TL;DR 2026年は規制産業×AIの「実装解禁の年」。FDA QMSR施行（2026-02）、EU AI Act適用、FDA Elsa（Claude製AI）導入が同時に進み、規制当局自らAIを使い始めた。一般AIツールが規制業務で使えない3つの理由（引用整合性・論拠追跡・ハルシネーション）と、Claude Code が規制産業に向く5つの特徴を、ISO14971/FDA/EU MDR/PMDA の実装ログを含めて解説。各規格別のスポーク記事へのハブとなる完全ガイド。
目次
- はじめに：規制産業と生成AIの「届かなかった距離」
- 第1章: 規制産業×AIが2026年に解禁された理由
- 第2章: 一般AIツールが規制業務で使えない3つの理由
- 第3章: Claude Code が規制産業に向く5つの特徴
- 第4章: ISO14971 を例に見る、業務フロー再設計の全体像
- 第5章: 各規格・各規制への展開
- 第6章: 実装で詰まる5つのポイントと回避策
- 第7章: 2026年内のロードマップ
- FAQ
- 関連リソース
はじめに：規制産業と生成AIの「届かなかった距離」
医療機器・医薬品・食品・金融といった規制産業では、生成AI界隈で語られる華やかな成功事例がなかなか入ってきませんでした。
理由はシンプルです。
- 文書一つひとつに規格との整合性が要求される
- 監査・査察で「なぜそう判断したか」の論拠の追跡可能性を求められる
- 患者・消費者の安全に関わるため、ハルシネーションが許されない
ChatGPT に「ISO 14971 のリスクマネジメント計画書を書いて」と頼んでも、それはあくまで「それっぽい文章」であって、申請レベルの精度には届きません。一文の引用整合性、規格番号の正確さ、考察の深さ ── どれを取っても、現場の品質保証担当者の手直しが必要になります。
「だから生成AIは規制産業では使い物にならない」── そんな声を、私は2025年から繰り返し聞いてきました。
しかし、現役の品質保証実務者として、私はまったく逆の確信を持っています。
規制産業こそ、AIで業務フローごと再設計する価値が最大化する領域
本ガイドでは、その理由と、Claude Code を使った具体的な実装パターンを、医療機器QAの現場実装ログを通じて解説します。
第1章: 規制産業×AIが2026年に解禁された理由
2026年は、規制産業×AIの転換点です。理由は3つあります。
1.1 FDA QMSR 施行（2026年2月）
米国で 21 CFR Part 820 が大幅改訂され、ISO 13485:2016 と整合化された Quality Management System Regulation（QMSR）が施行されました。これにより、米国に医療機器を輸出するメーカーは、ISO 13485 ベースの QMS への移行が事実上強制されます。
この変更による文書整備量は膨大で、手作業では育休・人員不足のあるチームに対応できません。AI による効率化が前提の業務フローへの移行が、現実的な選択肢として浮上しました。
1.2 EU AI Act の本格適用
EU では 2024年から段階適用されている AI Act が、2026年に本格運用フェーズに入りました。「ハイリスクAI」のカテゴリに医療機器の AI 機能が含まれるため、AI を使った業務プロセスそのものに透明性・説明可能性・記録保持が要求されます。
これは「AI を使うか/使わないか」の議論を**「使うことを前提に、どう統制するか」**に移行させました。
1.3 FDA が Claude 製AI「Elsa」を内部導入
2025年半ば、米国 FDA は審査官向けの内部AIアシスタントとして Anthropic 社の Claude をベースとした「Elsa」 を導入しました。規制当局自らがAIを使い始めたことで、申請者側のAI活用に対する暗黙の許容ラインが大きく動きました。
「審査官が Elsa を使って審査するなら、申請者が Claude を使って文書を作るのは合理的」 ── この理屈は、社内コンプライアンス部門との対話を一段楽にします。
1.4 PMDA の動向
日本の PMDA も AI 活用の検討を進めており、2026年内には次世代医療機器・再生医療等製品評価指標の改訂が予定されています。PCCP（Predetermined Change Control Plan）対応のガイダンスも新規発出予定で、「AI を組み込んだ医療機器」の承認プロセス自体が AI 前提で再設計されつつあります。
→ 2026年は、規制産業のAI実装が「先進的」から「標準的」に移行する年です。
第2章: 一般AIツールが規制業務で使えない3つの理由
「ChatGPT でも Gemini でも文書は書けるじゃん」と思う方も多いでしょう。実際に試した結果、規制業務では3つの致命的な壁があります。
2.1 引用整合性が保てない
規制対応文書では、**「ISO 14971:2019 第7.3 節に基づき」「EU MDR Annex XIV §3 に従い」**といった条項参照が頻出します。一般AIは:
- 古い版の規格番号を引用する（ISO 14971:2007 と 2019 の混在）
- 存在しない条項を引用する（ハルシネーション）
- 章番号を間違える（「第7節」が「第8節」になる）
これらは Notified Body や PMDA のレビューで致命的指摘になります。
2.2 論拠の追跡可能性が欠落
「なぜ P=3 と判定したのか」「なぜこの同等デバイスを選定したのか」── 規制対応では判断の論拠を文書化する必要があります。一般AIは「正しそうな結論」は出せますが、「なぜそう判断したか」の追跡可能なロジックチェーンは出せません。
2.3 ハルシネーションが致命的
規制産業では、ハルシネーション（事実に反する内容の生成）は患者安全に直結します。一般AI を業務に使うと、「論文を引用して」と頼んだら実在しない論文タイトルが出力されることが頻繁に起きます。
CER（臨床評価報告書）に存在しない論文が引用されると、Notified Body のレビューで即不認証です。
第3章: Claude Code が規制産業に向く5つの特徴
では、なぜ Claude Code（Anthropic 社の開発者向け Claude）が規制産業に向くのか。5つの特徴があります。
3.1 MCP（Model Context Protocol）で社内データベースに接続
MCP を使うと、社内の規格テキスト・QMS 文書・過去の申請文書を Claude のコンテキストに動的に取り込める。これにより:
- ISO 規格の最新版テキストを内部知識化
- 過去の不認証事例の傾向を学習素材化
- QMS 手順書との整合性を自動チェック
が可能になります。
3.2 Skills で業務フロー全体をパイプライン化
Claude Code の Skills 機能を使うと、複数のプロンプトを組み合わせた業務フロー全体を「呼び出し可能なツール」として定義できます。例:
/iso14971-rmf-create
→ リスク管理計画書 → ハザード分析 → FMEA → リスクレポート
を1コマンドで生成（中間レビュー付き）これは「個別プロンプトの寄せ集め」ではなく、業務フローそのものをコード化する発想です。
3.3 Sub-agent で並列処理・専門役割分担
複数の Claude エージェントを同時に動かし、役割分担させられます。例:
- Agent A: ハザード洗い出し
- Agent B: スコアリング
- Agent C: 規格条項のクロスチェック
- Agent D: 全体監査
これにより、人間が一人で書くより網羅性と整合性が高い初稿が得られます。
3.4 大コンテキスト（200K トークン）で長文書全体を保持
ISO 14971 RMF や CER は数十ページに及びます。Claude Sonnet 4.6 の 200K トークンコンテキストでは、RMF 全体・CER 全体を一度にコンテキストに保持したまま、章間の整合性を取りながら執筆できます。
3.5 引用機構（citation）が組み込まれている
Anthropic API の citation 機能を使うと、Claude の出力に「どの入力テキストの何行目を根拠にしたか」が自動付与されます。これは「論拠の追跡可能性」を機械的に保証する仕組みで、規制対応では極めて有用です。
第4章: ISO 14971 を例に見る、業務フロー再設計の全体像
具体例として、ISO 14971 リスクマネジメントファイル（RMF）作成業務を Claude Code で再設計したケースを紹介します。詳細はISO 14971 RMF の完全実装ガイドを参照ください。
4.1 従来の業務フロー
[従来のRMF作成フロー]
1. 担当者が ISO 14971:2019 の規格書を読み返す（半日）
2. RMP テンプレを過去製品から流用、コピペ修正（1日）
3. ハザードを Annex C 参照しながら洗い出す（半日〜1日）
4. FMEA 表を Excel で作成（2〜3日）
5. リスクマネジメントレポートをまとめる（1日）
6. 文書間の整合性レビュー（1日）
合計: 26〜46時間4.2 Claude Code 再設計後のフロー
[Claude Code 再設計後]
1. 規格テキストを社内データ化（初回のみ、1時間）
2. Claude Skills「/iso14971-rmf-create」を実行（10分）
→ RMP・ハザード分析・FMEA・レポートのドラフト一括生成
3. 担当者が自社製品データを反映（2時間）
4. レビュー・修正（人間判断、変わらず8〜16時間）
合計: 11〜20時間（約55〜60%削減）ポイントは、「人間がやる仕事」と「AIがやる仕事」を明確に切り分けたこと。AI に任せられない判断（リスク受容・残留リスク評価）は人間がやり、AI が得意な構造化と網羅性は AI に任せます。
第5章: 各規格・各規制への展開
ISO 14971 で確立したパターンは、他の規制対応にも横展開できます。クラスタ別にスポーク記事を用意しています。
5.1 ISO 14971 / TR 24971（リスクマネジメント）
5.2 EU MDR / IVDR
5.3 PMDA / 薬機法
5.4 FDA QMSR（近日公開予定）
- 21 CFR Part 820 改訂対応文書整理（5月公開予定）
- DI（Design Input）フィルタの自動化（5月公開予定）
5.5 Claude Code × QMS 実装（近日公開予定）
- ISO 13485 SOP 自動生成（5月公開予定）
- MCP で規格データベース化（5月公開予定）
第6章: 実装で詰まる5つのポイントと回避策
実装プロジェクトで実務者が詰まりがちな5つのポイントと、私が試行錯誤して見つけた回避策を共有します。
6.1 「社内データを Anthropic API に送信していいのか」問題
回避策: Anthropic API には Zero Data Retention（ZDR）設定があり、ZDR を有効化すると入出力データが Anthropic 側で永続保存されません。社内コンプライアンスへの説明素材としても使えます。完全オンプレが必要なら、Anthropic Bedrock 経由（AWS GovCloud 含む）が選択肢に。
6.2 「ハルシネーションが怖くて使えない」問題
回避策: 構造化された出力（表形式・箇条書き・条項参照）を強制するプロンプト設計＋ Citation 機能でハルシネーション率を大幅に下げられます。最終チェックは必ず人間が行うことを業務フローに組み込みます。
6.3 「規格テキストの著作権が心配」問題
回避策: ISO 規格は著作権保護されていますが、社内利用目的のコピーは多くの場合許諾されています。社内ライブラリの規格 PDF を MCP で社内サーバ経由で参照させる構成にすれば、外部送信を最小化できます。
6.4 「プロンプトのバージョン管理が大変」問題
回避策: Claude Code の Skills 機能でプロンプトをコード化し、Git でバージョン管理します。プロンプト改善を「文書改訂」として変更管理に組み込めます。
6.5 「監査でAI使用を指摘された」問題
回避策: AI の使用そのものは指摘対象ではなく、「AI を使った業務フローが SOP として整備されているか」が審査ポイントです。本ガイドの手法を SOP に反映し、AI 使用範囲・人間レビュー範囲・記録保持を明示すれば監査耐性が確保できます。
第7章: 2026年内のロードマップ
このマガジンは、2026年内に以下のロードマップで記事を積み上げていきます。
| 時期 | テーマ | 想定記事数 |
|---|---|---|
| 2026-Q2（4-6月） | ISO 14971 / EU MDR / PMDA の中核実装ログ | 既存5本＋新規4本 |
| 2026-Q3（7-9月） | FDA QMSR / ISO 13485 / IEC 62366-1 への展開 | 6本 |
| 2026-Q4（10-12月） | 業界別事例（IVD・SaMD・組合せ製品）と PMS / Vigilance | 6本 |
合計21本超の規制産業×AI 実装ログを、再現可能なプロンプト・コード付きで公開予定です。
FAQ
Q1. 自分は薬事担当ではないが、規制産業のAI実装に興味があります。読む価値はありますか？ A. はい。本ガイドで扱う「業務フロー再設計」「Claude Code の使い方」「MCP/Skills」は規制産業以外でも応用可能です。情報セキュリティが厳しい金融・公共・防衛などの読者からも参考になるとのフィードバックをいただいています。
Q2. 個人で始める場合、Anthropic API の費用感は？ A. Claude Sonnet 4.6 を使った RMF 全体作成の API コストは1回あたり概ね $3〜$8 程度。月10件作成しても月額1万円未満です。個人でテストする分には数千円から始められます。
Q3. 社内で AI 活用を提案するときの説得材料は？ A. FDA Elsa の導入事例（規制当局自らがAIを使う）と、本記事の工数比較データが説得材料になります。社内提案資料として本記事を引用していただいて構いません（出典明記をお願いします）。
Q4. PCCP（Predetermined Change Control Plan）対応について解説記事はありますか？ A. 近日公開予定です。FDA・PMDA 双方の PCCP ガイダンスに基づく実装ログを準備中。メールマガジン登録いただくと公開時にお知らせします。
Q5. AI が出力した文書を申請に使うときの社内承認フローは？ A. 一般的には:
- AI 使用範囲を SOP に明記
- AI 出力に対する人間レビュー範囲を明記
- 製造業者代表者の責任ある承認を経る
- 監査記録に AI 使用の事実と人間判断の根拠を残す
の4ステップで成立します。詳細な SOP テンプレートは MedAgent JP で順次提供予定です。
Q6. ChatGPT/Gemini ではなく Claude を使う具体的な理由は？ A. (1) 大コンテキスト（200K トークン）、(2) Citation 機能、(3) MCP・Skills の業務統合機能、(4) 規格用語の正確性が私の検証では一段上、(5) FDA Elsa 採用との戦略的整合 ── の5点です。詳細はClaude Code が規制産業に向く5つの特徴を参照ください。
関連リソース
個別の実装ログ（このガイドのスポーク記事）
- ISO 14971 RMF を Claude Code で構築する完全ガイド
- ISO 14971 FMEA を Claude AI で作る実装ログ
- EU MDR 臨床評価報告書（CER）を Claude AI で設計
- STED を Claude AI で書く実装ログ
- PMDA 事前相談 Q&A を Claude AI で作る
即実践できるテンプレート
🛠 ISO 14971:2019 リスクマネジメントファイル Excelテンプレート【AI活用対応版】¥29,800
本ガイドの手法をすぐ実践できる、6シート構成のExcelテンプレート。FMEA自動計算・PMDA/EU MDR対応設計・AIプロンプト集付き。
メルマガ登録（無料）
毎週金曜の朝8時に「今週の実装ログ＋実装で詰まったポイント」を無料配信中。
📩 メルマガ登録（リンク準備中）
外部参照
※ 本ガイドの内容は筆者の個人的な実験・見解です。実際の薬事・規制対応にあたっては、必ず認定 Notified Body・規制専門家・薬事コンサルタントへご相談ください。