「効果が出ました」と伝えても、病院の反応が鈍いのはなぜか

看護DXの導入支援をしていると、こんな場面に出会うことがあります。
看護DXの効果データをしっかりと確認し、病院に報告・提案したのに、看護部長や事務長の反応が思ったより薄い。
もしかしたら、看護部長や事務長はこんなことを思っているかもしれません。

「それ、御社の調査ですよね?」

自社のデータだから信用できない、というわけではありません。
ただ、効果を示す側と評価する側が同じ会社だと、「言いたいことを言っているだけでは」と受け取られやすくなります。
看護現場では、エビデンス(根拠)の扱いに慎重な方が多い印象があります。

今回は、看護とAIに関する海外の系統的レビューや実装研究をもとに、自社の効果データに説得力を持たせるための工夫を整理します。

まず知っておきたいこと:看護×AIの研究データは、そもそも「弱い」ものが多い

実は、「信じてもらえない」という悩みは、業界全体が抱える構造的な問題でもあります。

2025年に発表された、看護へのAI活用に関する統合的レビュー(El Arabら)では、2020〜2024年の25件の研究を分析したところ、研究の質が「低リスク」と判定されたのはわずか4件、残り21件は「中程度のリスク」と判定されました。主な理由は、比較する2つのグループの間で、結果に影響しうる他の要因(経験年数や導入前の忙しさなど)がどこまで揃えられているかが、十分に示されていなかったことです。

つまり、看護×AIの効果を示す研究の多くは、「この効果はAIのおかげ」と言い切るにはデータの土台がやや弱いのです。
自社のデータだけが特別弱いわけではなく、業界全体がこの土俵に立っています。だからこそ、自社の検証の質を一段上げることが、他社との差になります。

工夫1:「自社だけで確認した」で終わらせない

看護DXの効果データの例として参考になるのが、日本の病院で〜研究(Hirataら、2025年)です。
この研究では、システムを開発した企業の社員が論文の著者に加わっており、開発したシステムがその後、実際に病院へ製品として提供されるという利益相反(利害関係)がありました。

この研究が興味深いのは、その利益相反を隠さずに明記した上で、契約関係のない他機関の研究者が研究全体を統括する体制を取り、現場の看護師からのフィードバックを繰り返し取り込みながら検証を進めた点です。

自社だけで効果を確認して終わりにするのではなく、「誰が、どういう立場で確認したか」を明示し、第三者の視点を検証プロセスに組み込む。これだけで、提示する数字の受け取られ方は変わります。

工夫2:AIの時間だけでなく、「人が確認した時間」まで含めて出す

看護DXの効果データは、時間の測り方によって見え方が大きく変わります。
同じHirataらの研究では、AIが看護記録のサマリーを作成する時間は1分程度でしたが、看護師が内容を確認・修正する時間を含めると、合計で約10分でした。
導入前は16分かかっていたため、全体では約40%の時間短縮です。

海外では、文書作成の時間が最大9割減ったという報告もありますが、これはAIの処理時間だけを測ったもので、人が確認する時間を含めていないケースが多いと、Hirataらはこの研究の中で指摘しています。

AIだけの数字を見せれば、より大きな数字を出すことができます。ですが、現場で実際に使われているのは「人の確認込みの時間」です。
小さく見えても、確認込みの数字を出す方が、長期的には信頼につながります。

工夫3:「何と比べた数字か」をはっきり書く

看護DXの効果データでは、『何と比べたか』も見落とされがちな点です。
看護師の勤務表作成にAIを使う取り組みを調べたレビュー(Minら、2026年)では、対象になった11件の研究のうち、病院の情報システムに完全統合されていたのはわずか1件でした。
また、どれだけ自動化が進んでも、最終的には看護師長が内容を確認して決定する仕組みが、ほぼすべての研究で残されていました。

さらに、患者への影響(待ち時間など)を評価していた研究は、すべてシミュレーション(模擬的な計算)によるものであり、実際の病院データで確かめた研究はありませんでした。

「導入前と比べてこれだけ変わった」と伝えるときは、比べた相手が実際の現場データか、シミュレーションか、同じ病院の別の時期かを、添えて伝える必要があります。
比べた相手が分からない数字は、比べられない数字です。

まとめ:看護DXの効果データを伝える前に確認したい3つのこと

効果データに説得力を持たせる3つの工夫を示す図解:1.第三者の視点(自社だけで確認しない、誰がどんな立場で確認したかを明示する)、2.人の確認込みの時間(AIだけの数字で終わらせない、AI処理時間と人の確認・修正時間を合わせて示す)、3.比べた相手を明示(実データかシミュレーションか、何と比較した数字かを添えて伝える)

看護DXの効果データは、良い数字を見せるだけでは、現場の信頼にはつながりません。
提案の前に、次の3点を確認してみてください。

1. 自社だけで確認した数字か、第三者の視点が入っているか
2. AIだけの時間か、人の確認込みの時間か
3. 何と比べた数字か(実データかシミュレーションか)が明示されているか

数字そのものよりも、「どう確かめたか」を見せることが、病院に「確かに変わった」と伝える一番の近道です。

導入効果の検証設計についてのご相談は、企業向けサービスからお問い合わせください。

---

参考情報源

• El Arab, R.A. et al. Integrative review of artificial intelligence applications in nursing: education, clinical practice, workload management, and professional perceptions. Frontiers in Public Health, 2025:https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2025.1619378/full
• Hirata, R. et al. On-Premises AI-Tool for Generating Nursing Care Summaries: A Phased-Implementation Study in Japan. Nursing: Research and Reviews, 2025:https://doi.org/10.2147/NRR.S551576
• Min, A. et al. Artificial intelligence-based nurse scheduling in healthcare: A scoping review of functional features and empirical outcomes. International Journal of Nursing Studies, 2026:https://doi.org/10.1016/j.ijnurstu.2026.105656