Media > AI活用ユースケース > カスタマーサポート > EV用の急速充電器の保守会社が、届いたエラーコードから過去の修理記録とメーカーの技術資料を OpenSearch で引き、出動前に原因の候補と持っていく部品を出す

EV用の急速充電器の保守会社が、届いたエラーコードから過去の修理記録とメーカーの技術資料を OpenSearch で引き、出動前に原因の候補と持っていく部品を出す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

急速充電器から届いたエラーコードと設置先からの連絡をもとに、過去の修理記録とメーカーの技術資料を探し、原因の候補と持っていく部品の候補を出動の前に並べます。受付の担当は、それを見て出動の手配を決めます。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
AIサービス
Azure AI/Google Vertex AI/OpenSearch
対象業界
その他/小売/自治体
対象部門
カスタマーサポート
対象業務
問い合わせ対応/情報検索
主な課題
判断に時間がかかる/属人化している/情報が見つからない
AIで行う処理
検索(RAG)
主な効果
対応スピード向上/属人化解消/検索時間短縮
導入難易度
★★★☆☆
実装レベル
本格構成
費用感
RAG・個別開発(大)
人間の確認
条件付き
現在工数
120h/月
AI導入後
48h/月
想定削減
60%
年間削減
864h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 受付の担当が通知か電話を受け、設置場所・メーカー・機種・エラーコードを確かめる
  2. メーカーの技術資料のPDFを開き、エラーコードの意味と考えられる原因を探す
  3. 保守の管理の仕組みで、同じ機種・同じコードの過去の修理記録を探す。出なければ言い換えて探す
  4. 過去に交換した部品を見て、持っていく部品の候補を決め、部品の在庫表で在庫を確かめる
  5. 設置先に状況を聞き返し、出動の要否と日時を決めて技術者に手配する
導入後(After)
  1. 自動遠隔監視の仕組みからエラーの通知が届くと、検索が動く(電話の場合は担当者が内容を打ち込んでボタンを押す)
  2. 自動保守の管理の仕組みから、設置場所の番号で機種・ファームウェアの版・直近の修理の履歴を引く
  3. 自動生成AIが電話の内容から、症状・画面の表示・設置先が試したことを書かれたまま取り出す
  4. 自動OpenSearch が、メーカー・機種・版の組とエラーコードで技術資料の節を引き、修理記録をコードの一致と所見の意味の近さの組み合わせで引く
  5. 自動引いた修理記録を交換した部品ごとに集計し、件数を出す。部品の在庫表と照らす
  6. 自動生成AIが、資料の節と修理記録を記録のまま並べ、聞き返すべき項目を書いた受付の手配メモを作る
  7. 人受付の担当が候補と件数を見て、設置先に聞き返し、出動の要否・日時・持っていく部品を決める
各工程の詳しい説明を読む
  1. 受付の担当が通知か電話を受け、設置場所・メーカー・機種・エラーコードを確かめる
  2. メーカーの技術資料のPDFを開き、エラーコードの意味と考えられる原因を探す
  3. 保守の管理の仕組みで、同じ機種・同じコードの過去の修理記録を探す。出なければ言い換えて探す
  4. 過去に交換した部品を見て、持っていく部品の候補を決め、部品の在庫表で在庫を確かめる
  5. 設置先に状況を聞き返し、出動の要否と日時を決めて技術者に手配する

(a)コードの意味をメーカー・機種で取り違える。 2番目で、似た機種の資料を開く、古い版の資料で見る、という取り違えが起きます。同じコードで別の異常を調べ、見当違いの部品を持っていくことになります。

(b)似た修理が探せない。 3番目の修理記録は、所見の書き方が技術者ごとに違い、キーワードでは引けません。「ケーブルの付け根」と書いた記録を「コネクタ根元」で探しても出てきません。

(c)部品を持たずに出る。 4番目は、受付のベテランの記憶が頼りです。ベテランが休みの日は、部品を持たずに出て、現地で分かってから部品を取り寄せ、再出動になります。 充電器は止まったままです。

(d)調べる時間が出動を遅らせる。 1件30分の調べものの間、設置先は止まった充電器の前で利用者に説明し続けます。

  1. 【自動】 遠隔監視の仕組みからエラーの通知が届くと、検索が動く(電話の場合は担当者が内容を打ち込んでボタンを押す)
  2. 【自動】 保守の管理の仕組みから、設置場所の番号で機種・ファームウェアの版・直近の修理の履歴を引く
  3. 【自動】 生成AIが電話の内容から、症状・画面の表示・設置先が試したことを書かれたまま取り出す
  4. 【自動】 OpenSearch が、メーカー・機種・版の組とエラーコードで技術資料の節を引き、修理記録をコードの一致と所見の意味の近さの組み合わせで引く
  5. 【自動】 引いた修理記録を交換した部品ごとに集計し、件数を出す。部品の在庫表と照らす
  6. 【自動】 生成AIが、資料の節と修理記録を記録のまま並べ、聞き返すべき項目を書いた受付の手配メモを作る
  7. 【人】 受付の担当が候補と件数を見て、設置先に聞き返し、出動の要否・日時・持っていく部品を決める

5番目の集計を検索の側で行うのは、件数をAIに数えさせないためです。 「同じコードで過去12件、うち7件が充電ケーブルの交換」という数字は、出動の判断に直接効きます。AIが文を読んで数えると、件数がずれても気づけません。

7番目の判断は、人の仕事のままにします。 候補の件数が多い部品が、今回の原因とは限りません。設置先への聞き返しで分かることのほうが多いからです。

02今回想定するシステム構成

構成図
メーカーの技術資料(PDF)・保守の管理の仕組み(修理記録・交換部品)
   ▼【トリガー】毎日の取り込み(新しい修理記録・資料の版の更新)
AWS Lambda ── 資料を節に分け、所見の文を Titan Text Embeddings V2 でベクトルにする
   ▼
Amazon OpenSearch Service
   │   資料の索引:メーカー・機種・版・エラーコード(keyword)・節の本文(kuromoji)
   │   記録の索引:メーカー・機種・版・エラーコード(keyword)・所見(kuromoji)
   │               所見のベクトル(knn_vector)・交換部品の番号・作業時間
   │   検索のパイプライン:normalization-processor(min_max・arithmetic_mean)
   ▼【トリガー】エラーの通知の到着/電話の内容の入力
AWS Lambda
   ├──▶ Claude(Amazon Bedrock)── 電話の内容から症状を取り出す
   ├──▶ OpenSearch ── 資料の節と修理記録を引く(hybrid)→ 交換部品ごとに集計
   ├──▶ Claude(Amazon Bedrock)── 記録のまま手配メモを作る
   ▼
受付の画面 ──【人】聞き返し・出動の判断・部品の手配
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(hybrid、k-NN、normalization-processor、kuromoji)Azure AI Search、Vertex AI Search(Agent Search)
埋め込みAmazon Titan Text Embeddings V2(Amazon Bedrock)Vertex AI のテキスト埋め込み
生成AIClaude(Amazon Bedrock の Converse API、構造化出力)Azure OpenAI(Microsoft Foundry)、OpenAI API
連携AWS Lambda(取り込み、ベクトル化、検索と集計の呼び出し)AWS Step Functions
保管Amazon S3(資料のPDFと節の写し、通知と候補と手配メモの記録)社内のファイルサーバー

遠隔監視の仕組みと保守の管理の仕組みには、この構成から書き込みません。 遠隔での再起動や設定の変更も、この構成からは行いません。

ベクトルの検索は、OpenSearch の k-NN で行います。 AWS の公式ページでは、index.knn の設定を付けた索引に knn_vector の項目を作り、dimension で次元を決めるとされ、1つの項目に最大10,000個の数値を持てます。Titan Text Embeddings V2 は既定で1,024次元のベクトルを返すので、dimension を1024にします。

03どうやって実装するのか

Step1

処理の起点を決める

起点は2つあります。毎日の取り込みと、エラーの通知の到着です。

取り込みは、保守の管理の仕組みから前日に閉じた修理記録を書き出し、所見をベクトルにして索引に足します。技術資料は、メーカーから新しい版が届いたときだけ取り込み直します。 古い版の節は消さず、version の項目で分けて残します。版の古い充電器がまだ動いているからです。

エラーの通知は、遠隔監視の仕組みが出すメールを受け、本文からメーカー・機種・版・コード・設置場所の番号を取り出して動かします。同じ設置場所から同じコードが短い間に何度も届くことがあるので、30分以内の同じ通知は1件にまとめます。 電話は、担当者が内容を打ち込んでボタンを押します。

Step2

入力データを集める

データ中身取得元
エラーの通知設置場所の番号、メーカー、機種、ファームウェアの版、エラーコード、発生時刻遠隔監視の仕組み(メール)
電話の内容設置先の言葉のままの症状、画面の表示、試したこと担当者が打ち込む
設置先の情報機種、設置年、ファームウェアの版、直近の修理の履歴保守の管理の仕組み
修理記録エラーコード、所見、行った作業、交換した部品の番号、作業時間、技術者保守の管理の仕組み
技術資料機種・版ごとのエラーコードの一覧と、考えられる原因・確かめる箇所の節メーカーのPDF
部品の在庫部品の番号、名前、対応する機種、倉庫ごとの在庫部品の在庫表

質を決めるのは、修理記録の「交換した部品の番号」の列です。 所見の文がどれだけ詳しくても、交換した部品が番号で残っていなければ、集計ができません。部品の番号は、自由な文ではなく選ぶ形で入れる決まりにします。

部品の在庫表の「対応する機種」の列も使います。 過去の記録で交換した部品でも、後継の部品に切り替わっていたり、今回の機種には付かなかったりします。集計した部品の番号を在庫表の対応する機種と照らし、合わないものは候補の下に「対応する機種の記録なし」として分けます。

Step3

データの取得方法を決める

取るものどこからどう取るか
コードの意味と原因の節資料の索引filter の term(メーカー・機種・版・コード)。版が無ければ一番近い版を並べて示す
コードの一致する修理記録記録の索引hybrid の1つ目:bool(filter でメーカー・機種、must で term のコード)
所見の意味が近い修理記録記録の索引hybrid の2つ目:knn(電話の内容から取り出した症状をベクトルにして)
交換部品ごとの件数記録の索引同じ条件の terms の集計(部品の番号ごと)

修理記録は hybrid の問い合わせで引きます。 OpenSearch の公式のドキュメントでは、hybrid の問い合わせはキーワードの検索と意味の検索を組み合わせるもので、検索のパイプラインで途中の結果の点数を正規化して組み合わせるとされ、2.11 で入った機能です。コードが一致する記録と、所見の意味が近い記録を、1つの順に並べられます。 コードの無い電話だけの連絡でも、意味の近さで候補が出ます。

点数のそろえ方は、normalization-processor で決めます。 公式のドキュメントでは、正規化の方法は min_max(既定)・l2・z_score、組み合わせの方法は arithmetic_mean(既定)・geometric_mean・harmonic_mean で、weights を付けるなら問い合わせの数と同じ数を並べ、合計を1.0にするとされています。

PUT /_search/pipeline/fault-hybrid
{
  "phase_results_processors": [
    { "normalization-processor": {
        "normalization": { "technique": "min_max" },
        "combination": { "technique": "arithmetic_mean",
                         "parameters": { "weights": [0.6, 0.4] } } } } ]
}

GET /repairs/_search?search_pipeline=fault-hybrid
{
  "size": 20,
  "query": { "hybrid": { "queries": [
    { "bool": {
        "filter": [ { "term": { "maker": "M3" } }, { "term": { "model": "QC50" } } ],
        "must":   [ { "term": { "error_code": "E-301" } } ] } },
    { "knn": { "finding_vec": { "vector": [ "…1,024個の数値…" ], "k": 20,
        "filter": { "bool": { "filter": [ { "term": { "maker": "M3" } } ] } } } } }
  ] } }
}

重みはコードの一致を0.6、意味の近さを0.4から始めます。 コードが通知に入っている件では、同じコードの記録を上に出したいからです。半年分の結果を見て、出動の判断に使われた記録が上に来ているかで直します。

ベクトルの検索にもメーカーの絞り込みを付けます。 付けないと、別のメーカーの「似た所見」の記録が混ざります。所見の書き方が似ていても、メーカーが違えば部品は付け替えられません。 OpenSearch の公式のドキュメントでは、knn の問い合わせの中に filter を書くことができ、Faiss の HNSW では 2.9 以降、Lucene の HNSW でも使えるとされています。絞り込みを knn の外の post_filter に置くと、近い順に20件を取ってから削るので、件数が足りなくなります。 AWS の公式ページでも、knn と他の条件を混ぜると k より少ない件数になりうるとされています。索引の作成時に、エンジンを Faiss か Lucene にしておきます。

Step4

AIへ渡す前に整形する

  1. 資料を節に分ける … 技術資料のPDFを、エラーコードの見出しごとの節に分け、メーカー・機種・版・コードを項目に付けます
  2. 所見を短く区切る … 長い修理記録は、所見と作業を分けてベクトルにします。AWS の公式ページでは、Titan Text Embeddings V2 は長い文を受けられるが、検索には段落や節に分けることが勧められています
  3. コードの書き方をそろえる … 「E301」「E-301」「E-301」を E-301 にします。メーカーの書き方の規則を表にして当てます
  4. 版の書き方をそろえる … 「Ver.2.3」「v2.3.0」を 2.3 にし、比べられる形にします
  5. 個人の情報を外す … 電話の内容に設置先の担当者の名前や電話番号があれば、Claude に渡す前に伏せます

3番目の規則は、メーカーごとに分けてください。 あるメーカーでは「E301」と「E-301」が同じでも、別のメーカーでは記号の有無で別のコードのことがあります。全メーカーに同じ規則をかけると、別のコードが1つにまとまります。

ベクトルにする前に、日本語で試してください。 AWS の公式ページでは、Titan Text Embeddings V2 は英語に最適化され、日本語を含む100以上の言語はプレビューの扱いとされています。自社の修理記録で、同じ故障の記録どうしが近くに出るかを先に確かめます。

Step5

AIに処理させる

AIの仕事は2つです。 電話の内容から症状を取り出すことと、検索と集計の結果を記録のまま並べて手配メモを書くことです。

させることさせないこと
電話の内容から、症状・画面の表示・試したことを書かれたまま取り出す症状から原因を決めること
資料の節の、考えられる原因と確かめる箇所を、節のまま写す資料に無い原因を足すこと
修理記録の所見と交換部品を、記録のまま並べる件数を文から数えること、部品の番号を補うこと
集計の件数を、渡された数のまま書く「〇〇の交換で直ります」と言い切ること
設置先に聞き返すべき項目を書く現地での点検・修理の手順を書くこと、遠隔での再起動を勧めること

「点検・修理の手順を書かない」が、この構成でいちばん大事な線です。 急速充電器は高電圧の機器です。手順はメーカーの資料と技術者の訓練の側にあり、手配メモに書く必要はありません。 資料の節に手順が書かれていても、手配メモには「資料の該当の節」として番号だけを示します。

Step6

指示内容を固定する

1回目(電話の内容の読み取り)の指示です。

あなたはEV用の充電器の保守会社で、設置先からの故障の連絡を整理する立場です。
【連絡の内容】から、検索に使う条件を取り出してください。

【取り出すもの】
- symptom: 症状。書かれたまま(「充電が始まらない」「途中で止まる」など)
- display: 画面や表示灯に出ていた文字・色・コード。書かれたまま
- tried: 設置先が試したこと。書かれたまま
- timing: いつから、どのくらいの頻度か。書かれたまま
- missing: 分からない項目の名前

【厳守事項】
- 原因を推し量らないでください。
- 書かれていないエラーコードを、症状から決めないでください。
- 人の名前・電話番号は写さないでください。

【連絡の内容】{call_text}

2回目(手配メモ)の指示です。

あなたはEV用の充電器の保守会社で、受付の担当に渡す手配メモを作る立場です。
【資料】【記録】【集計】は検索の結果です。この中にあることだけを使ってください。

【書き方】
- 資料の節から、コードの意味と考えられる原因を、節のまま書いてください。節の番号を付けてください。
- 記録から、所見と交換部品を、記録の番号を付けてそのまま並べてください。
- 集計の件数は、渡された数のまま書いてください。
- 在庫の無い部品があれば、その旨を書いてください。
- 設置先に聞き返すと絞り込める項目を、最後にまとめてください。

【厳守事項】
- 原因を言い切らないでください。「〇〇の交換で直ります」と書かないでください。
- 点検・修理の手順、遠隔での再起動を書かないでください。
- 件数を自分で数え直したり、足し合わせたりしないでください。
- 資料と記録に無い部品の番号を書かないでください。

【通知】{alert}
【資料】{manual_sections}
【記録】{repairs}
【集計】{part_counts}

「件数を数え直さない」を明記しないと、AIは記録の一覧から件数を数え直し、集計と違う数を書くことがあります。 一覧は上位20件しか渡していないので、数え直すと必ず少なくなります。

「手順を書かない」を明記しないと、資料の節にある確かめる箇所を手順のように並べ直します。 受付の担当がそれを設置先に伝えると、設置先が自分で機器を開けるきっかけになります。

Step7

出力形式を固定する

Bedrock の Converse API の outputConfig.textFormat に JSON スキーマを渡し、2回目は次の形で受け取ります。

{
  "alert_id": "",
  "manual_refs": [ { "section_id": "", "version": "", "meaning": "", "causes_as_written": [""] } ],
  "similar_repairs": [ { "repair_id": "", "match": "code | finding | both",
                         "finding": "", "parts": [""] } ],
  "part_candidates": [ { "part_no": "", "count": 0, "in_stock": "yes | no | unknown" } ],
  "ask_back": [""],
  "memo": ""
}

AWS の公式ページでは、outputConfig.textFormat に JSON スキーマを渡すと応答がスキーマに沿い、enum が使えます。すべての object に additionalProperties: false が要り、数値の minimum・maximum には対応していません。 count と in_stock と match は Lambda の集計と照合の結果を写させ、AIには決めさせません。

1つ目の理由は、part_candidates を集計と照合できることです。 part_no と count が集計の結果と同じかを Lambda で確かめ、違えば作り直します。 集計に無い部品の番号が書かれていれば、そこで止まります。

2つ目は、manual_refs の version で、版の取り違えが見えることです。 通知の版と節の版が違えば、受付の画面で色を変えて示します。

Step8

システムへ連携する

つなぎ先方式内容
遠隔監視の仕組みエラーの通知のメールの受け取り(読み取りのみ)検索の起点
保守の管理の仕組み修理記録の書き出し(毎日)、設置先の情報の照会(読み取りのみ)記録の索引の元、機種と版
部品の在庫表照会(読み取りのみ)在庫の有無
Amazon BedrockConverse API(Claude)、Titan Text Embeddings V2読み取り・手配メモ、ベクトル化
Amazon OpenSearch ServiceLambda からの登録・検索・集計資料と記録の索引、検索のパイプライン
受付の画面社内の画面手配メモ、資料の節と記録へのリンク

手配は、受付の担当がいつもの保守の管理の仕組みで行います。 手配メモから技術者への連絡を自動で送ることはしません。

Step9

人が確認する

  1. 機種と版を見る … 通知の機種・版と、引いた資料の節の版が合っているかを確かめます
  2. 候補の記録を読む … match が finding だけの記録は、所見が本当に今回の症状と同じかを読みます
  3. 設置先に聞き返す … 手配メモの聞き返しの項目で、症状を絞ります
  4. 出動と部品を決める … 件数が多い部品を機械的に持っていくのではなく、聞き返しの結果と合わせて決めます。迷えば技術者に相談します
  5. 結果を記録に戻す … 出動の後、技術者が交換した部品を番号で記録します

2番目を省かないでください。 意味の近さで出た記録は、言葉が似ているだけで別の故障のことがあります。コードが一致した記録と、所見だけが近い記録を、同じ重みで読まないでください。

Step10

例外に対処する

起きること対応
資料に無いコード「資料に無いコード」と出し、メーカーの窓口への問い合わせを受付に促す
通知の版の資料が無い一番近い版の節を、版を明示して示す
修理記録が0件資料の節だけを示し、部品の候補は空にする
同じ設置場所の同じ通知が続く30分以内のものは1件にまとめ、回数を添える
安全に関わる表示(漏電・発煙など)の連絡検索より先に受付の担当に知らせ、設置先に使用の停止を伝える手順に回す
設置場所の番号が保守の管理の仕組みに無い機種と版を通知の値だけで引き、「設置先の登録なし」と出して受付が確かめる
候補の部品の在庫がどの倉庫にも無いin_stock: no と出し、取り寄せの日数を受付が確かめてから出動の日を決める
構造化出力が返らない資料の節・記録・集計の一覧だけを出し、メモは担当者が書く

5行目は、検索の結果を待たせません。 設置先からの連絡の文に、あらかじめ決めた言葉(煙、焦げ、漏電など)があれば、手配メモを作る前に担当者の画面で知らせます。

Step11

記録を残す

  • 通知ごとの、通知の内容、電話の内容(個人の情報を伏せたもの)、1回目の JSON
  • 引いた資料の節と版、修理記録と点数、集計の結果、2回目の JSON と照合の結果
  • 受付の担当の判断(出動の要否、持っていった部品)と、その理由
  • 出動の後に交換した部品と、再出動の有無

2つ目で版を残すのは、後から「なぜこの節を出したか」を確かめるためです。 資料の新しい版を取り込んだ後でも、当時どの版の節を見て判断したかが分かります。

4つ目は、重みと部品の候補を見直す材料になります。 持っていった部品と交換した部品が違った件を毎月数え、上位に出た記録が外れ続けるなら、重みか、所見の分け方を直します。

04実装レベルの3段階

最小構成:手元のAIサービスで電話の内容を整理し、表計算の修理記録を引く / 連絡の整理
半自動化:上記+OpenSearch に資料と記録の索引を作り、メーカー・機種・版とコードで資料の節と記録を引けるようにする / 資料と記録の検索
本格構成:上記+所見のベクトルの検索を組み合わせ、交換部品の集計と在庫の照合、手配メモまで出す / 通知から手配メモまで

半自動化で、1件30分が20分程度になります。 資料の節は一度で開けるようになりますが、所見の言い換えの多い記録を探す時間と、部品を数える作業が残ります。本格構成で12分になり、この段階が本記事の想定です。 段階を飛ばさないでください。 半自動化を1か月使うと、どのコードで資料の版が足りないか、どの記録に部品の番号が無いかが分かります。そこを直してからベクトルの検索を足すほうが、候補の質が上がります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
6 名
月間件数
240 件
1件あたり現在時間
30 分
1件あたり導入後時間
12 分
現在  240件 × 30分 ÷ 60 = 120 時間/月
導入後 240件 × 12分 ÷ 60 = 48 時間/月
月間削減時間
72h
削減率
60%
年間削減時間
864h
年間金額換算(時間単価3,200円)
276万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 複数のメーカーの急速充電器・普通充電器の保守を請け負い、遠隔監視の仕組みからエラーの通知を受けて出動を手配している会社。過去の修理記録とメーカーの技術資料はあるのに、エラーコードの意味を調べ、似た修理を探し、持っていく部品を決める作業が受付のベテランに頼っている場合。部品を持たずに出動して再出動になることが毎月ある場合。AWS を使える担当か委託先がいる場合。
向いていない
  1. 保守する充電器が1つのメーカーの数十台で、担当者がエラーコードを覚えている場合。修理記録が紙か自由な書き方のメモしか無く、どの部品を交換したかが記録に残っていない場合(先に記録の書き方を決めます)。メーカーの技術資料を社外のサービスに入れることを保守の契約が認めていない場合。なお、故障の原因の判断、高電圧の機器の点検・修理の手順、遠隔での再起動の可否は、この構成では代替できません。過去の記録と資料から候補を探し、記録のまま並べるまでです。

07最小構成で試す方法

  1. 先月の出動から30件を選ぶ(部品を持って直したもの、再出動になったもの、出動しなくてよかったものを混ぜる)
  2. それぞれについて、エラーコード、実際に交換した部品、再出動の有無を書き出す
  3. 修理記録を表計算に書き出し、メーカー・機種・コードで絞って、交換部品ごとの件数を手で数える
  4. 30件の通知と電話の内容を手元のAIサービスに貼り、「症状・表示・試したことを書かれたまま取り出してください。原因を推し量らないでください」と指示する
  5. 取り出した症状に近い所見の記録を、表計算の検索で探し、実際に交換した部品が候補に入っていたかを見る
  6. 再出動になった件について、どの記録が見えていれば部品を持っていけたかを見る

5番目でキーワードの検索だけでは見つからなかった記録が、ベクトルの検索を足す理由になります。 見つからなかった記録の所見の書き方を並べると、言い換えの多さが分かります。

出てきた内容判断
実際に交換した部品が、件数の多い候補に入っていたOpenSearch の索引に進む
症状から原因を推し量って書いた指示の書き方で直る。構成は有効
修理記録に交換部品の番号が無いものが多い記録の書き方の決まりが先

08実装時につまずきやすいポイント

問題対策
同じコードで別のメーカーの記録が出るメーカー・機種を filter で絞り、knn にも同じ絞り込みを付ける
古い版の資料の節を出す版を項目に持ち、通知の版と節の版を画面で並べて示す
所見の言い換えで記録が引けない所見をベクトルにして hybrid で組み合わせる
weights の数と合計を間違えて検索が失敗する問い合わせの数と同じ数を並べ、合計を1.0にする
AIが件数を数え直す集計は検索の側で行い、指示で禁じ、照合する
手配メモに手順が並ぶ指示で禁じ、資料の節は番号で示す
日本語の所見で近い記録が出ない埋め込みのモデルを自社の記録で試し、合わなければ代わりのモデルを試す

上の3行は、検索の側の失敗のほとんどです。 5行目と6行目は、AIが記録をまとめ直して、事実でない数や手順を作ってしまう失敗で、出動の判断と安全に直結します。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 設置先の情報、エラーの通知、修理記録、メーカーの技術資料です。技術資料は保守の契約のもとで受け取っているもので、使い方に条件が付いていることがあります。

  1. 技術資料の使い方を契約で確かめる … 社外のサービス(Bedrock、OpenSearch Service)に入れてよいか、メーカーとの保守の契約を先に確かめます
  2. 手順を手配メモに書かない … 高電圧の機器の点検・修理の手順は、メーカーの資料と技術者の訓練の側に置きます。設置先に伝わる文に手順を入れません
  3. 遠隔での操作をしない … この構成は遠隔監視の仕組みに書き込まず、再起動もしません
  4. 安全に関わる連絡を検索より先に回す … 煙・焦げ・漏電などの言葉があれば、手配メモを待たずに担当者に知らせます
  5. 個人の情報を外す … 設置先の担当者の名前と電話番号は、Claude に渡す前に伏せます
  6. 索引への接続を限る … OpenSearch のドメインには、Lambda と受付・技術の担当だけが接続できるようにします

誤りが起きた場合のリスクは、別のメーカー・版のコードの意味で動いて見当違いの部品を持っていくこと、AIが作った手順や件数で判断すること、安全に関わる連絡が遅れることの3つです。 メーカー・機種・版の組での絞り込み、検索の側での集計、安全の言葉の先回しの3つで防ぎます。

10まず何から始めるか

1週目:記録と資料を見る

修理記録を書き出し、交換部品の番号が空の記録の割合を数えます。技術資料の手持ちの版と、保守している充電器の版を突き合わせます。足りない版の資料を、メーカーに依頼します。

2週目:30件で試す

第8章のとおり、先月の出動30件で、実際に交換した部品が候補に入るかを見ます。キーワードだけで見つからなかった記録の所見を並べ、言い換えの多さを確かめます。

3週目:資料を節に分ける

件数の多いメーカーから、技術資料をエラーコードの節に分ける規則を作ります。保守の契約で、社外のサービスに入れてよいかを確かめます。

4週目:索引を作る

OpenSearch に資料と記録の索引を作り、メーカー・機種・版とコードで引けるようにします。この時点では、ベクトルの検索と手配メモは使いません。

2か月目: 所見のベクトルの検索と hybrid、交換部品の集計、手配メモを足します。3か月目以降: 持っていった部品と交換した部品の一致の割合、再出動の件数を毎月数えます。ベテランが休みの日も再出動の件数が増えなくなった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-27/最終更新:2026-10-27
確認した内容情報源確認日
hybrid の問い合わせがキーワードの検索と意味の検索を組み合わせ、検索のパイプラインで途中の結果の点数を正規化して組み合わせること。2.11 で入った機能であることOpenSearch: Hybrid search2026-10-27
normalization-processor の正規化が min_max(既定)・l2・z_score、組み合わせが arithmetic_mean(既定)・geometric_mean・harmonic_mean であること。weights が問い合わせと同じ数で合計1.0であることOpenSearch: Normalization processor2026-10-27
knn の問い合わせの中に filter を書け、Faiss の HNSW では 2.9 以降、Lucene の HNSW でも使えることOpenSearch: Efficient k-NN filtering2026-10-27
k-NN の索引に index.knn の設定と knn_vector の項目が要り、dimension で次元を決め、最大10,000個の数値を持てること。knn と他の条件を混ぜると k より少ない件数になりうることAWS: k-Nearest Neighbor (k-NN) search in Amazon OpenSearch Service2026-10-27
Titan Text Embeddings V2 が既定で1,024次元(512・256も可)を返し、最大8,192トークンを受けること。検索には段落や節に分けることが勧められること。英語に最適化され、日本語を含む100以上の言語がプレビューの扱いであることAWS: Amazon Titan Text Embeddings models2026-10-27
Converse API の outputConfig.textFormat で JSON スキーマに沿った出力が得られ、enum が使えること。additionalProperties: false が要ること。数値の minimum・maximum に対応しないことAWS: Structured outputs(Amazon Bedrock)2026-10-27

故障の原因の判断、高電圧の機器の点検・修理の手順、遠隔での操作は、メーカーの資料と技術者が判断してください。 本記事は上記の公式ページで確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-1931)についてのご相談はこちらから。

AI活用について相談する
目次