「うちは早い」の先へ｜放課後デイ・就労移行のAI判断録2026
管理者の判断・数値変化・誤算を3点セットで記録

「このままじゃ、やっぱり置いていかれるんだなって、はっきり感じました」

「動いてみたら、想定と違う苦労があったけど、修正できました」

「記録時間を削ることが、結果的に人材定着につながるんです」

2026年上半期、福祉現場でAI導入の決断をした施設と、まだ様子見のままの施設。その分かれ目は何だったのか。

「うちには早い」「まず情報を集めてから」。そう判断していた管理者が、夏から秋にかけて急速に動き出した。補助金の執行期限が近づいたからか。それとも、周囲の変化に気づいたからか。

答えは、その両方だった。そして、動いてみた施設には、想定通りに進まなかった「誤算」も、その誤算を修正したプロセスも、ちゃんと記録されていた。

---

「うちにはまだ早い」——その判断はいつ更新されるのか

「いまのところ、AIはうちの現場には合わないんじゃないか」。こう考えている管理者は、福祉施設の中にはまだたくさんいる。その判断そのものは間違っていない。ただし、その判断が「今のところ」という時間軸に乗ったままになっていることが、後々、大きな決断の遅れに変わる。

6月末の時点で「様子見」と決めていた施設が、10月になると「年度内になんとか導入したい」と焦り始める。その理由は、単純だ。上半期の補助金を「使い切るか、返却するか」という判断期限が近づくからである。そして、それと同じくらい大きな理由が、もう一つある。周囲の施設が動き出したことを知るからだ。

「もう隣の○○さん、導入したらしいよ」という情報が現場を通じて伝わると、判断の質が変わる。個社の優位性が失われるのではないか、という危機感が生まれるからだ。その危機感は、正確には「早さの競争」ではなく、「判断のタイミングの競争」に姿を変えている。

放課後等デイのAI判断録——記録業務から始めた3か月

東京都内の放課後等デイサービス。定員20名、スタッフ8名という中規模施設。この施設の管理者・Aさんの判断の瞬間は、6月の第2週だった。

「毎日、子どもたちの活動記録を手で書いて、それを保護者向けに清書するのに、一日1時間半かかっているんです。その時間を減らせたら、職員の負担が劇的に変わると思って、試しにAIに記録を読み込ませてみました」

Aさんが選んだのは、「記録業務」という最小単位の入口だった。だが1ヶ月後、想定と異なる問題が現れた。誤算は、AIが生成したテキストの「細部」にあった——子どもの個性が薄れる、という懸念だ。修正は、AIの出力を「ベース」として使い、職員が「この子らしさ」を30秒〜1分で肉付けするプロセスへの変更で対応した。この修正を経てからこそ、数字が意味を持った。一日あたりの記録作業時間は1時間30分から35分へ——短縮率は60%だった。

「完璧なAI出力を目指さず、『70点のたたき台』として使う。そう考えたら、職員のストレスが変わりました」。8月の時点で、Aさんのこの判断が職員会議で共有された。

判断の文脈：

• 現場の「小さな苦」（日々の記録時間）を起点にした
• 導入タイミングを「夏休み前の閑散期」に設定し、試行錯誤の時間を確保した
• 職員を「AI使用者」ではなく「記録の質を判断する専門家」として位置づけ直した

9月下旬、Happiterの20回研修に参加したAさんは、この経験をケーススタディとして他の施設管理者に共有する機会を得た。そのとき、初めて「自分たちの判断プロセスは、実は記録されるべき価値がある」と気づいたという。

就労移行支援のAI判断録——アセスメント整理から見えた誤算と修正

埼玉県の就労移行支援事業所。定員15名、スタッフ6名。この施設の管理者・Bさんが動き始めたのは、7月中旬だった。

「利用者さんのアセスメント情報がバラバラに記録されている。毎回、支援計画を立てるたびに、過去のアセスメントを探し回っているんです。これを、AIで一元整理できたら……」

Bさんが直面した誤算は、3週間目に明らかになった。AIが過去のアセスメント数値を統計的に「正規化」する際、個別の就労ニーズの急激な変化を見落とし始めたのだ。つまり、「平均的な推移」を示しすぎて、「この利用者さんの今」を失っていた。

修正は、AIの統計処理を「直近3ヶ月」に限定し、その前の履歴は参考情報として別枠で表示することで対応した。さらに、月に一度、職員がアセスメント整理の「判断軸」そのものを確認し直すプロセスを加えた。

「誤算があったから、むしろよかったんです。AI任せではなく、自分たちの支援の『軸』を言語化し直す機会になりました」。Bさんはこう振り返る。この修正プロセスを経た8月末の時点で、アセスメント整理の作業時間は一日あたり25分から12分へ。短縮率は52%だが、質の維持に関わる判断作業が30分追加されたため、実際の業務効率化は月ベースで見ると約15時間だった。

判断の文脈：

• 「バラバラ」という現場の認識を、AIで「統一」したいという欲求が出発点
• 誤算（統計化による個別性の喪失）を、職員の判断力を磨く逆転機会に変えた
• 数値の効率化より、判断プロセスの質を優先する価値判断が、修正の核

小規模多機能型居宅介護のAI判断録——夜間記録の負荷を削った理由

埼玉県内の小規模多機能型居宅介護。登録利用者25名、夜間・宿泊対応あり、常時スタッフ4～5名。この施設の管理者・Cさんが判断を下したのは、5月だった。

「夜間の利用記録。今は、夜勤スタッフが翌朝、手で詳細を記入しているんです。でもそれって、本当は必要か？」

Cさんの背景にあったのは、処遇改善加算の算定要件見直し議論だ。2026年中に、加算要件が「質的な介護」にシフトするとの予測がある。となれば、夜間の手書き業務に時間を費やすより、昼間の質的な支援に時間を使うべき、という判断が働いた。

しかし、導入から3週間ほどで誤算が見えてきた。AIが生成する夜間記録が「経過」に偏り、「本人の訴え」を落とすことだった。修正はシンプルだった。夜勤スタッフが音声で「利用者さんの言葉」を2〜3分だけ記録する——AIはそれを含めて整文する流れに変えた。この修正を経て、3ヶ月後に数値が追いついた。夜間記録の作成時間は、スタッフ一人あたり週5時間から2.5時間へ。その分の時間は昼間のケアカンファレンスに充てられた。

「人材定着って、時間の余裕だと思うんです。記録で2時間削れたら、その2時間で一呼吸つける。それが、離職防止になるんじゃないか」。Cさんのこの判断は、処遇改善加算の見直し議論と符号していた。

判断の文脈：

• 業界の制度変化（処遇改善加算見直し）を先読みした戦略的な判断
• 効率化の先に「人材定着」という経営課題を見据えている
• 夜間業務の最適化＝昼間の質的支援への時間転換、という構造設計

判断の起点——課題が言葉になった施設と、ならなかった施設

Aさん、Bさん、Cさんの3施設に共通していたのは、何か。

それは、「導入を目的にしていない」ということだ。記録を減らしたい、アセスメントを整理したい、人材を定着させたい——という「現場の課題」が先にあり、AIはあくまで「その課題を解く道具」として選ばれている。

一方、同じ時期に「様子見のまま」だった施設の判断プロセスは、異なっていた。「AIってすごいらしいけど、うちに合う使い方があるかな」と、使い方を探すところから始まっている。言い換えれば、ツールが先で、課題が後ろに隠れている状態だ。

「うちには早い」と判断していた施設が、実は何を判断していたかといえば、「使い方がイメージできない」という自分たちの状態を反映していただけだった。

起点の差を整理すると：

• 課題を動詞と数字で言えた施設：「1時間半を削りたい」「バラバラを一本化したい」「夜間の2時間を昼間に転換したい」——課題が、具体的な動詞と数字で語れる状態にあった
• 課題が概念のまま止まっていた施設：「業務を効率化したい」「DXを推進したい」——名詞と概念だけで、何を削るかが言葉になっていない
• 誤算を修正の前提として設計した施設：失敗が起きることを想定して動き出した
• 完璧な導入を前提にしていた施設：失敗のリスクを見積もることで、検討そのものが止まった
• 試行可能な期間を短く区切った施設：「3週間でまず確かめる」という単位で走り始めた
• 十分な準備を名目にした施設：「もう少し情報が揃ったら」を繰り返すことで、実質的に検討が先送りになった

つまり問われているのは「早い遅い」ではなく、「課題を具体的な言葉で持っているか」と「失敗を修正の起点として受け入れられるか」——その二つが、判断の起点を分けていた。

2026年10月の判断材料——補助金執行期限と来期申請の分岐点

2026年も折り返しを過ぎた。多くの社福法人・施設が受け取った上半期の補助金。その執行期限が、10月下旬に迫っている。

この時期、管理者の判断基準は二つに分かれる。一つは、「この補助金で、今期中に何かを導入・改善したい」という選択。もう一つは、「一度返却して、来期の申請に向けて準備期間に充てたい」という選択だ。

Aさん、Bさん、Cさんの判断を振り返ると、共通していたのは「試行可能な規模」を選んでいることだ。全庁的なDX推進ではなく、「記録業務だけ」「アセスメント整理だけ」「夜間記録だけ」という『一つの業務フロー』に限定している。だから、失敗のリスクも小さく、修正も速い。

10月の判断は、こうなる。「限定的な導入で、確実に一つの成功事例を作る」のか、「準備期間に充てて、来期により大きな構想に取り組むのか」。その判断は、補助金の有無ではなく、「今、自分たちの現場で一番削りたい業務は何か」という課題言語化の先にある。

今日から始める「0→0.1」——完璧でなくていい

ここまで読んで、「でも、うちはまだ準備が……」と思った管理者も多いだろう。その気持ちはよくわかる。ただ、Aさん、Bさん、Cさんも、最初から「完璧に導入する」つもりではいなかった。

Aさんは、最初の1週間、毎日AIの出力を見直した。「これじゃダメだ」と何度も思ったという。でも、その「ダメ出し」の繰り返しが、自分たちの記録の『軸』を明確にしていった。

完璧な導入は、来年でいい。今日、始められることは何か。それは、こんなに小さい。

• 記録業務なら：「今日は、利用者の活動を、ChatGPTに要点だけ読み込ませて、文章に整えてもらう」を、1件試してみる
• アセスメントなら：「過去3ヶ月分の支援記録を、テキストで集めて、AIに『この利用者さんの課題は何か』と問いかけてみる」を、1利用者で試してみる
• 記録時間の短縮なら：「今日の記録にかかった時間を、毎日メモする」ことから始める——数値がなければ、改善も測れない

最初の1週間のやり取りが、自分たちの「型」を育てる。その繰り返しを続けた3ヶ月後には、「あのときはできなかったことが、できている」という状態が生まれている。

「完璧でなくていい」というのは、手抜きではなく、むしろ逆だ。失敗と修正のサイクルを、小さく回し続けることが、本当の定着を作る。

この記事は Happiter株式会社 代表取締役 茂呂史生 が福祉×AI×ICT 研修の現場経験をもとに執筆しました。数字や事例は受講事業所さまの実例を一般化したもので、個別の状況によって異なります。あなたの事業所に合った進め方は、ぜひ 無料相談 でお聞かせください。

「うちは早い」という判断から、「うちは今、ここから」という判断へ。その転換の先には、あなたの施設の判断の記録が生まれる。同じ業界の別の管理者が、その記録に背中を押される日は、遠くない。

誤算を修正できた3施設には、最初の1週間に共通した記録の型があった。その型をそのまま使えるPDFがある——導入初週のプロセス、修正ポイント、3ヶ月後の数字つきで。