「先月のヒヤリハット、何件あったっけ？」──ある日の申し送りで主任がそうつぶやいたとき、誰もすぐに答えられませんでした。ファイルには紙の報告書が分厚く綴じられているのに、中身を分析している人は誰もいない。18年間、いくつかの施設を経験してきましたが、多くの現場でこの光景を見てきました。
今回は「介護のヒヤリハット、どう分析すればいいのか？」というテーマで、AIを使った分析方法を検証してみた結果と、現場でハマった落とし穴を正直にお伝えします。
ヒヤリハット報告書、書いているのに事故が減らない現実
私が以前所属していた特養(80床)では、月に平均40〜50件のヒヤリハットが上がっていました。1年で500件超。しかし転倒事故は減るどころか、むしろ横ばい。なぜか。答えは単純で、「書いて提出して終わり」だったからです。
現場でよく聞く「分析しています」の実態
リスクマネジメント委員会で月1回集計はしていました。でも実態はこうです。
- 件数を数える(転倒◯件、誤薬◯件、といった単純集計)
- 「気をつけましょう」で終わる
- 翌月また同じ利用者、同じ時間帯、同じ場所で発生
ケアマネとして担当していたAさん(90代女性・要介護3)のヒヤリハットを遡って読み返したとき、半年で12件のうち9件が「夕方16時〜18時、居室からトイレへの移動中」だったんです。誰も気づいていなかった。私自身も、担当ケアマネなのに気づいていませんでした。
従来のヒヤリハット分析方法と、AIを使った分析の違い
「分析方法」といっても、実は幅があります。整理してみました。
| 分析方法 | 所要時間(月次) | 見えるもの | 現場負担 |
|---|---|---|---|
| 単純集計(件数のみ) | 約30分 | 件数の増減 | 低 |
| クロス集計(時間帯×場所) | 約2〜3時間 | 危険な時間・場所 | 中 |
| SHEL分析・4M分析 | 約半日〜1日 | 要因の構造 | 高 |
| AI(生成AI)でテキスト分析 | 約20〜40分 | 文脈・パターン・盲点 | 低〜中 |
SHEL分析(ソフト・ハード・環境・人)や4M分析は本来とても有効なのですが、正直に言うと、忙しい現場でこれを毎月続けるのはしんどい。私も何度か挫折しました。
ChatGPTやClaudeにヒヤリハット報告書を読ませてみた
試しに、個人情報を伏せた過去のヒヤリハット報告書30件分をテキスト化して、生成AIに投げてみました。プロンプトはシンプルです。
「以下は介護施設のヒヤリハット報告書です。共通するパターン、見落とされがちな要因、優先度の高い対策を挙げてください」
返ってきた分析は、正直、リスクマネジメント委員会での議論より鋭い部分がありました。たとえば「報告書の記述から、夕方の職員配置が薄い時間帯に、認知症症状のある利用者が『職員を呼ばずに動く』ケースが集中している」といった、複数の報告書を横断しないと見えない指摘です。
【独自視点】AIでヒヤリハット分析すると、意外な落とし穴にハマる
ここが今回一番伝えたいところです。AIは万能ではありませんでした。試して分かった3つの落とし穴を共有します。
落とし穴①：報告書の「書き方」が揃っていないと精度が落ちる
職員によって書き方がバラバラです。「ふらついた」と書く人、「立位不安定」と書く人、「よろけた」と書く人。AIはある程度吸収してくれますが、限界があります。私が試したとき、報告書の文体を統一する前と後で、AIが抽出するパターンの精度が明らかに変わりました。
落とし穴②：「件数の少ない重大リスク」を見落とす
AIはパターンや頻度を得意とします。逆に、月1件しかないけど命に関わるヒヤリハット(誤嚥・自殺念慮など)は、埋もれがちです。これは人間の目で拾う必要があります。
落とし穴③：「対策」まで丸投げすると、現場感覚とズレる
AIが出す対策は一般論寄りになりがちです。「見守り強化」「センサー導入」といった提案が多い。でも現場では「夜勤2人で20人を見ている状況で、これ以上の見守り強化は物理的に無理」という事情があります。ここは介護士が現場感覚で翻訳しないと使えません。
現場で使えるヒヤリハット分析のワークフロー案
試行錯誤して、いま自分の中で「これなら現場で回せそう」と思っている流れです。
- ステップ1：報告書のフォーマットを最低限統一する(時間・場所・利用者状態・職員配置の4項目は必須)
- ステップ2：月に一度、個人情報を伏せた報告書をまとめてAIに投げる(20〜40分)
- ステップ3：AIの分析結果を、リスクマネジメント委員会の「叩き台」にする
- ステップ4：対策は必ず現場職員が議論して決める(AIの提案は参考程度)
- ステップ5：3ヶ月後、同じ利用者・時間帯で再発していないかAIに再チェックさせる
大事なのは、AIを「分析の相棒」として使うこと。分析を丸投げする道具ではありません。
個人情報の扱いは絶対に慎重に
生成AIにヒヤリハット報告書を投げるときは、氏名・部屋番号・生年月日などは必ず伏せてください。施設によっては外部のAIサービス利用にルールがあるはずなので、管理者や情報管理担当と相談してからにしましょう。ここを軽く扱うと、いくら分析精度が上がっても本末転倒です。
まとめ：ヒヤリハットは「集める」より「読み解く」時代へ
18年現場にいて感じるのは、ヒヤリハット報告書は「書かせること」が目的化しやすいということ。件数を集めるだけでは事故は減りません。500件のデータがあっても、読み解かなければ0件と同じです。
AIを使えば、これまで半日かかっていた分析が30分でできる可能性があります。でも、AIに任せきりにするのではなく、現場の目と組み合わせることが大前提。特に「件数の少ない重大リスク」と「現場の物理的制約を踏まえた対策」は、人間にしか判断できません。
まずは来月のヒヤリハット、AIに投げてみるところから始めてみませんか。今まで見えなかったパターンが、きっと1つは浮かび上がってきます。
この記事を書いた人
AI介護士kaze運営者。介護福祉士・ケアマネジャー・社会福祉士の資格を持ち、介護現場歴18年。現場のリアルな課題感を起点に、AI×介護の実用性を探求・発信しています。
コメント