AI導入の実務

金物・金属加工メーカーの見積、品番、輸出書類。まずAIに任せられるのはどこか

品番マスタの乱れ、ベテラン頼みの見積、遅れがちな引き合い対応、何度も打ち直すインボイスとパッキングリスト。4つのステップに分け、準備するデータ、よくある落とし穴、検収の方法を整理しました。

金物、ファスナー、金型のメーカーがAI導入を考えるとき、最初に浮かぶのは「AIに見積をさせたい」という発想です。方向は間違っていませんが、順番が逆になりがちです。見積には品番、材質、表面処理、梱包、過去の単価が必要です。これらが3つのExcelとベテラン営業の頭の中に散らばっていれば、AIは間違った見積を速く作るだけです。以下、私たちが勧める順番で4つのステップに分けて説明します。

01ステップ1:まず品番マスタを整える

同じねじでも、営業は「M6x20ステン六角」、倉庫は「SUS304 HEX M6*20」と書き、顧客の引き合いには先方の品番が載っています。人には同じものだと分かっても、システムでは突き合わせられません。引き合いの読み取り、見積作成、輸出書類の作成は、どれもこうした表記を一つの社内品番にひも付けることが前提です。

準備するデータ:ERPやExcelにある現行の品番一覧、直近1〜2年の出荷・見積記録、顧客品番の対照表(あれば)。マスタの項目は最低限、社内品番、品名(中国語・英語)、仕様(サイズ、ピッチ、長さ)、材質、表面処理、単位、梱包方法と入数、単品の正味重量、HSコード、使用中か廃番かを持たせることを勧めます。重量とHSコードはステップ3で使うので、この段階で埋めておきます。

よくある落とし穴は3つあります。1つ目は全品番を一度に整理しようとして半年かかること。直近1年に出荷実績のある品番から始め、廃番品は後回しにします。2つ目は同じ意味の表記ゆれで、「304」「SUS304」「ステンレス304」が混在するケースです。ここはAIに一次分類をさせて重複候補を洗い出し、製品に詳しい担当者が統合するかを判断するのに向いています。3つ目は整理後に誰も保守せず、数か月で元に戻ること。マスタの責任者を決め、新規品番は決まった手順で登録します。

検収の方法:最近の出荷伝票を抜き取り、各行が一つの社内品番に対応していること、必須項目に空欄がないこと、重複候補すべてに結論が出ていることを確認します。

02ステップ2:AIに引き合いメールを読ませて見積の下書きを作り、価格は人が決める

引き合いへの回答が遅いのは、価格計算よりも前段の整理に時間がかかっているからという場合が多くあります。顧客がメールに20品目を並べ、図面付きのもの、Excel付きのもの、「前回と同じ」とだけ書かれたものが混ざっている。営業は1行ずつ書き出し、品番を照合し、前回の見積を調べてから、ようやく計算に入ります。この整理こそAIが得意な作業です。

具体的には、AIに引き合いメールと添付ファイルを読ませ、顧客の品名または品番、対応する社内品番、仕様、数量、希望納期、貿易条件、過去の成約価格を一覧表にまとめさせます。品番が見つからない品目や情報が足りない品目は要確認とし、顧客に問い合わせるべき点も挙げさせます。単価欄は空欄か参考価格のみとし、営業や管理者が原材料相場、生産能力、取引状況を踏まえて決めます。

準備するデータ:ステップ1の品番マスタと顧客品番対照表、過去の見積書と成約記録、現行の見積テンプレート、見積ルール(最低発注数量、梱包の加算方法など)。

よくある落とし穴:生成AIはもっともらしく見えて誤った内容を出力することがあります。米国国立標準技術研究所(NIST)は生成AIのリスク管理文書NIST AI 600-1でこれをconfabulationと呼び、人が自動化システムの出力を過信しやすいことにも注意を促しています。そのため、AIが判断した品番にはどのメールのどの添付ファイルの何行目から判断したかという根拠を添え、価格を確認する人が検証できるようにします。また引き合いメールには顧客担当者の氏名や連絡先が含まれ、台湾の個人資料保護法第2条では個人データに当たります。ツールを選ぶ際は、データの保存場所とモデル学習に使われるかを確認し、アカウント権限も管理してください。

検収の方法:すでに見積済みの過去の引き合いで試し、AIが抽出した品目、品番、数量を当時の担当者の整理結果と照合して、誤りを種類別に記録します。誤りが集中する分野があれば、マスタや対照表を補強します。本番運用後も、見積書は送付前に必ず人が承認します。

03ステップ3:テンプレートでインボイスとパッキングリストを作り、項目ごとに照合する

受注後、同じデータが受注書、出荷伝票、コマーシャルインボイス、パッキングリスト、ときには顧客指定の書式へと何度も打ち直されます。打ち直すたびに誤りの機会が増えます。

輸出書類には法令上の要件があります。台湾の「出口貨物報関験放辦法」第6条は、輸出申告時にパッキングリスト等の添付を求めています(1箱のみ、単一品目で包装が均一な場合などは省略可)。第8条はパッキングリストに貨物の仕様と各梱包の総重量、正味重量、数量を詳しく記載するよう定め、第12条は「中華民国輸出入貨品分類表」に基づいて品目分類番号を正しく申告するよう定めています。

インボイスとパッキングリストのテンプレートを固定し、品名、仕様、数量、単価、総重量・正味重量、箱数、荷印、HSコードを受注データと品番マスタから自動で差し込みます。AIの役割は顧客の注文書(PO)と受注内容を突き合わせ、POの数量と実際の梱包数の違いや、顧客指定の品名表記とマスタの違いといった不一致を指摘することです。書類自体はテンプレートで生成し、AIに毎回自由に作らせないことで、書式と数値が安定します。

準備するデータ:最近の輸出書類のサンプル、主要顧客の書式要件、マスタの重量・梱包データ、通関業者からよく修正を求められる項目。よくある落とし穴は、単品の正味重量に理論値を使い実測と差が出ることです。総重量は実際の梱包結果で入力します。また梱包材や入数を変えたのにマスタを更新しないと、以後の書類がすべて誤ります。

検収の方法:出荷前に出荷担当がPO、出荷伝票、梱包記録と書類を照合し、通関業者や顧客から差し戻された回数と理由を記録して、次の改善の根拠にします。

04ステップ4:各ステップで見つかった問題をマスタに戻す

最初の3ステップを終えると、見積や書類の誤りをさかのぼれば、ほとんどがマスタの問題だと分かります。そこでフィードバックの流れを作ります。見積で出てきた新しい顧客品番は対照表に追加し、出荷時に量った実重量はマスタに反映し、廃番や代替品番はマスタに明記します。

紹介できる事例として、数千点の品番を扱う金物資材の事業者があります。商品データを中心にECサイト、ERP、店頭売場を統合し、システム間の二重入力と手作業による照合を減らしました。ポイントは、データを一か所で管理し、ほかのシステムはそこから参照することです。AIや自動化が安定した結果を出すには、この土台が欠かせません。

05どのステップから始めるべきか

多くの工場には、ステップ1から始めることを勧めます。ただし全品番ではありません。売上比率の高い顧客を1〜2社選び、直近1年に受注した品番について、整ったマスタと顧客品番対照表を作ります。範囲を絞れば早く結果が見え、そのままステップ2の検証にも使えます。

品番マスタがすでにある程度整っていて、輸出書類の打ち直しが出荷担当の最大の負担になっているなら、ステップ3から始めても構いません。テンプレート化は効果を検証しやすい分野です。見積の下書きはマスタが安定してから取り組み、価格の決定は常に人が担います。

始める前に、マスタの責任者は誰か、どの過去の引き合いと書類で検証するか、何をもって合格とするかの3点を決めておきます。ツール選びはその後です。

出典

本文の数字と法令は以下の公式資料に基づきます。引用の際は原典をご確認ください。

  1. [1]出口貨物報關驗放辦法(全國法規資料庫)
  2. [2]個人資料保護法第 2 條(全國法規資料庫)
  3. [3]NIST AI 600-1: Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
徐愷(KK)のポートレート

著者

徐愷(Kai Hsu / KK)

Twouring 代表/リードコンサルタント

LinkedIn →

まずは30分の無料ヒアリングで、次の一歩を確認しましょう

ヒアリングは無料です。課題の範囲、予算、意思決定者を確認したうえで、初期の提案と実行可能な次の一歩をお伝えします。