Media > AI活用ユースケース > 営業 > 漢方の生薬の卸が、薬局・医療機関の注文に書かれた生薬の名前(別名・読み・刻みの違い・ラテン名)のゆれを OpenSearch で在庫と規格の表に引き当て、候補を出す

漢方の生薬の卸が、薬局・医療機関の注文に書かれた生薬の名前(別名・読み・刻みの違い・ラテン名)のゆれを OpenSearch で在庫と規格の表に引き当て、候補を出す

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

薬局や医療機関から届く生薬の注文の行を、名前・刻み・規格・産地・数に分け、OpenSearch で自社の在庫の表に引き当てます。名前の似た別の生薬には印を付けて候補を並べ、受注の担当が確かめて決めます。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
AIサービス
Azure AI/OpenSearch
対象業界
医療/商社/小売
対象部門
営業
対象業務
データ入力・転記/情報検索
主な課題
入力作業が多い/属人化している/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/属人化解消/工数削減
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
90h/月
AI導入後
36h/月
想定削減
60%
年間削減
648h
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. FAX・メール・受発注の画面の注文を開き、1行ずつ読む
  2. 名前を在庫の表で検索する。当たらなければ、漢字・カタカナ・ラテン名で引き直す
  3. 刻み・末・産地・包装が注文と合う品目を探す
  4. 在庫の数と、出荷できるロットがあるかを見る
  5. 引き当てた品目コードと数を販売の管理の仕組みに打ち込み、欠品を取引先に返す
導入後(After)
  1. 人メールと受発注の画面の注文を受け口に置く(FAX の注文は担当が受け口の様式に打ち込む)
  2. 自動生成AIが注文を1行ずつ、名前・刻み・規格・産地・数・包装・備考に分ける(書かれたとおりに)
  3. 自動名前の文字をそろえる(幅、ラテン名の大文字小文字、括弧と空白)
  4. 自動取引先ごとに過去に確定した書き方の表を引く
  5. 自動当たらなければ、在庫の表を、別名の表で広げた欄・あいまい検索の欄・読みの欄で引く
  6. 自動候補に紛らわしい組の表を当て、名前の似た別の生薬が候補に入っていれば印を付ける
  7. 自動刻み・末・産地・包装の一致と出荷できる数を添え、`matched` / `review` / `confusable` / `not_found` を規則で決める
  8. 人担当が `confusable`、`review`、`not_found` を確かめ、引き当てを決める
  9. 自動決めた引き当てを販売の管理の仕組みへの取り込みの形で書き出し、取引先ごとの書き方の表に組を足す
各工程の詳しい説明を読む
  1. FAX・メール・受発注の画面の注文を開き、1行ずつ読む
  2. 名前を在庫の表で検索する。当たらなければ、漢字・カタカナ・ラテン名で引き直す
  3. 刻み・末・産地・包装が注文と合う品目を探す
  4. 在庫の数と、出荷できるロットがあるかを見る
  5. 引き当てた品目コードと数を販売の管理の仕組みに打ち込み、欠品を取引先に返す

(a)同じ生薬が、取引先ごとに違う名前で届く。 「甘草」「カンゾウ」「Glycyrrhiza」のほか、「シャカンゾウ」のような加工を表す名前や、店の中だけで通じる略称が混ざります。在庫の表の検索は1つの列しか見ないので、当たらないたびに引き直します。

(b)一字違いの別の生薬と取り違える。 「乾生姜」と「乾姜」、「人参」と「紅参」は、名前がほとんど同じで、局方では別の各条です。急いでいると、在庫の表で最初に出た方で引き当ててしまいます。 取り違えは、取引先が開封して気づくまで分かりません。

(c)刻みと末を見落とす。 「甘草末」と書かれた注文を、名前の「甘草」だけで引いて刻みの品目を出してしまう、ということが起きます。煎じ薬に使う刻みと、散剤に使う末は、取引先の使い方がまったく違います。

(d)引き当てが詳しい担当者に寄る。 「この薬局の『カンキョウ』は乾姜のことで、乾生姜ではない」といった取引先ごとの癖は、ベテランの担当者の頭の中にしかありません。その人が休むと、取引先への確認の電話が増えます。

  1. 【人】 メールと受発注の画面の注文を受け口に置く(FAX の注文は担当が受け口の様式に打ち込む)
  2. 【自動】 生成AIが注文を1行ずつ、名前・刻み・規格・産地・数・包装・備考に分ける(書かれたとおりに)
  3. 【自動】 名前の文字をそろえる(幅、ラテン名の大文字小文字、括弧と空白)
  4. 【自動】 取引先ごとに過去に確定した書き方の表を引く
  5. 【自動】 当たらなければ、在庫の表を、別名の表で広げた欄・あいまい検索の欄・読みの欄で引く
  6. 【自動】 候補に紛らわしい組の表を当て、名前の似た別の生薬が候補に入っていれば印を付ける
  7. 【自動】 刻み・末・産地・包装の一致と出荷できる数を添え、matched / review / confusable / not_found を規則で決める
  8. 【人】 担当が confusable、review、not_found を確かめ、引き当てを決める
  9. 【自動】 決めた引き当てを販売の管理の仕組みへの取り込みの形で書き出し、取引先ごとの書き方の表に組を足す

6番目が、この設計の要です。 検索は似た名前を広く拾うほど便利になりますが、生薬では似た名前が別の品であることが珍しくありません。 紛らわしい組の表に載った生薬が候補に入った行は、候補が1件でも matched にしません。

4番目を先に置くのは、取引先が毎回ほぼ同じ書き方で注文するからです。 一度担当が決めた組は、翌月から書き方の表で当たります。

02今回想定するシステム構成

構成図
注文(メール・受発注の画面・FAX を打ち込んだもの)
   │
   ▼【トリガー】受け口(Amazon S3)への保存
AWS Lambda ──▶ Claude(Amazon Bedrock)── 行を名前・刻み・規格・産地・数・包装に分ける
   │            名前のそろえ(幅・大文字小文字・括弧)
   ▼
Amazon OpenSearch Service
   ├── client_alias:取引先ごとに確定した書き方と品目コードの組
   └── stock:在庫の表(局方の名前・漢字・英名・ラテン名・読み・刻み・規格・産地・包装・数)
   ▼
AWS Lambda ── 紛らわしい組の表、刻みと規格の一致、判定の規則
   ▼
引き当ての候補の一覧 ──【担当が確かめて決める】──▶ 販売の管理の仕組みへの取り込み
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(synonym_graph、kuromoji、named queries、カスタムパッケージ)Azure AI Search、自社で運用する OpenSearch
生成AIClaude(Amazon Bedrock の Converse API、構造化出力)Azure OpenAI(Microsoft Foundry)、OpenAI API
連携AWS Lambda(行の分け方の呼び出し、名前のそろえ、判定の規則)AWS Step Functions
保管Amazon S3(元の注文・候補・確定の記録・別名の表・紛らわしい組の表)社内のファイルサーバー

販売の管理の仕組みと在庫の表は新しく足すものではなく、この構成から直接は書き込みません。 担当が決めた引き当てを取り込みの形のファイルにして、従来の手順で入れます。

別名の表の元になるのは、日本薬局方の各条です。 第十九改正日本薬局方(令和8年4月10日厚生労働省告示第193号)の「医薬品各条 生薬」は、各条の頭に日本名・英名・ラテン名・漢字の名前を並べています。この並びを1行にして、同じ生薬の別の書き方の組にします。

別名の表は、Amazon OpenSearch Service のパッケージとして持ちます。 S3 に置いた表をパッケージとして取り込み、ドメインに関連付けると synonyms_path で使えます。検索の解析だけで使い、フィルタに updateable: true を付けておけば、パッケージを更新したときに索引が自動で更新されます。 店ごとの略称を足すたびに在庫の索引を作り直す必要はありません。

03どうやって実装するのか

Step1

処理の起点を決める

注文のファイルが受け口に置かれたことを起点にします。 メールの注文は本文をそのまま、受発注の画面の注文は書き出したファイルのまま置きます。FAX の注文は、担当が受け口の様式に打ち込んでから置きます。

届いたものから順に動かします。 夕方にまとめて動かすと、欠品を取引先に返す時間が残りません。

同じ注文を二度置いても、二重に引き当てません。 取引先・注文の日・行の文字列を組にした鍵で、処理した行を飛ばします。取引先が訂正して送り直したときは、担当が古い方を取り消します。

Step2

入力データを集める

データ中身取得元
注文の行取引先、注文の日、書かれた名前、刻み、規格、産地、数、包装、備考受け口のファイル
在庫の表品目コード、局方の名前、漢字の名前、刻み(刻・細切・末・全形)、皮去りなどの加工、規格、産地、包装、出荷できる数毎朝と入荷の試験の後に書き出し
取引先ごとの書き方の表取引先、そろえた書き方、品目コード、確定した日と担当この構成で育てる表(初めは過去半年の伝票から作る)
別名の表局方の日本名、英名、ラテン名、漢字の名前、自社と取引先の略称の組局方の各条から自社で作るパッケージ
紛らわしい組の表名前の似た別の生薬の組(乾生姜と乾姜、人参と紅参など)自社で作る表

別名の表は、1行に同じ生薬の書き方を並べる形で書きます。 局方の各条では、ショウキョウの頭に「Ginger」「ZINGIBERIS RHIZOMA」「生姜」「乾生姜」が並び、カンキョウの頭には「Processed Ginger」「ZINGIBERIS RHIZOMA PROCESSUM」「乾姜」が並んでいます。この2つは別の行にして、決して同じ行に入れません。 1行に混ぜると、検索で広げたときに別の生薬まで同じものとして当たります。

紛らわしい組の表は、別名の表とは逆の役目です。 ショウキョウとカンキョウはどちらもショウガの根茎で、局方では、カンキョウは根茎を湯通し又は蒸したものとされています。ニンジンとコウジンもどちらもオタネニンジンの根で、コウジンは根を蒸したものです。元の植物が同じで加工が違う組は、ラテン名も似ています。 このような組を表に並べ、どちらかが候補に入ったら必ず担当に見せます。

Step3

データの取得方法を決める

在庫の表は、毎朝と入荷の試験が済んだ後に書き出して、索引をまるごと入れ直します。 試験待ちのロットを出荷の対象から外したことが、差分の更新では取りこぼされやすいからです。出荷できる数が0の品目も索引から消さず、数0として残します。 欠品として取引先に返すためです。

取るものどこから何に使うか
局方の名前・漢字の名前・英名・ラテン名在庫の表(無ければ別名の表から)別名の表で広げた欄と、あいまい検索の欄の両方に入れる
読み在庫の表の読みの列漢字だけの注文を読みで引く
刻み・加工在庫の表注文の刻み・末と規則で比べる
規格・産地・包装在庫の表注文と合うかを候補に添える
出荷できる数在庫の表候補に添え、0なら欠品として返す

読みの欄には、在庫の表に自社で付けた読みを入れます。 kuromoji の読みの変換は、各語を辞書の読み1つに置き換えるもので、公式ページの例では「東京は日本の首都です」の「日本」が「ニッポン」になっています。生薬の漢字の名前は辞書にない読み方をするものがあるので、変換の結果は在庫の表の読みが無い品目の補いにとどめます。

Step4

AIへ渡す前に整形する

  1. 行を分ける … 生成AIが、注文の行を名前・刻み・規格・産地・数・包装・備考に分けます。書かれた文字を書き換えずに分けます
  2. 文字の幅とかたちをそろえる … 半角カナを全角に、全角の英数字を半角にし、ラテン名と英名は小文字にそろえます
  3. 括弧と空白を外す … 「カンゾウ(細切)」の括弧の中は刻みの欄に移し、名前の欄は「カンゾウ」にします
  4. 刻みの言葉をそろえる … 「刻」「刻み」「きざみ」「細切」「末」「粉末」「ホール」を、自社の刻みの区分に当てます。区分に当たらない書き方はそのまま残します
  5. 名前の末尾の「末」を見る … 名前が「甘草末」「カンゾウ末」のように末で終わるときは、刻みの欄が空なら「末」を入れ、名前の欄の「末」は外さずに残します
  6. 包装と数を分ける … 「500g×2」は包装 500g と数 2 に分けます。「1kg」だけなら包装の候補として残し、数は空にします

5番目で名前の「末」を外さないのが肝心です。 局方では「カンゾウ末」は「GLYCYRRHIZAE RADIX PULVERATA」という別の各条で、別名の表でも別の行になります。名前から末を外すと、末の各条に当たる手がかりが消えます。

Step5

AIに処理させる

検索にさせるのは、引き方を分けて在庫の表を引き、どの引き方で当たったかを記録することです。 句ごとに _name を付けると、当たった文書の matched_queries に当たった引き方が並んで返ります。

引き方(_name)対象の欄当たるもの
client_alias取引先ごとの書き方の表を、取引先とそろえた書き方で完全一致その取引先がいつも使う書き方
synonym名前の欄(検索の解析で別名の表を広げる)を match局方名・漢字・英名・ラテン名・略称
name_fuzzy名前の欄(同義語なし)を match に fuzziness: AUTO書き間違い・一字の違い
yomi読みの欄を match漢字だけで書かれた注文

注文の行「乾姜 刻 500g」から組み立てる検索は、次の形です(刻みと包装は検索のあとに規則で比べます)。

{
  "query": { "bool": { "should": [
    { "match": { "name.syn":   { "query": "乾姜", "_name": "synonym" } } },
    { "match": { "name.plain": { "query": "乾姜", "fuzziness": "AUTO",
                                  "_name": "name_fuzzy" } } },
    { "match": { "yomi":       { "query": "乾姜", "_name": "yomi" } } }
  ] } },
  "size": 10
}

name.syn は検索の解析に別名の表をかけた欄、name.plain は別名をかけない欄で、同じ名前を両方に入れておきます。

synonym と name_fuzzy で欄を分けるのは、OpenSearch の決まりに合わせるためです。 match クエリのあいまい検索は、同義語を持つ語や、同じ位置に複数の語が出る語には適用されないとされています。別名の表を持つ欄に fuzziness を付けても、別名の付いた語には一字の違いが効きません。欄を分ければ、両方の効き目が残ります。

そのうえで、name_fuzzy の当たりは疑ってかかります。 「乾姜」で引くと、synonym はカンキョウに当たり、name_fuzzy は一字違いの「乾生姜」を通じてショウキョウにも当たりえます。だから紛らわしい組の表を、検索のあとに必ず当てます。

検索のあとは、規則で判定を決めます。

条件判定
候補のどれかが紛らわしい組の表に載っているconfusable(ほかの条件より先)
client_alias で1品目だけ当たり、刻み・包装が合い、出荷できる数があるmatched
synonym で1つの生薬に当たり、刻み・規格・包装が合う品目が1つだけで、出荷できる数があるmatched
name_fuzzy か yomi だけで当たった、品目が2つ以上残る、刻みか規格が合わないreview
どの引き方でも当たらないnot_found

生成AIにさせるのは、注文の行を分けることだけです。

分けるもの書き方判断できないときの扱い
名前書かれたとおり(漢字・カナ・英字・ラテン名のまま)名前が見当たらなければ unclear
刻み書かれたとおり(「刻」「細切」「末」など)無ければ空
規格書かれたとおり(「日局」など)無ければ空
産地書かれたとおり無ければ空
数・包装書かれた数と量(「500g×2」など)読めなければ空
備考納期、ロットの指定など無ければ空
させないこと理由
生薬を決めること決めるのは検索と担当。一字違いの別の生薬がある
名前を局方の名前に直すこと別名の表で行う。表に無い対応を作らせない
刻みや規格を補うこと取引先の使い方で違う。書かれていなければ空のまま
品質の適否や処方の当否の判断適否は局方の規定で判定するもの。この構成の外
欠品のときの代わりの提案取引先の使い方と処方は取引先が決める

1行目と2行目がいちばん起きやすい失敗です。 「乾姜」を「ショウキョウ(乾生姜)」と直して返されると、もう取引先の書いた文字ではありません。

Step6

指示内容を固定する

あなたは生薬の卸の受注の担当の補助です。
薬局・医療機関から届いた注文の文を、1行ずつ次の項目に分けてください。
生薬を決めること、在庫を探すこと、名前を言い換えることはしないでください。

【分ける項目】
- name ……… 生薬の名前。漢字・カナ・英字・ラテン名を書かれたとおりに
- cut ………… 刻み・末・全形などの書き方。書かれたとおりに
- grade ……… 規格の書き方(日局など)。書かれたとおりに
- origin …… 産地。書かれたとおりに
- quantity … 数と量(500g×2、1kg など)。書かれたとおりに
- note ……… 納期、ロットの指定など、上のどれにも入らないもの

【厳守事項】
- 名前を局方の名前や別の書き方に直さないでください。
  「乾姜」は「乾姜」のまま、「乾生姜」は「乾生姜」のままです。
  この2つは別の生薬なので、片方をもう片方に直すことは誤りです。
- 名前の末尾の「末」は名前に残してください。cut が空なら cut にも「末」を入れます。
- 書かれていない刻み・規格・産地・数を補わないでください。
- 1行に複数の生薬が書かれていたら、行を分けてください。
- 「いつもの」「前回と同じ」など名前が無い行は、name を空にして
  name_status を unclear にしてください。
- 患者の名前や処方の内容が書かれていても、どの項目にも写さないでください。
- 効能・品質・処方について書かないでください。

【取引先】{client}
【注文の文】{order_text}

「乾姜を乾生姜に直すことは誤り」と、具体の組で書いています。 「名前を直さない」とだけ書くと、書き間違いに見える行を直してきます。

患者の名前を写さないことも指示に入れ、受け口で外す処理の取りこぼしに備えて二重に止めます。

Step7

出力形式を固定する

注文の1行ごとに、次の形の JSON で持ちます。

{
  "order_key": "",
  "client": "",
  "line_raw": "",
  "parsed": { "name": "", "name_status": "ok | unclear", "cut": "", "grade": "",
              "origin": "", "quantity": "", "note": "" },
  "name_norm": "",
  "cut_norm": "",
  "candidates": [
    { "item_code": "", "jp_name": "", "kanji_name": "", "latin_name": "",
      "matched_queries": ["synonym"], "cut_match": "match | differ | unknown",
      "grade_match": "match | differ | unknown", "pack_match": "match | differ | unknown",
      "available_qty": 0, "confusable_with": [] }
  ],
  "verdict": "matched | review | confusable | not_found",
  "staff_decision": { "item_code": "", "decided_by": "", "decided_at": "" }
}

1つ目の理由は、line_raw と parsed と name_norm を3段で残すことです。 取り違えが起きたとき、どの段で文字が変わったかを後から追えます。

2つ目は、matched_queries で当たり方を担当に見せられることです。 client_alias や synonym で当たった候補と、name_fuzzy だけで当たった候補は、確からしさが違います。

3つ目は、confusable_with を候補ごとに持つことです。 候補の横に「乾生姜(ショウキョウ)と紛らわしい」と出せば、担当は注文の文字をもう一度見るだけで済みます。

生成AIの呼び出しには、Amazon Bedrock の Converse API の outputConfig.textFormat に JSON スキーマを渡します。object ごとに additionalProperties: false を書き、name_status を enum で固めます。

Step8

システムへ連携する

つなぎ先方式内容
受け口(Amazon S3)保存のイベント注文のファイルが置かれたら Lambda を動かす
Claude(Amazon Bedrock)Converse API注文の行を項目に分ける
Amazon OpenSearch Service検索の API書き方の表・在庫を引く
在庫の表毎朝と入荷の試験の後の書き出し索引を入れ直す
販売の管理の仕組み取り込みの形のファイル担当が決めた引き当てを従来の手順で入れる

取引先ごとの書き方の表に足すのは、担当が決めた行だけです。 matched のまま担当が手を入れなかった行は足しません。誤った組が表で増え続けることを防ぎます。 confusable の行を担当が決めたときは、その取引先の書き方として足し、翌月からは紛らわしい組の表より先に書き方の表で当たるようにします。

Step9

人が確認する

担当が開くのは、confusable、review、not_found の行です。 matched の行は一覧で取引先と名前と数を流し見ます。

  1. confusable を最初に見る … 注文の文字と、紛らわしい組の両方の名前を見比べます。取引先の書き方の表に前例が無ければ、取引先に確かめます
  2. review の候補を見比べる … 当たった引き方、刻み・規格・包装の一致を見ます。刻みの指定が無い注文は、前回の伝票を見るか取引先に確かめます
  3. not_found を調べる … 新しい略称なら別名の表に足す候補にし、扱いの無い生薬なら取引先に返します
  4. 決めた引き当てを確定する … 翌月から取引先ごとの書き方の表で当たります

1番目で取引先に確かめることを惜しまないでください。 一字違いの別の生薬を出すと、取引先はそれを使う前に気づくとは限りません。電話1本のほうが、出荷した後の回収よりはるかに安く済みます。

目標は、2,700件をならして1件0.8分です。 matched が6割前後になる想定で、それより低い月は、取引先ごとの書き方の表の育ち方を見直します。

Step10

例外に対処する

起きること対応
「いつもの」など名前が無いunclear。担当が取引先に確かめる
名前は当たるが刻みの指定が無いreview。刻みの候補を並べ、前回の伝票を添える
末の注文に刻みの品目しか在庫が無いreview。刻みで代えずに欠品として返す
ラテン名の綴りが局方と違うname_fuzzy で当たれば review。別名の表に足す候補にする
出荷できる数が0(試験待ちのロットはある)欠品として review。試験が済む見込みの日を担当が返す
注文に患者の名前が書かれている受け口で外し、生成AIに渡さない。外せなければ人が打ち込み直す
生成AIの呼び出しが失敗した行をそのまま名前として引き、review にする
OpenSearch が応答しない受け口に残す。処理済みへ移すのは成功したときだけ

3行目が、刻みと末を分けた理由です。 末の在庫が切れているとき、刻みの在庫で埋めると数の上では注文が満たされます。取引先が散剤を作るつもりで頼んだ末の代わりに刻みが届けば、使えません。 代えるかどうかは取引先が決めます。

Step11

記録を残す

  • 元の注文のファイルと、受け取った日時・取引先
  • 生成AIが分けた項目、そろえた名前と刻み、使った別名の表と紛らわしい組の表の版
  • 候補、matched_queries、刻み・規格・包装の一致、出荷できる数、紛らわしい組の印、判定
  • 担当が決めた引き当てと、決めた日時と担当
  • 取引先ごとの書き方の表に足した組と、足した元の注文の行
  • confusable になった行と、取引先への確認の記録

最後の行は、紛らわしい組の表を育てる材料です。 同じ組で何度も確認が要るなら、その取引先に書き方を相談します。

04実装レベルの3段階

最小構成:表計算で別名の表を引いてから在庫を完全一致で引く / 別名をそろえたうえでの照合
半自動化:上記+OpenSearch に在庫を入れ、別名・あいまい検索・読みで候補を出し、紛らわしい組に印を付ける / 候補の一覧化と当たり方の記録
本格構成:上記+生成AIで注文の行を分け、取引先ごとの書き方の表を育て、刻みと規格を規則で突き合わせる / 注文から引き当ての候補までの全体

半自動化で、1件2分が1.2分程度になります。 行を分けて刻みと包装を打ち込む作業が残ります。本格構成で0.8分になり、この段階が本記事の想定です。 取引先ごとの書き方の表で当たる行が増えるためです。 段階を飛ばさないでください。 半自動化を1か月回すと、name_fuzzy だけで当たる別の生薬がどれくらい混ざるかが分かり、紛らわしい組の表に足すべき組が見えてきます。

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
3 名
月間件数
2,700 件
1件あたり現在時間
2 分
1件あたり導入後時間
0.8 分
現在  2,700件 × 2分 ÷ 60 = 90 時間/月
導入後 2,700件 × 0.8分 ÷ 60 = 36 時間/月
月間削減時間
54h
削減率
60%
年間削減時間
648h
年間金額換算(時間単価2,800円)
181万円
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. 刻み・末・産地・包装の違いを含めて千品目を超える生薬を、漢方薬局・調剤薬局・煎じ薬を出す医療機関へ卸していて、取引先が数百軒ある卸。注文が局方の名前・漢字の名前・ラテン名・店ごとの略称で届き、在庫の表に引き当てるのに生薬に詳しい担当者の知識を頼っている場合。在庫の表に自社の品目コード・局方の名前・刻み・規格・産地の列があり、毎日書き出せる場合。
向いていない
  1. 扱う生薬が数十品目で、取引先も決まった数軒の場合。注文を自社の品目コードで受ける仕組みが取引先に行き渡っていて、名前から引き当てる必要がほとんど無い場合。医療用・一般用の漢方製剤(エキス製剤)の卸が中心で、生薬そのものの注文が少ない場合。なお、生薬の品質の適否、処方の内容の当否、欠品のときにどの生薬で代えるかの判断は、この構成では代替できません。注文の行に合う在庫の候補を並べるまでです。

07最小構成で試す方法

  1. 先月の注文から150行を選ぶ(うち30行は、当時担当が取引先に確かめたり、取り違えかけたりした行を入れる)
  2. 在庫の表の局方の名前・漢字の名前・ラテン名・刻みの列を、表計算のファイルに書き出す
  3. 局方の各条の頭にある日本名・英名・ラテン名・漢字の名前を、扱っている生薬の分だけ別名の表にする
  4. 150行の名前を、別名の表で局方の名前に直してから在庫の表を完全一致で引き、当時の引き当てと比べる
  5. 当たらなかった行を、理由(略称、書き間違い、刻みの書き方、紛らわしい組)で分ける

150行は必ずやってください。 検索の仕組みを組む前に、「別名の表だけでどこまで当たるのか」を確かめます。

出てきた内容判断
別名の表で大半が当たったあいまい検索は最後の一押し。 取引先ごとの書き方の表を先に作る
書き間違いや略称で多く残ったあいまい検索と読みの欄に進む
刻みの指定が無い行が多く残った検索の問題ではない。 取引先と注文の書き方を相談する

3行目が出ることは珍しくありません。 刻みの指定の無い注文を出す取引先には、品目コードか、刻みを書いた注文の様式を使ってもらう相談をするほうが早く終わります。

08実装時につまずきやすいポイント

問題対策
別名の付いた語に一字の違いが効かない同義語を持つ語にはあいまい検索がかからない。欄を分ける
一字違いの別の生薬に当たる紛らわしい組の表を検索のあとに必ず当てる
別名の表の1行に別の生薬を混ぜる乾生姜と乾姜のような組は別の行にする
末の注文に刻みを出す名前の末尾の「末」を残し、刻みの欄と規則で比べる
生成AIが名前を直す指示で具体の組を挙げて禁じ、line_raw と比べて検知する
読みの変換が生薬の読みと違う在庫の表の読みを主にし、変換は補いにとどめる
別名の表を足しても反映されないupdateable: true を付けて検索の解析だけで使い、パッケージを更新する
欠品の品目が候補から消える索引から消さず、出荷できる数0として残す
書き方の表に誤った組が増える担当が決めた行だけを足す

上の3行が、この構成の失敗のほとんどです。 名前を広げるほど当たりは増えますが、生薬では一字違いの別の品にも当たります。 当たり方を候補に添え、紛らわしい組を担当に回すことで釣り合いを取ります。

5行目は、生成AIの親切さから起きます。 書き間違いに見えるものを直すのは、ふだんの文章なら良いことです。生薬の名前では、その一字が品の違いです。

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: 取引先の薬局・医療機関の名前と注文の中身、在庫の数とロット、仕入れの産地です。医療機関の注文には、患者の名前や処方が書き添えられていることがあります。

  1. 生成AIに渡すのは注文の文だけにし、患者の名前は受け口で外す … 外す処理と指示の両方で止めます。在庫の表・取引先の一覧は生成AIに渡しません
  2. 品質の適否と処方の当否を判断させない … 局方の各条の冒頭には、医薬品の適否は各条の規定・通則・生薬総則・製剤総則・一般試験法の規定で判定すると書かれています。この構成が出すのは、注文の行に合う品目の候補だけです
  3. 出荷の手配を自動にしない … 出すのは引き当ての候補までです。confusable は担当が確かめ、必要なら取引先に電話します
  4. 局方の改正に合わせて別名の表を見直す … 第十九改正は令和8年4月に告示され、第二十改正の作成基本方針も答申されています。各条の追加や名前の変更があれば、別名の表と紛らわしい組の表を直します
  5. 取引先ごとの書き方の表は社外に出さない … 取引先ごとの注文の癖と、扱っている生薬が読み取れます

誤りが起きた場合のリスクは、一字違いの別の生薬を出荷することと、刻みと末を取り違えることの2つです。 前者は紛らわしい組の表で、後者は刻みを別の欄に持つことで、設計の段階で防ぎます。

10まず何から始めるか

1週目:別名の表と紛らわしい組の表を作る

局方の「医薬品各条 生薬」から、扱っている生薬の日本名・英名・ラテン名・漢字の名前を書き出して別名の表にします。あわせて、ベテランの担当者から紛らわしい組と取引先の癖を聞き取ります。最初は注文の多い上位80種類で十分です。

2週目:150行で試す

第8章の手順で、別名の表だけでどこまで当たるかを確かめます。刻みの指定が無い注文を出す取引先を数えておきます。

3週目:取引先ごとの書き方の表の元を作る

過去半年の伝票から、取引先と書き方と品目コードの組を拾い出します。ベテランの担当者の記憶を、ここで表に移します。

4週目:索引を作る

Amazon OpenSearch Service に書き方の表と在庫の索引を作り、別名の欄・あいまい検索の欄・読みの欄を分けます。この時点では判定を出さず、候補の一覧と紛らわしい組の印だけを見ます。

2か月目: 生成AIで注文の行を分け、刻みと規格の規則を足します。matched / review / confusable / not_found の件数を毎週数えます。3か月目以降: 1件2分が何分になったかを実測します。ベテランの担当者が休んだ日にも、取引先への確認の電話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:2026-11-06/最終更新:2026-11-14
確認した内容情報源確認日
第十九改正日本薬局方が令和8年4月10日厚生労働省告示第193号で公示されていること。第二十改正日本薬局方作成基本方針が令和8年8月27日に答申されていること厚生労働省: 日本薬局方2026-11-06
各条の頭に日本名・英名・ラテン名・漢字の名前が並ぶこと(カンゾウ/Glycyrrhiza/GLYCYRRHIZAE RADIX/甘草、カンゾウ末/GLYCYRRHIZAE RADIX PULVERATA/甘草末)。ショウキョウ(生姜・乾生姜)とカンキョウ(乾姜。根茎を湯通し又は蒸したもの)、ニンジン(人参)とコウジン(紅参。根を蒸したもの)が別の各条であること。医薬品の適否が各条・通則・生薬総則・製剤総則・一般試験法の規定で判定されること厚生労働省: 第十九改正日本薬局方 医薬品各条 生薬(PDF)2026-11-06
synonym_graph を検索の解析だけで使うよう案内されていること。synonyms_path で表のファイルを使えることOpenSearch: Synonym graph token filter2026-11-06
match クエリのあいまい検索が、同義語を持つ語や同じ位置に複数の語が出る語には適用されないことOpenSearch: Match query2026-11-06
kuromoji_readingform が各語を読みに置き換え、例で「日本」が「ニッポン」になることOpenSearch: Kuromoji reading form2026-11-06
クエリの句に _name を付けると、当たった文書の matched_queries に当たった句の名前が並ぶことOpenSearch: Named queries2026-11-06
同義語の表をパッケージとして取り込みドメインに関連付けて使えること。updateable: true は検索の解析だけに効き、パッケージの更新で索引が自動で更新されることAWS: Importing and managing packages in Amazon OpenSearch Service2026-11-06
Converse API の outputConfig.textFormat で JSON スキーマを渡せること。object ごとに additionalProperties: false が要ることAWS: Get validated JSON results from models(Amazon Bedrock)2026-11-06

生薬の名前と各条は、日本薬局方の改正で変わることがあります。 厚生労働省の最新の日本薬局方で確かめてください。

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-3050)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