介護施設の加算漏れリスク、AIで防ぐ会社と損する会社の差

介護報酬の請求実務で、こんな瞬間はないでしょうか。「算定できたはずの加算を、月末になって取りこぼしていたと気づく」——介護報酬の請求では、この構造の悩みが定番です。日々の記録は現場でしっかり残しているのに、加算の要件と実際の運用がわずかにずれていたり、算定漏れに1ヶ月遅れて気づいたりする。その一件一件が、事業所の収益から静かに抜け落ちていきます。

この記事では、介護報酬の国保連請求で起きやすい「加算漏れ」と「返戻」という2つの損失構造を、具体的な金額の試算例とともに整理したうえで、AI（ChatGPTなどの生成AI）で請求前チェックや返戻要因の可視化がどこまでできるのか、そして自前でやる場合の限界とプロに任せる判断基準までを解説します。

介護報酬の「加算漏れ」と「返戻」は、なぜ損失として積み上がるのか

本記事のテーマに関連するサービスとして、BoostXでは介護業界の支援を提供しています。

介護報酬の請求は、基本のサービス費に対して数多くの「加算」を組み合わせて成り立っています。処遇改善加算、サービス提供体制強化加算、個別機能訓練加算、看護体制加算など、事業所の種別によって算定できる加算は多岐にわたり、それぞれに人員配置・記録・計画書といった要件が細かく設定されています。介護報酬は1単位あたり10円が基本で、地域やサービス区分によって10円から11円台まで設定が変わります。厚生労働省の厚生労働省「介護報酬」のページを見ても、報酬改定は3年に1度行われ（直近は令和6年・2024年改定）、加算の体系は改定のたびに追加・見直しが行われ、要件は年々複雑さを増しています。

この複雑さそのものが、加算漏れと返戻という2つの損失を生む温床になっています。まずはこの2つを分けて理解することが、対策の出発点です。

加算漏れ：算定できたはずの収益が静かに消える

加算漏れとは、要件を満たしているのに算定申請をし忘れる、あるいは算定できる加算の存在自体に気づいていないケースを指します。たとえば個別機能訓練の記録は残しているのに計画書の更新タイミングがずれて算定を見送った、体制要件は満たしているのに区分の変更届を出していなかった、といった「あと一歩」でのすれ違いです。

加算1件あたりの単価は10円から数百円ですが、これが利用者数×日数×月数で積み上がると、年間では無視できない金額になります。ここで自社の損失規模をイメージするため、あくまで仮の計算例を示します。たとえば1日あたり600円の加算を、利用者30人に30日算定し損ねると、1ヶ月で約54万円（600円×30人×30日）、年間では約648万円の機会損失になります。もっと小さく、1日あたり100円のわずかな加算でも、利用者20人・30日で1ヶ月あたり6万円、年間で約72万円が抜け落ちる計算です。これらはあくまで仮の試算で、実際の顧客実績ではありませんが、自社の利用者数と日数を当てはめれば、損失規模の当たりをつけられます。

厄介なのは、加算漏れは返戻のようにエラーとして返ってこない点です。請求は通ってしまうため、「そもそも取れたはずだった」という機会損失に気づく仕組みが事業所側になければ、損失は可視化されないまま流れていきます。

返戻・過誤：一度請求したものが差し戻される

もう一方の返戻は、国保連（国民健康保険団体連合会）への請求後に、記載内容の不備や資格・受給者情報の不一致などを理由に差し戻される事態です。兵庫県国民健康保険団体連合会が公開している国保連の返戻等事例集を見ると、被保険者番号の誤りやサービスコードの選択ミス、居宅サービス計画との不整合など、実務で繰り返し起こりがちな5パターン前後が整理されています。

返戻が発生すると、原因を調べて修正し、翌月以降に再請求する手間が発生します。1件あたりの再請求作業に30分から60分かかることも珍しくなく、入金が最大60日ほど遅れるケースもあります。小規模な事業所ほどキャッシュフローへの影響は大きくなります。加算漏れが「静かな損失」なら、返戻は「見える損失＋手戻り工数」という二重のダメージだと言えます。

損失が積み上がる根っこは「チェックが人の記憶に依存している」こと

加算漏れも返戻も、根っこにあるのは同じ構造です。それは、複雑で3年ごとに変わるルールへの適合チェックが、担当者個人の知識と記憶、そして月末の限られた時間に依存していることです。ベテラン職員がいる間は回っていても、その人が異動・退職した瞬間に精度が落ちる。忙しい月末に確認が甘くなる。この属人的なチェック構造こそが、損失を毎月生み続ける真因なのです。

AIで加算チェックと返戻要因の可視化に何ができるのか

では、この構造的な課題に対してAI（生成AI）は何ができるのか。結論から言えば、AIは「請求そのものを代行する」ものではなく、「人が見落としやすいずれを、請求前にあぶり出す第二のチェック役」として力を発揮します。介護 国保連 請求 加算 AIというテーマで期待されるのは、まさにこの事前チェックと可視化の領域です。ここでは3つの使いどころを整理します。

加算要件と実際の記録の「照らし合わせ」を支援する

生成AIは、算定しようとしている加算の要件と、実際の運用状況・記録の内容を突き合わせ、「この加算を算定するなら、計画書の更新日と記録の頻度は要件を満たしていますか」といった観点で確認を促すことができます。人間が一つひとつ思い出しながらチェックする作業を、AIが5ポイント前後の観点リストとして提示してくれるイメージです。判断そのものは人が行いますが、「見るべきポイントの抜け」を減らせます。

返戻が起きやすいパターンを事前に洗い出す

返戻の多くは、被保険者番号やサービスコード、単位数、提供実績と計画の整合といった決まった箇所で発生します。こうした返戻の頻出する5パターンをチェック観点としてAIに持たせておくと、請求データを送る前に「ここは過去に返戻が起きやすい箇所です。確認しましたか」と気づきを促すことができます。これは、国保連から差し戻される前に、社内で1回フィルターをかける発想です。1件の返戻を未然に防げれば、30分から60分の再請求作業と、最大60日の入金遅延を避けられます。

改定内容の要点を「自社の言葉」に翻訳する

介護報酬は3年に1度改定され、加算の新設・廃止・要件変更が行われます。数百ページに及ぶ改定資料を読み解き、「自社の事業所種別で、何がどう変わったのか」を整理するのは骨の折れる作業です。生成AIは、公表された改定情報を要約し、自社に関係する部分を抜き出して整理する下準備を助けてくれます。最終的な解釈は必ず一次情報と専門家で確認する必要がありますが、たたき台を作る時間は大きく短縮できます。

どんな効果が見込めるか：時間と損失の目安をレンジで捉える

AIによる請求前チェックを取り入れると、どの程度の効果が見込めるのか。ここは断定できる数字ではなく、業務構造から見た「目安」として捉えるのが誠実な考え方です。

確認作業の時間を短縮できる可能性

月末月初の請求業務では、加算要件の確認や記録の突き合わせに、担当者が5時間から10時間を費やしているケースが珍しくありません。AIが観点チェックの下準備を担うことで、この確認時間の一部を圧縮できる余地があります。一般的な目安として、「ゼロから思い出しながら確認していた5時間」を「AIが出した観点を人が検証する2時間から3時間」に置き換えるだけでも、確認のヌケ・モレを減らしながら作業の心理的負担を軽くできます。10分の確認を積み重ねる細かい作業が、まとまった観点リストで一気に見通せるようになるイメージです。

防げる損失は「機会損失＋手戻り工数」の両面

効果を金額で語るなら、2つの側面があります。1つは、これまで気づけずに取りこぼしていた加算を拾えるようになる機会損失の回収。もう1つは、返戻による再請求の手戻り工数と入金遅延の削減です。ここでも仮の計算例を示すと、1日あたり500円の加算を利用者40人・30日で取りこぼしていた場合、1ヶ月で60万円、年間で720万円の機会損失になります。仮にそのうち3割でも事前チェックで拾い直せれば、年間200万円前後の回収が視野に入ります。加算1件あたりの金額は小さくても、利用者数×日数で積み上がると年間では数百万円規模になる——この構造を自社の数字で試算してみると、対策への投資判断がしやすくなります。

数字より先に効くのは「安心して任せられる状態」

見落とされがちですが、最大の効果は精神的なものかもしれません。「今月の請求、加算は全部拾えているだろうか」「返戻でまた差し戻されないだろうか」という月末の不安は、担当者に恒常的なストレスを与えています。事前チェックの仕組みがあることで、この不安が「確認済み」という手応えに変わる。属人化から抜け出し、担当者が変わっても一定の精度を保てる状態そのものが、数字に表れにくい大きな価値です。

自前運用でつまずく3つの壁：属人化・法改正追随・情報漏洩

それならChatGPTを契約して自分たちでやってみようと考える事業所も増えています。試すこと自体は良い一歩です。ただ、介護報酬という領域でAIを自前で運用し続けるには、大きく3つの壁があります。ここを甘く見ると、かえって危うい運用になりかねません。

壁1：結局また属人化する

AIを使いこなす仕組みを、詳しい職員が1人で作り上げてしまうと、その人が「AIに詳しい担当」として新たな属人化の中心になります。プロンプト（AIへの指示文）が個人のメモに散らばり、チェック観点の更新もその人任せになる。ツールを入れても、運用が1人に張り付いたままでは、加算漏れが起きていた元の構造と本質は変わりません。仕組みを組織の資産として残す設計が欠かせません。

壁2：法改正・報酬改定への追随が止まる

介護報酬は3年に1度改定され続けます。自前で作ったチェックの観点は、改定のたびに見直さなければ、すぐに「古いルールで確認している」状態に陥ります。しかも生成AIは、学習時点より新しい改定内容を正しく反映できないことがあり、令和6年（2024年）のような改定を古い要件のまま自信ありげに答えてしまうリスクを抱えています。最新の一次情報を誰が・どう反映し続けるかという運用設計がないと、精度は静かに劣化していきます。

壁3：情報漏洩と個人情報の扱い

介護の請求業務は、利用者の氏名・被保険者番号・要介護度・サービス内容といった機微な個人情報を扱います。これらを無防備に一般向けAIサービスへ入力すると、情報の取り扱い面でリスクが生じます。どのツールを、どの設定で、どこまでの情報を入れて使うのか——この線引きを誤ると、効率化どころか重大な問題に発展しかねません。安全に使うための設計は、専門的な判断が必要な領域です。

ビフォーアフター：介護施設の請求実務がここまで変わる

違いを生んでいるのはツールではなく運用設計

BeforeとAfterを分けているのは、AIという道具そのものではありません。どの業務のどこにチェックを差し込むか、チェック観点を誰がどう更新し続けるか、個人情報をどう安全に扱うか——こうした運用設計が組み込まれているかどうかが、成果の差になります。ツールを買っただけでは、属人化も改定追随の問題も解決しません。もし自社がまだBefore寄りだと感じるなら、次のセクションで具体的な相談導線を案内します。

よくある質問

公開日：2026年7月