【2026年3月速報】HIMSS医療AIエージェントの衝撃｜全業種が学ぶべき「Art・Penny・Emmie」の設計パターン

結論から言えば、HIMSS 2026で発表されたEpicの3つのAIエージェント（Art・Penny・Emmie）は、医療業界を超えて「AIエージェント設計の教科書」になりつつあります。

この記事の要点:

• 要点1: Epic「Art」は退院サマリーを20-30%高速化、「Penny」は請求拒否を20%以上削減、「Emmie」は患者問い合わせを58%減少させた
• 要点2: Agent Factoryにより、医療機関がノーコードでAIエージェントを自作（ChatGPT活用の基礎は「ChatGPTビジネスガイド」を参照）・運用する時代が到来
• 要点3: 「文書作成型・管理業務型・顧客対応型」の3パターンは製造・小売・サービス業にそのまま転用できる

対象読者: AIエージェント導入を検討中の経営者・DX推進担当者（AI人材育成の実践戦略も参考に）

読了後にできること: 自社の業務を3つのエージェント型に分類し、導入優先順位を決める（具体的な導入ステップは「AI導入戦略ガイド」で解説）

2026年3月10日、ラスベガス。世界最大の医療ITカンファレンス「HIMSS 2026」の会場で、電子カルテ最大手Epicが発表した数字に、会場がざわつきました。

退院サマリー作成が20-30%速くなった。請求拒否が20%以上減った。患者からの問い合わせが58%消えた。しかも特定の1病院の話ではなく、200以上の医療機関で再現されている成果です。

正直に言うと、「医療AIの話でしょ？うちには関係ない」と思った方もいるかもしれません。でも、ちょっと待ってください。Epicが作った3つのAIエージェントの設計パターンを分解してみると、驚くほど汎用的なんです。「文書を書く」「管理業務を回す」「顧客の質問に答える」——この3つの課題がない業種、ありますか？

この記事では、HIMSS 2026の発表内容を「全業種への応用」という切り口で徹底解説します。AIエージェントの基本的な導入ステップについては、AIエージェント導入完全ガイドで体系的にまとめていますので、あわせてご覧ください。

HIMSS 2026で何が起きたのか — 3分でわかるファクト整理

まず、今回の発表を時系列で整理します。数字はすべてEpic公式発表およびHIMSS取材記事からの引用です。

参加者は25,000人超。そのうち約3分の1がCスイート（経営層）という異例の構成です。「AIエージェント」が、もはやエンジニアの話ではなく経営課題になっていることの表れですよね。

Epic AIエージェント3体の実力 — 数字で見る成果

Epic Systemsが今回発表した3つのAIエージェントは、それぞれまったく異なる業務領域をカバーしています。ここが重要なポイントで、「1つのAIで何でもやる」のではなく、業務ごとに専用のエージェントを設計しているんです。

Art（アート）— 文書作成エージェント

役割: 臨床文書の自動生成・下書き

Artは、医師が退院時に書く「退院サマリー」の下書きを自動生成するエージェントです。患者の入院経過、検査結果、処方内容を電子カルテから読み取り、構造化された文書に変換します。

実績データ:

• 退院サマリーの完成速度が20-30%向上（複数の医療機関で計測）
• 今後は鑑別診断の支援にも拡張予定。患者の症状・既往歴・転帰のパターンから次のステップを提案

ここで注目してほしいのは、Artが「文章を最初から書く」のではなく、「既存データを構造化して下書きする」という設計になっている点です。最終確認は必ず医師が行う。このヒューマン・イン・ザ・ループの設計が、医療現場で受け入れられた最大の要因です。

Penny（ペニー）— 管理業務エージェント

役割: 医療請求の自動コーディング・拒否防止

Pennyは、医療行為に対する適切な請求コードの割り当てと、保険会社からの請求拒否を未然に防ぐエージェントです。

実績データ:

• 200以上の医療機関がPennyを導入済み
• コーディング関連の請求拒否が20%以上減少
• 拒否に対する異議申立書の作成速度が23%高速化

医療請求は「コードが1つ間違っているだけで数百万円の損失になる」世界です。Pennyは、過去の拒否パターンを学習して「この請求は拒否される可能性が高い」と事前に警告する仕組みを持っています。

Emmie（エミー）— 顧客対応エージェント

役割: 患者からの問い合わせ対応・予約変更

Emmieは、患者が病院に電話やメッセージで送る「請求書の内容がわからない」「予約を変更したい」といった定型的な問い合わせに自動対応するエージェントです。

実績データ:

• Rush大学医療センター: 請求関連の問い合わせが58%減少（持続的な効果）
• Ochsner Health: 14,900件以上の予約変更をEmmieが処理。スタッフの作業時間を約750時間削減

特にOchsnerの事例は印象的です。14,900件の予約変更って、1件あたり3分としても744時間分。それをAIが黙々とこなしている。スタッフは「複雑なケース」に集中できるようになったわけです。

Agent Factory — 「AIエージェントの民主化」が始まる

3体のエージェントと並んで注目を集めたのが、「Agent Factory」の発表です。これは、ノーコードの視覚的なビルダーでAIエージェントを構築・デプロイできるプラットフォームです。

Agent Factoryの特徴:

• ドラッグ＆ドロップのビジュアルビルダーでエージェントを設計
• 組織固有のポリシーやナレッジベースを組み込める
• プレビルトのエージェントライブラリから選んでカスタマイズ可能
• 組織が自分たちのタイムラインでデプロイできる

これ、医療業界の話として聞くと遠い世界に感じるかもしれません。でも、本質は「現場の人がコードを書かずにAIエージェントを作れるようにする」というコンセプトです。Microsoft Power PlatformやDifyのようなノーコードAIツールが、業界特化で進化した形と言えます。

Amazon・Google・Microsoftの参入 — なぜテック3巨頭が医療に殺到するのか

HIMSS 2026で目立ったのは、Epic以外のプレイヤーの動きです。Amazon、Google、Microsoftが揃って医療AIエージェント分野に本格参入してきました。

Amazonの仕掛け

Amazon Health AIは、Amazon Bedrock上に構築されたエージェント型ヘルスアシスタントです。注目すべきは、これが2億人超のPrime会員向けにAmazon.comに直接組み込まれた点。処方箋の更新、健康相談、One Medical医師へのオンライン診療予約まで、Amazonのエコシステム内で完結します。

さらに「Amazon Connect Health」として、病院の事務作業を丸ごと自動化するエージェントAIソリューションも発表しています。

Microsoftの進化

Dragon Copilotは、もともとNuanceの音声認識技術をベースにした臨床文書作成ツールでした。今回、これがMicrosoft 365 Copilotと統合され、単なる文書作成ツールから「エージェント型臨床アシスタント」に進化。

さらにMicrosoft Marketplaceを開放し、Canary Speech、Optum、Regardなどのサードパーティが作ったAIアプリを、Dragon Copilot内から直接利用できるようにしました。レベニューサイクル管理や事前承認もカバーしています。

Google Cloudの展開

Waystarとの提携拡大を発表し、GeminiモデルとGoogleのデータインフラを活用して、レベニューサイクルワークフロー全体にエージェントAI機能をスケールさせる計画です。

3社に共通するのは、「汎用AIをそのまま持ち込む」のではなく、業界の既存ワークフローに溶け込む形でエージェントを設計しているという点です。これは全業種に通じる重要な設計原則ですよね。

Curiosity基盤モデル — 「過去の患者データから未来を予測する」という発想

EpicはAIエージェントに加えて、「Curiosity」と名付けた医療特化のファウンデーションモデルも発表しました。

Curiosityの特徴:

• EpicのCosmosデータベース（実際の医療イベントデータ）で訓練
• 患者の次の医療イベント（診断、投薬、処置、転帰）を予測
• 入院日数、再入院リスク、将来の疾病リスクの予測で、単一目的モデルと同等以上の精度

これが意味するのは、「特定タスクごとにモデルを作る」時代から「1つの基盤モデルで複数の予測タスクをこなす」時代への移行です。汎用基盤モデル（GPT-4oやClaude）を業界データでファインチューニングするアプローチの、医療版と言えます。

全業種が学ぶべき3つの設計パターン

ここからが本題です。Epicの3エージェントを「業種を問わない設計パターン」として整理すると、こうなります。

Art型を自社に適用する — 「下書きエージェント」の作り方

Artの成功要因は3つあります。

1. データソースが明確: 電子カルテという構造化データから情報を取得
2. 出力フォーマットが固定: 退院サマリーのテンプレートに沿って生成
3. 人間が最終確認: 医師のレビューなしでは確定しない

これを一般企業に置き換えると、「CRMやERPのデータを元に、定型フォーマットの文書を下書きし、担当者が確認して確定する」エージェントになります。営業報告書、月次レポート、契約書ドラフトなどが典型的なユースケースです。

ポイントは、最初から「完璧な文書」を目指さないこと。Artも「Draft Hospital Course Notes」、つまり「下書き」と明確に位置づけている。80%の精度で下書きを出し、人間が20%を修正する。この設計が、現場の抵抗感を大幅に下げたんです。

Penny型を自社に適用する — 「ルールベースチェッカー」の発展形

Pennyが面白いのは、「AIがゼロからコードを考える」のではなく、「過去の拒否パターンをもとに、ミスを事前に防ぐ」という設計です。

一般企業なら:

• 経費精算: 過去に差し戻された精算パターンを学習し、「この出張費は証憑が不足しています」と事前警告
• 契約書レビュー: 過去の修正履歴から、「このNDA条項は御社の標準と異なります」と指摘
• 在庫発注: 過去の欠品・過剰在庫パターンから、発注量の最適化を提案

Pennyの請求拒否20%削減が示しているのは、「ミスを減らすAI」は「新しいものを作るAI」より、はるかに投資対効果が高いということです。

Emmie型を自社に適用する — 「段階的エスカレーション」設計

Emmieの58%削減という数字を出せた理由は、「すべての問い合わせに答えよう」としなかったことです。

Emmieが対応するのは:

• 請求書の内容説明（定型）
• 予約変更（手続き型）
• よくある質問への回答（FAQ型）

つまり、「パターンが決まっている問い合わせ」だけをAIに任せ、複雑なケースは人間にエスカレーションする設計です。Ochsner Healthで14,900件の予約変更を処理できたのも、「予約変更」という比較的シンプルな業務に絞ったからこそ。

カスタマーサポートでも同じアプローチが有効です。「全問い合わせの100%をAI化」を目指すのではなく、まずは上位30%の定型問い合わせだけをAIに任せる。それだけで問い合わせ件数の50%以上を処理できる場合が多いんです。

【要注意】AIエージェント導入で陥りやすい3つの落とし穴

HIMSS 2026では、成功事例だけでなく慎重な声も多く上がりました。25,000人超の参加者の中には、AIエージェントの導入に警鐘を鳴らす専門家も少なくなかったんです。

落とし穴1: 検証なしの本番投入

❌ 「AIの出力が正しそうだから、そのまま使おう」

⭕ 「AIの出力は必ず人間がレビューし、段階的に自動化範囲を広げる」

なぜ重要か: STAT Newsの報道によると、AIエージェントが十分にテストされないまま運用されるリスクが指摘されています。医療では「AIが生成した内容がそのまま永久的な記録になる」ため、未検証の診断や不完全な臨床コンテキストが記録に残る危険性があります。これは医療に限った話ではありません。営業報告書や契約書でも、AIの出力をそのまま確定すれば同じリスクを抱えます。

落とし穴2: ブラックボックスのまま運用

❌ 「AIが判断した理由は分からないけど、精度が高いから大丈夫」

⭕ 「AIがどのデータに基づいて判断したかを追跡できるようにする」

なぜ重要か: HIMSS 2026で専門家が指摘したように、新世代のAIツールは「臨床の現場ではブラックボックス的な存在」になりうる。アルゴリズムの中身や、入力データの正確性をユーザーが把握できない場合があります。企業導入でも、「AIがなぜその結論を出したのか」を説明できなければ、関係者の信頼を得られません。

落とし穴3: ガバナンスの後回し

❌ 「まずは動かしてから、ルールは後で考えよう」

⭕ 「利用ポリシー・責任範囲・エスカレーションルールを先に決めてから導入する」

なぜ重要か: 医療業界では、「AIが患者の会話を傍受している場合、いつ・どのように患者に通知すべきか」の業界標準がまだ確立されていません。企業でも同様に、「AIが社内のメール・チャットを分析する場合の社員への通知義務」「AIの判断で不利益を被った場合の責任の所在」を事前に定めておく必要があります。

日本企業が今すぐ着手すべき5つのアクション

HIMSS 2026の発表を踏まえて、日本企業が今すぐ取り組めることを整理しました。100社以上のAI研修・導入支援の経験から、優先度の高い順に並べています。

アクション1: 自社業務を3パターンで棚卸しする

まず、自社の業務を「Art型（文書作成）」「Penny型（管理チェック）」「Emmie型（顧客対応）」の3つに分類してみてください。分類できたら、各カテゴリで最も反復頻度が高く、パターンが決まっている業務を1つずつ選ぶ。それがAIエージェント導入の最有力候補です。

アクション2: 「下書き＋人間レビュー」で小さく始める

Artの成功要因は「完成品ではなく下書きを出す」設計でした。いきなり「AIが最終判断する」仕組みを作るのではなく、まずは「AIが下書きし、人間が確認する」ワークフローから始めましょう。ChatGPTやClaudeのAPIを使えば、特定の文書テンプレートに沿った下書き生成は今日から始められます。

アクション3: 過去の「ミスパターン」をデータ化する

Pennyが請求拒否を20%減らせたのは、「過去にどんなミスがあったか」のデータが蓄積されていたからです。経費精算の差し戻し、契約書の修正箇所、顧客クレームの内容など、「過去のミスパターン」をスプレッドシートでいいので整理し始めてください。これがAIエージェントの学習データになります。

アクション4: 問い合わせの「上位30%」を特定する

Emmieが58%の問い合わせ削減を実現できたのは、「定型的な問い合わせ」に絞ったから。自社のカスタマーサポートやヘルプデスクに届く問い合わせを分類し、最も件数が多い上位30%のパターンを特定しましょう。それらをFAQ化し、チャットボットやAIアシスタントで自動応答させるだけでも、大きな効果が出ます。

アクション5: ガバナンスの基本ルールを先に作る

HIMSS 2026の教訓として最も重要なのは、「技術よりガバナンスが先」ということ。以下の3項目だけでも事前に決めておきましょう:

• AIの出力を最終確認する担当者は誰か
• AIの判断でミスが起きた場合の責任はどこにあるか
• AIに入力してはいけないデータの範囲は何か

2026年後半の注目ポイント

HIMSS 2026を踏まえ、今後注目すべきトレンドを3つ挙げます。

1. Agent Factoryのオープンプラットフォーム化

Epicが発表したAgent Factoryは、現時点では医療機関向けです。しかし、「ノーコードでAIエージェントを作れるプラットフォーム」というコンセプトは、Salesforce（Agentforce）やMicrosoft（Copilot Studio）など他の企業向けプラットフォームでも同様のアプローチが進んでいます。2026年後半には、業界を問わず「エージェントビルダー」が標準装備になる可能性が高いです。

2. 業界特化型ファウンデーションモデルの台頭

EpicのCuriosityモデルは、医療データで訓練された業界特化モデルです。同じアプローチが金融（Bloomberg GPT的なモデル）、法律、製造業でも進むでしょう。汎用モデルを使うか、業界特化モデルを使うかの判断が、今後のAI戦略の分岐点になります。

3. テック3巨頭の医療AI競争が全業界に波及

Amazon、Google、Microsoftが医療AIに殺到しているのは、医療が「規制が厳しく、データが膨大で、自動化ニーズが高い」市場だからです。ここで実証されたAIエージェント技術は、必ず他の業界にも展開されます。特にAmazonの「Prime会員向けヘルスAI」は、将来的にAmazon Businessの法人向けAIアシスタントに発展する布石と見ることもできます。

まとめ：HIMSS 2026が示した「AIエージェント時代の設計図」

HIMSS 2026の最大の収穫は、「AIエージェントは夢物語ではなく、測定可能な成果を出し始めている」ということが、200以上の医療機関のデータで証明されたことです。

そして、その成功パターンは驚くほどシンプルです:

1. 業務を3つの型に分類する（文書作成・管理チェック・顧客対応）
2. 最も反復的な業務から着手する（14,900件の予約変更のような定型業務）
3. 「完璧」ではなく「下書き」から始める（Art型のヒューマン・イン・ザ・ループ設計）
4. ガバナンスを後回しにしない（検証・責任・データ範囲を先に定義）

「うちの業界は特殊だから」と思われるかもしれません。でも、退院サマリーの下書きも、医療請求のエラーチェックも、患者の予約変更対応も、抽象化すれば「文書作成・管理業務・顧客対応」です。あなたの業界にも、必ず当てはまるパターンがあるはずです。

あわせて読みたい:

• AIエージェント導入完全ガイド — 基本概念から導入ステップまで体系的に解説
• AI投資の効果測定フレームワーク — ROIを可視化する実践5ステップ

参考・出典

• Real Results, Right Now: How Epic AI Is Reducing Costs, Improving Care, and Helping Patients — Epic Systems（参照日: 2026-03-12）
• Epic highlights AI systems’ success metrics at HIMSS26 — Healthcare IT News（参照日: 2026-03-12）
• HIMSS26: Epic expands AI roadmap, previews Factory to build and orchestrate AI agents — Fierce Healthcare（参照日: 2026-03-12）
• The Agentic EHR: Epic Unveils ‘Agent Factory’ and Custom Models — HIT Consultant（参照日: 2026-03-12）
• HIMSS 2026: Health AI agents are here, but what about the validation? — STAT News（参照日: 2026-03-12）
• Microsoft Dragon Copilot meets the moment at HIMSS 2026 — Microsoft（参照日: 2026-03-12）
• At HIMSS26, Epic to highlight no-code Agent Factory and other AI advances — Healthcare IT News（参照日: 2026-03-12）

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。（「AI研修会社の選び方」も活用ください）著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。