Media > AI活用ユースケース > カスタマーサポート > 模型のメーカーのサポートが、お客様の部品の請求の文から、組立説明書の部品の番号と過去の請求の記録を OpenSearch で引き、キットの版と送る枠を特定する

模型のメーカーのサポートが、お客様の部品の請求の文から、組立説明書の部品の番号と過去の請求の記録を OpenSearch で引き、キットの版と送る枠を特定する

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

お客様から部品の請求が届いたときに、キットの版ごとの部品表と過去の請求の記録から部品の候補を引きます。候補ごとに枠の記号と部品の番号、版の違い、同じ書き方の請求で過去に送った枠を並べます。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
AIサービス
Azure AI/OpenSearch
対象業界
EC/小売/製造
対象部門
カスタマーサポート/生産
対象業務
問い合わせ対応/情報検索
主な課題
問い合わせが多い/情報が見つからない/確認ミスが多い
AIで行う処理
検索(RAG)
主な効果
入力漏れ削減/対応スピード向上/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
70h/月
AI導入後
30h/月
想定削減
57%
年間削減
480h
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. 請求の文を読み、キットの名前と品番、部品の手がかり(工程・番号・場所・色)を書き出す
  2. 品番が無ければ、キットの名前の略し方から候補を探し、お客様に箱の写真や品番を尋ねるかを決める
  3. キットの版ごとの組立説明書の PDF を開き、工程の図から部品の番号を探す
  4. 部品表で、その番号の部品が付いている枠の記号と成形色を確かめる
  5. 枠の在庫の台帳で、その版の枠の在庫を確かめる
  6. 返信を書き、発送の手配を出す
導入後(After)
  1. 自動設計の部品表が登録・改訂されると、Lambda がキットの版ごとの部品の行を索引に入れる
  2. 自動毎晩、部品の請求の記録を取り込み、生成AIがお客様の文から部品の手がかりを取り出して、送った枠と結果と一緒に索引に入れる
  3. 人サポートの担当が、届いた請求の文を画面に貼る
  4. 自動生成AIが、キットの名前・品番・版の手がかりと、部品の手がかりを書かれたまま取り出す
  5. 自動OpenSearch が、キットと版の候補を引く
  6. 自動OpenSearch が、版ごとに部品の番号・工程・部品の名前・成形色で部品の候補を引く
  7. 自動OpenSearch の集計が、同じキットの過去の請求で送った枠と結果を数える
  8. 自動Lambda が、版の違い(枠の差し替え・成形色の変更)と枠の在庫を並べる
  9. 自動生成AIが、候補・版の違い・過去の結果・お客様に確かめる点を、記録のまま並べた表にする
  10. 人担当が表を見て、送る枠を決め、返信と発送の手配を出す
各工程の詳しい説明を読む
  1. 請求の文を読み、キットの名前と品番、部品の手がかり(工程・番号・場所・色)を書き出す
  2. 品番が無ければ、キットの名前の略し方から候補を探し、お客様に箱の写真や品番を尋ねるかを決める
  3. キットの版ごとの組立説明書の PDF を開き、工程の図から部品の番号を探す
  4. 部品表で、その番号の部品が付いている枠の記号と成形色を確かめる
  5. 枠の在庫の台帳で、その版の枠の在庫を確かめる
  6. 返信を書き、発送の手配を出す

(a)説明書の図を目で追う。 3番目は、工程の図の中から引き出し線と番号を探す作業です。「左腕」と書かれていても、説明書には番号しか書かれていません。

(b)版を取り違える。 2番目で版を確かめずに最新の説明書を開くと、再販で差し替わった枠を送ってしまいます。 届いた部品が合わないと、もう一度送り直すことになります。

(c)よく折れる部品が見えない。 同じキットの同じ部品の請求が月に何件も来ているのに、記録は表計算に1件ずつ並んでいるだけで、数えていません。 生産の担当に「この部品は折れやすい」と伝わるのは、担当が気づいたときだけです。

(d)返信が遅れる。 組み立ての途中で止まっているお客様は、早く返事がほしい状態です。特定に手間取る請求ほど返信が後回しになります。

(e)尋ね直しが何往復にもなる。 品番が書かれていない請求では、まず品番を尋ね、次に箱の表示を尋ね、最後に工程を尋ねる、という往復になりがちです。何が分かれば部品が決まるのかを最初の返信で尋ねられれば、往復は1回で済みます。 詳しい担当はそれができますが、新しい担当は1つずつ尋ねてしまいます。

  1. 【自動】 設計の部品表が登録・改訂されると、Lambda がキットの版ごとの部品の行を索引に入れる
  2. 【自動】 毎晩、部品の請求の記録を取り込み、生成AIがお客様の文から部品の手がかりを取り出して、送った枠と結果と一緒に索引に入れる
  3. 【人】 サポートの担当が、届いた請求の文を画面に貼る
  4. 【自動】 生成AIが、キットの名前・品番・版の手がかりと、部品の手がかりを書かれたまま取り出す
  5. 【自動】 OpenSearch が、キットと版の候補を引く
  6. 【自動】 OpenSearch が、版ごとに部品の番号・工程・部品の名前・成形色で部品の候補を引く
  7. 【自動】 OpenSearch の集計が、同じキットの過去の請求で送った枠と結果を数える
  8. 【自動】 Lambda が、版の違い(枠の差し替え・成形色の変更)と枠の在庫を並べる
  9. 【自動】 生成AIが、候補・版の違い・過去の結果・お客様に確かめる点を、記録のまま並べた表にする
  10. 【人】 担当が表を見て、送る枠を決め、返信と発送の手配を出す

5番目と6番目を分けるのは、版を決めないまま部品を引かないためです。 版の候補が2つ残ったときは、版ごとに部品の候補を分けて出し、お客様に箱の版を確かめる文の材料にします。

10番目で決めるのは担当です。 画面には「この枠を送れば合います」とは出しません。送る枠と、無償か有償かは、担当が社内の決まりに沿って決めます。

02今回想定するシステム構成

構成図
設計の部品表(表計算・キットの版ごと)
   ▼【トリガー】登録・改訂
AWS Lambda ── 部品の行を起こし、版の違いを記録する
   ▼
Amazon OpenSearch Service
   │   キットの索引:品番・キットの名前・略し方・版・発売の年・JAN
   │   部品の索引:品番・版・枠の記号・部品の番号・工程・部品の名前・成形色
   │   請求の索引:品番・版・部品の手がかり・送った枠・結果・日付
   ▲
部品の請求の記録 ──【トリガー】毎晩の取り込み
   └──▶ Claude(Amazon Bedrock)── お客様の文から部品の手がかりを取り出す
   ▼【人】担当が請求の文を貼る
AWS Lambda
   ├──▶ Claude(Amazon Bedrock)── 請求をキットと部品の手がかりに読み替える
   ├──▶ OpenSearch ── キットと版の候補/版ごとの部品の候補/過去の請求の集計
   ├──▶ 版の違いと枠の在庫を並べる
   ├──▶ Claude(Amazon Bedrock)── 候補と違いと過去の結果を記録のまま並べた表
   ▼
サポートの画面 ──【人】送る枠を決め、返信と発送の手配
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(kuromoji、synonym_graph、normalizer、terms 集計)Azure AI Search
生成AIClaude(Amazon Bedrock の Converse API、構造化出力)Azure OpenAI(Microsoft Foundry)、OpenAI API
連携AWS Lambda(部品表と請求の記録の取り込み、版の違いの作成、検索の呼び出し)AWS Step Functions
保管Amazon S3(部品表の写し、請求の文と候補と送った枠の記録)社内のファイルサーバー

問い合わせのフォームと枠の在庫の台帳には、この構成から書き込みません。 返信と発送の手配と在庫の引き当ては、担当がいつもの手順で行います。

模型のお客様には、18歳未満の方もいます。 生成AIは担当の画面の裏で使うだけで、お客様が直接やり取りすることはありません。お客様の名前・住所・連絡先は生成AIに渡さず、部品の手がかりの文だけを渡します。

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3つあります。部品表の取り込み、請求の記録の取り込み、担当の検索のボタンです。

部品表は、生産の担当が新しいキットか再販の版の部品表を「部品表」のフォルダに置いたときに取り込みます。再販の版は、前の版を消さずに別の版として入れ、差し替わった枠と色の変わった枠を Lambda が前の版と比べて記録します。

請求の記録は、毎晩、前日に閉じた請求を取り込みます。「届いた部品が違った」という連絡で結果が「取り違え」に変わった請求も、これで反映されます。

検索のボタンは、担当が請求の文を貼った後に押します。1件に複数の部品が書かれていれば、部品ごとに引きます。

Step2

入力データを集める

データ中身取得元
請求の文お客様が書いたキットの名前・品番・部品の手がかり(工程・番号・場所・色・壊れ方)担当が貼る(名前・住所・連絡先は除く)
キットの台帳品番、キットの名前、略し方、版、発売の年、JAN、箱の表示の違い生産の担当の表
部品表品番、版、枠の記号、部品の番号、部品の名前、工程、成形色設計の部品表
請求の記録品番、版、部品の手がかり、送った枠、結果(合った・取り違え・不明)、日付部品の請求の記録
言い換えの表「タイヤ」と「車輪」、「腕」と「アーム」などの言い換えサポートの担当で作る表
枠の在庫品番・版・枠の記号ごとの在庫の数枠の在庫の台帳

質を決めるのは、部品表の「部品の名前」です。 設計の部品表には「B-14」の番号しか無く、名前が空のものもあります。名前の空いた部品は、番号と工程でしか引けません。 請求の多いキットから、担当が名前を足していきます。

版の違いは、箱の表示で見分けられるようにします。 再販の版の箱の表示(シールの有無、箱の色、付いている別売りの部品)をキットの台帳に書き、お客様に「箱の右下の表示を教えてください」と尋ねられるようにします。

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
キットと版の候補キットの索引品番・JAN の term、キットの名前と略し方の match(kuromoji)
部品の番号での候補部品の索引part_no の term(normalizer でそろえた値)
工程・名前・色での候補部品の索引step の term、part_name の match(言い換えの表)、color の match
過去の請求の結果請求の索引terms 集計(sent_runner)と、その下の terms 集計(result)

部品の番号は、normalizer でそろえた keyword の項目にします。 お客様は「B-14」「B14」「B14」「b 14」と書きます。公式のドキュメントでは、normalizer はトークナイザーを持たず1つのトークンだけを出し、文字の置き換えのような文字単位の処理だけができ、使える文字フィルターに pattern_replace と mapping、トークンフィルターに cjk_width と lowercase があるとされています。pattern_replace でハイフンと空白を消し、cjk_width で全角を半角に、lowercase で小文字にそろえます。

PUT /parts
{
  "settings": { "analysis": {
    "char_filter": { "strip_sep": { "type": "pattern_replace",
                                    "pattern": "[-\\s]", "replacement": "" } },
    "normalizer": { "part_no_norm": { "type": "custom",
                    "char_filter": ["strip_sep"], "filter": ["cjk_width", "lowercase"] } },
    "filter": { "part_synonyms": { "type": "synonym_graph",
                "synonyms": ["タイヤ, 車輪", "腕, アーム", "砲塔, ターレット"] } },
    "analyzer": {
      "ja_index":  { "type": "custom", "tokenizer": "kuromoji_tokenizer",
                     "filter": ["kuromoji_baseform", "cjk_width", "lowercase"] },
      "ja_search": { "type": "custom", "tokenizer": "kuromoji_tokenizer",
                     "filter": ["kuromoji_baseform", "cjk_width", "lowercase", "part_synonyms"] } } } },
  "mappings": { "properties": {
    "kit_code": { "type": "keyword" }, "edition": { "type": "keyword" },
    "runner":   { "type": "keyword" }, "step": { "type": "integer" },
    "part_no":  { "type": "keyword", "normalizer": "part_no_norm" },
    "part_name": { "type": "text", "analyzer": "ja_index", "search_analyzer": "ja_search" },
    "color":    { "type": "text", "analyzer": "ja_index" } } }
}

言い換えは、検索のときだけ当てます。 公式のドキュメントでは、synonym_graph は複数語の言い換えを扱えるフィルターで、検索用の解析器でだけ使うものとされ、索引に入れるときに使うと後ろの語の位置がずれて match_phrase が当たらなくなるとされています。索引の解析器には入れず、search_analyzer にだけ入れます。 言い換えの表を直したときも、索引を作り直さずに済みます。

日本語の解析は kuromoji です。 公式のドキュメントでは、kuromoji の解析器は全角の英数字を半角に、半角のカタカナを全角にそろえ、search の分け方で長い複合語を分けたうえで複合語のままの語も残すとされています。AWS の公式ページでは、Amazon OpenSearch Service のすべてのドメインに kuromoji が入っているとされています。

過去の請求は terms 集計で数えます。 公式のドキュメントでは、size の既定は10、shard_size の既定は size * 1.5 + 10 で、各シャードの上位の語を合わせるため件数は近似になりうるとされています。請求の索引は数万件なので、シャードを1つにして数えます。

Step4

AIへ渡す前に整形する

  1. 部品表を起こす … 設計の部品表の行を、品番・版・枠の記号・部品の番号・部品の名前・工程・成形色の項目にします。表計算の書き方がキットごとに違うので、列の対応表を Lambda に持たせます
  2. 版の違いを出す … 再販の版の部品表を前の版と比べ、差し替わった枠、色の変わった枠、加わった枠を記録します。比べるのは Lambda で、AIにはさせません
  3. キットの名前の略し方を足す … 「1/24 のスポーツカー〇〇」を「〇〇」と略すような書き方を、サポートの担当がキットの台帳に足します
  4. 請求の文から個人の情報を外す … 名前・住所・電話番号・メールアドレスを、生成AIに渡す前に Lambda が消します
  5. 過去の請求の手がかりを起こす … 生成AIに、お客様の文から工程・番号・場所・色・壊れ方を書かれたまま取り出させます

2番目を AIにさせないのは、版の違いが送る枠を決めるからです。 枠の記号と色の比較は表の突き合わせで済み、AIが読み違えると、別の版の枠を送ることになります。

Step5

AIに処理させる

AIの仕事は3つです。 請求の文をキットと部品の手がかりに読み替えること、過去の請求の手がかりを起こすこと、候補と違いと過去の結果を記録のまま並べることです。

させることさせないこと
キットの名前・品番・版の手がかりを書かれたまま取り出す書かれていない品番や版を、キットの名前から推し量ること
工程・番号・場所・色・壊れ方を書かれたまま取り出す部品の番号を、場所の書き方から決めること
候補ごとに、Lambda が作った版の違いと過去の結果を並べる「この枠を送れば合います」と書くこと
お客様に確かめる点(版・色・工程)をまとめる無償か有償か、応じるかを書くこと

「部品の番号を場所の書き方から決めない」が、この構成でいちばん大事な線です。 「左腕」と書かれていれば、AIはそれらしい番号を書きます。番号は部品の索引の検索だけが返し、AIは候補を並べるだけにします。

Step6

指示内容を固定する

2回目(過去の請求の起こし)は、お客様の文から手がかりを書かれたまま写させます。1回目(請求の読み替え)の指示です。

あなたは模型のメーカーのサポートで、お客様からの部品の請求を整理する立場です。
【請求】から、部品表を探すための手がかりを取り出してください。

【取り出すもの】
- kit_name_raw: キットの名前。書かれたまま
- kit_code_raw: 品番・JAN。書かれたまま。無ければ空
- edition_hints: 版の手がかり(箱の表示・買った年・付いていた別売りの部品)。書かれたまま
- parts: 部品ごとに、工程・部品の番号・場所・色・壊れ方(なくした・折れた・足りない)を書かれたまま
- missing: 書かれていないが確かめたい項目(品番・箱の表示・工程・色)

【厳守事項】
- 書かれていない品番・版・部品の番号を足さないでください。
- 部品の番号の文字を直さないでください。「B14」を「B-14」にしないでください。
- 場所の書き方(「左腕」「タイヤの横」)から部品の番号を推し量らないでください。
- 名前・住所・連絡先・年齢が残っていても、写さないでください。

【請求】{request_text}

3回目(候補の表)の指示です。

あなたは模型のメーカーのサポートで、担当に部品の候補を示す立場です。
【候補】は OpenSearch が返した部品です。【版の違い】【過去の請求】【在庫】はシステムが作ったものです。

【書き方】
- 版ごとに分けて、候補の品番・版・枠の記号・部品の番号・部品の名前・工程・成形色を
  記録の値のまま書いてください。
- 【版の違い】は、文言を変えずにそのまま書いてください。
- 【過去の請求】の件数(合った・取り違え)は、そのまま書いてください。
- 最後に、お客様に確かめる点をまとめてください。

【厳守事項】
- 「この枠を送れば合います」「間違いありません」と書かないでください。
- 無償・有償、応じるかどうかを書かないでください。
- 候補の順位を変えないでください。候補に無い部品の番号を書かないでください。

【請求の手がかり】{hints}
【候補】{hits}
【版の違い】{edition_diff}
【過去の請求】{past}
【在庫】{stock}

「B14 を B-14 にしない」を書くのは、直した値が検索の元になるからです。 番号のそろえ方は normalizer に任せます。AIが読み違えて直すと、別の部品の番号で引くことになります。

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、3回目は次の形で受け取ります。

{
  "kit": { "kit_code": "", "editions": [""] },
  "by_edition": [
    { "edition": "",
      "candidates": [
        { "runner": "", "part_no": "", "part_name": "", "step": 0, "color": "",
          "match_on": ["part_no | step | name | color"],
          "past": { "matched": 0, "wrong": 0 }, "stock": 0 } ],
      "edition_diff": [""] } ],
  "to_confirm": [""]
}

AWS の公式ページでは、Converse API の outputConfig.textFormat に JSON スキーマを渡すと応答がスキーマに沿い、enum が使えるとされています。すべての object に additionalProperties: false が要り、任意の項目は全体で12個までとされています。 match_on は enum で縛ります。

1つ目の理由は、AIが返した枠と部品の番号を索引と照合できることです。 part_no が検索の結果に無いとき、past の件数が集計の値と違うときは、表を出さずに作り直します。

2つ目は、match_on で何で当たったかが分かることです。 番号で当たった候補と、場所の言葉だけで当たった候補では、確かさが違います。

match_on担当の見方
part_no と step番号と工程がそろった。版を確かめれば送れる
part_no だけ番号の読み違いを疑う。工程か色を尋ねる
step と name工程の中の候補。説明書の図で確かめる
name か color だけ手がかりが弱い。工程か番号を尋ねる
Step8

システムへ連携する

つなぎ先方式内容
部品表のフォルダS3 への写し(読み取りのみ)設計の部品表
部品の請求の記録毎晩の取り込み(読み取りのみ)過去の請求と送った枠と結果
枠の在庫の台帳書き出し(読み取りのみ)品番・版・枠ごとの在庫
Amazon OpenSearch ServiceLambda からの登録・検索・集計キット・部品・請求の索引
Amazon BedrockConverse API(Claude)読み替え、起こし、候補の表
サポートの画面社内の画面請求の貼り付け、候補、送った枠の記録

送った枠は、画面で「見た候補」と一緒に S3 に残します。 返信と発送の手配は、担当がいつもの手順で行います。

Step9

人が確認する

  1. キットと版を見る … 品番と版が請求の文と箱の表示の手がかりに合うかを確かめます
  2. 何で当たったかを見る … match_on が名前か色だけなら、組立説明書の図で確かめます
  3. 版の違いを見る … 請求の部品の枠が、版で差し替わっていないかを確かめます
  4. 過去の取り違えを読む … 同じ書き方で取り違えが多い部品なら、お客様に工程を確かめます
  5. 送る枠を決めて残す … 送る枠と、無償か有償かを社内の決まりで決めて残します

3番目を省かないでください。 版の違いの欄に何か出ていれば、箱の表示をお客様に確かめてから送ります。

Step10

例外に対処する

起きること対応
キットが特定できないキットの候補を3件まで出し、品番か箱の写真を尋ねる文の材料にする
版が決まらない版ごとに候補を分けて出し、箱の表示を尋ねる
部品の番号が部品表に無い読み違いを疑い、似た番号(枠の記号の違い)と工程の候補を出す
部品の名前が空の部品番号と工程だけで出し、「名前の登録なし」と出す
枠の在庫が0「在庫なし」と出し、生産の担当への確認を促す
販売を終えたキット「販売終了」と出す。応じるかは担当が決める
AIの部品の番号が索引に無い表を出さずに作り直す。2回続けば候補の一覧だけを出す

1行目と2行目は、お客様に尋ねる文の材料になります。 何が分かれば決まるかが出るので、尋ねる往復が1回で済みます。

Step11

記録を残す

  • 取り込んだ部品表ごとの、元のファイル、起こした行、版の違いの記録
  • 請求ごとの、請求の文(個人の情報を消したもの)、読み替えの JSON、担当が直した箇所
  • 検索の条件、候補、match_on、集計の値と照合の結果
  • 担当が送った枠と、見た候補と、後から分かった結果(合った・取り違え)
  • 言い換えの表とキットの略し方を足した日と担当

4つ目が、次の請求の集計の元になります。 結果が残らないと、取り違えやすい書き方が見えません。

04実装レベルの3段階

最小構成:手元のAIサービスで請求を読み替え、表計算の部品表を絞る / 手がかりの整理
半自動化:上記+OpenSearch にキットと部品の索引を作り、版ごとに部品の候補を引く / 部品の特定
本格構成:上記+請求の索引と集計、版の違い、候補の表と照合、送った枠の記録 / 請求から候補の表まで

半自動化で、1件14分が9分程度になります。 部品の番号を探す時間はほぼなくなりますが、過去の請求と在庫を確かめる作業が残ります。本格構成で6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、どのキットで名前が空の部品が多いか、どの言い換えが足りないかが分かります。

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
4 名
月間件数
300 件
1件あたり現在時間
14 分
1件あたり導入後時間
6 分
現在  300件 × 14分 ÷ 60 = 70 時間/月
導入後 300件 × 6分 ÷ 60 = 30 時間/月
月間削減時間
40h
削減率
57%
年間削減時間
480h
年間金額換算(時間単価3,000円)
144万円
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. プラスチックの組立模型を数百品目出しており、再販のたびに枠の構成や成形色が変わるキットがある模型のメーカー。お客様からの部品の請求が毎月数百件あり、サポートの担当が組立説明書の PDF を開いて部品の番号を探している場合。部品の請求の記録はあるのに、同じ書き方の請求で何を送ったか、取り違えがあったかを次の請求で見ていない場合。設計の部品表(枠の記号と部品の番号の一覧)を書き出せる場合。AWS を使える担当か委託先がいる場合。
向いていない
  1. キットが数十品目で、担当が全部の枠の構成を覚えている場合。部品の請求を販売店がまとめて受けていて、メーカーにはお客様の文が届かない場合。設計の部品表が無く、組立説明書の図からしか部品を特定できない場合(先に部品表を作ります)。なお、部品を無償で送るか有償にするか、販売を終えたキットの部品に応じるかの判断は、この構成では代替できません。部品表と過去の請求の記録から候補を引き、記録のまま並べるまでです。

07最小構成で試す方法

  1. 先月の部品の請求から30件を選ぶ(品番のあるもの・無いもの、再販のキット、場所の言葉だけのものを混ぜる)
  2. それぞれについて、担当が送った枠と、合ったか取り違えだったかを書き出す
  3. 30件のキットの部品表を表計算に集め、手元のAIサービスに請求の文を渡して「キットの名前・品番・版の手がかりと、部品ごとの工程・番号・場所・色を、書かれたまま取り出してください。書かれていない番号を足さないでください」と指示する
  4. 取り出した手がかりで部品表を表計算で絞り、担当が送った枠が残るかを見る
  5. 部品表の「部品の名前」が空の行の割合を数える

5番目で名前が空の行が多ければ、請求の多いキットから名前を足すのが先です。

出てきた内容判断
担当が送った枠が残ったOpenSearch の索引に進む
場所の言葉から番号を推し量った指示の書き方で直る。構成は有効
部品の名前が空で絞れない部品表に名前を足すのが先

08実装時につまずきやすいポイント

問題対策
別の版の枠を送る版を先に決め、決まらなければ版ごとに候補を分ける
「B14」と「B-14」が当たらないnormalizer でハイフン・空白を消し、全角を半角にそろえる
言い換えで match_phrase が当たらないsynonym_graph は検索用の解析器にだけ入れる
過去の請求の件数がずれるterms 集計は近似になりうる。シャードを1つにする
AIが場所の言葉から番号を書く番号は検索だけが返す。照合で止める
名前の空いた部品が引けない請求の多いキットから名前を足す
結果が記録されず集計が育たない送った枠と後から分かった結果を画面で残す
再販の版の部品表が上書きされている版ごとに残す運用を先に決め、古い版は過去の箱と説明書から起こす
キットの略し方が多すぎて当たらない請求の文から拾った略し方をキットの台帳に足していく

上の3行は、検索がきれいに動いているように見えて起きる失敗です。 第8章の30件で、担当が送った枠が残るかを必ず見てください。

下の3行は、運用を始めてから効いてくる失敗です。 結果を残さないまま半年たつと、集計の件数がいつまでも少なく、取り違えやすい書き方が見えないままになります。 届いた部品が違ったという連絡を受けたら、元の請求の結果を「取り違え」に直すところまでを手順に入れます。

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: お客様からの請求の文(名前・住所・連絡先を含みうる)、キットの部品表(発売前のキットを含む)、過去の請求と送った枠です。

  1. お客様の個人の情報を外す … 名前・住所・電話番号・メールアドレスは、生成AIに渡す前に消し、索引にも入れません。18歳未満のお客様の請求もあるので、年齢や学校名が書かれていても写させません
  2. 生成AIをお客様に直接使わせない … 生成AIは担当の画面の裏で使うだけです。お客様への返信は担当が書いて送ります
  3. 発売前のキットの部品表を出さない … 発売前の版の部品表は、発売日まで索引に入れないか、担当の画面に出さないようにします
  4. 送る判断をさせない … 画面に出すのは候補と版の違いと過去の結果までです。無償か有償か、販売を終えたキットに応じるかは、担当が社内の決まりで決めます
  5. 索引への接続を限る … OpenSearch には、Lambda とサポートの画面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、別の版の枠を送ること、AIが推し量った番号で送ること、お客様の個人の情報が生成AIや索引に入ることの3つです。 版を先に決める検索、照合、個人の情報を消す前処理で防ぎます。

10まず何から始めるか

1週目:部品表を見る

請求の多いキットから20品目を選び、版ごとの部品表がそろっているか、「部品の名前」が空の行がどれだけあるかを数えます。再販で差し替わった枠を一覧にします。

2週目:30件で試す

第8章のとおり、先月の30件で担当が送った枠が残るかを見ます。場所の言葉から番号を推し量っていないかを最優先で見ます。

3週目:言い換えの表とキットの略し方を作る

過去の請求の文から、お客様がよく使う言い方を拾って言い換えの表にします。キットの名前の略し方もキットの台帳に足します。

4週目:キットと部品の索引を作る

OpenSearch にキットと部品の索引を作り、版ごとに部品の候補を引けるようにします。この時点では、請求の索引と候補の表は使いません。

2か月目: 請求の索引と集計、版の違い、候補の表と照合を足します。3か月目以降: 取り違えの件数、お客様に尋ね直した件数、請求から返信までの時間を毎月数えます。新しい担当が、詳しい担当と同じ枠を、版を確かめたうえで決めて残せた時点で、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:2026-10-29/最終更新:2026-11-02
確認した内容情報源確認日
kuromoji の解析器が全角の英数字を半角に、半角のカタカナを全角にそろえ、search の分け方で複合語を分けつつ複合語も残すこと。kuromoji_baseform などの部品があることOpenSearch: Kuromoji analyzer2026-10-29
synonym_graph が複数語の言い換えを扱い、検索用の解析器でだけ使うものとされ、索引に入れるときに使うと後ろの語の位置がずれて match_phrase が当たらなくなること。synonyms で規則を直接書けることOpenSearch: Synonym graph token filter2026-10-29
normalizer がトークナイザーを持たず1つのトークンを出し、文字単位の処理だけができること。使える文字フィルターに pattern_replace・mapping、トークンフィルターに cjk_width・lowercase などがあることOpenSearch: Normalizers2026-10-29
terms 集計の size の既定が10、shard_size の既定が size * 1.5 + 10 で、件数が近似になりうることOpenSearch: Terms aggregation2026-10-29
Amazon OpenSearch Service で Japanese(kuromoji)Analysis がすべてのドメインに含まれることAWS: Plugins by engine version in Amazon OpenSearch Service2026-10-29
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。任意の項目が12個までであることAWS: Structured outputs(Amazon Bedrock)2026-10-29

部品を無償で送るか有償にするか、販売を終えたキットの部品に応じるか、お客様の個人の情報をどう扱うかは、社内の決まりと個人情報の取扱いの方針に沿って判断してください。 本記事は上記の資料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-2331)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