製薬業界のAI活用事例22選｜創薬・治験・品質管理の削減率と導入コスト・GxP規制【2026年最新】

製薬業界のAI活用は、2026年9月時点で「業務系AIはすでに削減率が公表される本番運用、創薬AIは後期臨床に到達したが承認はゼロ」という二層構造になっています。塩野義製薬×日立製作所は治験総括報告書の作成時間を約50%削減、武田薬品工業は需要予測を複数名で1週間から約30分に短縮した一方で、AIが設計・発見した医薬品でFDA・EMA・PMDAいずれかの承認を得たものは、現時点で1件も存在しません。

この温度差を把握せずに投資計画を立てると、稟議は通っても成果が測れないプロジェクトになります。本記事では公式リリース・当局文書・査読論文をもとに、どの業務にAIを入れると何がどれだけ短縮できるのか、いくらかかるのか、どの規制に触れるのかを業務領域別に整理します。

この記事でわかること

• 製薬バリューチェーン全域（創薬・非臨床・治験・製造/品質・安全性監視・薬事・MR）の業務領域別AI活用マップ
• 武田薬品・中外製薬・塩野義製薬・第一三共・アステラス製薬など国内主要企業が公表している効果の実数値
• AI創薬の現在地（レンチセルチブのPhase III開始、Phase Iは高成功率だがPhase IIの壁は不変、承認は依然ゼロ）
• 「既存SaaS」「自社RAG」「GxP対象システム」の3段階で見た導入コストと、GxP対象になった瞬間に費用が跳ねる理由
• 2026年度（令和8年度）の補助金スケジュール（デジタル化・AI導入補助金への名称変更、ものづくり補助金の統合を反映）
• EU GMP Annex 22・FDAガイダンス・ICH M15・FDA-EMA共同原則の確定／未確定の切り分け
• AI導入を急ぐべきでない業務と、実際につまずきやすいパターン

こんな方に向けた記事です

• 製薬企業のDX推進部・情報システム部、研究開発／製造／信頼性保証（QA）／安全性管理部門の担当者
• CRO・CDMO・原薬メーカー・後発品メーカー・分析受託など、製薬バリューチェーンに関わる企業の企画職
• 製薬向けソリューションを提供するヘルステック・SIerの事業開発担当
• ライフサイエンス領域への提携・投資を検討している事業会社

なお本記事は製薬メーカーの業務導入を軸に扱います。AI創薬の技術的な仕組み（構造予測モデル・生成化学）、創薬プラットフォームの比較、研究者向けAIツール（Claude Science / GPT-Rosalind）の使い分けを深く知りたい場合は、製薬・バイオテックのAI活用事例｜AI創薬の到達点とツールの使い分けを併せて読むと理解が早くなります。

2026年9月時点の全体像：業務系は本番運用、創薬AIは後期臨床へ

製薬業界のAIは、成熟度がまったく異なる2つの層に分かれています。この切り分けが投資判断の起点です。

押さえるべき事実は3点です。

1. 業務系AIは「効果があるか」ではなく「どの順で載せるか」の議論に移った。 塩野義製薬×日立製作所の治験総括報告書 約50%削減、武田薬品の需要予測 1週間→約30分、中外製薬×NTT DATAのインタビューフォーム初稿作成で1〜2カ月短縮といった数値が公表されています。
2. 創薬AIは初めて後期臨床に到達した。 Insilico Medicineのレンチセルチブ（rentosertib／ISM001-055）が2026年7月7日に特発性肺線維症でPhase IIIを開始しました。標的同定から分子設計、臨床までAIが一貫して関与した候補としては初の後期臨床です。
3. 規制は整備途上で、確定文書と未確定ドラフトが混在している。 EU GMP Annex 22は2026年9月時点でもドラフトのままで、最終版は未採択です。一方でICH M15とFDA・EMA共同の10原則は確定しています。

短期のROIは業務系AIで取り、創薬AIは長期のパイプライン投資として別会計で評価する——この二段構えが、2026年時点の現実的な進め方です。

2026年に何が動いたか：製薬AIのタイムライン

出典: 武田薬品工業株式会社 公式サイト

2026年に入ってからの動きは、臨床到達・規制整備・政策支援が同時に進んだ点に特徴があります。

製薬バリューチェーン別 AI活用マップ

製薬企業の業務は大きく7領域に分かれ、AIの成熟度・効果の出方・規制リスクは領域ごとにまったく異なります。「効果が大きい領域」と「すぐ始められる領域」は一致しないため、最初にこの地図を持っておくことが重要です。

効果マップ（何にAIを使い、どれだけ短縮できたか）

導入判断マップ（難易度・コスト・関わる規制）

導入の起点としては、規制リスクが低く工数が大きい薬事・MR・社内ナレッジ領域から入り、効果測定の実績を作ってからGxP領域へ広げる順序が現実的です。製造・品質領域のAI（外観検査・予知保全）は製造業全般と共通点が多く、費用相場や補助金の考え方は中小製造業のAI導入完全ガイド｜費用相場・補助金・ROI計算も参考になります。

治験・臨床開発のAI活用事例

治験は新薬開発でもっともコストと期間を要する工程であり、AIの効果を金額換算しやすい領域です。2026年時点で実運用に入っているのは、規制関連文書の作成支援と候補患者スクリーニングの2つです。

事例1. 塩野義製薬 × 日立製作所：規制関連文書作成支援（2026年2月24日提供開始）

塩野義製薬と日立製作所は、生成AIとRAG（検索拡張生成）を組み合わせ、治験実施計画書・治験総括報告書などICH-E6／ICH-E3に準拠した規制関連文書の作成を支援するソリューションを共同開発しました。塩野義でのPoCでは、治験総括報告書で約50%、治験実施計画書で約20%の作成時間削減が確認されています。日英が混在した治験関連情報から必要な記述を抽出・要約し、初稿を生成する構成です。

2026年2月からは、塩野義から日立へのライセンス提供というかたちで国内の医薬品・ヘルスケア企業向けに外販が始まりました。自社PoCの成果を製品化して他社に売るという流れは、国内製薬のAI活用における新しいパターンです。

このソリューションで注目すべきなのは、汎用の生成AIをそのまま使うのではなく、企業固有の文書テンプレート・用語辞書・品質チェックプロセスと一体で提供されている点です。規制文書は形式要件が厳格なため、モデルの性能よりも周辺の作り込みが成果を左右します。

事例2. 中外製薬 × ソフトバンク × SB Intuitions：臨床開発特化LLM

中外製薬・ソフトバンク・SB Intuitionsの3社は、臨床開発業務に特化したLLMとAIエージェントの共同研究で基本合意しています。役割は明確に分かれており、中外製薬が学習データの提供とAIエージェントの企画・評価、ソフトバンクがAI計算基盤と社会実装、SB IntuitionsがLLMとエージェントの研究開発を担います。

治験文書の自動生成から始め、複数のAIが役割分担して業務を進めるマルチエージェントシステムへ発展させる構想が示されています。単発のツール導入ではなく、臨床開発プロセス全体をAI前提で組み替える動きとして見ておく価値があります。エージェント型AIの仕組みそのものはAIエージェントとは？仕組み・種類・活用事例・代表ツールで整理しています。

事例3. 国立がん研究センターの治験報告書ドラフト生成

国立がん研究センターは、生成AIによる治験報告書のドラフト作成を検証し、119件を作成した結果、約8割が軽微な修正のみで完成版に到達したと発表しています。アカデミア側でも治験関連文書の下書き生成が現実的な選択肢になっていることを示す数値です。

事例4. IQVIA「Inteliquet」× 京都大学医学部附属病院

IQVIAは、自然言語処理を含む技術で治験参加候補者を検出する「Inteliquet」を提供しています。京都大学医学部附属病院との共同研究では、候補者スクリーニング業務の効率化とネットワーク化を検証しています。CRCや医療従事者の負荷軽減と、患者登録期間の短縮が狙いです。

医療機関側から見た治験・診療でのAI導入は医療AIの活用事例｜病院の導入メリット・課題で整理しています。製薬側と医療機関側で導入スピードや優先課題が違うため、治験関連プロジェクトを設計する前に双方の温度差を把握しておくと交渉が進めやすくなります。

治験領域でAIを使う際の前提

治験文書はGCPおよび申請資料の信頼性の基準（正確性・完全性／網羅性・保存性）を満たす必要があります。AIが生成した文書をそのまま提出することはできません。「AIが初稿、人間が検証・承認」という二層構造と、その検証記録の保存が前提です。ICH M15がEUで効力を持った2026年7月以降、AIモデルを申請根拠に使う場合は「使用文脈（COU）」と「モデルの信頼性」をセットで説明できることが求められます。

製造・品質管理（GMP領域）のAI活用事例

製造・品質はGMP規制下にあるため、AI導入時のバリデーションと記録保存の要件が他業界より格段に厳格です。それでも需要予測・外観検査・QA文書作成はすでに実用段階に入っています。

事例5. 武田薬品工業のAI需要予測（2025年8月運用開始 → 2026年に適用拡大）

武田薬品工業は国内の製造・供給部門でAI需要予測の運用を開始しました。効果は明確です。

• 複数名で1週間かかっていた需要予測業務が約30分に短縮
• 出荷数量の多い需要安定品を中心に、約7割の製品がAI自動予測のみで対応可能
• 副次効果として医薬品廃棄の削減とキャッシュフロー改善

需要予測は患者への直接的な安全性リスクが低く、効果が数値化しやすいため、製造領域でAIを始めるなら最も入りやすいユースケースです。後発品を中心に医薬品の一部が出荷停止・限定出荷となる供給問題が続くなか、供給計画の精度向上は経営課題としての優先度も高くなっています。

事例6. EQUES（東大松尾研発）のGMP／QA特化SaaS

製薬品質保証に特化した国産ベンダーも育っています。EQUESは、QA文書を一括生成し製品スペック作成を自動化する「QAI-Generator」、QA文書間の齟齬をAIが検出する「QAI-Checker」を提供しており、ロート製薬 品質統括部などが導入企業として紹介されています。

なお、QAI-Generator／QAI-Checker本体の価格は公開されていません。同社の教育プログラムに関する公表価格（1アカウント月額9,800円）を製品価格と取り違えている解説記事が散見されるため、見積もり時は必ず個別に確認してください。

GMP文書・逸脱管理の領域は、汎用LLMをそのまま使うより製薬QA専用に作り込まれたSaaSのほうが立ち上がりが早い、という選択肢を持っておくと検討が進みます。

事例7. AI外観検査による全数一次判定

錠剤の欠け、アンプル・バイアルの異物、ラベル印字のずれなどを、カメラとディープラーニングで自動判定する取り組みが広がっています。運用の型としては、AIが全数を一次判定し、QC担当者は逸脱候補のみを確認する構成が一般的です。欠損錠剤を検出してコンベアを自動停止させる装置など、既存ラインへ後付けできる製品も出ています。

費用相場は、PoCで300〜500万円、本格導入で1,000万円〜、ライン全体を対象にすると数千万円規模になります。同様の外観検査AIは食品製造でも広く使われており、食品製造・加工業のAI活用事例｜品質検査・賞味期限予測や製造業のAI活用事例｜品質検査AI・予知保全・暗黙知伝承の導入プロセスも比較材料になります。

事例8. PAT・QbDと組み合わせた工程逸脱の早期検知

製造領域のAI適用は、次の3層に整理すると設計しやすくなります。

1. プロセス監視層：PAT（Process Analytical Technology）によるリアルタイム監視。QbDで定義した設計空間からの逸脱をAIが検知する
2. 分析・予測層：統計的工程管理AI、原材料・サプライヤーのロット品質リスク予測、不純物プロファイル変動の事前検知、設備の予知保全
3. 判定層：外観検査AIによる全数一次判定と、逸脱品の人による確認

事例9. QMS業務（逸脱・CAPA・変更管理）の効率化

逸脱管理、CAPA（是正処置・予防処置）、変更管理、監査対応といったQMS業務でも、文書の整合性確認やテストパターン設計にAIを使う取り組みが出ています。ただしこの領域はGMPの直接対象であり、EU GMP Annex 22のドラフトが示す要求事項（独立したテストデータ、評価担当者の独立性、サブグループごとの性能指標、信頼度閾値、入力データ分布の変化の監視など）を前提とした設計が必要です。

事例10. CDMO・受託製造での活用

製剤スクリーニング、プロセス開発、予知保全、逸脱分析、目視検査、需要予測、規制文書作成——CDMOでも用途は製薬メーカーとほぼ重なります。ただし成果が出るのは、電子バッチ記録（EBR）・LIMS・MES・QMSといった既存システムと接続できている領域にほぼ限られます。紙とExcelで運用している工程にAIだけを載せても効果は出ません。経済産業省もCDMOが一大産業となる可能性に言及しており、受託側にとってAI活用は差別化要因になりつつあります。

安全性監視（ファーマコビジランス）のAI活用事例

出典: 中外製薬株式会社 公式サイト

ファーマコビジランス（PV）は扱うテキスト量が膨大で報告要件も年々複雑化しており、人手中心の体制がすでに限界に近い領域です。AIの費用対効果は出やすい一方、誤りが患者被害に直結するため運用設計が厳しく問われます。

事例11. 中外製薬 × NTT DATA：インタビューフォーム初稿作成AI（2026年4月2日公開）

中外製薬とNTT DATAは、医薬品安全性情報管理業務のうち、インタビューフォーム（IF：薬剤師向けの医薬品解説書）の初稿作成を自動化する仕組みを構築しました。処理は4ステップです。

1. RAGで承認申請資料・添付文書から必要情報を抽出
2. 抽出した資料を構造化
3. 生成AIで初稿を作成
4. 複数セクションを連結して一本の文書に整える

効果としては1〜2カ月程度の納期短縮が期待できるとされています。今後はIF以外の安全性資材への横展開も検討されています。

事例12. 副作用報告（ICSR）のトリアージと構造化

生成AIと自然言語処理を組み合わせ、個別症例安全性報告（ICSR）を重篤度・因果関係の観点で一次分類し、PV担当者が重要症例に集中できるようにする運用です。報告書PDFや各種書式からの情報抽出は、OCRとLLMの組み合わせで自動化が進んでいます。一部の事例ではICSR処理の80%を自動化したという報告もありますが、これはベンダー側の公表値であり、対象品目や症例の性質によって再現性は変わります。

厚生労働科学研究の学術レビューでは、2026年4月時点でAI×PVに関する論文135件が抽出され、用途の内訳はデータ利用が38件（28.1%）で最多、次いでシグナル検出という結果が示されています。研究レベルでも「非構造化データの構造化」が最大の関心事であることがわかります。

事例13. シグナル検出のためのマルチソース監視

MRの日報・活動記録、コールセンターの通話記録（テキスト化後）、公開されているSNS投稿、医療機関からの書式報告や文献情報などを横断的にモニタリングし、潜在的な安全性懸念を早期に検出する取り組みも進んでいます。CROのParexelは、検索・取得／ワークフロー自動化／コンテンツ作成の3領域にAIアプリを展開し、PVを「事後報告から予測リスクへ」転換させる方向性を示しています。

2026年時点の標準的な運用は「AIが下書き・人間が判断」の二層設計です。AI出力は必ず有資格者（薬剤師・医師など）のレビューを経て、その記録を保存することが前提になります。FDA・EMAの共同原則でも、ICSRの処理はAI適用の代表的ユースケースとして扱われています。

薬事・MR・マーケティングのAI活用事例

出典: 小野薬品工業株式会社 公式サイト

規制リスクが相対的に低く工数削減効果がすぐ出るため、多くの企業が最初に着手する領域です。国内大手ではすでに全社導入が前提になっています。

事例14. 全社型生成AIの導入（国内・海外）

事例15. MR活動記録の自動構造化

MR業務では、医学文献の翻訳・要約、面会記録や業務報告書の下書き生成、医師との面談ロールプレイ、社内ナレッジ検索といった用途が中心です。訪問時の会話を録音・構造化し、訪問目的・提供情報・医師の反応・フォローアップ事項・次回アポを自動抽出してSFAへ反映するSaaSでは、導入企業でMR訪問記録の入力工数を最大90%削減した事例が公表されています（ベンダー公表値）。

MRの活動記録は「入力が面倒だから精度が下がり、データとして使えない」という悪循環に陥りやすい領域です。入力負荷そのものを削る打ち手は、営業データの質改善にも直結します。

一方で、訪問録音は個人情報や要配慮情報を含みうるうえ、薬機法・GxP・個人情報保護法・MR公正競争規約が同時に掛かる規制の重層地帯でもあります。発話の帰属、編集履歴、削除証跡といった監査ログの保全設計が導入成否を分けます。

事例16. 資材レビュー・適正広告チェックの一次スクリーニング

医療用医薬品の販売情報提供活動は薬機法と業界ガイドラインの対象であり、資材レビューは工数が大きい業務です。AIを一次チェック（禁止表現・エビデンス整合・記載漏れの検出）に使い、最終判断は審査担当者が行う構成であれば、レビュー期間の短縮が見込めます。ファイザーの「メディカルレビュー50%短縮」もこの類型です。講演スライドの薬機法適合性や引用論文との整合性チェックを自動化した相談例も出ています。

ただし生成物は薬機法審査の対象であり、AIの判定をもって審査完了とすることはできません。あくまで一次スクリーニングとして位置づけてください。

どのツールを社内標準にするか迷う場合は、生成AIツールおすすめ比較｜用途別の選び方と主要サービスの違いで主要サービスの違いを確認したうえで、法人契約条件（学習オプトアウト・データ保存地域）を製薬固有の要件に照らして評価するのが確実です。

創薬・探索研究のAI活用事例

創薬探索は提携金額がもっとも大きく、経営インパクトも大きい領域です。ここでは要点と数値に絞って整理します。

事例17. 武田薬品工業 × Insilico Medicine（2026年7月2日）

武田薬品工業は2026年7月2日、Insilico MedicineのAI創薬基盤を活用して新薬候補化合物を創出する戦略的共同研究契約を締結しました。契約規模は短期の支払いに加え、開発・商業化マイルストーンを含む複数段階の構成です（金額はドル建てで公表されているため、円換算値は為替により変動します）。武田は2025年10月にもAIタンパク質設計のNabla Bioと最大10億ドル規模の複数年共同研究を結んでおり、AI創薬提携をパイプライン戦略の柱に据えていることがわかります。

事例18. アステラス製薬「人×AI×ロボット」プラットフォーム

アステラス製薬は、AI設計とロボットによる自動合成を組み合わせたHuman-in-the-Loop型の創薬プラットフォームを自社開発しています。シェーグレン症候群を対象とする候補（ASP5502）では、ヒット化合物からリード最適化までが平均約2年から約7カ月（約65%短縮）になったと公表され、2024年10月に臨床試験入りしました。同社は中期経営計画で2027〜2031年度の累計R&D費を約2兆円（前5年比 約33%増）とする方針を示しており、探索効率の改善が投資拡大とセットで進んでいます。

事例19. 中外製薬の抗体設計AI「MALEXA」

中外製薬は独自の抗体配列最適化AI「MALEXA」シリーズを開発しています。同社の公表資料によれば、既存抗体と比較して結合強度が1,800倍以上に向上した配列を提案した実績があります。熟練研究者の経験に依存していた抗体設計で、探索の幅を機械的に広げられることを示した事例です。

事例20. 第一三共 × AWS「AIエージェント統合型創薬基盤」

第一三共はAmazon Web Servicesと協業し、AI・クラウド技術と実験自動化技術を融合した次世代創薬研究プロセスの構築を進めています。AIエージェントが過去の研究データを参照して実験計画を立案し、自動化研究機器と連携して実験を回す構想で、2025年下半期に着手、2026年の運用開始予定と公表されています。

事例21. 研究者向けAIワークベンチ Claude Science（2026年6月30日提供開始）

Anthropicは2026年6月30日、研究者向けAIワークベンチ「Claude Science」の提供を開始しました。60を超える科学データベース・計算ツールへの接続、3Dタンパク質構造やゲノムブラウザ・化学構造のネイティブ描画、ローカル／HPC／オンデマンドGPUでの計算オートスケールに対応し、NVIDIAのBioNeMo Agent Toolkitとも連携します。Pro／Max／Team／Enterpriseプランで利用でき、macOS・Linux向けのベータとして提供されています。基盤となるモデルの特徴はClaudeとは？機能・料金・使い方・ChatGPTとの違いで解説しています。

事例22. 共同利用型の創薬AI基盤と国の支援

自社単独で計算基盤や人材を持てない企業向けに、産学連携の共同利用型プラットフォームも整備されています。厚生労働省は「創薬支援推進事業」として創薬ターゲット予測・シーズ探索AIの開発と、複数のAIを統合した創薬AIプラットフォーム構築を予算化しており、2026年7月に閣議決定された人工知能基本計画（第Ⅱ期）でも創薬がバーティカルAIの重点分野に位置づけられました。中堅・後発品メーカーにとっては、単独投資より現実的な選択肢になります。

創薬プラットフォームの技術比較、AI創薬スタートアップの選定、研究者向けAIツールの使い分けまで踏み込む場合は製薬・バイオテックのAI活用事例｜AI創薬の到達点とツールの使い分けを参照してください。分子設計・物性予測の方法論そのものは化学・素材業界のマテリアルズインフォマティクスと共通点が多く、化学・素材業界のAI活用事例｜マテリアルズインフォマティクスも設計思想の参考になります。

AI創薬はどこまで来たか：客観データで見た到達点

AI創薬の進展は、成功側の数字だけを見ると判断を誤ります。稟議資料に使うなら、成果と限界をセットで押さえてください。

後期臨床に到達した最初の候補：レンチセルチブ

Insilico Medicineのレンチセルチブ（rentosertib／ISM001-055）は、AIが同定した標的（TNIK）に対してAIが設計した阻害剤で、特発性肺線維症（IPF）を対象としています。

• Phase IIa（GENESIS-IPF、71例）：60mg 1日1回投与群で12週後のFVC変化が+98.4mL（プラセボ群は−20.3mL）。結果はNature Medicineに掲載
• Phase III（2026年7月7日開始）：前向き無作為化二重盲検プラセボ対照並行群間試験、320例、中国47施設、主要評価項目は52週時点のFVC年間低下率

標的同定から分子設計、臨床までAIが一貫して関与した候補が後期臨床に到達したのは、これが初めてです。ただしPhase IIIの結果はまだ出ていません。

承認済みのAI設計薬は、2026年9月時点でまだゼロ

AIが発見・設計した医薬品で、FDA・EMA・PMDAいずれかの承認を得たものは、2026年9月時点で存在しません。 業界アナリストの主流な見立ては初承認2027〜2028年ですが、これも予測にすぎません。

「AIで開発期間が劇的に短縮する」という説明は、現時点では探索〜Phase I到達までの話として理解するのが正確です。

Phase Iは強いが、Phase IIの壁は変わっていない

AI由来候補はPhase Iの成功率が高いという報告が複数ありますが、有効性を証明するPhase IIの成功率は従来薬と大差がないという指摘が継続しています。読み方はシンプルです。

AIは「安全でPKの良い分子をつくる」ことは得意だが、「効くかどうか」は標的生物学の問題であり、AIだけでは解けない。

なお、AI創薬の臨床到達件数については「63社・117件」という査読解析ベースの集計と、「臨床開発中173件・うちPhase III到達15件」という別集計が併存しています。AI由来の定義と集計時点が異なるため、社内資料に引用する際は必ず集計主体と定義を併記してください。

市場規模は「定義」を確認してから引用する

「AI創薬市場」と「製薬向け生成AI市場」は別のセグメントです。単一の数値で断定している資料は、どちらを指しているか確認したほうが安全です。

導入コストの目安：3段階で考える

出典: 第一三共株式会社 公式サイト

検討段階でもっとも知りたいのに情報が出回っていない論点が「結局いくらかかるのか」です。製薬企業のAI導入コストは3段階に分けると見積もりの精度が上がります。次の金額は公開情報と一般的なシステム開発相場から整理した目安で、実際の金額は要件によって大きく変動します。

GxP対象になった瞬間にコストが跳ねる理由

②と③の差は、機能の差ではなく証明責任の差です。GxP対象システムでは、追加で次の作業と文書が必要になります。

• URS（ユーザー要求仕様）とリスクアセスメントの作成
• IQ／OQ／PQ（据付・運転・性能適格性評価）の実施と記録
• 監査証跡（誰が・いつ・何を・なぜ変更したか）の実装と保全
• 変更管理（Change Control）手順の整備
• サプライヤー監査（クラウド事業者・AIベンダーの評価）
• 定期レビューと、モデル更新時の再バリデーション

とくにAIモデルは学習データの変更や再学習でバリデーション状態が変わるため、従来のシステムより変更管理の負担が重くなります。EU GMP Annex 22のドラフトが継続的な性能モニタリングを求めているのも同じ理由です。

見積もりを取る前に決めておくこと

1. 対象業務がGxP対象かどうか（ここで桁が変わる）
2. AI出力を「記録」として保存するか、あくまで下書きとして扱うか（21 CFR Part 11の適用有無が変わる）
3. 既存システム（EBR・LIMS・MES・QMS・CTMS・安全性DB）と接続するか
4. 社外へデータを出せるか（オンプレ／専用リージョン／ゼロデータリテンション契約の要否）

この4つが決まっていない状態でベンダーに相談すると、見積もりが数倍単位でぶれます。

2026年度に使える補助金とスケジュール

大手製薬は対象外ですが、CDMO・原薬メーカー・後発品メーカー・製薬向けSIer・中小バイオは補助金の主対象です。2026年度（令和8年度）は制度名の変更と統合があったため、過去の記事の情報が使えません。

補助金は締切間際に相談しても間に合いません。外観検査AIや予知保全のように設備投資を伴う案件は、公募開始の2〜3カ月前から要件定義とベンダー選定を始めておくのが現実的です。申請要件や採択されやすい書き方は制度ごとに変わるため、必ず最新の公募要領を確認してください。

規制の現在地：確定しているもの／まだ確定していないもの

製薬AIの導入計画でもっとも事故が起きやすいのが、ドラフトを確定した規制として扱ってしまうことです。2026年9月時点の状況を整理します。

EU GMP Annex 22で押さえるべき論点

Annex 22のドラフトは当初、動的・適応的・確率的なモデル（生成AI・LLMを含む）は重要GMP用途で使用すべきでないという強い方針を示していました。パブリックコメントとワークショップを経て、リスクベースでの容認を検討する方向に動いていますが、2026年9月時点で最終版は採択されていません。EMA側の作業計画では2026年後半に欧州委員会へ最終案を提出する見込みとされていますが、採択日・適用開始日はいずれも公表されていません。

したがって現時点の設計方針は次のとおりです。

• 出荷判定・規格適合判定など、品質に直結する意思決定をLLMに委ねる構成は避ける
• 生成AIを使うなら「人間の判断を支援する下書き生成」に限定し、判断記録は人間側に残す
• 決定論的な機械学習モデル（外観検査・予知保全など）と生成AIを区別して稟議を書く

また、Annex 22はEMAとPIC/S（日本のPMDA・厚労省も加盟）のGMP/GDP査察官ワーキンググループによる共同起草です。EUだけの話として扱わないほうが安全です。

国内固有の注意点

日本には、医薬品の開発・製造でのAI利用に直接適用される専用ガイドラインが、現時点では限定的にしかありません。実務上は既存のGxP、コンピュータ化システム適正管理（CSV／CSA）、データインテグリティ（ALCOA+）の要件にAIを当てはめる運用になります。PMDAのAI専門部会はプログラム医療機器を対象としているため、そのまま医薬品側に適用できると誤読しないよう注意してください。

セキュリティ・データガバナンスの設計

製薬企業のAI導入では、未公開の治験データ・化合物構造・患者情報という、漏えい時の損害がきわめて大きい情報を扱います。最低限、次の項目を契約と設計で潰しておく必要があります。

汎用SaaSでは、とくに「サブグループごとの性能検証」「独立したテストデータでの評価」といったAnnex 22ドラフト由来の要求を満たせないケースが多くあります。GxP領域では要件を満たせるベンダーかどうかを最初に確認するのが近道です。

生成AI全般の情報漏えいリスクと対策は生成AIのセキュリティリスクとは？情報漏洩・プロンプトインジェクション・企業と個人の対策、AIエージェントに実行権限を与える場合の設計はAIエージェントのセキュリティ対策｜リスクの全体像と対策チェックリストで詳しく整理しています。

つまずきやすいパターンと、AI導入を急ぐべきでない業務

よくある失敗パターン

1. データ基盤がないままPoCを始める。 EBR・LIMS・MES・QMS・CTMS・安全性DBと接続できていない領域でのPoCは、精度が出ないか、出ても本番に載せられません。
2. GxP対象業務を最初のテーマに選ぶ。 バリデーションと変更管理で立ち上げが半年〜1年半かかり、社内の熱量が先に尽きます。
3. 削減時間だけをKPIにする。 レビュー工数が増えて総工数が変わらない、というケースが起こります。「AI初稿＋人間レビュー」の総所要時間で測るべきです。
4. ベンダー公表値を自社の見込み効果として稟議に書く。 「90%削減」「80%自動化」はいずれも特定条件下の値です。自社データでの小規模検証を前提にしてください。
5. 薬機法・広告規制領域で一次資料参照を省く。 ハルシネーションは致命的です。参照文献の明示と人によるレビューを必ず残します。
6. モデル更新の運用設計を決めずに導入する。 バージョンが上がった瞬間にバリデーション状態が失われ、使えなくなります。

現時点でAIに任せるべきでない業務

共通するのは「責任の所在が人にある判断」です。AIは判断材料の整理と初稿作成に置き、判断そのものは人が行い、その記録を残す——この線引きを崩さないことが、規制産業でAIを長く使い続ける条件になります。

企業タイプ別の現実的な進め方

企業の規模とポジションによって、最初に手を付けるべき業務は変わります。

導入の標準ステップ

1. 業務の棚卸し：工数が大きく、GxP対象でない業務を洗い出す
2. 対象業務の絞り込み：削減工数×実現可能性で1〜2テーマに絞る
3. データの所在確認：必要な文書・データが電子化され、検索可能な状態にあるか
4. 小規模検証：1部門・3カ月程度。KPIは「AI初稿＋レビューの総所要時間」
5. 運用ルールの整備：入力禁止情報、レビュー要件、記録保存の手順を文書化
6. 横展開：効果が確認できた業務から段階的に対象を広げる
7. GxP領域への拡張：バリデーション計画と変更管理手順を先に作ってから着手

AI導入を優先すべき企業／急ぐ必要がない企業

早期に着手する価値が高い企業

• 治験・申請文書の作成量が多い企業：削減効果が金額換算しやすく、外販済みソリューションも選べる
• 安全性情報の処理量が多い企業：報告要件の複雑化に人員増だけで対応するのは限界がある
• 需要予測・供給計画に課題を抱える企業：安全性リスクが低く、効果が数値で出やすい
• QA文書・GMP文書の作成に工数を取られている企業：製薬QA特化SaaSで立ち上げが早い
• MR組織を持ち、活動記録の入力負荷が高い企業：規制リスクが低く、営業データの質改善にもつながる
• 設備投資型のAI（外観検査・予知保全）を検討する中堅・中小企業：補助金の対象になりうる

現時点で急ぐ必要がない企業

• 業務システムが未整備で、文書が紙・ローカルExcel中心の企業：まず電子化と検索性の確保が先。AIを載せても効果が出ない
• GxP対象業務からいきなり始めようとしている企業：バリデーション負荷で立ち上げが長期化する。非GxP領域で実績を作るほうが速い
• AI設計薬の承認実績を導入判断の条件にしている企業：承認は2026年9月時点でゼロ。この条件では当面着手できない
• 効果検証の担当を置けない組織：ツールを配っただけでは利用が定着せず、費用だけが残る
• セキュリティ要件を社内で定義できていない企業：契約条件を決める前の導入は情報管理上のリスクが大きい

調剤・流通側（薬局）でのAI活用は業務も規制も別物です。医薬品のサプライチェーン下流を検討する場合は薬局のAI活用事例｜調剤・在庫管理・接客への導入ガイドを参照してください。生成AIの仕組みそのものから確認したい場合は生成AIとは？仕組み・できること・主要ツール・活用事例・リスクが入口になります。

よくある質問

Q. 社内にAI人材がいません。まず何人必要ですか。
専任のデータサイエンティストがいなくても、既存SaaSの導入と業務特化のRAG構築までは進められます。実務上必要なのは、業務要件をベンダーに翻訳できる人材（業務側1名）と、GxP要件を判断できる品質保証・信頼性保証の担当者1名です。モデルを自社開発する段階になって初めて研究者・エンジニアが必要になります。

Q. ChatGPTやClaudeの一般向けプランをそのまま業務に使ってもよいですか。
未公開情報を扱う業務では推奨できません。法人向けプランで入力データが学習に使われない条件を契約で確認し、保存地域とログ保全の要件を満たしたうえで使うのが前提です。個人プランのままでは、後から監査証跡を求められた際に説明できません。

Q. PoCはどのくらいの期間で判断すべきですか。
非GxP領域なら3カ月を目安にしてください。それ以上かけても判断材料が増えないケースが大半です。逆にGxP領域は、バリデーション計画の作成だけで数カ月かかるため、同じ物差しで測らないでください。

Q. AIが作った文書を当局に提出できますか。
文書そのものは提出できますが、AIが作ったという理由で検証を省くことはできません。人による検証と承認、その記録の保存が必要です。AIモデルの出力を申請根拠（データそのもの）として使う場合は、ICH M15やFDAドラフトガイダンスが示す使用文脈と信頼性の評価が別途求められます。

Q. 海外拠点と同じシステムを使いたいのですが、注意点は。
データの保存地域と越境移転が最大の論点です。EU拠点を含む場合はGDPR、国内は個人情報保護法の要件を満たす必要があります。加えて、GMP領域ではEU側の要求（Annex 11・22ドラフト）が国内より厳しくなる可能性があるため、厳しい側に合わせて設計するのが結果的に安くつきます。

Q. 外観検査AIは一度導入したら再検証は不要ですか。
不要ではありません。製品の切り替え、原材料や包装の変更、カメラ・照明の更新などで性能は変わります。定期的な性能確認と、変更時の再検証を手順として定めておく必要があります。モデルを更新した場合も同様です。

Q. AI創薬ベンチャーとの提携は、どの規模から検討すべきですか。
2026年の国内大手の事例では、初期費用とマイルストーンを組み合わせた段階契約が主流です。自社で計算基盤や専門人材を持てない中堅規模の企業は、いきなり独占提携を結ぶより、共同利用型プラットフォームや特定標的に絞った共同研究から入るほうがリスクを抑えられます。

Q. 「AI導入で開発期間が半分になる」と聞きましたが本当ですか。
探索段階に限れば、ヒットからリード最適化までが平均約2年から約7カ月に短縮した事例（アステラス製薬）などがあります。ただし開発全体の期間が半減したことを示す公表データはありません。臨床試験の期間と成功率が律速であり、そこはまだAIで解けていないためです。

まとめ

2026年9月時点の製薬業界のAI活用は、次の4点に集約されます。

1. 業務系AIは削減率が公表される本番運用フェーズにある。 治験総括報告書 約50%削減（塩野義製薬×日立製作所）、需要予測 1週間→約30分（武田薬品）、インタビューフォーム初稿作成で1〜2カ月短縮（中外製薬×NTT DATA）といった数値が出そろいました。
2. 創薬AIは初めて後期臨床に到達したが、承認薬はまだゼロ。 レンチセルチブのPhase III開始（2026年7月7日）は節目ですが、結果はこれからです。投資判断は業務系AIと別の物差しで行う必要があります。
3. コストはGxP対象かどうかで桁が変わる。 既存SaaSなら月額数千円／人、自社RAGなら数百万〜2,000万円、GxP対象システムなら1,000万円〜数千万円と立ち上げ6〜18カ月。最初のテーマは非GxP領域から選ぶのが定石です。
4. 規制は確定文書とドラフトが混在している。 FDA・EMA共同の10原則とICH M15は確定、FDAガイダンスとEU GMP Annex 22はドラフトのままです。とくにAnnex 22を「施行済み」として計画を立てないよう注意してください。

最初の一歩としては、規制リスクが低く工数の大きい領域——社内ナレッジ検索、薬事・MRの文書作業、需要予測——から着手し、3カ月で効果を測り、そこで得た運用ルールを持ってGxP領域へ広げる順序が、もっとも確実です。