心に設立

・ISO/IEC 27001:2022認証取得：国際的な基準で安心のセキュリティ体制

私たちは単に技術を提供するだけでなく、お客様の隣で一緒に走り続ける「伴走型技術開発」を最も大切にしています。

弊社の強みは、戦略立案から開発、そして最終的な内製化まで、AIプロジェクトの全フェーズを一気通貫でご支援できる点にあります。

・AI×DX寺子屋：

「社内に専門家がいない」というお悩みに応えるサービスです。月額20万円から、東大出身のAI専門家集団にチャットでいつでも相談し放題。ベンダー選定のセカンドオピニオンとしてもご活用いただけます。

・ココロミ（PoCサービス）：

「まずは小さく試したい」というニーズに応え、月々250万円から本格的なPoC（概念実証）を実施。リスクを抑えながらAI導入の第一歩を踏み出せます。

・製薬SaaS QAI Generator：

特に弊社の強みである製薬分野では、品質保証（GMP）の文書作成業務を効率化するSaaSも提供。GENIACにも採択されるなど、高い評価をいただいています。

AI導入のパートナー選びで迷われているなら、ぜひ一度、私たちEQUESにご相談ください。お客様の課題に真摯に寄り添い、最適な解決策をご提案します。