調剤薬局の在庫管理・服薬フォローをAIで効率化する方法

調剤薬局では、処方箋の受付から調剤・服薬指導・在庫管理・レセプト請求まで、正確さとスピードの両立が求められます。薬剤師の業務負担は年々増加しており、AIを活用した業務効率化が注目されています。

先に、要点をまとめます。

• 調剤薬局の管理・記録業務は「不動在庫の増加」「服薬フォロー義務化への対応」「薬歴記入の負担」の3つが中心的な課題
• AIによる需要予測・自動発注提案・服薬フォロー抽出・薬歴ドラフト生成で、対人業務以外の時間を大きく圧縮できる
• 導入は現状ヒアリングから運用定着まで概ね2〜4か月が目安。既製の在庫管理ソフトだけでは服薬フォローや薬歴入力までカバーしきれないケースが多い

本記事では、調剤薬局が抱える業務課題とAIによる解決策、費用感や導入の進め方、そして私たちがこの業種のシステムを設計するとしたらどう組み立てるかを解説します。

調剤薬局の業務課題は何が中心か

不動在庫の増加・服薬フォロー義務化への対応・薬歴記入の負担の3つが、現場の時間を最も圧迫しています。

調剤薬局の現場では、調剤業務に加えて管理・記録業務の負担が年々増加しています。特に以下の3つの課題が深刻です。

• 不動在庫の増加: 処方傾向の変化や季節変動により、使われない医薬品が棚に滞留。廃棄ロスが経営を圧迫する
• 服薬フォロー義務化への対応: 2020年の薬機法改正により服薬フォローが義務化されたが、対象患者の抽出やフォローの実施・記録に手間がかかる
• 薬歴記入の負担: 調剤のたびに薬歴を記入する必要があり、1件あたり数分かかる。閉局後に残って記入するケースも多い

薬剤師が本来注力すべき「患者への服薬指導」の時間が、在庫管理や記録業務に圧迫されている現状があります。 特に不動在庫は、発注担当者の経験と勘に依存しがちで、担当が変わると精度が落ちる、あるいは「念のため多めに発注する」判断が積み重なって在庫が膨らむ、という悪循環に陥りやすい領域です。

AIで何が変わるのか

AIツールを活用することで、調剤薬局の管理・記録業務を効率化し、薬剤師が対人業務に集中できる環境を作れます。

AI在庫管理・発注提案

在庫管理は、AIによる需要予測と自動発注提案で大幅に効率化できます。

• 過去の処方データ・季節変動・近隣医療機関の処方傾向をAIが分析し、適正在庫量を算出
• 発注タイミングと数量をAIが提案。薬剤師は確認・承認するだけで発注が完了
• 不動在庫の早期検知とアラート機能で、廃棄ロスを削減
• 有効期限の管理もAIが自動で行い、期限切れ前にアラートを通知
• 複数店舗間での在庫融通もAIが提案

AIによる需要予測と発注提案で、不動在庫・廃棄ロスを削減しながら、欠品リスクも低減できます。

服薬フォロー自動抽出

義務化された服薬フォローを効率的に実施するための機能です。

• ハイリスク薬・副作用リスクの高い処方をAIが自動で抽出し、フォロー対象リストを生成
• フォロー時期を自動スケジューリングし、リマインド通知を送信
• 電話・SMS・LINEなど複数チャネルでのフォローに対応
• フォロー結果の記録テンプレートを自動生成し、入力の手間を削減
• 未実施のフォローをダッシュボードで一覧管理

AIがフォロー対象患者を自動で抽出・リスト化するため、「誰にいつフォローすべきか」を薬剤師が手作業で判断する必要がなくなります。

AI薬歴ドラフト

薬歴記入の負担を軽減するAIドラフト機能です。

• 処方内容、患者の基本情報、過去の薬歴をもとに、SOAP形式の薬歴ドラフトをAIが自動生成
• 服薬指導時の会話メモ（キーワード入力）を反映した個別性のある薬歴を作成
• 薬剤師は内容を確認・修正するだけで記入が完了
• 相互作用チェックや副作用情報もAIが自動で付記
• 監査対応に必要な記録項目の漏れをAIが検知

薬歴をゼロから書く負担がなくなり、薬剤師は内容の精査と患者対応に集中できるようになります。

その他の活用場面

• 処方箋の読み取り・入力補助

処方箋受付・調剤を起点に、中央のAIデータ基盤からAI在庫管理・発注提案、服薬フォロー自動抽出、AI薬歴ドラフトの3機能が連携し、薬剤師が服薬指導に集中できる流れを示したアーキテクチャ図。

• 患者向けの薬の飲み合わせ説明文の自動生成
• 管理薬剤師向けの各種レポート自動作成
• 相互作用・保険制度に関する社内問い合わせへのAI即答（薬剤ナレッジbot）

既製の在庫管理ソフトとAI業務システムは何が違うのか

既製の在庫管理ソフトは在庫の可視化までが守備範囲で、服薬フォローや薬歴、複数店舗の融通提案まではカバーしないことが多いです。

調剤薬局向けのシステムには、大きく分けて「単機能の在庫管理ソフト」「レセコン付帯の簡易機能」「業務全体をカバーするAI業務システム」の3タイプがあります。どれを選ぶかで、解決できる課題の範囲が変わります。

単機能の在庫管理ソフトは導入コストが低く手を出しやすい反面、服薬フォローの対象抽出や薬歴ドラフトとは連携しないため、「在庫は見えるようになったが、記録業務の負担は変わらなかった」という声も少なくありません。逆に業務全体をカバーする基盤は初期費用が大きくなる分、複数の課題を1つのデータ基盤で解決できます。自店舗の課題がどこにあるか（在庫だけか、記録業務全体か）の整理から始めるのが合理的です。

導入の流れと費用感

AIツール導入は、現状把握から段階的に進めるのが成功のポイントです。 以下の3ステップで進めます。

1. 現状ヒアリング・課題整理（1〜2週間）

現在の業務フローを確認し、どの業務に最も時間がかかっているか、どこでミスが発生しやすいかを洗い出します。現場スタッフの声もヒアリングし、AI化の優先順位を決定します。

2. システム導入・初期設定（2〜4週間）

業務に合わせたシステムの初期設定、既存データの移行、各種テンプレートの登録を行います。既存の業務システムとの連携が必要な場合は、この段階で設定します。

3. 運用開始・定着支援（1〜3か月）

まずは一部の業務から運用を開始し、使い勝手を確認したうえで段階的に範囲を広げます。スタッフ向けの操作研修も実施し、1年間の運用サポートで定着を図ります。

ヒアリングから運用開始まで、概ね2〜4か月が目安です。 一度にすべてを変えようとせず、効果を実感しやすい業務から始めることで、現場の抵抗感を減らしスムーズに定着させることができます。

費用感については、単機能ツールを組み合わせる場合は月額の小さな支出が積み重なる一方、業務全体をカバーする基盤を最初から作る場合は初期投資がまとまった金額になります。どちらが適しているかは、店舗数・薬剤師数・現在の課題の広さによって変わるため、見積もり段階で複数パターンを比較検討するのが望ましいところです。

導入でつまずきやすい失敗パターンと回避策

AI化を進める際、以下のようなつまずきが起こりがちです。あらかじめ知っておくことで回避しやすくなります。

• 失敗例1: 発注提案をそのまま自動発注にしてしまう → AIの提案精度が安定するまでは、薬剤師の確認・承認を挟むステップを残す。初期は「提案→承認」のワンクッションを設けておくと安心です
• 失敗例2: 服薬フォローの通知チャネルを患者の希望と合わせずに導入 → 電話しか使わない高齢患者にLINE通知だけを送っても届かない。患者ごとの希望チャネルを登録できる設計にする
• 失敗例3: 薬歴ドラフトの内容を確認せず登録してしまう → AIドラフトはあくまで下書き。相互作用チェックや監査対応項目の最終確認は薬剤師が行う運用ルールを明文化しておく
• 失敗例4: 複数店舗展開で店舗ごとにバラバラなツールを導入 → 店舗間の在庫融通提案や法人全体のレポートが機能しなくなる。導入時点で複数店舗を見据えたデータ基盤を選ぶ

私たちなら調剤薬局のAI業務基盤をこう設計する

一般的な在庫管理ツールや服薬フォロー支援サービスは、単機能ごとに別々のシステムとして提供されることが多く、店舗運営の実態に合わせて組み合わせると、データがバラバラに散らばりがちです。私たちがこの業種のシステムを受託するとしたら、次のように設計します。

データ設計: 処方箋データ・在庫台帳・服薬フォロー記録・薬歴（SOAP形式）を1つの基盤に集約し、患者IDと処方箋番号をキーにして紐づけます。医薬品マスタには使用期限・ロット・仕入先を持たせ、在庫台帳と発注履歴が同じマスタを参照する構造にすることで、「発注はしたが在庫台帳に反映されていない」といったズレを防ぎます。

情報の流れ: 受付スタッフが処方箋を読み取ると、その場で在庫が引き当てられ、薬剤師の調剤画面に必要数量が表示されます。服薬指導後、薬剤師がキーワードでメモを入力すると、AI薬歴ドラフトに反映されます。管理薬剤師は日次・月次のダッシュボードで在庫アラート・フォロー未実施件数・調剤件数の推移をまとめて確認できるようにします。

AIの回答設計: 社内の薬剤ナレッジbotは、薬剤情報・相互作用・保険制度の一次情報（添付文書・社内マニュアル・過去の疑義照会記録）を根拠データとして参照します。例えば薬剤師が「この薬とワルファリンの飲み合わせは？」と入力すると、該当薬剤の添付文書の相互作用欄と、過去の疑義照会記録に同様のケースがあればそれを根拠として提示したうえで、「併用注意。〇〇の添付文書△△項に記載あり」という形式で回答します。根拠データが社内にない場合は「該当情報なし、医師への確認を推奨」と回答し、断定を避ける設計にします。

権限・運用ルール: 発注の最終承認は管理薬剤師のみが行える権限とし、一般薬剤師は提案の確認・修正までとします。薬歴・服薬フォロー記録の閲覧は薬剤師のみ、事務スタッフは在庫・受付情報のみ閲覧できるよう役割ごとに権限を分けます。医薬品マスタの更新は月1回、管理薬剤師が仕入先からの最新情報をもとに見直す運用にすることで、AIの提案精度を保ちます。

既存環境との連携・移行: 既存のレセコンや電子薬歴システムをすぐに置き換えるのではなく、処方データ・薬歴データをAPIまたは定期エクスポートで連携し、在庫管理・服薬フォロー・AIドラフトの部分だけを新基盤に段階的に移行する設計も可能です。複数店舗がある場合は、まず1店舗で運用を固めてから他店舗に展開する進め方が現実的です。

以下は、よりどころべーすの調剤薬局向けダッシュボードのデモ画面（サンプルデータ）です。

よりどころべーすの調剤薬局向けダッシュボードのデモ画面（サンプルデータ）。本日処方箋38枚・在庫アラート4品目・今月調剤数842件のKPIカード、調剤件数の月次推移グラフ、松本さん・井上さんなど担当者別の直近タスク一覧、「インフルエンザ治療薬の在庫が残り5日分」といったAIインサイトが1画面にまとまっている。

このデモ画面（サンプルデータ）のように、KPI・タスク・AIインサイトを1画面にまとめることで、管理薬剤師が複数の管理ツールを行き来せずに店舗の状況を把握できるようにするのが狙いです。数値やタスク内容はあくまでデモ用のサンプルであり、実際の導入では店舗ごとの帳票・業務フローに合わせて画面構成を調整します。

定着の仕掛け: 薬歴入力やフォロー記録の入力項目は必要最小限にし、AIドラフトの確認・修正が数クリックで完了する画面にします。在庫アラートやフォロー未実施の通知は、業務の切れ目（調剤後・閉局前など）に合わせて表示するタイミングを調整し、通知疲れを防ぎます。

こうした設計は、既製の在庫管理ソフトや服薬フォロー専用サービスを個別に契約するだけでは実現しづらい部分です。単機能ツールはそれぞれ独立したデータベースを持つため、店舗をまたいだ在庫融通の提案や、薬歴・フォロー記録・在庫データを横断したAIの回答設計までは対応しないことがほとんどです。よりどころべーすは業種別パッケージを土台に、調剤薬局特有の帳票・判断基準に合わせてスクラッチ部分を追加できるため、既製ソフトの型に業務を合わせるのではなく、現場の業務フローをそのままシステム化できます。フルスクラッチ×AI駆動開発によって、ゼロから作るより短い期間・抑えたコストで、店舗の実情に合った基盤に仕上げられる点が、既製の単機能ツールとの一番の違いです。

まとめ

調剤薬局の業務課題は、在庫管理・服薬フォロー・薬歴記入の3つが中心です。AIを導入することで、これらの管理・記録業務を効率化し、薬剤師が対人業務に注力できる環境を作れます。

• AI在庫管理で不動在庫・廃棄ロスを削減
• 服薬フォローはAI自動抽出で漏れなく実施
• 薬歴はAIドラフトで記入時間を短縮
• 単機能ツールの寄せ集めか、1基盤で連携させるかは店舗数・課題の広さで判断する

まずは現状の業務課題を整理し、優先度の高い領域からAI化を検討してみてください。ここでご紹介した設計はあくまで一般化した叩き台であり、実際の店舗数・処方傾向・既存システムの状況によって最適な形は変わります。御社の帳票や業務フローを踏まえた要件整理から、一緒に詰めていくことも可能です。

クリニック・歯科向けAI業務システムの詳細はこちら

クリニックの問診・書類作成のAI化は、クリニックのAI問診・書類作成で診療に集中する方法もあわせてご覧ください。

業種に合わせたフルスクラッチ開発と1年間の運用サポートで、現場に定着するシステムづくりをお手伝いします。まずは自社の課題を整理し、優先度の高い業務からAI化を検討してみてはいかがでしょうか。

在庫管理の考え方は業種を問わず共通する部分も多く、小売チェーンの在庫管理・発注をAIで最適化する方法も参考になります。また、記録・管理業務の負担軽減という観点では、保育園の連絡帳・指導計画をAIで時短する方法も同様の課題解決のヒントになるはずです。

よくある質問

Q. 小規模な薬局でもAI在庫管理は導入できますか？

店舗数が少なくても導入は可能です。 発注業務やフォロー対象の抽出にかかる時間は店舗規模にかかわらず発生するため、1店舗からでも効果を見込めます。ただし複数店舗間の在庫融通のような機能は、店舗数が増えるほど効果が出やすい領域です。

Q. 既存のレセコンと連携できますか？

多くの場合、データ連携またはエクスポート経由での連携が可能です。 具体的な連携方法はレセコンのメーカー・仕様によって異なるため、導入検討の初期ヒアリングで既存システムの構成を確認したうえで、連携方式を設計します。

Q. AIの発注提案や薬歴ドラフトは、どこまで信頼してよいのですか？

最終判断は薬剤師が行う前提の設計です。 AIはあくまで提案・下書きの生成までを担い、発注の確定や薬歴内容の確定は薬剤師が確認・承認するステップを挟みます。相互作用チェックなどのアラートも、確認を促す補助情報として位置づけています。