海外の歯科クリニックが、機械学習でキャンセル可能性の高い患者を事前に特定し、無断キャンセルを70%削減したと公表されています。
数値はサービス提供元公表のため、本文では「提供元公表」と明記して扱います。
「これは海外の話だから、うちには関係ない」と読み飛ばすにはもったいないです。
「予約枠が無断キャンセルで穴だらけになり、埋め直す時間も売上もない」悩みは、海外に限らず国内の歯科・整骨院・美容・小規模クリニックまで刺さる治療薬型の課題だからです。
僕が注目したのは、これが「電話自動応答(voice)を入れる」話ではなく「来る/来ないの予測」の話だという点です。voiceは過去の事例でも取り上げたので、今回は逆に「予測」で差別化します。
予約業の「無断キャンセルで枠が穴だらけ」課題
予約業にありがちな構造はこうです。
- 無断キャンセルが10〜20%発生し、当日まで埋め直せない
- 枠が空いてもリマインドが画一的で、来ない人には届かない
- 「キャンセルしそうな患者」を判別する基準が属人化
ここにあるのは「空き枠=即損失」の構造です。
これは毎日発生する緊急度の高い悩みです。
海外歯科クリニックが予測で整えた
海外の事例で公表されている範囲では、過去の予約履歴からキャンセル傾向を学習させ、リスクの高い予約だけ先回りで対応する形です。
ポイントは「全員に同じリマインドを送る」のではなく「リスクの高い枠だけ手厚く先回りする」設計です。
- 過去の予約履歴をAIに学習させる
- リスクの高い予約を事前に可視化する
- 該当枠だけダブルブッキング/待機リスト/追加リマインドで先回り
考察すると、こうです。
- 課題の本質は「キャンセル予測の判断基準が属人化」
- 解は「リスクが見える形にして、対応を絞る」
- 結果として無断キャンセルが大きく減る
結果はどうだったか
提供元公表ベースで示されているのは以下です。 固有の数値はサービス提供元公表由来のため、断定はしません。
- 予測キャンセルを70%削減
- 一般値: 無断キャンセル10pt改善で年$60,000〜$120,000の生産回復、ROI 6〜30倍
定性的にいえば、「画一リマインドで漏れる」状態から、「リスクの高い枠だけ手厚く先回り」状態へ移れる方向に効きます。
中小・個人事業で再現するなら
ここからが本題です。 国内の歯科・整骨院・美容・小規模クリニックで同じ思想を取り入れるなら、どう設計するか。
構成
| 項目 | 海外歯科像 | 国内中小(1〜10名) |
|---|---|---|
| 対象 | 全予約のキャンセル予測 | キャンセル多発の1曜日/1時間帯だけ |
| 手法 | 専用機械学習 | 既存の予約データ+生成AIで傾向出し |
| 月額費用 | 提供元価格 | 推定 月0〜数千円 |
| 初期費用 | 導入支援 | 推定 0円(履歴整理の手間) |
| 体制 | 受付担当 | 受付担当 兼任 |
| 期間 | (継続) | 2〜4週間で傾向と先回り運用を組む |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★★ |
| 再現性(中小/個人) | ★★★★★ |
| 難易度(低いほど簡単) | ★★☆☆☆ |
(難易度=数字が小さいほど簡単)
スコアの根拠はこうです。
- ROIは非常に高い。空き枠1つ埋まる=即売上に直結
- 再現性は非常に高め。予約履歴さえあれば1〜10名でも回せる
- 難易度は低め。既存ツールで「傾向を見て先回り」するだけ
前提条件・必要データ
- 過去半年〜1年の予約履歴(来院/キャンセル/無断・属性)
- 業務時間帯/曜日のパターン
- リマインド手段の現状(SMS/LINE/電話)
失敗条件・適用しないケース
- 予約数が日次5件未満で、傾向が出るほどのデータがない
- 履歴が紙台帳のみで、データ化のコストが回収を上回る
- リスク高い枠に「電話のみ」など重い手段を全件あてて受付が回らない
「AIで予測すれば来てくれる」のではありません。
過去履歴を整える→傾向が出る単位(曜日/時間)に絞る→リスクが高い枠だけ追加対応→結果を1ヶ月単位で振り返る、という流れで初めて、この事例の「枠が埋まる」像が国内の中小にも見えてきます。
特に「全枠に同じ追加リマインドを送る」のは、人にもコストにも嫌われ逆効果です。リスクが高い枠だけ手厚くするのが要点です。
出典・参考
一次情報 歯科クリニックのキャンセル予測事例(提供元公表) https://ccdcare.com/resource-center/ai-in-healthcare-scheduling/
(固有数値は提供元公表由来。最新の固有事例はブラウザで原典を確認してください)
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。


