【介護・福祉事業所】事故報告書の下書きをClaude Code/Codexで自動化する方法
aikanri-admin
この記事の内容
事故報告書は、転倒・転落、誤薬や服薬の取り違え、送迎中のヒヤリ、誤嚥や窒息のおそれなどが起きたときに、何が起きたかを正確に残し、再発防止と行政報告につなげるための重要な記録です。ところが事故の直後は、利用者の安全確保、応急対応、家族連絡、受診手配が最優先で、報告書づくりはどうしても後回しになります。数時間後、あるいは翌日に、断片的なメモや口頭の聞き取りから記憶をたどって時系列を組み直す — この事実整理と文章化に時間がかかり、書き手によって書き方も大きく変わります。
AIは、事故の原因を判断したり、受診の要否や行政への報告区分を決めたりするものではありません。ただし、現場が走り書きした発生状況メモを時系列に並べ替え、事実と推測を仕分けし、未確認事項を洗い出し、報告書ドラフトと家族連絡文のたたき台を作る補助としては有効です。判断はあくまで人に残し、事実を整える手前の作業を軽くする使い方です。
事故1件あたりの報告書ドラフトづくり (グループホームやまびこ通りのモデル事例)
本記事では、AI鬼管理 が支援を想定する グループホームやまびこ通り (社会福祉法人すずらん会・認知症対応型共同生活介護2ユニット18名・夜勤あり) をモデル事例に、Claude Code/Codex で事故報告書を「時系列+事実/推測の仕分け+未確認事項+再発防止策の下書き」まで半自動化する手順を解説します。事故報告書を施設長の遠野さん(管理者)が毎回ほぼ一人で書き直し、1件あたり約60分かかっていた事業所が、介護リーダーの砂川さんや夜勤明けのケア職員も初稿を起こせるようになり、報告書の提出遅れと表現のばらつきを減らした流れです。
代表菅澤
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、
- 事故報告書づくりで管理者・現場が抱えている負荷(時系列の組み直し・事実確認・表現の統一)が分かる
- AIに整理させてよい範囲と、人が必ず判断する範囲の線引きが理解できる
- 5ステップでの試行〜運用の進め方が分かる
- 発生状況メモから報告書ドラフトを整える型(時系列・5W1H・事実/推測の仕分け)が分かる
- 原因分析と再発防止策を抽象的な精神論で終わらせない書き方が分かる
01 PROBLEM 事故報告書の現場で起きていること 時系列の組み直し・事実確認・表現の統一のトリレンマ
問題1: 時系列が後から崩れ、組み直しに時間がかかる。事故の直後は、まず利用者の安全確保と応急対応、家族連絡、受診の判断が優先されます。やまびこ通りでも、発生時刻、発見時刻、応急対応の時刻、家族へ連絡した時刻、受診した時刻が、介護記録・バイタル記録・申し送りメモ・LINEの連絡履歴に分かれて残っていました。報告書を書く段になって、これらを突き合わせて時系列に並べ直す作業に、毎回30分以上かかっていました。
問題2: 事実と推測が混ざり、後で確認しづらい。「廊下で滑ったようだ」「たぶん夜中にベッドから降りようとして」など、誰かが直接見た事実と、状況から推測したことが、文章の中で区別されないまま残りがちです。これが混ざると、後から原因を検討するときに「どこまでが確認済みか」が分からなくなり、家族や行政への説明でも食い違いの原因になります。
問題3: 書き方が属人化し、管理者がボトルネックになる。やまびこ通りでは、報告書として体裁の整った文章を書けるのは、実質的に施設長の遠野さん一人でした。夜勤明けのケア職員が起こした初稿は、事実の並びも表現もばらつくため、遠野さんがほぼ全文を書き直すことになります。結果として報告書の提出が遅れ、再発防止の検討に入るのも遅れていました。事故が重なった月ほど、この遅れが大きくなっていました。
02 WHAT Claude Code/Codexで何を整理させ、何を人に残すか 原因や責任の判断ではなく、事実整理と抜け漏れチェックを自動化
📚 用語解説
事故報告書：介護・福祉サービスの提供中に発生した事故(転倒・転落、誤薬、誤嚥、外傷、所在不明など)について、発生状況、対応、原因の分析、再発防止策を記録し、事業所内で共有し、必要に応じて市区町村へ報告するための文書。事実を正確に残すことと、再発防止につながる分析を書くことの両方が求められるため、何を事実として確定し、どこから推測かを仕分ける作業が書き手の経験に依存しやすい。
処理1: 発生状況メモを時系列に並べ替える。介護記録、バイタル記録、申し送りメモ、連絡履歴といったバラバラの断片を、AIが時刻順に並べ替えます。発生前・発生時・発見時・応急対応・連絡・受診といった流れを1枚で見える形にし、報告書ドラフトのたたき台を作ります。
処理2: 事実・推測・未確認をラベル分けする。「直接見て確認できた事実」「状況からの推測」「まだ確認できていない事項」を、AIが仕分けて並べます。誰が発見したのか、目撃者はいたのか、発生時刻は確定か推定か — こうした区別を初稿の段階で付けておくと、後の事実確認と説明が格段にやりやすくなります。
処理3: 報告書ドラフトと家族連絡文の下書き。時系列と仕分けをもとに、報告書の文面と、家族へ経過を伝える連絡文のたたき台を作ります。感情的な表現や自己弁護を避け、事実・対応・確認事項を分けた文章にしておくことで、管理者は「判断と表現の最終確認」に集中でき、ゼロから書き起こす負担がなくなります。
| 報告書の要素 | AIが整理すること | 人(管理者・専門職)が判断・確認すること |
|---|---|---|
| 発生状況 | メモを時系列に整理、5W1Hの抜けを指摘 | 事実関係の確定、発生時刻が確定か推定か |
| 事実/推測 | 確認済み事実・推測・未確認のラベル分け | 推測の妥当性、追加聞き取りの要否 |
| 対応経過 | 応急対応・連絡・受診の流れを下書き | 対応の適否、医療・受診判断の評価 |
| 原因分析 | 考えられる要因の候補出し | 原因の特定、再発防止策の最終決定 |
| 行政報告 | 記載項目の抜け漏れチェック | 報告の要否・区分・提出の最終判断 |
AIの役割は、メモの時系列整理、事実と推測の仕分け、未確認事項の抽出、文章の下書きまでです。事故の事実関係の確定、原因の分析、再発防止策の決定、市区町村への報告の要否や区分の最終判断は、管理者・専門職(看護職・サービス提供責任者など)が行うことを前提にします。AIの出力をそのまま正式な報告書として提出してはいけません。
事故報告には、利用者の氏名・健康状態・受診情報、職員情報、目撃した他利用者の情報など、要配慮個人情報が多く含まれます。AIへ入力してよい範囲、匿名化(氏名をイニシャルや利用者番号に置き換えるなど)の方法、保存先、閲覧権限を事業所内で先に決め、不要な個人情報は入力前にマスキングしてから使います。
03 HOW 具体的な進め方 5ステップ 小さく試し、書き直した理由を報告書ルールへ戻す
事故報告書AI化の5ステップ
転倒・転落など、件数が多く型を作りやすい種別から始め、最初は完了済み・匿名化した過去事例で試す
「発生時に必ず残すメモ項目」「事実/推測を分ける」「自己弁護表現を入れない」など、遠野さんの頭の中の基準を文章化する
時系列・事実/推測の仕分け・未確認事項・再発防止策の候補を、確定ではなく確認用ドラフトとして出す
管理者・専門職が直した箇所と「書き直した理由」をCLAUDE.mdへ戻し、初稿の精度と安全性を上げる
初稿づくりを現場職員に任せ、管理者は判断と最終確認に回る。誤薬・誤嚥・送迎中など他種別へ横展開する
5ステップで最も大切なのは、STEP 4の「書き直した理由」を残すことです。AIが出した初稿を管理者や専門職が直したとき、「なぜこの表現に直したのか」「なぜこの推測を事実扱いから外したのか」を残さないと、次回も同じ直しが必要になります。逆に、その理由をCLAUDE.mdへ戻せば、AIの初稿は少しずつ、やまびこ通りの報告書の水準と表現に近づきます。
04 RESULT 導入後の変化と数値効果(グループホームやまびこ通りの事例) 報告書ドラフト60分→18分、属人化の解消
- 発生状況メモ・バイタル記録・申し送り・LINE連絡が散らばり、書くたびに時系列を組み直していた(1件約60分)
- 「滑ったようだ」など事実と推測が文中で混ざり、後の事実確認や家族説明で食い違いが起きた
- 報告書として整った文章を書けるのは実質的に遠野さん一人で、提出が遅れがちだった
- 再発防止策が「見守りを強化する」など抽象的になり、次の事故防止に活かしづらかった
- AIが各記録を時系列に並べ、報告書ドラフトを約18分で下書きできるようになった
- 事実・推測・未確認をラベル分けし、追加で確認すべき点が初稿の段階で見えるようになった
- 砂川さんや夜勤明けの職員が初稿を起こし、遠野さんは判断と最終確認に専念できるようになった
- 原因の候補と再発防止策のたたき台が出るため、具体的な対策の検討に時間を使えるようになった
AI鬼管理山崎
05 PITFALL よくある落とし穴3つ 事実確定・原因判断・個人情報の扱いを誤らない
事故の事実関係の確定、原因の分析、再発防止策の決定、行政報告の要否の判断は、現場とケアを知る管理者・専門職が行います。AIは時系列整理と事実/推測の仕分け、文章の下書きまで。たたき台を確定扱いにすると、推測が事実として残ったり、判断の誤りがそのまま報告書に乗ったりします。
「夜中に転んだようだ」「滑ったと思われる」は、誰かが直接見て確認できた事実とは違います。確認できた事実・状況からの推測・未確認の事項は、初稿の段階から必ず分けて扱ってください。AIには「事実／推測／未確認」のラベルを付けさせ、推測を事実に格上げするかどうかは人が追加確認のうえ判断します。
事故報告は、利用者の氏名・健康状態・受診情報、職員情報、目撃した他利用者の情報を含みます。これらは要配慮個人情報です。入力してよい範囲、匿名化の方法、保存先、閲覧権限を事業所内で決め、不要な個人情報は入力前にマスキングしてください。安易に外部サービスへそのまま貼り付けないことが前提です。
06 DRAFT 発生状況メモから報告書ドラフトを整える型 走り書きのメモを、時系列・5W1H・事実/推測に整える
事故報告書でつまずく一番の原因は、発生直後の走り書きのメモを、いきなりきれいな報告書の文章に書き起こそうとすることです。やまびこ通りでは、AIに渡す前と後で「整える順番」を決め、メモ→時系列→5W1H→事実/推測の仕分け→文章化、という段階を踏むようにしました。この型をCLAUDE.mdに書いておくと、AIが同じ順番で初稿を整えます。
ステップ1: まず時刻つきの箇条書きに落とす
最初から文章にせず、「何時何分に、誰が、何を見た／した」を時刻つきの箇条書きにします。発生前(直前の様子)・発生時(発見の瞬間)・発見後(応急対応・連絡・受診)の3ブロックに分けると、AIが時系列に並べ替えやすくなります。時刻が分からないものは「(時刻不明)」「(◯時頃と推定)」と書き、確定と推定を最初から分けておきます。
ステップ2: 5W1Hの抜けをAIに指摘させる
AIには、メモを読んで「この6項目で埋まっていない箇所」を未確認事項として並べさせます。「発見者は記載があるが目撃者の有無が不明」「受診の有無が書かれていない」といった抜けが先に分かるため、記憶が新しいうちに追加で確認でき、後からの聞き直しが減ります。
ステップ3: 事実・推測・未確認を3色に仕分ける
報告書で最もトラブルになりやすいのが、事実と推測の混在です。AIには、各記述を「①直接確認できた事実」「②状況からの推測」「③未確認」の3つに仕分けさせます。たとえば「居室内で床に座り込んでいるのを発見した」は①、「ベッドから降りようとして転倒したと思われる」は②(目撃者がいなければ推測)、「転倒した正確な時刻」は③、というように分けます。
| 区分 | 書き方の例 | 報告書での扱い |
|---|---|---|
| ① 確認できた事実 | 「16:40、廊下で床に横たわっているのを職員が発見」 | そのまま事実として記載 |
| ② 状況からの推測 | 「歩行中にバランスを崩した可能性がある(目撃者なし)」 | 推測と明記し、断定しない |
| ③ 未確認 | 「発生時刻」「直前の行動」 | 未確認と記載し、追加確認の対象にする |
上の3ステップ(時刻つき箇条書き→5W1Hの抜け指摘→事実/推測/未確認の仕分け)をCLAUDE.mdに例文付きで書いておくと、AIが事故のたびに同じ順番で初稿を整えます。走り書きのメモから、いきなり完成原稿ではなく「確認しやすいドラフト」が出るようになり、管理者・専門職は事実確定と判断に集中できます。
07 PREVENT 再発防止策・原因分析の書き方(抽象的な対策で終わらせない) 「見守りを強化する」で終わらせず、環境・手順・教育で具体化する
事故報告書でもう一つつまずきやすいのが、原因分析と再発防止策が「見守りを強化する」「注意して対応する」といった抽象的な精神論で終わってしまうことです。これでは次の事故を防げず、報告書としても実効性が弱くなります。やまびこ通りでは、原因を一つの理由で終わらせず、再発防止策を「環境・手順・教育」の3つの層で考える型にしました。ここでも、原因の特定と対策の決定は管理者・専門職が行い、AIは候補出しと文章化に徹します。
型1: 原因を「なぜ」で一段掘り下げる
「転倒した」で止めず、「なぜ転倒が起きやすい状況だったか」を一段掘り下げます。床が滑りやすかったのか、夜間で見えにくかったのか、ふらつきの兆候が申し送りで共有されていなかったのか — AIには、メモと記録から考えられる要因の候補を、環境面・身体面・情報共有面に分けて出させます。掘り下げた要因のうち、どれが今回の原因として妥当かは、現場を知る管理者・専門職が判断します。
型2: 再発防止策を「環境・手順・教育」の3層で具体化する
「見守りを強化する」という一文を、この3層に分けて書き直すと、「居室入口に人感センサーを設置(環境)」「夜間巡回を1時間ごとから30分ごとに変更し記録(手順)」「ふらつきの兆候を申し送りの必須項目に追加し全職員へ周知(教育)」のように、誰が・何を・いつまでに行うかが見える対策になります。AIには3層のたたき台を出させ、実行可否と優先順位は管理者が決めます。
型3: 対策に「担当・期限・確認方法」を添える
再発防止策は、書いて終わりではなく実行されて初めて意味を持ちます。やまびこ通りでは、各対策に「担当者」「実施期限」「実施できたかの確認方法」を添える欄を作りました。AIには、対策ごとにこの3点の記入欄を含めたドラフトを作らせ、具体的な担当・期限の割り当ては管理者がユニット会議で決めます。
AIが出すのは、あくまで原因の候補と対策のたたき台です。どの要因が今回の原因として妥当か、どの対策を実行するか、行政報告にどう記載するかの最終判断は、管理者・専門職が事実と現場の実情にもとづいて行います。AIの候補を鵜呑みにして対策を確定させないことが、再発防止の質を守る前提です。
原因の一段掘り下げ、再発防止策の環境・手順・教育の3層、各対策の担当・期限・確認方法 — この型をCLAUDE.mdに例文付きで書いておくと、AIが事故のたびに具体的な対策のたたき台を出します。「見守り強化」で終わる抽象的な報告書から、実行と確認まで見える報告書へ、品質が担当者によらず安定します。
08 RELATED 関連記事: 介護・福祉事業所の自動化事例10選(全業務マップ) 事故報告書以外の9業務も含めた事例集
本記事は介護・福祉事業所の自動化事例10選のうち、事例5「事故報告書」を深掘りした内容です。介護記録・シフト作成・請求前チェック・家族連絡など他の業務もあわせてご覧ください。→ 介護・福祉事業所の自動化事例10選(全業務マップ)
09 ABOUT AI鬼管理について - 事故報告書づくりの伴走サービス 属人化した報告書を、確認中心の運用へ
本記事を発信している AI鬼管理 は、介護・福祉事業所のAI業務自動化をClaude Code/Codexで設計から伴走するサービスです。事故報告書づくりは、事実整理と初稿の属人化を解くことで、再発防止の質と職員育成に効く打ち手です。
代表菅澤
属人化した事故報告書づくり、いっしょに軽くしませんか?
本記事のやまびこ通りの例は、認知症対応型・2ユニット18名・夜勤あり・管理者1人集中というモデルケースです。貴事業所のサービス種別や事故の傾向、職員体制によって、最適な進め方は変わります。まずは今の報告書の書き方と、要配慮個人情報の扱いをうかがって、貴事業所に合った設計をご提案します。
代表菅澤
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code/Codex・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. AIに事故の原因を分析させてもよいですか?
A. 原因の候補を出すところまでは使えますが、原因の特定と再発防止策の決定は管理者・専門職が行う設計が前提です。AIは時系列整理・事実と推測の仕分け・要因候補の提示までにし、判断は人に残します。
Q. 家族への経過連絡の文章も作れますか?
A. 下書きは作れます。ただし事実関係、伝える範囲、表現は管理者が確認してから送ります。推測を断定として伝えないよう、確認済みの事実をもとに整えることが大切です。
Q. 走り書きのメモや申し送りからでも整理できますか?
A. できます。むしろ走り書きを時刻つきの箇条書きに落とし、AIに時系列へ並べ替えさせると効果的です。ただし要配慮個人情報を含むため、入力範囲と匿名化のルールを先に決めてください。
Q. 市区町村への事故報告書にも使えますか?
A. 記載項目の抜け漏れチェックや下書きの整理には使えます。ただし報告の要否・区分・記載内容・提出の最終判断は、管理者が自治体のルールに沿って行います。
Q. 要配慮個人情報の扱いが心配です。どう始めればよいですか?
A. まず入力してよい情報の範囲、氏名の匿名化方法、保存先、閲覧権限を事業所内で決めるところから始めます。完了済み・匿名化した過去事例で試し、運用ルールが固まってから実際の事故に使うのが安全です。
Q. 料金やプランを教えてください
A. 料金やサポートプランは AI鬼管理のサービスページをご覧ください。貴事業所向けの個別ご提案は本記事末尾のNEXT STEPからお問い合わせください。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
