現場の実感としては、過去に実施した研究や分析の内容を、必要な時にすぐ取り出せないことが大きな課題でした。

研究開発では、一つのテーマが5年、10年と継続することもあります。その中で、「以前に同じようなことをやった気がする」という記憶はあっても、誰が担当していたのか、どこにデータが保存されているのか分からないケースが少なくありませんでした。

過去の担当者が積み上げてきた知見も、必要な時に取り出せなければ資産として活かすことができません。研究成果をもっと有効に活用できる仕組みが必要だと感じていました。

現場では、過去の検討内容を確認するために、人や資料を探すところから始めなければならない負荷がありました。

研究テーマは複数人で進めることが多く、担当者が変わりながら継続されていきます。従来は、詳しそうな人に聞いたり、共有フォルダやMicrosoft Teamsを検索したりしながら資料を探していましたが、それでも見つからないことがあり、探すだけで時間がかかっていました。

また、若手社員の場合、過去に同様の検討が行われていたこと自体を知らないため、「以前にやっていたかもしれない」という発想に至らないケースもあります。結果として、時間をかけて検討した後に、数年前に同じような評価や分析が行われていたことが分かることもありました。

現場としてSTiVを知った当初は、製薬分野向けのシステムという印象が強く、研究開発部門での活用イメージはまだ持てていませんでした。

その後、研究データ活用に関する課題を社内で相談する中で、STiVが研究資料や技術資料の検索にも活用できることを知りました。過去の研究データを有効活用したいという課題と結びついたことで、本格的に検討を始めました。

AIツールとの比較というよりは、まず研究データをどのように整理するかという観点がありました。

例えば、サーバー上のデータをクラウドストレージへ移行して管理する案もありました。データを一か所に集約できれば検索しやすくなるのではないかという考えです。ただ、実際には膨大なデータがあり、整理や運用まで含めると簡単ではありませんでした。

そのような状況の中で、既存データを活かしながら検索性を高められる仕組みとして、STiVに可能性を感じました。

現場で最も評価したのは、過去の研究資料や分析レポートを横断的に検索できる点です。データの保管先が複数に分かれていても、必要な情報へたどり着きやすくなることは、日々の研究開発業務において大きな価値があります。

また、SharePoint環境（Microsoft）との親和性が高く、既存のアクセス権限を活かせることも大きなポイントでした。研究データには機密性の高い情報も含まれるため、アクセス制御を維持したまま利用できることは重要な要件でした。

現場では、過去の研究テーマや分析結果の確認に活用しています。

例えば、新たなテーマを担当した際に、過去にどのような検討が行われていたのか、どのような測定結果が得られていたのかを調べる用途があります。

また、研究本部では過去の分析レポートの検索にも利用しています。類似案件を探し、その時の分析方法や評価結果を参考にすることで、新しい案件の立ち上がりをスムーズに進められるようになっています。さらに、分析ガイドラインや医薬関連の規制文書などを検索する用途でも利用しています。

現場で便利だと感じるのは、「あの資料のどこかに書いてあったはず」という曖昧な記憶からでも情報を探せる点です。

従来は、人に聞いたり、複数のフォルダを探したりしながら資料を探していました。場合によっては1〜2時間かかることもありましたが、STiVではキーワードが適切にヒットすれば数分で必要な資料にたどり着くことができます。

また、似たような材料や分析事例が見つかれば、その時の知見を活かして案件を開始できます。過去の知見をラフに把握したうえで、必要に応じて元資料を確認するという使い方ができるため、立ち上がりのスピードが大きく変わります。

情報を知っていそうな人を探して依頼するところから始める必要がなくなり、「まずはSTiVで調べてみよう」と思えるようになったことも大きな効果です。

現場の育成面では、若手社員や新たにテーマを担当する社員との相性が良いと感じています。

STiVがあれば、分からないことをまず自分で調べることができます。事前に調べたうえで相談することで、共通認識を持った状態で会話ができるようになります。中途入社者や異動者が新しいテーマを担当する際にも、過去の検討履歴を把握する入口として有効だと感じています。

現在は、研究本部を中心に約30名規模で利用しています。

利用者の多くは研究開発担当者や分析担当者ですが、実際に使う中で効果を確認しながら運用を進めています。過去データの活用や分析レポート検索など、具体的な利用シーンが見えてきたことで、利用価値への理解も進んでいます。

現場としては、まず研究部門内での活用をさらに広げていくことが課題です。

研究開発の立場からは、過去データを検索するだけではなく、その知見をもとに次のアクションを提案してくれるような活用にも期待しています。蓄積されたデータを踏まえて、次に何を検討すべきかまで示してくれるようになれば、研究開発の進め方そのものが変わる可能性があります。

また、現在は研究開発部門を中心に利用していますが、管理部門にも多くのナレッジが蓄積されています。そうした部門にも展開できれば、組織全体で知見を活用できる環境に近づくと考えています。

現場の立場から見ると、研究開発部門では、過去の試験結果や分析データが非常に重要な資産になります。しかし、それらが十分に活用されていないケースは少なくありません。

長年にわたり研究活動を続けている企業ほど、膨大な知見が組織内に蓄積されています。それらを活かせずに同じ検討を繰り返してしまうことは大きな損失です。

私たちも導入前は、「本当に使えるのか」という部分はありました。しかし実際に利用してみると、過去データを探す負荷の軽減だけでなく、若手社員の知識習得や研究テーマの立ち上がり支援など、さまざまな効果を実感しています。