7月31日、PYMNTSが「Hospitals Follow Banks' Playbook for Taming Generic AI」と題した記事を公開した。OpenAIが初めて国際病院向けにAI展開を図り、大手医療センターが相次いで「自施設のルールを組み込んだAI」へ舵を切るなか、汎用モデルをそのまま使う時代の終わりが見えてきた。銀行業界が数年かけて学んだ「インフラ化」の構図が、医療現場にも急速に定着しつつある。

「賢いAI」より「うちのルールを知っているAI」

OpenAIの初の国際病院向け展開として注目されているのが、イスラエルのSheba Medical Centerとの提携だ（7月28日発表）。医師・看護師・研究者・スタッフが、査読済み医学論文と臨床ガイドラインを統合したAI臨床推論プラットフォームに安全にアクセスできる。すべての回答には引用が付与される。

だが、この提携で本質的に重要な点は別にある。ShebaはOpenAIのプラットフォームに自施設の臨床プロトコルやポリシー文書を直接組み込む計画だ。つまり、AIの回答は「一般的な医学知識」だけでなく、「Shebaが実際にどのように医療を行っているか」を反映したものになる。技術的には、外部知識ベースをモデルの推論に動的に組み合わせるRAG（Retrieval-Augmented Generation）に近いアーキテクチャといえる。モデルを再学習するのではなく、参照先を施設固有の文書で上書きするアプローチだ。

同センターの最高イノベーション責任者であるEyal Zimlichman博士は、元記事の表現に基づくと、AIを全面的に活用する病院モデルの構築を目指すと述べている。なお、OpenAIのモデルはShebaのデータで追加学習されることはなく、患者情報はデータ分離と監査プロトコルで保護される。最終的な医療判断はShebaの臨床医が単独で下す。

銀行業界が先に通った道

汎用モデルを自施設のルールで「馴らす」という発想は、銀行業界がすでに数年前に実践している。融資ポリシーや不正検知のしきい値、コンプライアンスルールを無視した汎用AIは規制違反のリスクを生む。その教訓から、AIベンダーはスタンドアロン製品ではなく銀行インフラに直接組み込む形態へと舵を切った。

具体例を挙げると、Anthropicは金融機関向けに、引受審査・KYC（Know Your Customer＝顧客の身元確認や取引実態の把握を行うコンプライアンス業務）・コンプライアンス業務向けの金融サービス専用AIエージェントを複数リリースしており、各行の既存のリスク・コンプライアンスシステムに接続できる設計となっている。Experianも自社のAscend Platform内にAgent Operating Systemを構築し、融資判断におけるAIエージェントの各段階で監査可能性と人間による監督を担保している。

いずれも、銀行が対価を払っているのは「基盤モデルそのもの」ではない。「どこの銀行でもなく、この銀行らしく振る舞わせるレイヤー」だ。

病院も同じ結論に達しつつある

病院が直面する制約も同じ構造だ。汎用モデルが参照するのは広範な医学文献であり、各病院固有の治療経路やプロトコルではない。RAGや細粒度のコンテキスト注入によって「施設固有の知識」を後付けで与える手法は、モデルの再学習を不要にしつつ、回答の現場適合性を高める実用的なアプローチとして注目されている。

Cedars-Sinaiは5月、臨床AIプラットフォームOpenEvidenceと提携し、自施設のケアパスウェイとベストプラクティスをプラットフォームに組み込む方針を表明した。臨床医は医学文献とCedars-Sinai固有のガイダンスを同時に参照できるようになる。OpenEvidenceのCEO、Daniel Nadlerは「医療は抽象的に行われるものではない。独自の病歴と複雑さを持つ個々の患者に対して実践されるものだ」と語った。

Mount Sinaiはその2か月前、OpenEvidenceの初のエンタープライズ医療システム契約を締結した。7病院ネットワークの医師・看護師・薬剤師がプラットフォームを利用できる。Mount Sinaiの最高AI責任者Girish Nadkarniは「ケアチームの全メンバーに、厳密にソースが確認されたエビデンスベースの知見へのリアルタイムアクセスを提供する」とコメントした。

基盤モデルはコモディティになりつつある

Cedars-Sinai、Mount Sinai、Shebaに共通する賭けは明快だ。「自施設のプロトコルと知識ベースを組み込んだモデルは、より高性能でも自施設を知らないモデルより優れた結果を出す」というものだ。

基盤モデルはインフラになり、その上に積み上げる独自ルールと施設固有データのレイヤーが差別化の源泉になる。モデルの性能競争よりも、「いかに自施設の文脈を精度高く与えるか」がAI活用の勝負どころになるという構図は、銀行が数年かけて学んだそれと重なる。この流れが医療にも同じように定着しつつある。

詳細はHospitals Follow Banks' Playbook for Taming Generic AIを参照していただきたい。