擬似ファインチューニング

生成AIを活用して問題解決プランを作成したとしても、それが本当に正しいどうかは、実行した結果（事実）を確認してみなければわかりません。実際に現場で問題解決するのはさまざまな感情をもった生身の人間（スタッフ）である以上、自信があったプランなのにスタッフから意外な反発があって問題解決につながらなかったといったこともあれば、自信がなかったプランなのにスタッフが積極的で問題解決につながったといったこともあるでしょう。

よい問題解決プランとは何か。その答えはシンプルで、実際に問題解決につながったプランはよいプランであり、実際に問題解決につながらなかったプランはよいプランとは言えないということになります。だからこそ、大事なことは、日々現場の問題解決を行っていくなかで、結果（事実）を基に問題解決プランの質を継続的に高めていくことです。

​

言語に関する一般的な知識を獲得した生成AIをある特定の目的に合うように調整していく方法に「ファインチューニング」というものがあります。生成AIを活用して作成する問題解決プランの質に関しても、実行した結果を基にファインチューニングを行っていくことによって、より自施設（組織）の現場に合った問題解決プランを作成するようになることが期待できます。これはつまり、自施設に特化した生成AIに育てることを意味します。

ただ、AIの専門家ではなく、あくまでも医療の専門家である現場スタッフが、生成AIを「使う側」の立場としてファインチューニングを行っていくのは現実的とは言えません。

​

そこで、私が提案しているのが、実際に問題解決した結果（事実）をプロンプト（指示文）の中に加えて生成AIにフィードバックすることで、問題解決プランの質を高めるという、言わば「擬似ファインチューニング」という方法です。

​

では、最初のページでも例としてご紹介した【ある治療における物品間違えのインシデント】に基づき、あらためて生成AIを使って作成した問題解決プランを実行したと仮定し、私が当事者（スタッフ）としてその結果を生成AIにフィードバックしてみます。はたして、どのように問題解決プランの内容が改善されていくでしょうか。