輸入ワインの商社が海外の生産者から届く英文などのテクニカルシートを読み取り、品種・産地・ヴィンテージ・アルコール分・容量を商品マスタの登録案にそろえ、裏ラベルの表示に要る項目の欠けを拾う

処理の起点を決める

生産者ごとの受け取りの場所（S3 のフォルダ）にPDFが保存されたことを起点にします。 フォルダは techsheet/<生産者コード>/ の形にし、どの生産者のシートかを保存した場所で決めます。 シートの見出しの生産者名から決めると、同じ名字の家族経営の生産者や、生産者と輸出の代理店の名前を取り違えます。

ファイル名には、購買担当が銘柄コードとヴィンテージを付けて保存します。 たとえば W-1182_2024.pdf です。銘柄とヴィンテージを担当者が決め、AIが読んだ値と照らす形にします。 AIが読んだヴィンテージをそのまま正とすると、シートの書き間違いや、前の年のシートの使い回しに気づけません。

同じ銘柄・同じヴィンテージのシートが2回届いたら、後のほうを新しい版として扱います。 前の版の登録案は消さず、2つの版の違いを確認事項に出します。

入力データを集める

質を決めるのは、項目の表です。 「アルコール分」の行に「Alcohol / Alc. vol. / Degré alcoolique / Titolo alcolometrico / Grado alcohólico」と書き方の例を並べておくと、抜き出しの取りこぼしが減ります。 担当者の頭の中にあった外国語の知識を、表に移す作業でもあります。

商品マスタの前の登録は、照合のためだけに使います。 前の年の値を生成AIに渡すと、シートに書かれていない項目を前の年の値で埋めてしまうからです。

データの取得方法を決める

文字の並びは、LAYOUT の情報でまとまりと順序をそろえてから作ります。 2段組みのシートで LINE を上から順に並べると、左の段の「Cabernet Sauvignon 60%」と右の段の「Alcohol 14%」が1行に混ざります。まとまりごとに並べてから、生成AIに渡します。

英語のシートの問い合わせは、次の3つだけにします。

公式のページでは、問い合わせの答えは、問い合わせの文と別名と一緒に、信頼度と答えの文字で返り、答えが見つからなければ空になるとされています。空のときは生成AIの抜き出しの結果だけを使い、両方があって食い違えば確認事項にします。 同期の操作では1ページ15件までとされているので、問い合わせは少なく保ちます。

AIへ渡す前に整形する

1. 形式の確認 … JPEG、PNG、PDF、TIFF のどれかであることを確かめます。XFA の形式のPDFとパスワードで保護されたPDFは扱えないとされています
2. ページの分割 … 同期の操作ではPDFは1ページ、10MBまでなので、ページごとに分けます
3. 文字の大きさの確かめ … 公式のページでは、読み取れる文字の高さの下限は15ピクセル（150DPIで8ポイント相当）とされています。画像だけのPDFで解像度が足りないものは、生産者に元のファイルを頼みます
4. 言語の判定 … Textract は検出した言語を返さないとされているので、読み取った文字から言語を判定し、英語なら問い合わせの結果も使います
5. 数字の書き方の統一 … 「13,5」と「13.5」、「75cl」と「750ml」を、照合の前に同じ形にします。元の文字列も残します
6. 容量の種類の展開 … 「75 cl / 150 cl」のように1枚のシートに複数の容量が書かれていれば、容量ごとに登録案の行を分けます。商品マスタは容量ごとに別の商品コードで持つことが多いからです

6番目は、発注の明細との照合のためにも要ります。 発注が1.5リットルの瓶なのに、登録案が750ミリリットルの行だけだと、order_volume_mismatch が出ません。容量ごとに行を分けてから照らします。

4番目を軽く見ないでください。 問い合わせは英語の文書でだけ使えるとされているので、フランス語のシートに問い合わせを当てると、答えが空か、別の数字を拾います。 言語を決めてから使い分けます。

AIに処理させる

させるのは、シートに書かれた値を決められた項目に当てはめることだけです。

3行目は、品目を決めさせるためではありません。 酒類の品目が果実酒か甘味果実酒かは、酒税法の定めに照らして決まります。AIには、品目の判断に関わりそうな醸造の記載を、そのまま写させるだけです。 写された記載があるシートは、表示の担当が確かめます。

1行目がいちばん起きやすい失敗です。 シートにアルコール分が無いと、AIは産地や品種から「13.5% 程度」と書きがちです。裏ラベルのアルコール分を推測で書くことになります。 書かれていない項目は null にさせ、欠けとして問い合わせに回します。

指示内容を固定する

あなたは輸入ワインの商社の購買担当者を手伝い、生産者のテクニカルシートから
商品マスタの登録に要る値を抜き出します。
渡された「シートの文字の並び（読む順にそろえたもの）」と「項目の表」だけを見てください。
シートは英語・フランス語・イタリア語・スペイン語・ドイツ語・ポルトガル語のどれかです。

【やること】
- 項目の表の項目ごとに、シートに書かれた値を value に入れてください。
- evidence には、値を取った文をシートの言語のままそのまま写してください。
- ブランデー・アルコール・糖類を加えた、酒精を強化した、などの醸造の記載があれば、
  production_notes にそのまま写してください。
- language にシートの主な言語を入れてください。

【厳守事項】
- シートに書かれていない項目は value を null にしてください。
  前の年の値、産地や品種から一般に考えられる値で埋めないでください。
- 数字は書かれたとおりに写してください。単位の換算や四捨五入をしないでください。
  「13,5」は "13,5" のまま返してください。
- 品種の比率の合計が100にならなくても、書かれた値のまま返してください。
- 酒類の品目（果実酒・甘味果実酒など）を判断しないでください。
- ヴィンテージが複数書かれている場合（前の年との比較など）は、
  見出しやファイルの銘柄に対応するものを選ばず、すべて candidates に並べてください。
- 迷ったときに値を選ばないでください。null にしてください。

「13,5 は 13,5 のまま」と書くのは、AIが小数点の書き方を勝手に直すからです。 直した結果が正しくても、どこで直したかが分からなくなります。 書き方の統一はプログラムが行い、元の文字列と並べて残します。

ヴィンテージを1つに決めさせないのは、シートに前の年との比較が載っていることがあるからです。 「2023: 13.5% / 2024: 14.0%」のような表で、AIが見出しに近いほうを選ぶと、別の年の値を拾います。

出力形式を固定する

抜き出しは、Claude API の構造化出力で形を決めて受けます。 公式のページでは、output_config.format に JSON スキーマを渡すと、スキーマに合う JSON が返るとされ、正式提供の機能です。値が無い項目に null を返せるよう、型に null を含めます。数値の minimum／maximum などの制約はスキーマに書けないとされているので、アルコール分の範囲などはプログラムで確かめます。

{
  "file": "techsheet/P-0412/W-1182_2024.pdf",
  "language": "fr",
  "fields": {
    "vintage": { "value": null, "candidates": ["2023", "2024"],
                 "evidence": "Millésime 2023 ... Millésime 2024" },
    "alcohol": { "value": "14", "evidence": "Degré alcoolique : 14 % vol." },
    "volume": { "value": "75 cl", "evidence": "Contenance : 75 cl" },
    "grapes": { "value": [ {"name": "Grenache", "ratio": "70"},
                           {"name": "Syrah", "ratio": "30"} ],
                "evidence": "Cépages : Grenache 70 %, Syrah 30 %" },
    "sparkling": { "value": null, "evidence": "" }
  },
  "production_notes": []
}

プログラムは、これに照合の結果を足して登録案にします。

{
  "item_code": "W-1182", "vintage_by_staff": "2024",
  "alcohol_pct": 14.0, "volume_ml": 750,
  "diffs": [ { "field": "alcohol_pct", "prev_vintage": 13.5, "this": 14.0 } ],
  "checks": [ "vintage_multiple", "sparkling_missing" ]
}

形を分けるのは、抜き出しと照合を別の層に置くためです。 fields はAIが埋め、diffs と checks はプログラムが決めます。照合の規則を変えても、抜き出しはやり直さずに済みます。

システムへ連携する

AnalyzeDocument の人の確認の機能（HumanLoopConfig）は使いません。 公式のページでは、この機能が使う Amazon Augmented AI は2026年7月から保守の扱いになり、新しい利用者を受け付けていないとされています。人の確認は、自社の確認の一覧で行います。

商品マスタには書き込みません。 登録案が正しくても、商品マスタの値は請求・在庫・裏ラベルに広く使われます。登録は購買担当が行います。

人が確認する

1. vintage_mismatch と vintage_multiple を先に見る … 届いたシートが本当にそのヴィンテージのものかを確かめます。違えば生産者に正しいシートを頼みます
2. alcohol_changed と order_volume_mismatch を原本で確かめる … 値が変わったのか、読み取りの誤りかを確かめます
3. label_item_missing を生産者への問い合わせに回す … 欠けている項目をまとめて問い合わせます
4. production_note を表示の担当に渡す … 品目の区分に関わるかを確かめてもらいます
5. 商品マスタに登録する … 確かめた登録案だけを登録します

チェックの無い登録案も、原本と並べて流し見ます。 1件あたり1分程度で、値の誤りより、項目の当てはめの誤り（残糖を酸度に入れた、など）を見ます。

例外に対処する

5行目が、この構成で最も守りたいことです。 前の年のシートで登録を済ませると、裏ラベルのアルコール分が前の年の値になります。 ヴィンテージが合わないときは登録案を作りません。

記録を残す

• シートの原本と、保存した場所（生産者・銘柄・ヴィンテージ・版）
• Textract が返した結果の全文と、読む順にそろえた文字の並び
• AIの抜き出しの結果と根拠の文
• 照合の結果（diffs、checks）
• 購買担当が直した登録案 … どの項目を、どの値から、なぜ直したか
• 生産者への問い合わせと回答

5つ目の記録は、項目の表の改善に使います。 当てはめの誤りが多い言語や書き方が分かれば、項目の表の書き方の例に足せます。