「また期限切れの薬を廃棄しなければならない」「発注漏れで患者さんを待たせてしまった」――調剤薬局を経営されている方なら、こうした悩みに心当たりがあるのではないでしょうか。
医薬品の在庫管理は、調剤薬局にとって経営の根幹を左右する業務です。在庫が多すぎれば廃棄コストがかさみ、少なすぎれば患者さんに迷惑をかけてしまう。このバランスを人の経験と勘だけで維持し続けるのは、限界があります。
この記事では、2店舗を運営する調剤薬局がAI在庫管理を導入し、発注ミスゼロ、廃棄コスト40%削減を実現した事例を詳しくご紹介します。「AIで在庫管理が変わるって、具体的にどういうこと?」という方に、導入前後の変化と費用対効果をわかりやすくお伝えします。
導入企業のプロフィール
今回の事例企業の概要は以下のとおりです。
| 項目 | 内容 |
|---|---|
| 業種 | 調剤薬局(保険調剤) |
| 店舗数 | 2店舗(市内中心部+住宅街) |
| 従業員数 | 薬剤師4名、事務スタッフ3名(合計7名) |
| 月間処方箋枚数 | 約2,400枚(2店舗合計) |
| 取扱医薬品数 | 約1,800品目 |
| 年商 | 約1.8億円 |
地域密着型の調剤薬局として15年以上の実績がある企業です。近隣の総合病院と複数のクリニックから処方箋を受けており、取扱品目が多いことが在庫管理の難しさにつながっていました。
導入前の課題:経験と勘に頼る在庫管理の限界
AI導入前、この薬局が抱えていた課題は大きく3つありました。
課題1:発注ミスが月に5〜8件発生
在庫管理は、ベテラン薬剤師の「経験と勘」に大きく依存していました。棚を目視で確認し、「そろそろこの薬が少なくなってきたな」という感覚で発注をかける。この方法では、どうしてもヒューマンエラーが避けられません。
具体的な発注ミスの内訳は以下のとおりです。
| ミスの種類 | 月間発生件数 | 影響 |
|---|---|---|
| 発注漏れ(在庫切れ) | 2〜3件 | 患者の待ち時間増加、近隣薬局への転送 |
| 過剰発注 | 2〜4件 | 使用期限切れリスク、キャッシュフロー悪化 |
| 品目間違い | 1〜2件 | 返品手続き、業務の手戻り |
特に問題だったのは、発注漏れによる在庫切れです。患者さんに「今日はお薬を用意できません。明日また来てください」と伝えなければならない場面は、患者満足度だけでなく、薬局としての信頼にも直結します。
課題2:廃棄コストが年間約180万円
取扱品目が1,800と多いため、使用頻度の低い医薬品の在庫管理が特に困難でした。「いつか処方箋が来るかもしれない」と持ち続けた結果、使用期限を迎えてしまう。年間の廃棄コストは以下の水準に達していました。
- 使用期限切れによる廃棄額:年間約120万円
- 返品不可商品の損失:年間約40万円
- 廃棄処理の人件費:年間約20万円
- 合計:年間約180万円
年商1.8億円の薬局にとって、180万円の廃棄コストは利益を大きく圧迫する金額です。
課題3:在庫確認・発注業務に毎日2時間
2店舗分の在庫確認と発注業務に、薬剤師が毎日合計約2時間を費やしていました。この時間は本来、患者さんへの服薬指導や健康相談といった「薬剤師にしかできない業務」に充てるべき時間です。
月間に換算すると約50時間。薬剤師の時給を3,000円とすると、月間約15万円、年間約180万円分の薬剤師リソースが在庫管理に消えていた計算です。
AI在庫管理の導入プロセス
AI業務代行の仕組みを活用し、以下のステップで導入を進めました。
Phase 1:業務の可視化と要件定義(2週間)
まず、現状の在庫管理フローを詳細に可視化しました。
- 2店舗の在庫データ(過去3年分)を分析
- 処方箋データと在庫の相関関係を調査
- 発注ミス・廃棄が発生しやすい品目のパターンを特定
- 薬剤師へのヒアリング(暗黙知の言語化)
この段階で明らかになったのは、全1,800品目のうち、約300品目(17%)が廃棄コストの80%を占めているという事実でした。いわゆる「パレートの法則」が在庫管理にも当てはまっていたのです。
Phase 2:AIモデルの構築とテスト運用(1ヶ月)
過去の処方箋データ、季節変動、近隣医療機関の診療科目などをもとに、需要予測AIモデルを構築しました。
AIモデルが行う処理は以下のとおりです。
- 需要予測:品目ごとに、向こう2週間の出庫量を予測
- 適正在庫の算出:安全在庫量+リードタイム分を自動計算
- 自動発注リストの生成:翌日の推奨発注リストを毎晩生成
- 期限アラート:使用期限が3ヶ月以内の在庫を自動検知
最初の2週間はAIの推奨リストと従来の手作業発注を並行運用し、精度を検証しました。
Phase 3:本格運用と効果測定(2ヶ月目〜)
テスト運用の結果、AIの需要予測精度が93%に達したことを確認し、本格運用に移行しました。薬剤師はAIが生成した発注リストを確認し、必要に応じて微調整するだけのオペレーションに変わりました。
「自社に合ったAI活用の方法がわからない」と感じた方は、まずは無料AI活用診断(30分オンライン)をご活用ください。貴社の業務に最適なAI活用プランを具体的にご提案します。 → 無料AI活用診断に申し込む
導入後の成果:数字で見るビフォーアフター
導入から6ヶ月後の成果を、導入前と比較します。
成果一覧
| 指標 | 導入前 | 導入後 | 改善率 |
|---|---|---|---|
| 発注ミス件数 | 月5〜8件 | 月0件 | 100%削減 |
| 廃棄コスト | 年間約180万円 | 年間約108万円 | 40%削減 |
| 在庫確認・発注業務時間 | 毎日2時間 | 毎日30分 | 75%削減 |
| 在庫回転率 | 年8.2回 | 年11.5回 | 40%改善 |
| 患者の待ち時間(在庫切れ起因) | 月平均12分 | 月平均0分 | 100%解消 |
| 欠品による転送件数 | 月2〜3件 | 月0件 | 100%解消 |
成果の詳細
発注ミスゼロの実現
AIが過去の処方データとリアルタイムの在庫数を照合し、最適な発注タイミングと発注量を自動計算するため、「うっかり忘れた」「多く頼みすぎた」がなくなりました。特に、季節性のある薬(花粉症薬、インフルエンザ治療薬など)の需要変動にも的確に対応できるようになった点が大きいです。
廃棄コスト40%削減
年間180万円だった廃棄コストが108万円に減少。年間72万円の削減です。特に効果が大きかったのは、使用頻度が低い品目の在庫適正化です。AIが「この品目は月1回程度しか出ない」と判断した場合、最小ロットでの発注に切り替え、期限切れリスクを最小化しました。
薬剤師の業務時間創出
在庫確認・発注に費やしていた毎日2時間が30分に短縮されたことで、月間約37.5時間の薬剤師リソースが創出されました。この時間は、患者さんへの服薬指導の充実や、かかりつけ薬剤師としてのフォローアップに充てられています。
費用対効果の詳細
AI導入の費用について気になる方も多いと思います。この事例での具体的な費用対効果を公開します。
導入コスト
| 項目 | 金額 |
|---|---|
| 初期構築費用(業務分析・AIモデル構築) | 80万円 |
| システム連携費用(レセコンとのデータ連携) | 30万円 |
| 月額運用費用 | 15万円/月 |
年間の費用対効果
| 項目 | 金額 |
|---|---|
| コスト削減効果 | |
| 廃棄コスト削減 | +72万円/年 |
| 薬剤師工数削減(月37.5時間×時給3,000円) | +135万円/年 |
| 発注ミス対応コスト削減 | +24万円/年 |
| 削減効果合計 | +231万円/年 |
| AI導入コスト | |
| 初期費用(初年度のみ) | −110万円 |
| 月額運用費用 | −180万円/年 |
| 導入コスト合計 | −290万円(初年度)/ −180万円(2年目以降) |
| 年間ROI | 初年度 −59万円 / 2年目以降 +51万円 |
初年度は初期費用があるため投資回収途中ですが、2年目以降は年間約51万円のプラスになります。また、患者満足度の向上による来局患者数の増加や、かかりつけ薬剤師の算定件数増加など、数値化しにくい効果も出ています。
実際、導入後6ヶ月で「かかりつけ薬剤師」の算定件数が月平均で23%増加しました。これは、在庫管理から解放された薬剤師が、患者さんとのコミュニケーションにより多くの時間を割けるようになった結果です。
導入のポイントと注意点
この事例から学べるポイントと、導入時に注意すべき点をまとめます。
成功の3つのポイント
ポイント1:データの蓄積があったこと
3年分の処方箋データとレセコン(調剤報酬請求用コンピュータ)のデータが揃っていたため、AIモデルの精度を早期に高めることができました。データがない状態から始める場合は、3〜6ヶ月のデータ蓄積期間が必要になります。
ポイント2:スモールスタートで始めたこと
最初から2店舗同時ではなく、まず1店舗(処方箋枚数の多い中心部店舗)でテスト運用を行い、成果を確認してから2店舗目に展開しました。この段階的なアプローチが、リスクを最小化しつつ現場の理解を得るうえで有効でした。
ポイント3:薬剤師の判断を最終チェックとして残したこと
AIは発注リストの「推奨」を行いますが、最終的な発注ボタンを押すのは薬剤師です。「AIに完全に任せる」のではなく、「AIが提案し、人が確認する」というフローにしたことで、現場の安心感を確保できました。
注意すべき3つの点
注意点1:レセコンとの連携が必須
AI在庫管理の精度は、処方データのリアルタイム取得に依存します。使用しているレセコンがAPI連携に対応しているか、事前に確認が必要です。
注意点2:特殊な医薬品の取り扱い
麻薬や向精神薬など、法規制のある医薬品についてはAIの自動発注対象から除外し、従来どおり薬剤師が管理する運用にしています。規制対応については、バックオフィス業務の外注ガイドも参考にしてください。
注意点3:災害時・緊急時の対応
システム障害や災害時に備え、手動での発注フローも維持しています。AIに完全依存するのではなく、バックアップ体制を構築しておくことが重要です。
調剤薬局がAI在庫管理を導入する際のチェックリスト
この事例を参考に、導入を検討する際に確認すべきポイントをチェックリスト形式でまとめました。
| # | 確認項目 | チェック |
|---|---|---|
| 1 | レセコンのデータ出力(API連携またはCSV出力)が可能か | □ |
| 2 | 過去1年以上の処方箋データが保存されているか | □ |
| 3 | 取扱品目数と月間処方箋枚数を把握しているか | □ |
| 4 | 年間の廃棄コストを算出しているか | □ |
| 5 | 在庫管理にかかっている人件費を把握しているか | □ |
| 6 | 導入予算(初期80〜150万円、月額10〜20万円)を確保できるか | □ |
| 7 | 現場(薬剤師・事務スタッフ)の理解と協力が得られるか | □ |
| 8 | テスト運用期間(1〜2ヶ月)を確保できるか | □ |
6項目以上にチェックがつけば、AI在庫管理の導入効果が見込める可能性が高いです。
まとめ
今回ご紹介した調剤薬局の事例では、AI在庫管理の導入により以下の成果を実現しました。
- 発注ミス:月5〜8件 → ゼロ
- 廃棄コスト:年間約180万円 → 年間約108万円(40%削減)
- 在庫管理業務時間:毎日2時間 → 毎日30分(75%削減)
- 在庫回転率:年8.2回 → 年11.5回(40%改善)
調剤薬局の在庫管理は、品目数の多さと需要の不確実性から、人の経験と勘だけでは最適化が困難な業務です。AIを活用することで、発注の精度が飛躍的に向上し、経営に直結する廃棄コストの削減と、薬剤師の本来業務への集中が実現できます。
「自社の薬局でもAI在庫管理は使えるのか?」「費用対効果をもっと詳しく知りたい」という方は、ぜひ一度ご相談ください。
無料AI活用診断のご案内
「この記事の内容を自社で実践したいが、どこから手をつければいいかわからない」——そんな方のために、30分のオンライン無料診断をご用意しています。
- 貴社の業務フローを簡単にヒアリング
- AIで自動化・効率化できる領域を特定
- 具体的な改善プランと費用感をご提示
営業電話は一切しません。まずは現状の可視化から始めませんか? → 無料AI活用診断に申し込む
- 士業事務所のAI活用ガイド|書類作成・顧客対応・業務管理の効率化事例
- 製造業のAI業務代行活用法|受発注・在庫・品質管理の自動化事例
- EC事業者のAI業務自動化ガイド|受注処理・在庫管理・顧客対応を効率化
- 不動産会社のバックオフィスAI化|契約書・物件管理・顧客対応の効率化
- 飲食店・飲食業のAI業務効率化|予約管理・発注・シフト作成の自動化
- 【事例】建設会社の安全書類・工程管理をAIで効率化|月20時間削減の方法
- 【事例】介護施設のAI活用|記録業務を70%削減し介護の質を向上させた方法
- 【事例】運送会社のAI配車最適化|燃費15%改善&ドライバー残業30%削減
- 【事例】1人社長がAI業務代行でマーケティングを外部化|売上1.5倍の裏側
- 美容室・サロンのAI予約管理・顧客対応|リピート率を上げる業務効率化ガイド
- 学習塾・教育事業のAI業務効率化|生徒管理・授業準備・保護者対応の自動化