[海外事例にみる継続支援アプローチ編]今さら聞けない「機械学習型AI」と「生成AI」との違い

こんにちは。脇本和洋です。

米国では継続支援サービスにおいてAI活用が大きく進んでいます。
今回はヘルスケアサービスで使われている「機械学習型AI」と「生成AI」の違いについて、わかりやすく説明します。

特集：海外事例にみる継続支援アプローチ編

最近、ヘルスケアサービスの現場でも「AIを活用したい」という相談が増えています。
特に経営層が生成AIに注目し始め、担当者も対応を迫られているケースも多く見られます。

では、自社サービスのAI化をどのように検討していけばよいのでしょうか？
そのために様々なニュースに触れるのはよいと思いますが、ニュースを読む前にまず押さえておくべき基礎知識があります。

それが、「機械学習型AI」と「生成AI」の違いを理解することです。

ヘルスケアサービスにおける「機械学習型AI」とは

■簡単にいうと
機械学習型AIは、「大量のデータを学習させ、新しい入力に対して“結果を予測したり、最適なパターンを選んだりする”AI」です。

■例え話
将棋AIをイメージしてください。過去の対局データを学習し、ある一手を打つと「この手の勝率は65％」と予測したり、そこから“最善の一手”を選ぶ。
これが機械学習型AIのイメージです。

■ヘルスケアでの活用例

・健診予測（予測）
過去の健診データ（年齢・性別・検査値など）を学習し、将来の血糖値や体重などを予測します。

・コメントの自動生成（選択）
体重や行動履歴に関するデータを学習し、用意されたコメントパターンから現在の状況に最も合ったものを選んで表示します。
※コメントそのものは人間が事前に作っておく必要があります。

・食事アドバイス（選択＋予測）
食事画像と料理名を学習し、さらに料理ごとの栄養バランスを学習します。画像から料理名を認識（選択）し、そこから栄養バランスを推定（予測）します。
例えば、「ごはん・味噌汁・卵焼き」の朝食画像を分析し、「たんぱく質がやや少なめ」と判断。その上で「納豆やヨーグルトの追加がおすすめです」といったコメントを提示します。

■強み
・数値的な予測に強く、信頼性が高い
・デバイスなど定量データを扱う企業と相性が良い
・処理が自動化しやすく、スケールさせやすい

■課題
・精度を高めるには、大量のデータと設計コストが必要
・出力内容はあくまで「選択肢の中から」のため、柔軟性に欠ける
・行動変容や共感を促すには、別の工夫が必要

ヘルスケアサービスにおける「生成AI」とは

■簡単にいうと
生成AIは「ChatGPTなどで事前に学習された大量の情報をもとに、入力に応じて“その場で答えをつくる”AI」です。

■例え話
ChatGPTに「40代女性で間食が多い。対策は？」と入力すると、その人の状況に合わせて“その場で”コメントが生成されます。
既存のパターンを選ぶのではなく、文脈に応じて新しい言葉を創り出しているのが特徴です。

■ヘルスケアでの活用例

・共感コメントの生成
例えば、ユーザーが「富士山に登ってリフレッシュしました」と記録すると、「富士山いいですね！自然の中で過ごす時間は、心と体の健康にとってとても大切ですよね」といった共感コメントがその場で自然に生成されます。

・行動アイデアの提案と深掘り
「間食を減らしたい」という入力に対し、「午後にココアを飲んでみては？」と提案。
さらに「甘いのが苦手」と返ってきたら、「レモンピール入りのすっきり系ココアもおすすめです」といったアレンジ提案までできます。
※あらかじめ用意されていないアイデアでも、その場で自然に創り出せるのが強みです。

・なりたい姿のストーリー化／画像生成
「お腹まわりをすっきりさせて、沖縄でダイビングを楽しみたい」という目標があれば、それをもとに「未来の1日」を物語として生成したり、画像で見える化することもできます。
目標のリアリティを高めることで、行動意欲にもつながります。

■強み
・自社でデータを用意しなくても導入しやすい
・文脈に応じた文章・提案・共感コメントが自在に生成できる
・「自分ごと」として感じやすく、行動変容につながりやすい

■課題
・出力内容が毎回異なるため、品質・安全性のチェックが必要
・そのため実運用には「利用範囲の制限」や「専門家レビュー」などの設計が必要

大切なことは使い分け

AIには、それぞれ強みと課題があります。
だからこそ、自社の目的やリソースに合わせた使い分けがカギです。
　

【食品会社など】
デバイスや定量データが少ない場合は、生成AIが現実的です。
まずは「共感コメント」や「なりたい姿」など、リスクが低く、利用価値の高い機能から始めるのがおすすめです。

【機器メーカーなど】
計測データが豊富な企業では、まずは機械学習型AIで「予測型フィードバック」を行い、その後、生成AIを活用して「行動を促す共感コメントやアイデア提案」を加えるという使い方がおすすめです。

AIは「便利そう」ではなく、「どう使うか」が問われる時代に入りました。
まずは、それぞれの特性を理解し、自社に合った方法からスモールスタートしてみてください。
一歩踏み出すことで、社内の議論も具体化し、次の展開が見えてきます。

◆◇◆（お知らせ　無料デモ体験会のご案内）-----------------------------

生成AIを活用した行動変容サービスにご関心のある方へ。
無料のデモ体験会を開催しています。
生成AIの活用例として紹介します。

「きっかけデザインAI for Biz（仮）」体験会（1時間・オンライン）
・具体事例をもとに、自社サービスでの可能性を検討
・実際のデモ体験・質疑応答

▼詳細・お申込みはこちら

健康ビジネスキーワード

「事例はパクってからが勝負」

私たちHealthBizWatchは、これまで数えきれないほどの海外事例をネタに、お客様企業のヘルスケア事業の"カンフル注入"をしてきました。
でも、ただ事例を紹介するだけでは、ブームに乗ったつもりが転覆するのがオチ。
そこで私たちは、事例活用には“5つの段階”があると考えています。

レベル1：表面だけパクる（コピー＆ペーストで満足）→ わかりやすく言うと、「とりあえずスムージー出してみた」みたいなやつです。

レベル2：パクって失敗して、学んだと思ったらまた失敗→ PDCAじゃなくて、FDFD（Fail→Do→Fail→Do）の無限ループ。

レベル3：なんでその事例がうまくいったのか、ちゃんと考えてからマネる→ ここからが「思考」フェーズ。ここまでくれば迷子にはならない。

レベル4：本質を理解して、ちゃんと自社仕様にチューニングしてからやる→ このあたりで「あの会社、なんか最近キレてるな」と周囲がざわつき始める。

レベル5：最終的にオリジナルに昇華。事例を超えて新しい定番にしちゃう→ もうここまで来ると“パクった”ことさえ誰も覚えていない。

多くのチームがレベル2で力尽きます。なぜか？
doing（やること）だけを真似て、being（あり方）を見ないからです。
うまくいくチームは「この事例がなぜ刺さったのか？」という「問い」から始めます。
そして、自分たちの文化や文脈、ユーザーの期待を織り込んで「意味あるdoing」に変えていく。

流行りのモデルをそのまま導入して「なんか違うんだよなぁ」で終わった経験、あなたにもきっとあるはず。
それ、beingが抜けてるサインです。

私たちHealthBizWatchが提供するのは、レベル3以上の“事例活用型イノベーション”。
「真似る力」より、「問い直す力」を伸ばす方が、結局近道なのです。
気になる方、ご一報ください。

今週の注目記事クリップ