FDAが16,000人向けAI基盤ELSAを統合データ上に構築

米国食品医薬品局は、16,000人の職員が使う生成AI基盤ELSAと、その下の統制データ基盤HaloをDatabricks上に構築しました。

要点

• 八つの組織に分散した50〜60のデータ源を三〜四か月で統合しました。
• 公開から約二か月で職員利用率が1％未満から85％へ上昇しました。
• 数百万ページを調べる作業を、根拠付き回答で数日から約三分へ短縮した例があります。

今回のブログ記事で語られていること

FDAは一ペタバイトの文書を持ち、毎日数百ギガバイト、毎月数千件の申請を扱います。医薬品、生物製剤、医療機器、食品など八つの組織が別々の対話AIとデータ保管を作っていたため、費用が重複し、組織横断のデータ像がありませんでした。既にDatabricks基盤を五年間運用していた医薬品部門の成果を起点に、50〜60のデータ源を一つの基盤へ統合しました。

HaloはUnity Catalogで表単位の権限を管理し、営業秘密や規制情報が承認なく共有されないことを示します。その上にELSAを置き、16,000人が複数モデルを同じ入口から利用します。公開後約二か月で利用率は1％未満から85％へ上がり、医師、科学者、事務職員が標準手順や規制文書を使って毎週数百の独自エージェントを作るようになりました。

具体例では、医薬品の原材料情報が300万〜400万ページの申請文書に埋もれ、以前は人が検索して数日かけていました。MLflowを使った抽出で原材料、製品、供給者、製造者の関係をデータ化し、申請番号から約三分で根拠付き回答を得ます。MCPサーバーをUnity Catalogの上に置き、統制されたデータを一般職員のツールへ接続しています。

成功要因はAI画面より、先にデータ統合と権限を整えたことです。ただし高い利用率は正確性を保証しません。組織ごとの規制文脈、根拠文書の版、機密区分、生成したエージェントの所有者を継続管理し、重要な審査判断では専門家の確認を残す必要があります。

職員が毎週多数のエージェントを作る環境では、公開範囲、利用中のデータ、所有者、最終評価日を登録する仕組みが欠かせません。利用されなくなったエージェントを停止し、基盤モデルや文書を更新した際には代表質問を再評価します。普及速度と同じだけ、棚卸しと廃止の能力も整える必要があります。

今回のブログ記事が関係する人

大規模組織のAI基盤担当、規制・機密データの管理者、職員向けエージェントを展開する責任者に関係します。

結局、今回のブログ記事をどう読むべきか

全社AI普及の前提が統合データと細粒度の権限だった事例です。利用者数を追うだけでなく、根拠、専門家確認、組織別の境界を維持できるかを重視すべきです。