Novo Nordisk が全社セルフサービス生成AI基盤を構築──RAGで「検証済みの言葉」だけを再利用

「使わせない」ではなく「安全に使わせる」を選んだ製薬大手

デンマークの製薬大手 Novo Nordisk は、従業員が日常業務のなかで生成AIを活用できる全社規模のセルフサービス基盤を整備した。特定の部門だけにツールを配るのではなく、組織横断で誰もが使える形にすることで、現場発のイノベーションを「民主化」する狙いだ。

製薬は世界でもっとも規制が厳しい産業のひとつであり、出力の一文字が患者の安全や承認要件に直結する。だからこそ多くの企業は「とりあえず禁止」に傾きがちだ。Novo Nordisk のアプローチが示唆的なのは、その逆を選んだ点にある。安全性・セキュリティ・コンプライアンスを最優先しつつ、利用そのものは止めない。リスクを理由に活用を封じるのではなく、活用の流れのなかに検証の仕組みを織り込んだ。

RAG で「検証済みの言葉」だけを循環させる

基盤の核となるのが RAG（検索拡張生成）の使い方だ。生成AIにゼロから文章を語らせるのではなく、臨床的に検証済みの承認文言や研究成果を参照源として与え、その範囲に出力を整合させる。モデルの自由な「作文」ではなく、すでに正しさが確認された情報の再利用に近い設計である。

このアプローチには規制産業ならではの合理性がある。製薬では、効能や安全性に関する表現は当局の承認を経た文言から逸脱できない。RAG を通じて承認済みの言い回しや一次資料を常に手元に置くことで、もっともらしいが裏付けのない記述（ハルシネーション）が業務文書に紛れ込むリスクを構造的に下げられる。

言い換えれば、Novo Nordisk は生成AIを「新しい言葉を作る道具」ではなく、「検証済みの言葉を正しく引き当てる道具」として位置づけている。創造性ではなく整合性に賭けた選択だ。

判断の最終地点には必ず人間を置く

もうひとつの柱が、AIの出力を盲信させない多層チェックである。研究の現場では、wet-lab（実験室）の研究者がAIが生成した仮説をそのまま採用せず、実際のラボデータと突き合わせて検証する。AIは仮説の探索を加速する存在であって、結論を出す存在ではない。

そして臨床に関わる判断は、最終的に人間が承認する。重要なのは、この「人間の承認」がプロセスの後付けではなく、ワークフローに最初から埋め込まれている点だ。チェックは別工程の検閲ではなく、利用フローの一部として自然に通過する関所として設計されている。

• RAG で承認済み文言・研究を参照し、出力を検証済み情報に整合させる
• AI生成の仮説は実ラボデータと照合してから採用する
• 臨床判断は人間が最終承認する（承認をフローに内蔵する）

規制産業における定着の型

Novo Nordisk の事例が普遍的に示すのは、規制の厳しい業界では「AIを止める」より「検証を組み込む」ほうが結果的に定着する、という構図だ。禁止は短期的には安全に見えるが、現場の活用知が育たず、いずれ非公式な抜け道を生む。逆に、検証を前提にした基盤を正式に提供すれば、利用は表に出て管理可能になる。

その鍵が RAG ＋ 人間承認の組み合わせである。RAG が入力側で参照源を検証済み情報に縛り、人間承認が出力側で最終責任を引き受ける。この前後の二重の関所があることで、現場は安心して生成AIをワークフローに取り込める。