ENTRY

◀︎ AI NEWS TOPへ

英国のケア品質委員会、公的な調査に出す文書を、職員が付けた「関係あり・なし」から学ぶ機械学習で並べ替え、関係がありそうな順に読む仕組みを試している

2026.11.15
英国のケア品質委員会、公的な調査に出す文書を、職員が付けた「関係あり・なし」から学ぶ機械学習で並べ替え、関係がありそうな順に読む仕組みを試している

英国の医療と介護の監督機関、ケア品質委員会(Care Quality Commission)は、公的な調査に出す文書を機械学習で並べ替える仕組みを試しています。職員が文書に付けた「関係あり・なし」からモデルが学び、まだ読んでいない文書を、関係がありそうな順に並べます。ただ、出典は委員会が出した政府のアルゴリズムの記録だけです。時間がどれだけ減ったかや、関係のある文書をどれだけ見つけられたかの数字は、1つも書かれていません。性能は製品の会社のページへのリンクだけです。段階は試しの運用で、記録は2026年3月の公開です。

この事例で分からないこと

  • 出典は委員会が出した政府のアルゴリズムの記録だけで、外の組織による確かめは見つかっていません
  • 時間がどれだけ減ったか、関係のある文書をどれだけ見つけられたかの数字はありません
  • モデルの性能は、製品の会社の説明のページへのリンクだけです
  • 段階は試しの運用で、結果を役立てる人数は「最大20人余り」とあるだけです
  • 記録は2026年3月の公開です

何が起きたか

英国では、大きな事故や問題が起きると、大臣が公的な調査を開くことがあります。調査は委員会のような機関に文書の提出や証言を求めます。

委員会の調査の係は、求められると、まず関係のありそうな文書を広く集めます。前はその文書を順番もなく手で読んでいました。関係のない文書を読むのに、多くの時間を使っていたと記録は書いています。

AIの使い方

使っているのは、文書の見直しの道具「Relativity」の「アクティブ・ラーニング」という機能です。委員会は KLディスカバリー(KL Discovery)という会社からこの道具を入れました。

まず、職員が一部の文書を読み、「関係あり」か「関係なし」かの印を付けます。モデルはその印から学び、まだ読んでいない文書に、関係のありそうな度合いを付けます。職員は度合いの高い文書から読み、印を付けるたびに、モデルが学び直して順番を変えます。

モデルはサポートベクターマシンです。文書を「関係あり」と「関係なし」の2つに分けるための線を、例から学ぶしくみです。文書の中身を要約したり、中身を決めたりする仕組みではありません。

人のかかわり方

どの文書を読み、どれを調査に出すかは、職員だけが決めます。モデルが決めるのは、次に読む順番の見立てまでです。

委員会は、大事な文書にモデルがまちがった印を付けるおそれがあると書いています。そのため、機械の見立てのあとに、人が見直す点検の段を入れています。文書には患者の情報が入ることがあり、見られる人は承認と2段階の確かめで絞っています。

公表された数字

📊 項目 数字
結果を役立てる人数の見込み 最大20人余り
見直しの時間の変化 —
関係のある文書を見つけた割合 —
費用の変化 —

凡例:—=出典に記載なし
出典:政府のアルゴリズムの記録(2026年3月30日)。

公表された説明と、確かめられていないこと

📢 公表されている説明 ⚠️ 確認できていない点
文書を見直す時間が減る 減った時間
関係のある文書を早く見つけられる 見つけた割合と、見落とした文書の数
手の費用が下がり、締め切りを守りやすい 費用や締め切りの変化
製品の会社が毎年、性能を確かめている 委員会の文書での性能
今の調査と今後の調査への対応すべてで使う見込み 試しの運用から本番に移ったか、実際に使った人数

凡例:📢=当事者(ケア品質委員会)が公表している説明 ⚠️=出典に書かれておらず、こちらで確認できていない点
出典:政府のアルゴリズムの記録(2026年3月30日)。外の組織による確かめは検索で見つかりませんでした。

誰に関係するか

会社の社内調査の係に応用できそうです。集めたメールや書類のうち、まず一部に人が「関係あり・なし」を付けます。残りを関係のありそうな順に並べてもらい、上から読む形です。

役所の情報公開の係や、保険の不正の調べにも使えそうです。出すかどうかは人が決め、機械の見立てのあとに人が見る段を残しておきます。

まとめ

委員会はこの道具を、今の調査と今後の調査への対応すべてで使う見込みだとしています。

参考文献

最新の記事も併せてチェック

Tags

タグ一覧へ ▶︎

Kamone
著者 Kamone

30歳で学者志望からITエンジニアに転身。通信・金融業界におけるインフラ領域を中心に、オンプレミスからクラウドまで幅広く経験。AWS学習コミュニティでは公認メンターとして教材制作や講師を務める。現在はリツアンSTCにて事業推進に携わり、AI活用とエンジニア支援の高度化に取り組んでいる。

Kamone
著者 Kamone

株式会社リツアンSTC社員。

1984年 東京都中野区生まれ。

大学中退後、工場や警備員などを経て、何もスキルが身についていないことに危機感を覚える。
2014年 何か手に職をつけなければと思い、電子専門学校からエンジニアになった弟を見て「コイツにできるなら俺もできる」と安易な考えで未経験からIT業界に飛び込む。
そこは「まともな案件に入れなければ営業としてこき使われるか中国に送られるらしい」と恐ろしい噂が飛び交う会社だった。
「とんでもないところに来てしまった…」と戦慄するも、運よく大手新聞社系のインフラチームから声がかかり、エンジニアとしてのスタートを切る。

その後、SESを転々としながら通信・金融業界のオンプレ・クラウド案件を中心にインフラエンジニアとして経験を積む。

2021年 AWS学習サービス「Cloudtech」に参加し、公認メンターとして書籍出版プロジェクトや教材制作・講師などのコミュニティ・サービス運営に関わる。

2023年 ゆとりーマンのYoutube動画で新興SESの闇とリツアンの存在を知り、転職。(当時所属していたSES企業が動画で紹介されていた特徴に当てはまっていて愕然)
その後、CloudTechとリツアンの橋渡し役を担い、合同プロジェクト「テラコヤテック」の運営に関わる。
2025年 リツアンの「エンジニアに一円でも高い報酬を」「会社は社員に使われるためにある」「出入り自由」といったスタンスに共鳴。エンジニアから転向し、リツアンの事業推進に参画。
現在に至る。

他人の文体を真似たり、他人が書いた文章を手直しするのが得意、という若干嫌な気持ちにさせる特技を持つ。
AI活用を鋭意研究中。
(リツアンいいとこ一度はおいで。)

今すぐわかる。報酬シミュレーション