これまで一人に数機、この先は数人に一機。
Body Scanner Vetで私が変えたかったのは、機器と、それを支える人の関係だ。ここでいう「数人」は、増員した人間ではない。一台の問題に取り組む、複数のsub-agentである。
ニーズ — 整備に追われる時間を変えたい
一人で何台ものスキャナーを支える。問題が起きれば状態を調べ、過去の経緯を探し、対応し、その後も確かめる。整備やメンテナンスだけで、一人の数日が過ぎてしまうことがあった。
この負担を、担当者の頑張りだけで吸収し続けるのは難しい。私が欲しかったのは、一台に問題が起きたとき、その一台を診るためのチームをすぐに組める状態だった。
困難 — 症状だけでは、その機械はわからない
目の前の症状と、その機械がたどってきた経緯は別々に存在している。現在の状態を調べるだけでも、古い資料を読み返すだけでも、判断に必要なものはそろわない。
DocQuaterに蓄えた組織の知識と、Vetが扱う現場の状態。その両方を使えるようにすることで、毎回一人の記憶を掘り返す仕事から先へ進みたかった。
解決への取り組み — 一台のために、診療チームを組む
Vetは、スキャナーのための診療所として考えるとわかりやすい。初診で機器を知り、健診で状態を確かめ、問題があれば診察し、対応後にも確かめる。機器を「今回だけ直す対象」ではなく、経緯を持つ一台として扱う。
一台に問題が起きたら、sub-agentが調査を分担する。状態を調べる、知識を照合する、判断材料を整理する。その見方を持ち寄る感覚は、専門の違う人たちが同じ患者について話し合うカンファレンスに近い。
私は、調べる仕事をチームへ広げながら、実機への対応や結果の確認まで含めて仕事を捉えている。答えらしい文章が出たところで、診察が終わるわけではない。
自己学習 — 診察の経験を、次の診察へ
私がVetに育ってほしいのは、一度の対応で得た経験を、次の問題に活かせる力だ。何が起き、何を確かめ、どこに手掛かりがあったか。確かめた知見を残すことで、次の診察は前回の続きから始められる。
病院にたとえるなら、DocQuaterは共有できる知識と症例の背景、Vetは目の前の機器を診るチームだ。経験が個人の記憶に閉じず、別のエージェントにも引き継がれていく。この循環を、私は「自己学習するVet」として育てている。
DocQuaterとの関係は、知識や開発情報を受け取るだけではない。Vetの診断結果もDocQuaterへ戻し、次の診察を支える知識につなげている。
結果 — 数週間で、対応の構えが変わった
開発・導入を進めた数週間で、一人が数日がかりの整備に追われる状況から、一台の問題へsub-agentが素早く取り組む体制へと変わった。
私にとって大きかったのは、単に一つの作業を速くすることではない。一人で順番に抱えていた調査を分担し、その一台に必要な知識と視点を集められるようになったことだ。人を機器の数だけ増やす発想から、一台のためにチームを組む発想へ。ここにVetの価値を感じている。
次へ — 第二の頭脳を、現場で働く力へ
DocQuaterの記事では、組織の記憶を問いかけられる形にする話を書いた。Vetでは、その記憶を、現場で困っている一台を支える力へつなげている。
これからも、診察するたびに知識が育ち、次の対応を支える循環を磨いていきたい。機器が増えるほど人が疲弊する状況から、経験が増えるほど診療チームが頼もしくなる状況へ。それが、私の目指す保守の姿だ。
バナーは実機の外観を参照したAI生成コンセプトアート。本文の図ではScanner Pを小さなキャラクターにして、機器を患者、エージェントを診療チームとして表しています。
