※本記事にはアフィリエイト広告（PR）を含みます。
クリニック受付の「今すぐ来て」判断、AIで補助できる？——医師法17条と個情委が引く限界線と判断分岐フロー【2026】
月曜の朝8時45分。内科と整形外科と消化器内科を抱える、駅前のクリニックの受付。電話が鳴る。「なんとなく、お腹が痛くて……今日って診てもらえますか」。受話器の向こうの声は、落ち着いている。
その日はベテランの医療事務が休みだった。入職2年目のあなたは、いつものように「では本日の14時で予約をお取りしますね」と通常枠を案内した。電話は数秒で終わった。
午後、その患者は救急搬送された。急性虫垂炎の穿孔。あとで院長から「朝の電話、もう少し早く来てもらえなかったかな」と言われたとき、あなたは思った。——あの「なんとなく」の一言を、私はどう聞けばよかったんだろう。
受付スタッフは毎日、この「来てもらう速さ」を一人で決めている。マニュアルには書ききれない、無数の判断を。本記事は、その判断のうち「AIに手伝わせていい部分」と「絶対に人が担う部分」を、医師法17条と個人情報保護委員会の2つの制約を守りながら、1枚の判断分岐フローとして可視化することを試みる。AIに緊急度を「決めさせる」話ではない。受付が見落とさないための、補助線を引く話だ。
「30分待たせた後で違う診療科だった」——受付が”緊急を見落とす”リスクの正体
まず、受付の振り分けがどれだけ患者体験を左右するかを、数字で押さえておきたい。
厚生労働省の令和5（2023）年受療行動調査（確定数）の概況によれば、外来患者が診察開始まで「30分未満」で診てもらえた割合は、予約ありで約半数にとどまる。裏を返せば、予約をしていても2人に1人近くは30分以上待っている。この待ち時間のなかに、本来もっと早く診るべきだった人が紛れていたら——それは患者にとっても、クリニックにとっても痛い。
受付の振り分けミスが起きる原因は、スタッフの能力不足ではない。構造的なものだ。
- 判断が属人化している：ベテランの「この聞き方をすると危ない人がわかる」という勘が、文書化されていない。休むと再現できない。
- 症状の言葉が曖昧：患者は「なんとなく」「いつもと違う」としか言えない。医学用語では話してくれない。
- 同時に複数の仕事が走る：電話、窓口、会計、予約。一本の電話にだけ集中できる環境ではない。
つまり受付は「医学知識ゼロ」を前提に、「曖昧な訴え」を、「割り込みだらけの環境」で、「一人で」さばいている。見落としが起きるのは、むしろ自然な構造なのだ。
だからこそ必要なのは、個人の頑張りを増やすことではなく、判断の補助線を仕組みにすること。ここでAIが入る余地がある。ただし、入っていい場所と、入ってはいけない場所がある。次にその線を引く。
医師法17条と受付業務の境界——AIが「仮分類」できる理由・してはいけないこと
受付業務にAIを入れるとき、最初に確認すべき法律がある。医師法だ。
医師法（昭和23年法律第201号）の第17条は、「医師でなければ、医業をなしてはならない」と定める。ここでいう「医業」とは、医師の医学的判断と技術をもって行わなければ人体に危害を及ぼすおそれのある行為（＝医行為）を、反復継続することを指すと解されている。
この線引きを、受付の仕事に当てはめてみる。
| 行為 | 医行為に当たるか | 受付・AIが担えるか |
|---|---|---|
| 患者の訴えを聞き取り、メモに整理する | 当たらない | ○ 担える |
| 症状から「受診科の候補」を参考として示す | 当たらない（参考情報の提示） | △ AIの補助＋人の確認 |
| 「当日来た方がよさそう」と受診を促す | 当たらない（受診勧奨は医行為でない） | △ AIの補助＋人の確認 |
| 緊急度を「確定」し、診断的に判断する | 当たりうる | ✕ 医師・看護師の領域 |
| 病名を告げる・治療方針を決める | 当たる | ✕ 医師のみ |
ポイントは、「仮分類・参考情報の提示」と「確定判断」の間に線があることだ。AIが「消化器内科の可能性があります。本日中の受診をご検討ください」と候補を出すのは、参考情報の提示にとどまる。しかしAIが「これは虫垂炎です。緊急です」と断定したら、それは医行為の領域に踏み込む。
だからAIに任せるのは、あくまで「候補出し」と「緊急サインの拾い上げ」まで。最終的に誰に・どの速さでつなぐかを確定するのは、人（看護師・医師）である。この前提を崩さない限り、AIは受付の心強い補助になる。逆にこの線を越えた瞬間、それは法的にも安全管理上も危うい運用になる。
判断フローチャート：症状テキストから4つの出口まで（AI補助の分岐ルート）
ここが本記事の中核だ。受付に入る一本の問い合わせを、AIの補助を挟みながら「4つの出口」に振り分ける判断分岐を、フローチャートで示す。線形の「→→→」ではなく、YESならA・NOならBの条件分岐で組むのがコツだ。
【入力】患者の訴え（症状テキスト）
│
▼
┌─────────────────────────────┐
│ 分岐1：危険サインの語が含まれるか？ │
│（激しい痛み／突然／胸が締めつけられる／ │
│ 呼吸が苦しい／ろれつが回らない／意識が │
│ もうろう／大量の出血 など） │
└─────────────────────────────┘
YES│ │NO
▼ ▼
【出口④】AIを待たず ┌──────────────────────┐
即・看護師/医師へ。 │ 分岐2：当日中の受診が │
電話なら「すぐ来て」 │ 望ましいサインか？ │
or 119を案内する │（発熱が続く／嘔吐を繰り返す／ │
判断は人。 │ 痛みが強まっている など） │
└──────────────────────┘
YES│ │NO
▼ ▼
┌──────────────┐ ┌──────────────┐
│ 分岐3：受診科が │ │【出口①】AIが受診科 │
│ 絞りにくい／ │ │候補を提示→スタッフ │
│ 判断に迷うか？ │ │が確認し通常予約を │
└──────────────┘ │確定（緊急サインなし）│
YES│ │NO └──────────────┘
▼ ▼
┌──────────────┐ ┌──────────────┐
│【出口③】AIが │ │【出口②】AIが │
│「要注意」フラグ→ │ │「当日受診推奨」 │
│看護師へテキスト │ │フラグ→スタッフが │
│共有しエスカレー │ │当日枠を確認・案内 │
│ション │ │ │
└──────────────┘ └──────────────┘
4つの出口を、もう一度言葉で整理する。
- 出口①｜通常予約：緊急サインがなく、受診科もはっきりしている。AIが科の候補を出し、スタッフが内容を確認して通常枠で予約を確定する。AIは「下書き」、確定は人。
- 出口②｜当日受診推奨：今日のうちに診ておいた方がよいサインがある。AIが「当日受診推奨」のフラグを立て、スタッフが当日枠の空きを確認して案内する。
- 出口③｜看護師エスカレーション：受診科が絞りにくい、または判断に迷う。AIが「要注意」フラグを立て、聞き取り内容を看護師へテキストで共有。判断を引き上げる。
- 出口④｜即・人へ：危険を示す言葉が含まれている。ここではAIの分類結果を待たない。スタッフが直ちに看護師・医師へつなぐ。電話口なら受診を強く促すか、状況によって119番を案内する。この出口だけは、AIより人の反応速度を優先する。
この分岐の利点は、「迷ったら上の出口（より安全側）に倒す」設計にあること。分岐1・分岐2は、判断に少しでも引っかかれば安全側（出口④・③）へ流す。AIの役割は、出口①②の定型を高速にさばき、人が出口③④に集中できる余白を作ることにある。AIに緊急度を最終決定させる設計には、絶対にしない。
実装プロンプト：分岐ロジックを組み込んだ受付トリアージ支援エージェント
上のフローを、そのままAIへの指示文（プロンプト）に落とし込む。汎用テンプレの語句を差し替えただけのものではなく、4つの出口をAIに明示的に持たせるのが要点だ。
あなたはクリニックの受付業務を補助するアシスタントです。
あなたは医師ではありません。診断・病名の断定・緊急度の最終確定は
行わず、「受診科の候補」と「対応の出口の提案」までを担当します。
# 院の前提
- 診療科：[内科／整形外科／消化器内科 など自院の科を列挙]
- 当日枠の有無：[あり／要確認]
- 看護師の在席：[あり]
# 入力
受付スタッフが聞き取った患者の訴え（症状テキスト）を渡します。
氏名・生年月日・保険証番号など個人を特定できる情報は含めません。
# あなたの処理（必ずこの順で判定する）
1. 危険サイン（激しい痛み／突然の発症／胸の圧迫感／呼吸困難／
ろれつが回らない／意識がもうろう／大量出血 など）が
含まれるか判定する。
→ 含まれる場合：出口④「ただちに看護師・医師へ」とだけ出力し、
受診科の推測はしない。
2. 危険サインがない場合、当日中の受診が望ましいサイン
（持続する発熱／反復する嘔吐／痛みの増悪 など）があるか判定する。
→ ある場合：出口②「当日受診推奨」。
3. 当日サインもない場合、受診科が絞りにくい・判断に迷うか判定する。
→ 迷う場合：出口③「要注意・看護師へ共有」。
→ 明確な場合：出口①「通常予約・受診科候補を提示」。
# 出力フォーマット
- 出口：[①〜④のいずれか]
- 受診科の候補（出口①②のみ）：[科名と、そう考えた理由を一文]
- スタッフへの確認ポイント：[人が必ず確かめるべきこと]
- 判断の確からしさ：[高い／中／低い（低い場合は上の出口へ）]
# 厳守事項
- 病名の断定、緊急度の確定はしない。
- 少しでも迷う場合は、より安全な（番号の大きい）出口に倒す。
- 最終判断は受付スタッフ・看護師・医師が行うことを前提とする。
入力と出力のイメージ
たとえば「昨日の夜から38度の熱が続いていて、今朝から吐き気もある」という訴えを渡すと、AIはおおむね次のように返す。
- 出口：②（当日受診推奨）
- 受診科の候補：内科。発熱の持続と嘔気から、本日中の受診が望ましいと判断。
- スタッフへの確認ポイント：水分が取れているか／持病・服薬／高齢者か
- 判断の確からしさ：中（症状次第で出口③へ引き上げを検討）
ここで大事なのは、AIの出力をそのまま患者に伝えないこと。「スタッフへの確認ポイント」を人が一拍おいて確かめるから、この仕組みは安全側に働く。AIが間違った候補を出す可能性は常にある。AIの出力をうのみにせず人が検証する姿勢については、AIの”もっともらしい嘘”の見抜き方も参考になる。
患者情報をAIに渡す前にやること——個情委の注意喚起から逆算する運用ルール
トリアージ支援を動かす前に、絶対に整理しておかなければならないのが「何をAIに入れてよいか」だ。患者の症状は、法律上きわめて重い情報にあたる。
個人情報保護委員会は、医療機関における個人情報の取扱いに関する注意喚起のなかで、患者の病歴・症状などが「要配慮個人情報」にあたることを明確にしている。要配慮個人情報の取得や第三者提供には、原則として本人の明示的な同意が必要だ。
さらに、生成AIサービスの利用に関する注意喚起等についてでは、生成AIに個人情報を入力する行為が、個人情報保護法上の規制対象となりうる点が示されている。クリニックが患者の症状テキストを外部のAIサービスに入力する場面に、これは直接かかわる。
加えて、2024年9月に発出された病院・診療所及び薬局における要配慮個人情報を含む個人データの漏えい等事案を踏まえた個人データの適正な取扱いについては、医療機関での漏えい事例を踏まえ、改めて適正な安全管理を求めている。
これらから逆算すると、AIに入れてよい情報・いけない情報の線は次のように引ける。
| AIに入れてよい（個人を特定しない範囲） | AIに入れてはいけない |
|---|---|
| 「40代・男性・腹痛が昨夜から」など属性と症状の概要 | 氏名・生年月日 |
| 痛みの部位・持続時間・経過 | 保険証番号・診察券番号 |
| 一般的な訴えの言葉 | 住所・電話番号・メールアドレス |
つまり、症状という医学的な手がかりだけを残し、その人を特定できる情報はすべて落とす。前章のプロンプトに「個人を特定できる情報は含めない」と明記したのは、このためだ。
そして、外部のクラウドAIを医療業務に使う前には、厚生労働省の医療情報システムの安全管理に関するガイドライン 第6.0版が定める安全管理要件——責任分担やデータの取り扱いポリシーの確認——を院として満たしているかも、確認しておく必要がある。なお、同じ「要配慮個人情報」の壁は薬局も歯科も同様に直面する。薬局での向き合い方は薬局の服薬指導AI、歯科での個情委の線引きは歯科クリニックのAIエージェントで具体的に触れている。
※健康・受診に関わる判断は医療行為に直結します。本記事のトリアージ支援はあくまで受付の補助であり、診断・治療・緊急度の確定は必ず医師・看護師など有資格者が行ってください。患者の個人情報を外部AIに入力しないことを院のルールとして徹底してください。
フローチャートを”自院の判断基準”に育てる——段階的な運用設計と限界の申告
このフローチャートは、作って終わりではない。自院の診療科構成・患者層に合わせて育てていくものだ。
第1段階：過去の事例で試運転する。 いきなり本番投入せず、過去に「緊急だった事例」「通常でよかった事例」を5件ほど用意し、フローに当てはめてみる。出口④に正しく流れるか、出口①で取りこぼしがないかを確認する。
第2段階：危険サインの語句を自院仕様に調整する。 標準の危険サインに加え、自院の科でよく問題になる訴え（消化器内科なら「黒い便」、整形外科なら「足が動かない」など）を、分岐1のリストに足していく。
第3段階：AIが苦手なケースを把握しておく。 どんなに調整しても、AIには苦手な領域が残る。正直に申告しておく。
- 症状の記述が極端に短い：「しんどい」だけでは、AIも人も判断材料が足りない。聞き取りを足すしかない。
- メンタルヘルスの訴え：身体症状として現れることが多く、緊急度の判断が難しい。早めに人へ。
- 小児の非典型症状：子どもは大人と症状の出方が違う。フローの危険サインだけでは拾いきれない。
- 高齢者の「いつもと違う」：本人がうまく言語化できないことが多い。家族の同席や追加の聞き取りが要る。
これらは「AIに任せられない領域」として、出口③・④へ早めに倒す対象だ。フローの目的は、AIに全部やらせることではなく、人が本当に判断すべき難しいケースに、人の時間を残すことにある。
そして、診療科を増やしたとき、インフルエンザの流行期などで問い合わせが急増したときは、フローを見直すタイミングだ。判断基準は固定ではなく、季節と院の状況に合わせて更新していく。
まとめ：受付の「判断の仕組み」を、AIで院内資産に変える
受付スタッフが毎日こなしている「来てもらう速さ」の判断は、これまでベテランの頭の中だけにあった。休めば再現できず、新人には受け継げない、属人化した資産だった。
本記事で示したのは、その判断を1枚の分岐フローとして文書化し、AIに「候補出し」と「緊急サインの拾い上げ」を補助させながら、確定は必ず人が担うという設計だ。
- AIが担うのは仮分類まで。緊急度の確定は医師・看護師の領域（医師法17条）。
- AIに入れるのは症状の概要だけ。患者を特定できる情報は入れない（個情委の注意喚起）。
- 迷ったら、より安全な出口へ倒す。フローはそのために作る。
今週、まず試せることを3つ挙げておく。
- 過去の「ヒヤリ」事例を1件、フローに当てはめてみる。 どの出口に流れるかを確かめる。
- 自院の危険サインの語句を、分岐1に5語だけ書き足す。
- 「AIに入れない情報リスト」を1枚作り、受付に貼る。
この「判断の仕組み化」を進めるには、受付スタッフ自身がAIをどう扱えば安全か・どこまで任せていいかを体系的に理解しておくと、運用が一段ラクになる。医療事務や非IT職の方が生成AIの実践スキルを基礎から学ぶなら、オンラインで体系立てて学べるDMM 生成AI CAMPが一つの選択肢になる。プロンプト設計をもう少し自分の手で深掘りしたい場合は、Udemyの生成AI・ChatGPT活用講座で、本記事のプロンプトを自院仕様に作り込む力を養うのもよい。属人化していた受付の勘を、院全体で共有できる仕組みへ——その第一歩は、今日のフロー1枚から始められる。
なお、受付業務のうち「問い合わせの一次対応」をAIで整える具体策は、姉妹記事のクリニックの問い合わせ一次対応エージェントで扱っている。トリアージ支援と組み合わせると、受付まわりの全体像が見えてくる。
コメントを残す