訪問看護向け電子カルテ「iBow」（運営：株式会社eWeLL、東証グロース 5038）の生成AI機能がなぜ短期間で深く使われたのか。答えは明快だ。新しい操作を覚えさせず、既存の電子カルテに溜まった訪問記録から「ワンクリックで」報告書・計画書を生成する設計にしたからである。AI訪問看護計画はリリースから24日で利用数1万件を突破し、報告書の自動作成は1ステーションあたり月23.3時間という具体的な時間を生んだ。これはバーティカルSaaS（特定業種特化型のSaaS）が生成AIをどう載せれば顧客単価と粘着性を同時に引き上げられるか、という問いへの一つの解答になっている。
本稿は、自社のバーティカルSaaSやプロダクトに生成AIをどう組み込むかを検討している事業責任者・PdM・経営者・新規事業担当者に向けて、iBowのAI機能を「設計判断」と「収益構造」の両面から構造的に解剖する。題材は訪問看護だが、抽出できる原理は業種を問わず転用できる。
iBowとeWeLLはどんなプロダクトか — まず規模を押さえる
iBowは訪問看護ステーション専用の電子カルテSaaSで、訪問看護領域で約16%前後（自社開示では契約ステーションベースで16.7%）の国内シェアを握る最大手である。まず規模感を数値で押さえる。
| 指標 | 数値 | 時点 |
|---|---|---|
| 対応事業所数 | 3,000事業所超 | 直近開示 |
| iBow稼働職員数（看護師・准看護師・理学療法士等） | 約5万4,000人 | 2024年12月末 |
| 対象在宅患者数（延べ） | 約74万人 | 2024年12月末 |
| 月間訪問件数 | 170万件超 | 2024年12月末 |
| 蓄積データ（電子カルテ記録等） | 累計4,800万件超 | 直近開示 |
| 国内シェア（契約ステーションベース） | 約16.7% | 直近開示 |
ここで決定的に重要なのは、国内の訪問看護領域でシェア最大手でありながら、それでも約16%にとどまる＝残り約84%が未開拓という構造だ。市場の8割超がまだ紙・他社システム・自前運用で残っている。つまりeWeLLにとって生成AIは「既存顧客の満足度を上げる飾り」ではなく、スイッチング（他社からの乗り換え）を起こす決定打であり、未開拓の8割を取りにいくための武器として設計されている。
示唆：自社SaaSのシェアが業界トップでも数字が小さいなら、AI機能は既存顧客向けの付加価値ではなく「乗り換えを起こす理由」として設計すべきだ。守りのAIではなく攻めのAIに位置づけられるかが分かれ目になる。
なぜ24日で1万件使われたのか — 設計の核は「ゼロ学習・ワンクリック」
AI訪問看護計画がリリース24日で1万件突破した理由は、機能の新しさではなく導入摩擦をほぼゼロにした設計にある。結論から言えば、iBowのAI機能は「新しいツールを開く・プロンプトを書く・使い方を学ぶ」というステップを一切要求しない。
時系列で機能投入を追うと、設計思想が見えてくる。
| 時期 | 機能 | 自動化対象 | 効果（自社開示） |
|---|---|---|---|
| 2024年4月17日 | AI訪問看護計画 | 訪問看護計画書をワンクリック生成 | 1件あたり約15分→約3分。利用者51人規模で年約120時間削減。リリース24日で利用1万件突破 |
| 2024年10月1日 | AI訪問看護報告（国内初） | 月次報告書をワンクリック生成 | 文章推敲が不要に。報告書作成を中心に月次工数を大幅削減 |
| 2025年7月24日 | AI訪問予定・ルート | 訪問予定とルートを自動作成 | 1日〜1ヶ月分を一括生成。急な予定変更にも即時対応 |
設計上の急所は3つに整理できる。
第一に、入力をユーザーに書かせない。 AIへの入力は、看護師が日々の訪問で既にiBowに記録している電子カルテのデータそのものだ。ユーザーが新しく文章を打ち込む必要がない。プロンプトエンジニアリングはプロダクト側がデータ構造に合わせて最適化し、内部に隠している。「AIに何を入れればいいか分からない」という最大の導入障壁を、データの自動投入で消したのが核心である。
第二に、出力を既存の業務フローの中に置いた。 生成された計画書・報告書は、別アプリの画面ではなく、看護師が普段使っている電子カルテ画面の中にワンクリックで現れる。出力先が日常業務の動線上にあるため、わざわざAIを「使いに行く」必要がない。
第三に、計画書→報告書→予定・ルートと、業務サイクル全体を順に自動化した。 単発の便利機能ではなく、訪問看護ステーションの月次業務サイクルを一筆書きで覆う設計になっている。一度どれか一つを使うと、隣接業務もAIに任せたくなる連鎖が生まれる。
示唆：生成AIの利用が伸びない最大の原因は性能ではなく「入力負荷」と「動線の外にあること」だ。ユーザーに入力させず、既存データを自動で食わせ、出力を既存画面に出す——この3点を満たせるかどうかが、PoC（実証実験）止まりか定着かを分ける。
効果は「月23.3時間」で語られる — 数値の作り方を見る
iBowのAI機能の効果訴求は、抽象的な「業務効率化」ではなく1ステーションあたり月23.3時間短縮という具体的な数値で語られている。これはeWeLLが229名のユーザーへのアンケートで実測した、AI訪問看護計画・報告の利用による月次報告書作成等の時間短縮の平均値だ。
なぜこの数値設計が効くのか。訪問看護ステーションにとって、看護師の時間は売上に直結する希少資源である。月23.3時間は、その時間を訪問（＝収益）や休息に回せることを意味する。「効率化」という曖昧な便益を、現場が経営判断に使える時間という単位に翻訳した点が、訴求として強い。
計画書の効果も同様に具体的だ。1件あたり約15分かかっていた作成が約3分に縮み、利用者51人規模のステーションで年約120時間の削減になると開示されている。1件の時間（15分→3分）と、年間の累積時間（約120時間）の両方を提示することで、現場担当者にも経営者にも刺さる二段構えになっている。
示唆：AI機能の価値は「精度99%」のような技術指標ではなく、顧客の意思決定単位（時間・人件費・売上機会）に翻訳した数値で語るべきだ。バーティカルSaaSなら、その業界で稀少なリソース（ここでは看護師の時間）に換算するのが最も効く。
このAIはどこで収益化されているか — 単価向上とスイッチングの構造
iBowの生成AIは、それ単体を高額で売る機能ではない。核となる電子カルテ「iBow」の価値を底上げし、解約を防ぎ、他社からの乗り換えを誘発する「粘着剤」として収益に効いているのが収益構造上の特徴だ。
eWeLLが東証グロース上場企業として公表する中期経営計画では、2027年に売上高50億円を目指す方針が示されている。この成長の主軸は、新規ステーションへの導入だけでなく、既存顧客への追加販売（アップセル・クロスセル）だ。AIサービスはこのアップセル／クロスセルの中心商材として位置づけられている。同社が示す計画では高い営業利益率（おおむね44〜45%前後）と二桁台後半の年平均成長率（CAGR約26%）の維持が掲げられており、AI機能はこの利益率・成長率を支える梃子として機能している。
収益貢献の経路を分解すると、生成AIは少なくとも4方向に効いている。
| 収益への効き方 | 内容 |
|---|---|
| 解約率の低下 | 月23.3時間という具体的便益が、乗り換えコストを心理的に引き上げる |
| 顧客単価の向上 | コア電子カルテに加え、AI・周辺サービスを束ねて1顧客あたりの売上を厚くする |
| スイッチング誘発 | 残り約84%の未開拓・他社利用ステーションに対し、AIを乗り換えの決定打にする |
| データ資産の強化 | 4,800万件超の蓄積データがAIの出力品質を上げ、後発が追随しにくい堀になる |
特に4つ目が構造的に重い。iBowは訪問看護の現場記録という、外部から取得しにくい独自データを大量に蓄積している。生成AIの出力品質はこの独自データに依存するため、データを持つ最大手ほどAIが効き、AIが効くほどデータが増えるという正のループが回る。これは後発のバーティカルSaaSが模倣しにくい参入障壁になる。
示唆：バーティカルSaaSにおける生成AIの収益化は「AI機能を単品で売る」発想ではなく、コアプロダクトの単価・継続率・乗り換え誘発を底上げし、独自データの堀を深める設計が合理的だ。AIの月額を取れるかより、AIによってコアの解約が減るかを先に問うべきである。
追い風は「2025年問題」 — 需要構造を読む
iBowのAI戦略が機能している背景には、訪問看護市場そのものの構造的な需要拡大がある。いわゆる「2025年問題」——団塊世代がすべて75歳以上の後期高齢者になり、在宅医療・在宅介護の需要が急増する局面だ。
実際、訪問看護の利用者は2013年の約41万人から2023年には約122万人へと、10年で約3倍に増えている。需要は伸びる一方で、現場の看護師は慢性的に不足している。需要増×人手不足という構造が、「少ない人手で同じ仕事をこなす」AIによる業務自動化の必然性を高めている。
ここでiBowのAIは、単なる便利機能を超えた意味を持つ。報告書・計画書の作成という非訪問業務をAIに肩代わりさせれば、限られた看護師の時間を訪問（＝収益かつ社会的需要）に集中できる。市場の構造的逆風（人手不足）を、自社プロダクトの追い風（自動化需要）に変換しているのが巧みな点だ。
示唆：AI機能の投入タイミングは、技術の成熟だけでなく顧客側の構造的痛み（人手不足・規制対応・コスト圧）が臨界に達しているかで測るべきだ。痛みが浅い市場にAIを出しても「あったら便利」止まりになる。痛みが深い市場でこそAIは「ないと困る」に変わる。
バーティカルSaaSへのAI組み込みに転用できる原理
ここまでの解剖から、業種を問わず転用できる設計原理を抽出する。iBowが示したのは、「すごいAI」を作ることではなく、「摩擦のないAI」を業務サイクルに埋め込むことが定着と収益化の条件だという事実だ。
転用可能な原理を5点に要約する。
- 入力をユーザーに書かせない — 既存プロダクトに溜まったデータを自動でAIに食わせ、プロンプト設計はプロダクト側が隠して負う。
- 出力を既存画面・既存動線に置く — AIを「使いに行く別アプリ」にしない。日常業務のワンクリック内に出す。
- 効果を顧客の意思決定単位に翻訳する — 「効率化」ではなく「月◯時間」「年◯時間」「人件費◯円」で語る。
- 業務サイクル全体を順に覆う — 単発機能ではなく、隣接業務を連鎖的に自動化して粘着性を高める。
- 独自データの堀とAIを相互強化させる — 自社しか持たないデータをAIの品質源にし、模倣困難性を作る。
これらはマッチング、予約、語学、会計、人事といった他のバーティカルSaaSにもそのまま当てはまる。自社の業務サイクルのどこに「ユーザーが手で書いている定型ドキュメント」があるかを洗い出すことが、AI組み込みの最初の一歩になる。
示唆：AI組み込みのROIは、モデルの賢さよりも「どの業務の・どの入力摩擦を・どの動線で消すか」という設計判断で決まる。技術選定より先に、業務サイクルの摩擦点の棚卸しを行うべきだ。
テクラル研究所からの提案
iBowの事例が示すのは、生成AIの組み込みで成果を出すには「最先端のモデル」より「摩擦のない設計」と「収益構造への接続」が重要だということです。既存データをどう自動で食わせるか、出力をどの動線に置くか、効果をどの単位で語るか、そしてAIをコアプロダクトの単価・継続率・データの堀にどう接続するか——ここを設計し切れるかどうかが、PoC止まりと定着の分かれ目になります。
テクラル合同会社では、バーティカルSaaSやプロダクトへの生成AIの組み込み設計、MVP・PoCの開発、UI/UXと業務動線の設計、収益化設計までを一気通貫で支援しています。市場リサーチとプロダクト解剖の知見を活かし、「AIを載せて終わり」ではなく「事業として伸ばす」ところまで伴走するのが私たちの特徴です。
新規事業の構想・既存プロダクトへのAI機能の組み込み・収益化設計の見直しに取り組む 事業責任者・PdM・経営者・新規事業担当者 の方は、いずれの段階でもテクラル合同会社 までお気軽にご相談ください。
出典
- 株式会社eWeLL ニュース「生成AIを活用して訪問看護計画を作成する国内初の新機能を無償で提供開始」 https://ewell.co.jp/news/ewellaiai_2410000/index.html
- 株式会社eWeLL ニュース「国内初の生成AIを活用した訪問看護報告書の自動作成機能を提供開始」 https://ewell.co.jp/news/ewellai_dx/index.html
- 株式会社eWeLL ニュース「【生成AIが月23.3時間を創出】訪問看護の時短革命、ユーザーアンケート結果を発表」 https://ewell.co.jp/news/ai233ibow_ai/index.html
- 株式会社eWeLL プレスリリース（PR TIMES）「国内初の生成AIを活用した訪問看護報告書の自動作成機能を提供開始」 https://prtimes.jp/main/html/rd/p/000000085.000026391.html
- 株式会社eWeLL プレスリリース（PR TIMES）「看護師5.4万人の患者宅訪問数が月間170万件突破」 https://prtimes.jp/main/html/rd/p/000000058.000026391.html
- 株式会社eWeLL 事業内容・IR情報 https://ewell.co.jp/business/
- 訪問看護システム・電子カルテ iBow AI機能 製品ページ https://ewellibow.jp/lp/ai/
