塩野義製薬、生成AIの正答率を50→90％に 膨大な機密データをどう最適化した？

製薬業界は情報の機密性とデータ量の膨大さで、AI導入が遅れた代表格だ。塩野義製薬がAIの正答率を50%から90%に引き上げたという報道は、単なる数値改善ではなく「機密データを保護しながらAIを最適化する方法を見つけた」という戦略転換を示している。キーワードはModular RAG（モジュラルRAG）。必要な情報だけを段階的に検索・フィルタ・合成する技術で、大量の機密データを全部LLMに見せるのではなく、質問に応じて必要な部分だけを抽出して活用する。

AIの鬼的に注目すべきは、テクノロジーそのものより、その組織設計だ。塩野義は外部のシステムインテグレータと組み、AIエージェントに「検索ツール」「ファイル読み込みツール」「Excel操作ツール」という3つの道具を持たせた。AIは質問に応じて自分で道具を選び、どのデータソースを参照すべきかを判断する。つまり、AIが「何を調べるべきか」を学習したわけだ。これは汎用AIモデルをそのまま導入する企業との決定的な違い。データの形状、業界特有の文脈、アクセス権限といった現場の事情を、AIに教え込む手間がある。

このプロセスは中小企業にも応用できる。社内の機密情報を全部クラウドに上げたくない、だがAIの利便性は欲しい場合、「何の情報が必要か」を先にリスト化してから、AIにそれらだけを参照させる設計にすること。オンプレ＋APIゲートウェイという形でも実装は可能だ。むしろ、機密度が高い業界こそ、AIへのアクセス制御が明文化されるので、後々の監査や個人情報対策も楽になる。