Adeptiaで見る取引先データが詰まる原因|対応付けを確定する線

Adeptiaで見る取引先データが詰まる原因|対応付けを確定する線

「取引先が増えるたびに、受注データの取り込み設定が情報システム部門の順番待ちになる」「AIが項目の対応付けを作ってくれるなら、業務部門に任せてしまえばいいのでは」——取引先や顧客から届くデータを扱う会社で、情報システム部門と受発注・顧客データの担当の間によく出る話です。発注書、顧客リスト、製品データ、請求明細は、送り手ごとに列の名前も並びも単位も違います。それを社内の形に直す「対応付け」を作る仕事は、長く少数の専門担当に寄ってきました。2026年10月、米国のAdeptiaは、この対応付けを自然言語の依頼からAIエージェントが組み立てる版を一般提供しました。けれども、詰まりの本当の原因は、対応付けを作る速さではなく、作ったものを「誰が正しいと確定するか」が決まっていないことです。この記事では、Adeptia Automate 5.3を例に、取引先データの取り込みが詰まる原因と、AIに作らせた対応付けを人が確定する線を、課題・原因・対策の順に整理します。


カメ先生カメ先生

取り込みが遅いのは、対応付けを作る人が足りないからだ、と思われがちなんだ。でも本当は、作ったあとに「これで本番に流してよい」と言える人がいないから、確認待ちで止まっていることが多いんだよ。


カメ子カメ子

作る手間をAIで減らしても、確定する人がいなければ詰まりは残る、ということですか。


カメ先生カメ先生

そう。しかもAIが速く作れるようになるほど、確定の判断が一か所に集まる。その判断を誰がどの場面で持つかを決めないまま業務部門に配ると、もっともらしい誤りが顧客管理や請求まで流れていくんだ。


カメ子カメ子

速く作れることと、正しく流れることは別の話なんですね。


この記事のポイント
  • Adeptia Automate 5.3は、取引先データの項目の対応付けを自然言語の依頼からAIエージェントが組み立て、確信度と理由を示し、判断の要る項目を人に戻す
  • 詰まりの原因は作る速さより「確定の持ち主」が決まっていないことで、AIの誤りは下流の顧客管理・基幹・請求に流れる
  • 取引先ごとの初回と形式の変更時に人が確定する、AIが覚える社内ルールに持ち主を置く、MCPで開く権限と記録を先に決める

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Adeptia Automateとは:取引先から届くデータを社内の形に直す基盤

Adeptiaは、取引先・顧客・仕入先から届くデータを社内のシステムに取り込む連携の製品を作ってきた米国の会社です。2023年3月には成長投資会社のPSGが主導する6,500万ドルの成長投資を受けたと発表しており、その時点で金融・保険・製薬・物流・製造の中堅から大手企業数百社が使っていると説明していました。現在の看板製品がAdeptia Automateで、公式サイトは自社を「知的なETL」の基盤と呼び、AIによる項目の対応付け、業務ルールの設定、取引先が自分で接続を始められる受付の仕組みを中心に据えています。クラウドだけでなく自社の設備にも置けることを強みとして掲げ、保険・金融・医療・製造といった規制の強い業種を主な対象にしています。

この製品が扱うのは、社内のシステム同士の連携よりも、社外から届く、形式を自社で決められないデータです。同社は2026年7月の公式ブログで、発注書・予測・出荷の情報・請求書など工場の外から届くデータを「最初の一歩のデータ」と呼び、取引先ごとに書き方が違い、どの部署も端から端まで持ち主になっていないと指摘しています。ある包装資材の顧客では、注文が約5万通りの形式で届いていた、という例も紹介されています。この記事の主題は、その取り込みの入り口で、AIに対応付けを作らせるかどうかです。

5.3で変わったこと:提案する係から、組み立てる係へ

2026年10月27日に一般提供が始まったAdeptia Automate 5.3の中心は、対応付けの作り方の変更です。公式の製品ページは、これまでの流れを3段階で説明しています。5.1では、AIが項目ごとに規則を一つずつ提案し、人が採用か却下かを選んでいました。5.2では、見本のファイルや会話の履歴から文脈を読み取り、提案の質と速さを上げました。そして5.3では、自然言語の依頼から、エージェントが対応付け全体を組み立て、足りない情報を質問し、結果を検証する形になりました。発表では、取引先ごとの取り込みにかかる時間が「数日から数週間かかっていたものが数分に縮む」と同社は説明しています。

ほかにも、5.3では三つの点が加わっています。一つ目は、AIが対応付けを作るたびに社内の用語や業務ルールを覚え、使うほど自社のデータに慣れていくことです。社内の参照資料を足して、さらに自社向けに寄せることもできます。二つ目は、同じ道具をMCPサーバー経由で外部のAIエージェントにも開き、社内のエージェントが対応付けを作成・検証・管理できることです。三つ目は、AIの事業者を自社の契約で選べることで、Anthropic・OpenAI・Azureの OpenAI・AWSの Bedrockに、自社のアカウントとAPIの鍵でつなぐ形です。なお11月には、同社がガートナーのデータ連携ツールの評価で佳作に挙げられたと公式ブログで告知しています。

課題1:取引先ごとの対応付けが、少数の専門担当の順番待ちになる

取引先データの取り込みが詰まる最初の理由は、対応付けを作れる人が少ないことです。送り手の「得意先コード」を社内の「顧客番号」に、送り手の「数量(ケース)」を社内の「数量(個)」に直すといった作業は、両方の形式と業務の意味を分かっていないとできません。新しい取引先が一社増えるたびに一つ対応付けが要り、既存の取引先が列を一つ足しただけでも、作り直しが発生します。同社の公式ページも、対応付けが希少な専門担当を待つ「積み残し」になり、新規顧客の立ち上げと売上の計上を遅らせている、と課題を書いています。

この課題に対して、Adeptiaは「専門担当の作業をエージェントが肩代わりする」と答えています。確かに、見本ファイルを渡して「この取引先の発注データを社内の受注形式に直して」と頼めば、たたき台が数分で出てくるなら、作る手間はほぼ消えます。ただし、ここで消えるのは「作る」手間であって、「本番に流してよいと決める」手間ではありません。作る手間が消えるほど、決める判断が少数の人の前に積み上がる。これが次の課題につながります。

課題2:もっともらしい対応付けが、下流の顧客管理・基幹・請求へ流れる

AIが作る対応付けの誤りは、たいてい「明らかに壊れている」形では出てきません。公式の製品ページに載っている画面の例がよい教材です。そこでは、エージェントが社員を識別する鍵を、送り手の受取人番号から社会保障番号に切り替えた理由を「安定した社員の鍵だから」と説明し、送信の外枠に入る値は「仕様書の見本の既定値を入れたので、本番の前に確認してください」と書き添えています。さらに、送り手の「ミドルネーム」に受け手の行き場が無いことを示し、「対応付けない」「別の欄に入れる」「任意項目として運ぶ」の三つの選択肢を人に示しています。

この例が示しているのは、エージェントがどの項目を鍵にするか、見本の値をそのまま入れるか、行き場の無い項目を捨てるかといった、業務の判断にあたるものまで、もっともらしく決めて先へ進めるということです。同社のAI利用規約も、AIの出力は提案であり保証ではないこと、同じ入力でも出力が変わりうること、本番の前に利用者が検証すべきことを明記しています。鍵の選び方を誤れば顧客の名寄せが崩れ、見本の値が残れば取引先への返信に試験用の値が載り、単位の換算を誤れば請求額がずれます。こうした誤りは取り込みの段階では動作上の不具合として表に出ず、顧客管理・基幹・請求の側で初めて見つかります。

課題3:AIが覚えた社内ルールの持ち主がいない

5.3のエージェントは、作った対応付けから自動で学び、社内の用語や業務ルールに慣れていきます。公式の説明では、この学びの層は人が手で目印を付けたり整理したりする必要がなく、その会社だけの隔離された環境に置かれます。便利な反面、「AIが何を社内ルールとして覚えたか」を、誰も一覧として持っていない状態が生まれやすくなります。ある担当者が急ぎの案件で例外的に選んだ扱い(たとえば、ある取引先だけ税込の金額を税抜として読む)を、AIが次の取引先でも当然のルールとして使い始める、ということが起こりうるからです。

人の専門担当であれば、その人の頭の中にあるルールは、引き継ぎ書や設計書でなんとか外に出せました。AIが覚えたルールは、作った人も確かめた人も把握しないまま蓄積していきます。参照資料を足して寄せられるのは利点ですが、その資料がいつ・誰の判断で入ったのかが分からないと、誤ったルールを外すこともできません。覚えさせる仕組みがあるからこそ、覚えさせる内容の持ち主が必要になります。

原因:作る・確かめる・確定するが、一つの画面に重なっている

三つの課題に共通する原因は、対応付けの仕事が「作る」「確かめる」「確定する」の三つに分かれるのに、AIに作らせる道具ではそれが一つの画面の中で続けて起きることです。同社の説明では、作業は「依頼する」「組み立てる」「検証する」「公開する」の4段階で、検証では実データか見本のデータを流し、本番の処理に触れる前に出力を見られるとしています。ここまでは確かめるための仕組みです。ところが「確かめた」と「業務として確定した」の間に、誰の承認が要るかは、道具ではなく会社が決めることです。

業務部門に任せる場合、作る人と確かめる人が同じ担当者になりがちです。しかも、画面には確信度と理由が並び、すべての対応付けがAIの検証を通過した、という表示も出ます。そうなると、担当者は「確信度が高いから大丈夫」と読みたくなります。確信度は、AIがその対応付けをどれだけ自信を持って選んだかの目安であって、業務として正しいかどうかの保証ではありません。原因は道具の性能より、確定の持ち主と場面を決めずに、作る人に確定まで預けてしまう運用の側にあります。

誤りが流れる経路:どこで見つかり、誰が困るか

対策を決める前に、AIが作った対応付けの誤りがどこへ流れるかを経路で押さえておくと、確定すべき場面が絞れます。下の表は、取引先データでよく起きる誤りの型と、それが表に出る場所の対応です。

誤りの型取り込みの時点表に出る場所困る人
鍵の選び違い(取引先コードと顧客番号の取り違えなど)エラーにならない顧客管理で同じ顧客が重複・別の顧客に統合営業・顧客対応
単位・税の扱いの誤り(ケースと個、税込と税抜)エラーにならない基幹の在庫・請求額経理・取引先
見本の既定値が残るエラーにならない取引先への返信・送信の外枠取引先・受発注担当
行き場の無い項目を捨てるエラーにならない後から必要になった時に記録が無い監査・品質保証
日付・桁の形式の読み違い一部はエラー納期・出荷の予定生産・物流

表から分かるとおり、取引先データの誤りの多くは取り込みの時点でエラーになりません。公開した対応付けは、同社の説明では実行時にAIを使わず、あらかじめ組み立てたコードとして毎回同じように動くので、動作は決定的で記録も追えます。これは安心材料である一方、誤った対応付けを公開すれば、同じ誤りが毎回確実に繰り返されることも意味します。だからこそ、公開の前の確定に人の目を集める価値があります。

対策1:人が確定する場面を、取引先ごとの初回と変更時に決める

すべての対応付けを毎回人が細かく見るのは現実的ではありません。確定の場面を絞り、その場面だけは必ず業務の持ち主が承認する形にします。目安は次の三つの場面です。

STEP1
取引先ごとの初回

新しい取引先の対応付けを初めて公開するときは、受け手の業務の持ち主(受注なら受発注の責任者、顧客リストなら顧客データの責任者)が、鍵・単位・税・既定値の4点を確認して承認します。実データに近い見本を流した出力を、下流の担当者にも見せます。

STEP2
形式の変更時

取引先が列を足した・名前を変えた・単位を変えたときは、変わった項目だけを差分で確認します。差分が鍵や金額に関わる場合は初回と同じ扱いにします。

STEP3
AIが判断を戻してきた項目と、確信度の低い項目

エージェントが人に選択を求めた項目、行き場が無いとされた項目、確信度の低い項目は、作った担当者だけで決めず、業務の持ち主に回します。「確信度が高いものは見なくてよい」という運用にはしません。

STEP4
公開後の最初の数回

公開してから最初の数回分の取り込みは、下流の顧客管理・基幹・請求で件数と金額を突き合わせ、ずれが無いことを確かめてから通常運用に移します。

ここで大事なのは、「AIに判断させない」項目を先に書き出しておくことです。顧客を識別する鍵、金額・税・単位、取引先へ送り返す値、個人情報にあたる項目の扱いは、AIがどれだけ自信を持っていても人が決めます。AIには、なぜその対応付けにしたのか根拠を書かせ、その根拠を承認の記録に残します。

対策2:AIに覚えさせる社内ルールを、台帳にして持ち主を置く

自己学習の層は止めずに使い、そのかわり「覚えさせたい社内ルール」を人の側で台帳にします。たとえば「顧客番号は社内の顧客マスタの番号を正とする」「数量は個で持つ」「金額は税抜で持ち、税は別の項目にする」「取引先コードの対応は営業管理の表を正とする」といった、会社として決めているルールです。参照資料として足すのは、この台帳で承認されたものだけにし、資料ごとに持ち主と更新日を付けます。

台帳の持ち主は、情報システム部門ではなく業務の側に置くのが筋です。税の扱いは経理、顧客の鍵は顧客データの責任者、単位は受発注の責任者が持ちます。情報システム部門は、台帳と参照資料が一致しているか、AIの学びの層に古い資料が残っていないかを点検する役に回ります。ある取引先だけの例外の扱いは、「例外」と明記して台帳に書き、他の取引先に広げないことを承認の確認項目に入れておくと、例外が一般ルールとして広がる事故を防げます。

対策3:MCPで社内のエージェントに開くときの権限と記録

5.3では、対応付けを作る道具がMCPサーバーとして外部のAIエージェントにも開かれます。社内で作ったエージェントが、取引先からメールで届いたファイルを受け取り、対応付けを作り、検証まで進める、という流れも組めるようになります。便利ですが、ここで人が確定する場面を飛ばせる経路ができることに注意が要ります。エージェントに「作成」と「検証」まで許しても、「本番への公開」は人の承認を通す設計にします。

権限を決めるときは、エージェントが誰の資格で動くかを最初に確かめます。人の担当者の権限をそのまま借りると、記録の上では人が作ったように見えてしまうため、エージェント専用の資格を用意し、作れる対応付けの範囲(特定の取引先・特定の受け手の形式だけ)を絞ります。料金表を見ると、役割別の権限は中位以上の版、版管理は最上位の版にしか含まれていないので、エージェントに開くなら、どの版で何が使えるかを契約前に確かめます。同社のAI利用規約は、AIの利用が監査ログに記録されること、問題が起きたときにAIの機能をすぐ止められる遮断の仕組みがあることを挙げています。記録の保存先と保存期間、止める権限を持つ人も決めておきます。

  • 社内エージェントに人の担当者の資格を貸し、作成から公開まで通しで任せる
  • 「確信度が高い」「AIの検証を通過した」表示だけで公開を承認する
  • 急ぎの例外の扱いを台帳に書かず、AIの学びの層にそのまま覚えさせる
  • 見本ファイルに実在の顧客の個人情報を含んだまま、対応付けの文脈としてAIに渡す

何が社外に出るか:作るときと、動かすときで分けて見る

データの流れは、対応付けを「作るとき」と、公開した対応付けを「動かすとき」で分けると整理しやすくなります。同社のAI利用規約によると、AIの機能を使うときには、スキーマ・項目名・対応付けの文脈といった情報が言語モデルなどのAIの仕組みで処理されます。見本ファイルを渡せば、その中身も文脈に含まれます。置き場所は二通りで、同社が運営するクラウドで処理する形と、自社のクラウドの契約で処理する形があり、5.3ではAIの事業者を自社のアカウントとAPIの鍵で選べます。一方、公開した対応付けは実行時にAIを使わないため、毎日の取り込みで流れる本番のデータが、そのたびにAIの事業者へ送られる作りではないと同社は説明しています。

規約では、顧客のデータを外部のAIの学習に使わないこと、他の顧客と共有しないこと、AIの事業者が処理後に保持しないことを、契約で事業者に求めているとしています。自社の設備に置いた場合、同社はAIが学んだ内容に一切アクセスしないとも書いています。ただし一点、確かめておきたい条文があります。同社には長年の連携の型を集めた独自の知識基盤があり、顧客は匿名化した連携の型をこの知識基盤に提供する仕組みから外れることができるとされています。外れる手続きが要るということは、何もしなければ提供する側に入っている可能性があるため、契約時に既定の扱いを確認し、必要なら外す手続きを取っておきます。

  • 見本ファイルは、氏名・住所・口座などを置き換えた加工済みのものを使う
  • 自社のAI契約を使う場合、AIの事業者側の保存・学習の設定も自社で確かめる
  • 信頼センターでは SOC 1・SOC 2 の第2種(一定期間の運用を確かめる)監査と ISO 27001 の認証を公表しているが、SOC 2 の対象は同社がホストする環境と書かれているので、自社の設備に置く場合は自社の管理で補う

業務部門に任せる範囲と、情報システム部門が持つ範囲

Adeptiaが掲げる利点の一つは、業務の担当者が技術担当を待たずに対応付けを作れることです。これを生かすなら、任せる範囲を「作る」と「確かめる」までにし、「確定」と「環境」は分けて持ちます。業務部門は、自分たちの業務の意味が分かる項目の対応付けを作り、見本を流して出力を確かめ、台帳のルールに沿っているかを自分で点検します。確定の承認は、作った担当者とは別の、業務の持ち主が行います。

情報システム部門は、取引先との接続の方式、資格と権限、エージェントに開く範囲、記録の保存、自社の設備かクラウドかといった置き場所、版の管理と戻し方を持ちます。公式の説明では、生成されたコードは中身を開いて編集でき、従来の手作業の対応付けの画面も残っています。AIが作ったものを技術担当が読み解いて直せる状態を保っておくことが、業務部門に任せたあとも詰まらないための保険になります。

費用の増え方:人数ではなく、処理の量で増える

料金の仕組みは、公式の料金ページによると、利用者の人数や接続先の数ではなく、連携や変換を実行する処理エンジン(同社は「ワークロード」と呼びます)の数で決まります。基本・中位・最上位の三つの版があり、価格はいずれも問い合わせ制です。AIによる対応付けの補助と書類の読み取りは、基本の版から含まれています。自社の設備への設置、専用回線での接続、単一サインオンは中位の版から、複数拠点での高い可用性、利用者の区画分け、版管理は最上位の版のみと書かれています。

費用が増える場面は二つに分かれます。一つは、取り込む取引先や処理の頻度・同時実行が増えて、処理エンジンを足すときです。もう一つは、対応付けを作るときにAIを使う費用で、自社のAI契約を使う形なら、その費用はAIの事業者への支払いとして自社側に立ちます。実行時にAIを使わない作りなので、毎日の取り込み件数に比例してAIの費用が増える形にはならないと同社は説明しています。社内のエージェントにMCP経由で対応付けを作らせる量が増えれば、作るときのAIの費用は増えるため、エージェントの呼び出し回数にも上限を決めておきます。

やめ方:対応付けという資産をどう持ち出すか

取引先ごとに積み上げた対応付けは、会社にとって業務知識の資産です。製品をやめたときに、この資産がどこまで持ち出せるかを、入れる前に確かめておきます。公式の説明では、公開した対応付けは生成されたコードとして動き、中身を開いて読めます。ただし、そのコードが他社の連携の仕組みでそのまま動くかどうかは、公開情報では確認できません。持ち出せる形式と、取引先ごとの対応付けの一覧を書き出せるかは、契約前に問い合わせて書面で残します。

確実に自社に残せるのは、人の側で持っている記録です。対策2の社内ルールの台帳、取引先ごとの確定の承認記録、変更の差分と理由、検証に使った見本の出力は、製品の外に保管しておけば、別の仕組みに移るときの設計書になります。AIの学びの層は、その会社専用の隔離された環境にあるとされていますが、やめたときに学んだ内容がどう消去されるかも、自社の設備に置く場合とクラウドで使う場合のそれぞれについて確認しておきます。

導入前に確かめる項目

ここまでの論点を、導入前の確認項目にまとめます。どれも、デモを見るだけでは分からず、契約書・規約・社内の決めごとで確かめる項目です。

  • 人が確定する場面(取引先ごとの初回・形式の変更時・AIが判断を戻した項目)と、承認する業務の持ち主が決まっている
  • AIに判断させない項目(顧客の鍵・金額と税と単位・取引先へ返す値・個人情報)が書き出されている
  • AIに覚えさせる社内ルールの台帳と、参照資料の持ち主・更新日がある
  • MCPで開くエージェントの専用の資格、作れる範囲、公開に人の承認を挟む設計がある
  • AIの処理の置き場所(同社のクラウドか自社の契約か)と、匿名化した型の提供の既定の扱いを確認した
  • 役割別の権限・版管理がどの版に含まれるかを確認した
  • やめるときの対応付けの持ち出し形式と、学んだ内容の消去の扱いを書面で確認した

よくある質問

確信度が高い対応付けは、人が見なくてもよいですか。

いいえ。確信度は、AIがその対応付けを選んだ自信の目安で、業務として正しいことの保証ではありません。同社の規約もAIの出力を保証しないと明記しています。確信度は、人が見る順番を決める材料として使い、鍵・金額・取引先へ返す値は確信度にかかわらず人が確定します。

業務部門だけで運用できますか。

作ることと確かめることは業務部門に任せられますが、接続の方式、資格と権限、版の管理と戻し方、AIの処理の置き場所は情報システム部門が持つ必要があります。生成コードを読んで直せる技術担当も、少人数でよいので残しておきます。

取引先のデータは外部のAIの学習に使われますか。

同社の規約では、顧客のデータを外部のAIの学習に使わず、他の顧客とも共有しないとしています。ただし匿名化した連携の型を同社の知識基盤に提供する仕組みがあり、顧客はそこから外れることができるとされています。既定の扱いを契約時に確認してください。

日本の取引先データにも使えますか。

公式の案内は英語で、米国の保険・医療の標準形式や電子データ交換の事例が中心です。日本語の項目名や、国内の業界の形式でどこまで期待どおりに動くかは、自社の実際の取引先データを加工した見本で試し、取り込みの精度を自社の題材で確かめてから判断します。

まとめ

取引先データの取り込みが詰まる原因は、対応付けを作る人が少ないことに見えて、実は作ったものを誰が本番に流してよいと確定するかが決まっていないことにあります。Adeptia Automate 5.3は、自然言語の依頼からエージェントが対応付けを組み立て、確信度と理由を示し、判断の要る項目を人に戻し、社内ルールを覚え、MCPで社内のエージェントにも開く道具です。実行時にAIを使わない作りや、学習に使わない規約など、確かめられる安心材料もあります。そのうえで、取引先ごとの初回と変更時に業務の持ち主が確定する、AIに判断させない項目を先に書き出す、覚えさせるルールを台帳にする、エージェントには公開の手前までしか許さない、データの流れと匿名の型の提供を確かめる、やめるときの持ち出しを書面に残す。この線を引いてから業務部門に配れば、作る速さを、正しく流れる速さに変えられます。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次