輸入する商社が、海外の輸出者から届く英文の原産地証明書を読み取り、インボイスと船積書類に照らして、EPA税率を使うための記載の不備を通関前に洗い出す

処理の起点を決める

Amazon S3 の受付の場所に、案件番号を付けた証明書が保存されたことを起点にします。 写しのPDFはメールで届くため、担当者がメールから保存するか、共有のメールボックスの振り分けで保存します。1日1回の定時実行にはしません。 再発給を頼むなら1日でも早いほうがよく、輸出国の発給機関の手続きと国際宅配便の日数を考えると、貨物の到着までの数日の差が効いてきます。

同じ案件で2回動かします。 1回目は写しのPDFが届いたときで、記載の不備を洗い出します。2回目は原本が届いてスキャンしたときで、写しとの違い、「COPY」などの表示、署名の有無を確かめます。ファイル名に copy と original の区別を入れ、Lambda がどちらの回かを判定します。2回目を省くと、写しでは問題がなかったのに原本で無効になる案件を見逃します。

同じファイルを二度読まないよう、 同じ依頼に同じ処理番号（JobId）を返す ClientRequestToken に、ファイルの中身から作った値を入れます。

入力データを集める

質を決めるのは、下の2つです。 記載事項の一覧がなければ、ある協定では要らない欄を「脱落」と判定します。区分の規則の表がなければ、不備の重さをAIが推し量ることになります。

区分の規則の表は、税関の一覧を写して作ります。 一覧は「令和8年4月1日現在」と時点を示して公開されているため、表にもその時点を持たせます。

データの取得方法を決める

Lambda から Textract の非同期の分析（StartDocumentAnalysis）を呼び、完了を Amazon SNS で受け取ってから結果（GetDocumentAnalysis）を取ります。公式には、完了を待つために結果の取得を繰り返し呼ぶことは勧められず、呼びすぎると絞られるとされています。

問いは1ページあたり非同期で30個までです。協定ごとに「What is the certificate number?」のような1つの値に1つの問いを用意し、別名（Alias）を記載事項の名前にします。答えが見つからないときは空のまま返るとされています。

署名は位置で見ます。 SIGNATURES が返す署名の位置が、発給機関の欄と輸出者の欄の範囲に入っているかで判定します。

AIへ渡す前に整形する

1. 形式の確認 … Textract の対象は JPEG、PNG、PDF、TIFF です。XFA 形式の PDF は扱えないため、印刷し直してから PDF にします
2. 保護の確認 … パスワードで保護された PDF は扱えません。輸出者に保護を外して送り直してもらいます
3. 画像の大きさの確認 … 画像は各辺10,000ピクセル以下とされています
4. 文字の大きさの確認 … 検出できる文字の高さの下限は15ピクセルで、150DPIで8ポイントの文字に当たるとされています。原本のスキャンは300DPIにします
5. ページの確認 … 2ページ目以降の続きの紙がある証明書は、1通として扱います
6. 協定の確認 … 案件の台帳の協定と、証明書の表題の様式の名前が合うかを見ます
7. 重複の検知 … 同じ案件に同じ発給番号の証明書が2通あれば、新しいほうに印を付けます

6番目が重いのは、 税関の一覧で協定に規定された様式ではない原産地証明書（例：一般特恵の原産地証明書）は無効とされているからです。

AIに処理させる

させるのは、記載事項ごとに値を取り出し、品名の行をインボイスの行に対応づけることだけです。

品名の行の対応づけは、AIの得意なところです。 証明書の「CHEMICAL PRODUCTS」とインボイスの型番つきの品名のように、語が違っても同じ品目かを示せます。 根拠は evidence に必ず残させます。

3行目と4行目がいちばん起きやすい失敗です。 証明書の HS番号の欄がかすれて読めないとき、AIは台帳の申告予定の税番を見て「同じだろう」と埋めることがあります。そこで、比べる相手の値はAIに渡しません。 台帳の値と比べるのは、AIの後の Python の処理です。

指示内容を固定する

You are an import documentation clerk at a Japanese trading company.
From the OCR result of a Certificate of Origin, extract each field exactly
as written. Do not guess. Do not correct.

[Fields to extract]
form_name, issuing_country, certificate_no, issue_date,
retroactive_or_duplicate_wording, exporter_name, exporter_address,
consignee_name, consignee_address, invoice_no, invoice_date,
third_country_invoice, vessel_or_transport, port_of_loading,
items[]: { description, packages, marks, quantity, gross_weight,
           origin_criterion, hs_code }
signatures: { issuing_authority_box, exporter_box }

[Rules]
- Copy every value character by character as it appears in the OCR result.
  Do not normalize addresses, company suffixes, dates or numbers.
- If a field is blank or not found, leave value empty and set status to "missing".
  Never fill a blank field from other fields or from common sense.
- If characters are detected but the confidence is low, set status to "unreadable".
- For origin_criterion and hs_code, never infer a value. A blank is "missing".
- If the wording "Issued Retroactively" or "Duplicate" is not printed, leave it empty.
  Do not add such wording yourself.
- For each item, give invoice_line_no from the invoice line list only when the
  description clearly refers to the same goods, and quote the words you relied on
  in evidence. Otherwise set invoice_line_no to null.
- If any part of the text is not in English (for example, an address in another script),
  set status to "unreadable" for that field.
- Do not judge whether the certificate is valid, or whether the goods are originating.

[OCR result] {ocr_result}
[Invoice line list (description only)] {invoice_lines}
[Required fields for this agreement] {required_fields}

指示を英語で書くのは、値を原文のまま受け取るためです。 日本語で書くと、値まで訳されて返ることがあります。

インボイスは品名の一覧だけを渡します。 輸出者名や数量まで渡すと、読み取りの値をそちらに寄せて返すことがあります。

出力形式を固定する

Claude API の構造化出力で、次の形のJSONに固定して受け取ります。 公式には、構造化出力は制約付きの生成で指定したJSONスキーマに従う応答を保証し、必須の項目と型がそろうとされ、enum も使えます。

{
  "document_type": "certificate_of_origin",
  "copy_or_original": "copy | original",
  "fields": [
    { "field": "certificate_no", "value": "", 
      "status": "ok | missing | unreadable", "confidence": 0 }
  ],
  "items": [
    { "row_no": 1, "description": "", "quantity": "", "gross_weight": "",
      "origin_criterion": "", "hs_code": "",
      "invoice_line_no": null, "evidence": "" }
  ],
  "signatures": { "issuing_authority_box": "present | absent",
                  "exporter_box": "present | absent" }
}

1つ目の理由は、AIの仕事と照合の仕事を別の層に置けることです。 fields と items はAIが埋め、台帳との比較と区分への当てはめは Python が行います。

2つ目の理由は、構造化出力が保証するのは形までだということです。 公式にも、応答の打ち切り（max_tokens）や拒否のときはスキーマに合わないことがあるとされています。Python では、stop_reason を見て、形が崩れた応答は全件を担当者に回します。

3つ目は、有効期間を機械で計算できることです。 issue_date と到着予定日から、発給の日から1年までの残りの日数を出します。

システムへ連携する

台帳へは書き込みません。 担当者が確かめた結果だけを、台帳の「EPA書類の状態」の欄に手で入れます。

再発給依頼の下書きは、真正性の区分に不備がある案件にだけ作り、 欠けている欄を証明書の欄の名前で書きます。

人が確認する

担当者は、優先度の高い案件から開きます。

1. 真正性の区分の不備を確かめる … 署名が absent と出た欄を画像で見ます。スキャンで薄くなっただけのこともあります
2. 残りの日数の少ない案件を確かめる … 有効期間と到着予定日を見て、再発給が間に合うかを判断します
3. 同一性の区分の食い違いを見る … 取引の書類で同一性を示せるかを通関業者に相談します
4. 品名の対応づけを確かめる … invoice_line_no が null の行と、evidence が短い行を見ます
5. 原本の回を確かめる … 写しとの違いと、「COPY」などの表示を見ます
6. 判定を覆したら記録する … どの記載事項を、何から何へ変えたかを残します

1番目と5番目は、省かないでください。 真正性の区分の不備は通関の段階では直せず、 輸出国で発給し直してもらうしかありません。

例外に対処する

上の3行が大半です。 再発給の依頼に次からの書き方の注意を添えると減っていきます。

記録を残す

• 元の証明書（写しと原本）と、受け取った日時
• Textract の結果のJSON（OutputConfig で S3 に出したもの）
• Claude API が返した fields・items・signatures
• Python が付けた状態・区分・優先度と、そのとき使った区分の規則の表の時点
• 担当者が判定を覆した記録と、通関業者との相談の結果
• 再発給を依頼した日時と、再発給された証明書との対応

規則の表の時点を残すのは、税関の一覧が改訂されるためです。