AI-OCRを入れても手入力が残る理由｜得意先の略称・品番・単位をAIで変換する方法

「AI-OCRを導入すれば、注文書の入力作業がかなり減ると思っていた。でも実際には、担当者が毎日OCRの結果を見て直している」

中小の卸売業や商社では、このような状況が珍しくありません。

たとえば、ある資材卸の会社を想定してみます。

FAXやPDFで届く注文書の入力負担を減らすため、AI-OCRを導入しました。以前は担当者が注文書を見ながら品番や数量を一件ずつ入力していましたが、導入後は文字そのものはかなり読み取れるようになりました。

ところが、受注担当者の作業時間は期待したほど減りません。

原因を確認すると、毎日のように次のような修正が発生していました。

ある得意先は、注文書に「ケース」と書きます。しかし、その会社との取引では「ケース」という表記でも、実際にはバラ数量として処理するのが長年の慣習でした。

別の得意先は、自社とは異なる独自の商品番号を注文書に書きます。

また別の得意先では、「テープ赤」「強力タイプ」のような略称だけで注文してきます。

AI-OCRは「ケース」「テープ赤」「A-125」といった文字を正しく読めています。

それでも担当者は、「この得意先のケースはバラ扱い」「A-125は自社品番のX-380」「この略称ならこの商品」と判断して、受注データを直していました。

つまり、残っていた仕事は文字入力ではありません。人間による判断です。

AI-OCRを導入しても手入力が減らない会社では、OCRの精度ばかりを追いかけるより、その後に人が何を判断しているのかを整理した方が改善につながるケースがあります。

この記事では、得意先ごとの略称、品番、単位、最低注文数、納期慣習などを「得意先別ルール」として整理し、AIによる受注マスタ照合へつなげる考え方を解説します。

なお、この記事ではFAXやメールを受信してから販売管理システムへ取り込むまでの全体フローや、AI-OCR製品そのものの比較は扱いません。テーマは、AI-OCRで文字を読んだ後に、なぜ人の修正が残るのかです。

結論｜AI-OCRで最後まで自動化できないのは「文字」ではなく「判断」が残っているから

結論から言えば、AI-OCRを導入しても受注担当者の作業が減らない場合、原因が文字認識そのものではない可能性があります。OCRは、画像やPDFに書かれている文字を読み取る技術です。

一方、受注担当者は単に文字を読んでいるだけではありません。注文書に書かれた内容と、得意先、商品マスタ、過去の取引、入数、最低注文数、納期、営業担当との取り決め、得意先特有の表現を頭の中で照らし合わせながら判断しています。

この「照らし合わせ」が残っていれば、AI-OCRの認識精度が高くても人は必要です。

OCRは文字を読めても「この得意先ならどう処理するか」は知らない

たとえば注文書に「AB-30　2ケース」と書かれていたとします。AI-OCRが「AB-30」「2ケース」と正確に読み取ったとしても、受注登録するためにはまだ情報が足りないことがあります。

• AB-30は得意先の商品番号だから、自社では商品コード12345に置き換える
• この得意先の1ケースは10個
• ただしこの商品だけはケース注文でもバラ登録する
• 最低注文数が24個なので、20個換算になったら営業担当へ確認する

これはOCRの仕事ではありません。業務ルールの照合です。

人が毎回直している箇所には、実は一定のルールがある

「うちは例外ばかりだから自動化できない」と考える経営者もいます。確かに、すべてを完全に自動化することは現実的ではありません。

しかし担当者が毎回ほぼ同じ判断をしているのであれば、その判断には一定の規則があります。たとえば「A社が『大』と書けば商品A-01」「B社の商品番号00123は自社品番XZ50」「C社は『箱』と書いてもバラ数量」といったルールです。

担当者が何年もかけて覚えてきたため、「経験と勘」に見えるだけで、書き出してみると条件と処理内容に分けられるものは少なくありません。

AIに全部任せず「変換できるものだけ自動化」が現実的

ここで大切なのは、AIにすべての注文を自由に判断させることではありません。安全に進めるなら、ルールが明確なものは自動変換し、判断に自信が持てないものだけ人に回すという設計が現実的です。

100件の注文を担当者が100件確認する状態から、AIやルールで90件を整理し、残った10件だけ人が確認する状態を目指します。完全無人化よりも、「人が見る範囲を減らす」と考えた方が、中小企業では導入しやすくなります。

AI-OCR導入後に手入力として残りやすい4つの判断

略称・通称の変換

得意先は、自社の商品マスタに登録されている正式名称で注文してくれるとは限りません。たとえば自社の商品マスタには「工業用強力両面テープ50mm」と登録されていても、得意先の注文書には「強力両面50」「両面50」「超強力」などと書かれることがあります。受注担当者は得意先名を見れば「これはあの商品だ」と判断できますが、OCRは文字をそのまま読み取るだけです。この差を埋めるには「得意先A／強力両面50／自社品番12345」のような変換ルールが必要になります。

得意先品番と自社品番の変換

卸売業や商社では、得意先側の商品コードと自社の商品コードが異なるケースもあります。注文書には「A00125」と書かれているものの、自社の販売管理システムでは「X-3050」として登録しなければならない、といったケースです。ベテラン担当者はこの対応関係を覚えていますが、新人の場合は過去の注文書や対応表を調べることになります。ここもAI-OCRの認識精度とは関係ありません。

ケース・箱・本・個など単位の違い

特に注意したいのが単位です。「1ケース」「1箱」「1本」「1袋」といった単位は一見単純ですが、実務では1ケース＝12個、1箱＝20本、商品によって入数が異なる、得意先によって注文単位の意味が異なる、「ケース」と書いても販売管理上はバラ登録する、といった例外があります。そのため「ケース」という文字が正しく読めただけでは受注登録は完了しません。

最低注文数・納期・曜日などの商習慣

さらに厄介なのが、注文書に明記されていないルールです。「この商品は24個単位でしか出荷しない」「この得意先は火曜と金曜納品」「午前中の注文なら翌日、午後なら翌々日」といった慣習です。担当者は注文書を見ながら、こうした背景情報も含めて判断しています。

なぜ受注担当者は簡単に判断できるのか｜頭の中に「得意先別ルール表」がある

ベテラン担当者は注文書だけを見ているわけではない

ベテラン担当者は「この得意先なら、いつもの商品」「この書き方をするのはこの品番」「前回もこの単位だった」「数量が少ないから確認した方がよい」といった過去の経験を使っています。本人にとっては当たり前なので、業務マニュアルには書かれていないことも多くあります。

「経験と勘」を分解すると、かなりの部分がルールになる

経験をすべて文章化する必要はありません。次の3つに分けるだけでも整理しやすくなります。

• 条件：誰から、何という表記で、どの商品について注文が来たか
• 判断：どの商品・品番・数量として扱うか
• 処理：そのまま登録するのか、人へ確認するのか

たとえば「条件：A商事から『ケース』で注文」「判断：この商品では1ケース＝12個ではなくバラ数量として扱う」「処理：数量をそのまま個数として登録」という形です。こうして書き出せれば、担当者だけが知っている知識から、会社で共有できるルールへ変えられます。

まず作るのはAIではなく「お膳立てシート」

得意先別ルールをAIに使わせる前に、最初に作ってほしいのが「お膳立てシート」です。これは特別なシステムではありません。受注担当者が普段どのような判断をしているのかを書き出すための表です。

担当者へ「ルールを書いてください」と頼んではいけない

経営者が受注担当者に「得意先ごとのルールを全部書いてください」と頼んでも、なかなか出てきません。本人にとって当たり前すぎるからです。おすすめは、実際に担当者が修正した注文から拾うことです。1〜2週間だけでも「OCR結果を見た後、何を直したか」を記録してもらいます。

• 誰の注文だったか
• 元はどう書かれていたか
• 何に直したか
• なぜ直したか

お膳立てシートの項目

お膳立てシートの具体的な記入例

※上記は実在企業の事例ではなく、説明用の想定例です。

お膳立てシートから「得意先別変換表」を作る

最初からすべての得意先を登録しなくてよい

得意先が数百社ある会社で、最初から全部のルールを整備しようとすると止まりやすくなります。おすすめは、修正件数が多い得意先から始めることです。たとえば受注件数が多く、担当者の修正回数も多い上位3社だけを対象にします。

変換表は「入力→変換結果→条件」で考える

変換ルールは難しく考えず、「入力された情報」→「何に変換するか」→「どんな条件ならその変換を使うか」の3つで整理します。

AIへ自由に考えさせるのではなく、変換表を先に参照させる

AI活用で避けたいのが、「この注文書を見て、たぶん正しい商品へ変換してください」と完全に自由な推測をさせることです。業務で使うなら、「まず得意先別変換表を確認する」「一致するルールがあればそのルールを使う」「一致しない場合は推測で確定せず、要確認にする」という考え方が重要です。

AIによる受注マスタ照合は「自動変換」と「要確認」に分ける

一致したものは自動変換

• 得意先が一致
• 得意先品番が一致
• 単位が一致
• 商品マスタに該当商品が1件だけ存在
• 数量条件にも問題がない

このような場合は自動変換候補にできます。重要なのは、「AIがそれらしいと思った」ではなく、ルールとの一致条件をできるだけ明確にすることです。

似ているが一致しないものは人へ回す

たとえば注文書に「強力テープ5」と書かれていて、「強力テープ50」「強力テープ55」「強力テープ5m」の3候補が見つかった場合は、自動登録せず「候補が複数あります」として担当者へ回します。

「確信度が低いものだけ見る」運用に変える

• ルール完全一致：自動候補
• 候補が1件だが一部不一致：要確認
• 候補が複数：要確認
• マスタに存在しない：要確認

目標は「全部を人が確認する」から「怪しい注文だけ人が確認する」へ変えることです。

AIが迷った注文だけを人へ回す仕組み

完全自動化を目標にしない方が安全

注文を間違えれば、誤出荷、返品、再配送、請求修正、得意先からのクレームにつながります。そのため「人をゼロにする」ことを目標にする必要はありません。むしろ、人が判断する件数を減らすことを目標にした方が現実的です。

人が確認すべき代表ケース

• 初めて見る品番
• 初めて見る略称
• 得意先別変換表にない商品
• 商品候補が複数ある
• 通常より数量が極端に多い
• 最低注文数を下回っている
• 過去と異なる単位が使われている
• 新規得意先からの注文
• 納期条件が通常と異なる

人の修正結果を次回のルールへ追加する

要確認として人へ回った注文も、無駄にはなりません。担当者が「この略称は商品Aだった」と修正したのであれば、それを新しいルール候補として記録します。確認後に得意先別変換表へ追加すれば、次回から自動処理できる可能性があります。

得意先ルールが増えたら、スプレッドシートとkintoneのどちらで管理する？

得意先別ルールは、最初から専用システムを用意しなくても始められます。少ない件数ならExcelやスプレッドシートでも十分です。一方、ルール数や関係者が増えてくると、kintoneのような業務データを蓄積・共有できる仕組みを検討する価値が出てきます。

数十件程度ならスプレッドシートからでもよい

まずは得意先3社、よく出る商品50点、修正が頻発するルール数十件程度から試すなら、スプレッドシートでも始められます。重要なのはツールではなく、まずルールを書き出すことです。

担当者・得意先・変更履歴まで管理するならkintoneも候補になる

ルールが増えて「このルールを誰が変更したのか」「A社のルールだけ見たい」「商品ごとにも検索したい」「営業担当からの変更情報も蓄積したい」といった要望が出てくれば、単純な表よりデータベース型の管理方法が向く場合があります。その際の選択肢のひとつがkintoneです。

最初から大きなシステムを作らない

受注業務を改善するために、最初から全得意先、全商品、全例外を登録しようとするとプロジェクトが大きくなります。「修正作業が多い得意先」「毎月件数が多い商品」「同じ修正を何度もしているルール」に限定し、効果が確認できてから対象を広げる方が進めやすくなります。

失敗しやすいのは「AIへ全部覚えさせればよい」と考えること

チャットで一度教えただけでは業務マスタにならない

生成AIとの会話で「A社ではケースをバラとして扱って」と教えたとしても、それだけで会社の正式な業務ルール管理が完成するわけではありません。業務として継続利用するなら、ルールをどこに保存するか、誰が更新するか、いつ更新したか、どのルールが正式なのかを決める必要があります。

ルールの更新担当者を決めないと必ず古くなる

得意先との取引条件は変わります。「来月から1ケース24個に変更」「商品コードが変更」「納品曜日が変わる」といったことがあります。誰も変換表を更新しなければ、AIは古いルールを参照してしまいます。受注責任者、営業担当者、商品マスタ管理者など、誰が何を更新するかを決めておきます。

AIの推測結果をそのまま受注登録しない

AIが「おそらくこの商品でしょう」と推測しただけのものを、そのまま販売管理システムへ登録する運用は避けた方が安全です。特に金額が大きい、類似品が多い、商品名が似ている、数量換算が複雑、誤出荷時の影響が大きい商品は、人の確認条件を厳しく設定します。

元の注文書と変換結果を追えるようにする

後で得意先から「この商品は注文していない」と言われたときに、元の注文書、OCRで読み取った内容、どのルールで変換したか、誰が確認したかを追えることも大切です。AI化すると処理の途中が見えにくくなりがちなので、後から確認できる状態も設計しておきます。

導入は「修正の多い得意先3社」から始める

STEP1　受注担当者が直している箇所を1〜2週間記録する

最初にシステムを作るのではありません。AI-OCR後に人が何を修正しているかを記録します。「OCR誤読」「品番変換」「単位変更」「最低数量調整」「納期確認」などに分類しておくと、どこに時間がかかっているか分かります。

STEP2　お膳立てシートへ整理する

同じ修正が何度も出ているものから、得意先、元表記、正式商品、自社品番、単位、換算、例外、確認条件を書き出します。

STEP3　変換表を作る

お膳立てシートから、AIや仕組みが参照しやすい変換表を作ります。「この入力条件なら、この結果へ変換する」という関係を明確にします。

STEP4　AIで照合する

OCRで読み取った結果を、得意先別変換表や商品マスタと照らし合わせます。AIに求める役割は「勝手に正解を作る」ことではなく、既存のルールや候補を探して整理することです。

STEP5　確信度の低い注文だけ人が確認する

ルールに完全一致しない注文や候補が複数あるものだけを人へ回します。担当者は全件を見るのではなく、例外処理に集中できます。

STEP6　修正した内容をルールへ追加する

人が判断した結果のうち、今後も繰り返し使えそうなものを得意先別ルールへ追加します。このサイクルを回すことで、対象となる注文を徐々に増やしていきます。

受注担当者が退職・異動しても止まらない仕組みにする

「〇〇さんしか分からない」をルールデータに変える

会社の中で「あの注文は田中さんしか分からない」「A社の注文だけはベテランに聞いて」という状態になっている場合、その人が休むだけでも業務が止まります。得意先別ルールを整理しておけば、「担当者の頭の中」だったものを「会社が持つルールデータ」に変えられます。

新人はすべてを暗記しなくてよくなる

新人が入社したとき、すべての得意先の癖や商品コードを暗記させる必要も減ります。AIやルールで通常注文を整理し、例外だけ確認する運用なら、新人は重要な判断から覚えていけます。教育負担の軽減にもつながります。

AI導入の本当の効果は入力時間だけではなく属人化解消にもある

AI導入というと「何時間削減できたか」ばかりを見がちです。しかし中小企業にとっては、ベテランが辞めても受注業務が止まらないことも大きな効果です。得意先別ルールの整備は、AI活用のためだけに行うものではありません。会社の業務知識を残す取り組みでもあります。

よくある質問

AI-OCRの精度を上げれば手入力はなくなりますか？

文字の読み間違いが原因なら、OCR精度の改善が有効です。一方、「得意先品番を自社品番へ変換する」「ケースを個数へ換算する」といった判断が残っている場合、OCRの認識精度を上げるだけでは解決しません。まず、担当者が何を修正しているのかを分類することをおすすめします。

得意先ごとにルールが違ってもAIで対応できますか？

一定の条件として整理できるルールであれば、AIやルール照合に活用できる可能性があります。ただし、すべてをAIに推測させるのではなく、得意先別の変換表や商品マスタを参照させ、曖昧なものは人へ回す設計が安全です。

Excelやスプレッドシートだけでも始められますか？

はい。最初から大規模なシステムを用意する必要はありません。まずは修正件数の多い得意先3社程度を対象に、スプレッドシートで得意先別ルールを整理する方法でも始められます。

AIが間違えて別の商品へ変換することはありませんか？

可能性はあります。そのため、AIが出した候補を無条件で確定させないことが重要です。ルール完全一致の場合のみ自動候補とし、候補が複数ある、新しい表記である、数量が通常と違う、といったケースは人へ回す運用が安全です。

kintoneを導入しないとできませんか？

必須ではありません。得意先ルールが少ない段階では、Excelやスプレッドシートでも管理できます。重要なのは、どのツールを使うかより、担当者の判断を明文化し、更新できる状態にすることです。

まとめ｜AI-OCRの次に必要なのは「担当者の判断をマスタにすること」

AI-OCRを導入したのに手入力が減らない場合、すぐに「OCRの精度が悪い」と判断する必要はありません。確認すべきなのは、OCRで文字を読み取った後に担当者が何をしているかです。

• 略称
• 得意先品番
• 自社品番
• 単位
• 入数
• 最低注文数
• 納期慣習
• 例外条件

これらを担当者が頭の中で判断しているなら、問題は文字認識ではなく業務ルールです。まずは修正の多い得意先3社程度から、担当者が直している内容を記録してください。

• 担当者の判断を書き出す
• お膳立てシートにまとめる
• 得意先別変換表を作る
• AIでマスタ照合する
• 確信度の低い注文だけ人が見る
• 修正した内容を次のルールへ追加する

AIに全部を任せる必要はありません。明確な注文は仕組みで処理し、迷う注文だけ人が見る状態を作るだけでも、受注担当者の負担は大きく変わります。さらに得意先別ルールを会社として蓄積しておけば、ベテラン担当者の退職や異動によって受注業務が止まるリスクも下げられます。

AI-OCR導入の次に取り組むべきなのは、別のOCR製品を探すことではありません。「担当者しか知らない判断」を、会社で使えるルールに変えることです。

ご相談・お問い合わせ

AI-OCRを導入しても手入力が残る場合、すぐに別製品へ入れ替える必要があるとは限りません。まずは担当者がOCR結果のどこを修正し、何を判断しているのかを整理すると、既存の仕組みを活かしながら改善できる範囲が見えてきます。

• 実際の注文書
• AI-OCR後に担当者が修正している内容
• 得意先数
• 商品点数
• 現在の商品マスタ
• 得意先別ルールをまとめたExcel等の有無

得意先ごとの略称、品番、単位、最低注文数などをどこまでルール化できるか分からない場合は、次の情報を整理したうえで相談すると、改善ポイントを見つけやすくなります。