Media > AI活用ユースケース > 営業 > 酒販店の店員が、お客様の「スモーキーで12年くらい、シェリー樽」のような言い方から、産地・熟成年・樽の表記のゆれを吸収してウイスキーの在庫を OpenSearch で引き、候補と違いを並べる

酒販店の店員が、お客様の「スモーキーで12年くらい、シェリー樽」のような言い方から、産地・熟成年・樽の表記のゆれを吸収してウイスキーの在庫を OpenSearch で引き、候補と違いを並べる

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

お客様の「スモーキーで12年くらい、シェリー樽」のような言い方から、在庫のあるウイスキーを探します。産地・熟成年・樽の書き方のゆれをそろえて検索し、候補ごとの違いを表にして、店のテイスティングの記録を根拠にした説明の下書きを添えます。

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
対象部門
営業
対象業務
情報検索/比較検討
主な課題
人手が足りない/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
教育コスト削減/検索時間短縮/機会損失防止
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
60h/月
AI導入後
20h/月
想定削減
67%
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. お客様の言い方を聞き、味・熟成年・樽・予算を聞き直す
  2. 覚えている品を思い浮かべ、棚へ案内する
  3. 覚えていなければ、販売管理の台帳を品名で検索する
  4. 在庫を台帳で確かめる(棚に無ければ倉庫)
  5. 候補を2〜3本並べ、違いを説明する
  6. 答えられないときは、店長か2名を呼ぶ
導入後(After)
  1. 人店員がお客様の言い方を、聞いたままタブレットに打ち込む(通販はメールの文を貼る)
  2. 自動生成AIが、味の言葉・熟成年の言葉・樽の言葉・産地・予算・用途に書かれたまま分ける
  3. 自動Lambda が、店の言葉の表で味の言葉をピートの段階などに置き換え、熟成年の言葉を数と幅にする
  4. 自動OpenSearch で在庫のある品を引き、産地と樽は同義語で、熟成年は近さで、予算は範囲で絞って並べる
  5. 自動熟成年の表示の無い品は別の段に分ける
  6. 自動候補ごとの産地・熟成年・樽・ピート・価格・在庫・棚の場所を表にし、生成AIが店のテイスティングの記録だけを根拠に違いの説明の下書きを作る
  7. 人店員が表と下書きを見て、お客様に候補を案内する
  8. 人会計のときに、店の決まりどおり年齢を確かめる
各工程の詳しい説明を読む
  1. お客様の言い方を聞き、味・熟成年・樽・予算を聞き直す
  2. 覚えている品を思い浮かべ、棚へ案内する
  3. 覚えていなければ、販売管理の台帳を品名で検索する
  4. 在庫を台帳で確かめる(棚に無ければ倉庫)
  5. 候補を2〜3本並べ、違いを説明する
  6. 答えられないときは、店長か2名を呼ぶ

(a)台帳の書き方がばらばら。 「アイラ」で検索しても、「Islay」と英語で入った品が出てきません。樽は品名か備考に書かれ、欄がありません。

(b)熟成年が品名に埋まっている。 「12年」で検索すると、「12YO」の品が出ず、「12」で検索すると、価格の「12,000円」の品まで出てきます。

(c)熟成年の表示が無い品の扱いが人によって違う。 熟成年の表示の無い品を「若い」と説明する店員も、「12年くらいの味」と説明する店員もいます。根拠の無い説明は、お客様の期待とずれます。

(d)限定品の入れ替わりに覚えが追いつかない。 毎月数十品が入れ替わるため、答えられる店員でも、先月入った樽違いの限定品までは覚えきれません。覚えている品だけで案内すると、新しく入った品が売れ残ります。

(e)通販の問い合わせも同じ言い方で来る。 メールの「スモーキーで1万円以内」に返信するにも、同じ探し方をしています。

  1. 【人】 店員がお客様の言い方を、聞いたままタブレットに打ち込む(通販はメールの文を貼る)
  2. 【自動】 生成AIが、味の言葉・熟成年の言葉・樽の言葉・産地・予算・用途に書かれたまま分ける
  3. 【自動】 Lambda が、店の言葉の表で味の言葉をピートの段階などに置き換え、熟成年の言葉を数と幅にする
  4. 【自動】 OpenSearch で在庫のある品を引き、産地と樽は同義語で、熟成年は近さで、予算は範囲で絞って並べる
  5. 【自動】 熟成年の表示の無い品は別の段に分ける
  6. 【自動】 候補ごとの産地・熟成年・樽・ピート・価格・在庫・棚の場所を表にし、生成AIが店のテイスティングの記録だけを根拠に違いの説明の下書きを作る
  7. 【人】 店員が表と下書きを見て、お客様に候補を案内する
  8. 【人】 会計のときに、店の決まりどおり年齢を確かめる

7番目が、この設計の分かれ目です。 画面は候補と違いを示すだけで、どれを勧めるかは店員が会話の中で決めます。 下書きは、店員が自分の言葉で話すための材料です。

8番目は、この構成の外にあります。 酒類を販売する営業者には、二十歳未満の者の飲酒の防止のために年齢の確認その他の措置を講ずることが法律で求められています。検索の仕組みは、この確認の手順に何も手を加えません。

通販の問い合わせでは、7番目が返信の下書きを直す作業になります。 下書きには候補の表と違いの説明が入っていますが、送料・支払い・届く日の案内は、店のいつもの返信の文から店員が足します。 生成AIにそこまで書かせると、店の決まりと違う案内が混ざるからです。

02今回想定するシステム構成

構成図
お客様の言い方(店頭で聞いたまま/通販のメール)
   │
   ▼【トリガー】タブレットからの送信
AWS Lambda ──▶ Claude(Amazon Bedrock)── 項目に分ける(書かれたまま)
   │
   ├── 店の言葉の表:味の言葉 → ピートの段階など
   ▼
Amazon OpenSearch Service
   └── whisky_items:在庫の品(産地・熟成年・樽・ピート・価格・在庫・棚・テイスティングの記録)
   ▼
AWS Lambda ── 熟成年の表示の有無で段を分け、違いの表を作る
   ▼
Claude(Amazon Bedrock)── 店のテイスティングの記録だけを根拠に、違いの説明の下書き
   ▼
店頭のタブレット ──【店員が候補を案内/会計で年齢を確かめる】
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(function_score、synonym_graph、bool、range)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(項目分けの呼び出し、言葉の置き換え、段分け、違いの表)AWS Step Functions
保管Amazon S3(相談・候補・案内した品)社内のファイルサーバー

販売管理の台帳と店のテイスティングの記録は、新しく足すものではありません。 在庫は1時間ごとに、記録は毎晩読み込みます。この構成から台帳には書き込みません。

新しく作るのは、台帳の欄と、店の言葉の表です。 品名に埋まった熟成年・樽を、age_years・casks の欄に分けます。熟成年の表示の無い品は age_years を空のままにします。 店の言葉の表は「スモーキー → ピート2以上」「ピートが強すぎない → ピート1〜2」「甘い → 樽の甘さの記録あり」のような対応で、店長と2名が決めます。

検索の土台は Amazon OpenSearch Service です。 公式のページでは、日本語の解析(kuromoji)と ICU の解析のプラグインが、すべてのドメインに入っているとされています。

03どうやって実装するのか

Step1

処理の起点を決める

店員がタブレットで打ち込みを送ったときに動かします。 お客様と話しながら打つので、打ち込みは聞いたままの一文で構いません。 項目の欄を一つずつ埋める画面にすると、会話が止まります。

通販の問い合わせは、店員がメールの本文をタブレットの画面に貼ったときに動かします。 メールを自動で読み込む形にはしません。問い合わせには、配送や支払いの質問が混ざっていて、相談の文だけを店員が選ぶほうが早いからです。

在庫の索引は1時間ごとに入れ直します。 限定品は1日で売り切れることがあり、売り切れた品を案内すると、お客様をがっかりさせます。

Step2

入力データを集める

データ中身取得元
相談の言い方聞いたままの一文、店頭か通販かタブレット
在庫の品品の番号、品名、蒸溜所、国、産地、熟成年(表示のある品だけ)、樽、度数、容量、価格、在庫、棚の場所販売管理の台帳
テイスティングの記録ピートの段階(0〜3)、樽の印象、香り・味・余韻の短い記録、書いた人、日付店のテイスティングの記録
店の言葉の表味の言葉と、ピートの段階・記録の語の対応店長と2名が作る表

質を決めるのは、ピートの段階です。 「スモーキー」をどの品に当てるかは、店が開けて飲んだ記録でしか決まりません。記録の無い品は、ピートの段階を空にし、味の言葉では絞らずに下の段に並べます。

同じ銘柄でも容量の違う品は、別の品として持ちます。 700ml とミニボトル、贈答の箱付きとそうでない品では、価格も在庫も違います。相談の用途に「贈り物」とあれば、箱付きの品を上に出す重みを Lambda で足します。

Step3

データの取得方法を決める

取るものどこから何に使うか
在庫の品の全行販売管理の台帳(1時間ごと)索引の入れ直し
テイスティングの記録表計算(毎晩)ピートの段階と記録の語を品に足す
店の言葉の対応店の言葉の表味の言葉の置き換え

産地と樽の書き方は、同義語の表でそろえます。 OpenSearch の公式のページでは、synonym_graph は検索のアナライザーにだけ使うとされています。索引には台帳の書き方のまま入れ、検索の側で広げます。

樽の同義語は、片方向で書きます。 synonym の公式のページには laptop => computer のような => の書き方の例があり、expand の説明では「quick, fast」の組が双方向に広がる例が示されています。「シェリー」で引いたらオロロソや PX の樽の品も出したい一方、「PX」で引いたらほかのシェリー樽の品は出したくありません。

アイラ, islay
スペイサイド, speyside
シェリー => シェリー, sherry, オロロソ, oloroso, px, ペドロヒメネス
バーボン樽 => バーボン樽, bourbon, バーボンバレル

1行目と2行目は双方向、3行目と4行目は片方向です。 広い言葉から狭い言葉へだけ広げます。

Step4

AIへ渡す前に整形する

  1. 熟成年の欄の分け方 … 品名の「12年」「12YO」「12 Years Old」から数を取り出して age_years に入れます。数が取れない品は空のままにし、人が見直します
  2. 熟成年の言葉の扱い … 「12年くらい」は中心12・幅±2、「12年以上」は12以上の範囲、「長く熟成」は数にせず扱わない、のように Lambda で決めます
  3. 味の言葉の置き換え … 店の言葉の表で「スモーキー」を peat_level 2以上に置き換えます。表に無い言葉は置き換えず、記録の語の検索にだけ使います
  4. 予算の扱い … 「1万円以内」は価格の上限、「1万円くらい」は前後2割の範囲にします
  5. 在庫の無い品の除き … 在庫0の品は候補から外し、取り寄せのできる品は別の印を付けます
  6. 全角・半角のそろえ … 「PX」「シェリー」も同じ語になるよう、検索のアナライザーに全角・半角のそろえを入れます

2番目の熟成年の言葉は、店で決めた表で数にします。

お客様の言葉数にした条件検索での使い方
12年くらい中心12、幅±2gauss の origin 12・offset 2
12年以上12以上range の gte 12(近さでは並べない)
10年から15年10以上15以下range で絞り、価格の安い順
若めの、軽いもの数にしない熟成年で絞らず、味の言葉だけで引く
長く熟成したもの数にしない熟成年の降順で並べ、店員が幅を決める

4行目と5行目を数にしないのは、言葉の受け取り方がお客様ごとに違うからです。 「長く熟成」が15年のお客様もいれば、25年のお客様もいます。数にしないと決めた言葉は、画面に「熟成年の条件なし」と出し、店員が会話の中で聞きます。

1番目で空になった品を、推し量って埋めないでください。 熟成年の表示が無い品には、表示が無いという意味があります。スコッチの決まりでは、熟成年は年で表し、表示するなら飲み物の中でいちばん若い原酒の年を指すとされています。表示が無い品の熟成年を、味から「12年くらい」と埋めると、決まりの上で意味の違う数になります。

Step5

AIに処理させる

生成AIにさせるのは2つです。相談の言い方を項目に分けることと、候補の違いの説明の下書きを店の記録だけから作ることです。 検索・並べ方・段分けは、OpenSearch と Lambda が行います。

見るものさせることさせないこと
相談の言い方味・熟成年・樽・産地・予算・用途の言葉に分ける銘柄を思い浮かべて挙げる、言葉を数に直す
候補の記録記録に書かれた違いを短い文にする記録に無い香り・味を書く、熟成年を推し量る
お客様のこと何もさせない飲み方・体調への助言、年齢の判断

検索は function_score で組みます。 熟成年の近さは gauss の減衰、在庫と予算は bool の filter で絞ります。OpenSearch の公式のページでは、減衰の関数は欄の無い文書に1の点を返すとされています。熟成年の表示が無い品が、12年ちょうどの品と同じ点で上に来ます。 これを防ぐため、表示のある品と無い品を2回に分けて引きます。

{
  "query": { "function_score": {
    "query": { "bool": {
      "filter": [
        { "range": { "stock": { "gt": 0 } } },
        { "range": { "price": { "lte": 12000 } } },
        { "range": { "peat_level": { "gte": 2 } } },
        { "exists": { "field": "age_years" } }
      ],
      "should": [ { "match": { "casks": "シェリー" } }, { "match": { "region": "アイラ" } } ],
      "minimum_should_match": 1
    } },
    "functions": [
      { "gauss": { "age_years": { "origin": 12, "offset": 2, "scale": 4, "decay": 0.5 } } }
    ],
    "boost_mode": "multiply"
  } },
  "size": 5
}

2回目は、exists を must_not に替えて、熟成年の表示が無い品だけを引きます。 画面では「熟成年の表示なし」の段として下に出します。

minimum_should_match を1にしているのは、樽か産地のどちらかは合ってほしいからです。 bool の公式のページでは、filter があると should の既定の最小数は0になり、どれにも合わない文書も返るとされています。

Step6

指示内容を固定する

あなたは酒販店の店員を手伝う立場です。
二つの仕事のうち、指定されたほうだけをしてください。

【仕事1:相談の言い方を分ける】
次の項目に分けてください。すべて書かれた言葉のまま写してください。
1. 味の言葉(スモーキー、甘い、軽い など)
2. 熟成年の言葉(「12年くらい」「長いもの」など)
3. 樽の言葉(シェリー樽、バーボン樽 など)
4. 産地・国の言葉(アイラ、スペイサイド、日本 など)
5. 予算の言葉(「1万円以内」など)
6. 用途の言葉(贈り物、自分用 など)
- 銘柄や蒸溜所の名前を、あなたの知識から挙げないでください。
- 言葉を数に直さないでください(「くらい」の幅は店の決まりで決めます)。
- 書かれていない項目は空にしてください。

【仕事2:違いの説明の下書き】
渡す候補の「台帳の欄」と「店のテイスティングの記録」だけを読み、
候補どうしの違いを、1品につき2文までで書いてください。
- 記録に書かれていない香り・味・余韻を書かないでください。
  一般に知られている銘柄の特徴も書かないでください。
- 熟成年の欄が空の品について、熟成年を推し量らないでください。
  「熟成年の表示はありません」とだけ書いてください。
- テイスティングの記録が無い品は、台帳の欄(産地・樽・度数)だけを書き、
  「店の記録はまだありません」と添えてください。
- 健康や飲み方についての助言、飲酒を勧める表現を書かないでください。

【相談の言い方】{request_text}
【候補の台帳の欄と記録】{candidates}

「一般に知られている銘柄の特徴も書かない」が、この指示の要です。 生成AIは有名な銘柄の味を知っているかのように書きますが、店の棚の品は限定のボトルや樽違いのことが多く、一般の説明と味が違います。 根拠は店で開けて飲んだ記録だけにします。

Step7

出力形式を固定する

相談の分け方は、次の形の JSON で受け取ります。 Amazon Bedrock の公式のページでは、Converse API の outputConfig.textFormat に JSON Schema を渡すと、応答がそのスキーマに沿うとされています。

{
  "flavor_words": [""],
  "age_words": "",
  "cask_words": [""],
  "region_words": [""],
  "budget_words": "",
  "purpose_words": ""
}

公式のページでは、すべての object に additionalProperties: false が要り、数の minimum/maximum は対応しません。 予算や熟成年の数は、Lambda が言葉から決めます。

店員の画面に渡す結果は、Lambda が次の形にまとめます。

{
  "query_id": "",
  "conditions": { "age_center": 12, "age_range": 2, "peat_min": 2,
    "casks": ["シェリー"], "price_max": 12000 },
  "with_age": [
    { "sku": "W-0311", "name": "", "region": "", "age_years": 12,
      "casks": ["オロロソ"], "peat_level": 2, "price": 9800,
      "stock": 3, "shelf": "スコッチ棚-4段", "has_tasting_note": true }
  ],
  "no_age_statement": [
    { "sku": "W-0518", "name": "", "age_years": null, "peat_level": 3 }
  ],
  "draft": ""
}

1つ目の理由は、with_age と no_age_statement を分けて出せることです。 店員は「12年くらいならこの3本、熟成年の表示は無いが味の近い品ならこの2本」と分けて話せます。

2つ目は、conditions で、言葉をどう数にしたかが見えることです。 「くらい」を±2年にしたこと、「スモーキー」をピート2以上にしたことが画面に出るので、お客様の言い方と合わなければ、店員がその場で条件を直して引き直せます。

3つ目は、has_tasting_note で記録の有無が分かることです。 記録の無い品は、説明が台帳の欄だけになります。

Step8

システムへ連携する

つなぎ先方式内容
店頭のタブレット店内の Web の画面打ち込みの送信、候補と違いの表示、条件の直し
Claude(Amazon Bedrock)Converse API相談の分け方と違いの説明の下書き
Amazon OpenSearch Service検索の API在庫の品の検索、1時間ごとの入れ直し
販売管理の台帳読み取り(1時間ごと)在庫・価格・品の欄
テイスティングの記録読み取り(毎晩)ピートの段階と記録

画面の上には、conditions を直せる欄を置きます。 熟成年の中心と幅、ピートの段階の下限、樽、予算の上限を、店員が指で変えて引き直せる形です。直した条件で引き直しても、生成AIは呼び直しません。 説明の下書きだけを、新しい候補で作り直します。

販売管理の台帳にもテイスティングの記録にも書き込みません。 案内した品と、お客様が選んだかどうかは、この構成の保管の場所にだけ残します。通販の返信は、店員が下書きを直してメールで送ります。

Step9

人が確認する

  1. conditions を見る … 言葉の置き換えがお客様の言い方と合っているかを確かめます。合わなければ条件を直して引き直します
  2. 候補を棚で確かめる … 在庫は1時間ごとの値なので、棚の場所で実物を見ます
  3. 下書きを自分の言葉で話す … 記録の無い品の説明は、台帳の欄だけにとどめます
  4. 熟成年の表示の無い品を、表示が無いとして説明する
  5. 会計で年齢を確かめる … 店の決まりどおりに行います

1番目が、この構成でいちばん大事な確認です。 「スモーキー」を嫌う意味で言うお客様もいます(「スモーキーすぎないもの」)。生成AIは「スモーキー」の言葉を写すだけなので、否定の言い方は店員が条件で直します。

Step10

例外に対処する

起きること対応
熟成年の表示がある品が1本も合わない幅を±4年に広げて引き直し、「幅を広げた」の印を付ける
味の言葉が店の言葉の表に無い置き換えず、テイスティングの記録の語で検索する
樽の言葉が同義語の表に無い台帳の樽の欄をそのまま検索し、表に足す候補として記録する
在庫の無い品しか合わない取り寄せのできる品として別の段に出す
否定の言い方(「〜すぎない」)生成AIは言葉を写すだけ。店員が条件を直す
テイスティングの記録の無い品が上位に来る説明は台帳の欄だけにし、記録が無いことを画面に出す
生成AIが応答しない店員が条件の欄を選んで引く画面に切り替える
相談にお客様の体調や飲み方の質問が混ざる下書きでは触れず、店員が対応する
銘柄を名指しした相談(「○○の12年に似たもの」)名指しの品が在庫にあれば、その品の欄を条件の初期値にして引く。無ければ店員が条件を聞く
予算の言葉が無い予算で絞らず、価格を表の列に出して店員が聞く

2行目と3行目で足す候補は、月に1回の見直しの材料にします。

1行目の「幅を広げる」は、黙って行いません。 12年を頼まれて18年の品を黙って並べると、価格の違いで、お客様の期待とずれます。

Step11

記録を残す

  • 相談の言い方と、分けた項目、置き換えた条件
  • 返った候補(熟成年のある段・無い段)と点
  • 店員が条件を直した記録
  • 案内した品と、お客様が選んだかどうか
  • 店の言葉の表と同義語の表に無かった言葉

最後の行は、月に1回、店長と2名で見直します。 よく出る言葉を表に足すと、置き換えの効く相談が増えます。

3行目の「条件を直した記録」は、言葉の表の誤りを見つける材料です。 同じ言葉で同じ直し方が続くなら、表のほうを直します。お客様の名前や連絡先は残しません。

04実装レベルの3段階

最小構成:台帳に熟成年・樽・ピートの列を足し、表計算で絞る / 条件での絞り込み
半自動化:上記+OpenSearch に在庫を入れ、店員が条件を選んで引く画面を作る(同義語・熟成年の近さ) / 検索と並べ方、段分け
本格構成:上記+生成AIでの相談の分け方、店の言葉の表での置き換え、違いの説明の下書き / 相談から候補と説明までの全体

半自動化で、①の探す時間がほとんど無くなります。 ただし、店員がお客様の言い方を条件の欄に直す手間が残ります。本格構成で聞いたままの一文から引けるようになり、ウイスキーに詳しくない店員でも使えます。 段階を飛ばさないでください。 半自動化の間に、テイスティングの記録の無い品と、店の言葉の表に足りない言葉が分かります。記録が育ってから生成AIの下書きを足すほうが、「記録はまだありません」の説明が減ります。

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
8 名
月間件数
400 件
1件あたり現在時間
9 分
1件あたり導入後時間
3 分
現在  400件 × 9分 ÷ 60 = 60 時間/月
導入後 400件 × 3分 ÷ 60 = 20 時間/月
月間削減時間
40h
削減率
67%
年間削減時間
480h
年間金額換算(時間単価1,500円)
72万円
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. ウイスキーを数百本規模で扱い、スコッチ・アイリッシュ・日本・アメリカの銘柄が棚に並ぶ酒販店。お客様の相談が味や樽の言葉で来ることが多く、答えられる店員が限られている場合。品ごとに産地・熟成年・樽・価格・在庫を持つ台帳があり、店のテイスティングの記録を書く習慣がある場合。通販の問い合わせにも同じ言い方の相談が来る場合。
向いていない
  1. ウイスキーが数十本で、店主がすべての品を覚えている場合。相談のほとんどが銘柄の名指しで、在庫の有無だけを答えればよい場合。品ごとの台帳が無く、樽や熟成年が品名の中にしか書かれていない場合(台帳を整える段階です)。なお、二十歳未満の方への販売を防ぐ年齢の確認、お客様の体調や飲み方についての助言は、この構成では代替できません。

07最小構成で試す方法

  1. 販売管理の台帳の写しに、熟成年・樽・ピートの段階の列を足す(記録のある品から)
  2. 先月の相談で覚えているもの、通販のメールから20件を選ぶ
  3. 20件の言い方を、列の条件(産地・熟成年の幅・樽・ピート・予算)に直して表計算で絞る
  4. 店長に、その20件なら何を案内するかを聞いて見比べる
  5. 熟成年の表示の無い品をどう扱ったかを、店長の答えと比べる

ここまでは、生成AIも OpenSearch も使いません。 確かめたいのは、台帳の欄を分ければ、店長が案内する品が候補に入るのかです。

出てきた内容判断
20件の大半で、店長の案内する品が候補に入った索引と画面に進む
味の言葉で絞れない店の言葉の表とテイスティングの記録が先。 構成は有効
熟成年・樽が台帳から取り出せない台帳の整備が先。AIの問題ではない

08実装時につまずきやすいポイント

問題対策
熟成年の表示の無い品が上位に来る減衰の関数は欄の無い文書に1を返す。表示のある品と無い品を2回に分けて引く
樽も産地も合わない品が返るfilter があると should の既定の最小数は0。minimum_should_match を1にする
「PX」でほかのシェリー樽の品まで出る樽の同義語は広い言葉から狭い言葉へ片方向に書く
品名の「12」で価格の品が当たる熟成年は数の欄に分け、品名では探さない
熟成年の無い品を埋めてしまう空のままにする。表示が無いことに意味がある
生成AIが一般の銘柄の説明を書く店の記録だけを根拠にさせる
「スモーキーすぎない」で強い品が出る否定は店員が条件で直す。conditions を画面に出す
売り切れの品を案内する在庫の索引を1時間ごとに入れ直し、棚で確かめる
同義語の表を直しても効かない検索用のアナライザーに updateable: true を付けて入れ、反映を確かめる
「くらい」の幅が店員ごとに違う熟成年の言葉の表を店で1つに決め、画面に条件を出す
贈答の箱付きの品が埋もれる容量・箱の違いを別の品として持ち、用途で重みを足す

上の3行は、索引を作った日に必ず試してください。 熟成年の表示の無い品、樽の合わない品、PX の品を、わざと引いて確かめます。

同義語の表は検索の側に置きます。 AWS の公式のページでは、updateable: true を付けた検索用のアナライザーだけを使っていれば、辞書を更新したときに索引へ自動で反映されるとされています。新しい樽の言葉は限定品のたびに増えるので、索引を作り直さずに足せる形にします。

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: 相談の言い方、在庫の品の情報、店のテイスティングの記録です。お客様の名前・連絡先は扱いません。

  1. 年齢の確認は、この構成の外で必ず行う … 二十歳未満の者の飲酒の禁止に関する法律は、酒類を販売する営業者に、年齢の確認その他の必要な措置を講ずることを求めています。検索の画面に年齢の欄は作らず、会計の手順で確かめます
  2. 飲酒を勧める表現を下書きに入れない … 下書きは品の違いの説明に限ります。健康や飲み方の助言も書かせません
  3. 店の記録に無い味を書かせない … 限定のボトルや樽違いは、一般の説明と味が違います。根拠の無い説明は、お客様の期待とずれます
  4. 通販の問い合わせのメールからは、相談の文だけを渡す … 名前・住所・電話番号は貼り付けません
  5. 熟成年の表示の扱いを店で統一する … 表示の無い品を「若い」とも「12年くらい」とも言わない決まりにします
  6. テイスティングの記録を店の資産として扱う … 記録は店長と2名が何年もかけて書いたものです。索引と画面には店内からしか届かない設定にし、記録をそのまま通販の商品ページに写す場合は、店で書き方を見直してからにします

誤りが起きた場合のリスクは、熟成年の表示の無い品や、樽の違う品を、頼まれた条件に合う品として案内することです。前者は減衰の関数の既定の動きで起き、後者は同義語を双方向に書くと起きます。どちらも検索の設計で止められるので、そこは仕組みの側で守ります。

10まず何から始めるか

1週目:台帳の欄を分ける

品名に埋まった熟成年と樽を、欄に分けます。熟成年の表示の無い品は空のままにします。 取り出せなかった品は、店長が見直します。

2週目:20件で試す

先月の相談と通販のメールから20件を選び、表計算の条件で絞って、店長の案内と見比べます。

3週目:店の言葉の表と同義語の表を作る

店長と2名で、味の言葉とピートの段階の対応、産地と樽の同義語を決めます。樽は広い言葉から狭い言葉への片方向で書きます。

4週目:索引と条件で引く画面を作る

OpenSearch に在庫を入れ、熟成年の近さと表示の無い品の段分けで並べる画面を作ります。この時点では生成AIを入れません。

2か月目: 生成AIでの相談の分け方と違いの説明の下書きを足し、店員が条件を直した件数を毎週数えます。3か月目以降: テイスティングの記録を売れ筋から増やし、1件9分が何分になったかを実測します。ウイスキーに詳しくない店員が、3名を呼ばずに候補を案内できるようになった時点で、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:2026-11-18/最終更新:2026-11-18
確認した内容情報源確認日
スコッチ・ウイスキーの熟成期間・年数の表示は年で表すこと。表示する場合は飲み物の中でいちばん若い原酒を指すこと(EU 規則の要件として引用)The Scotch Whisky Regulations 2009, Regulation 122026-11-18
酒類を販売・供与する営業者は、二十歳未満の者の飲酒の防止に資するため、年齢の確認その他の必要な措置を講ずるものとされること(第1条第4項)e-Gov 法令API: 二十歳未満ノ者ノ飲酒ノ禁止ニ関スル法律2026-11-18
減衰の関数(gauss など)の origin・offset・scale・decay の意味と、欄の無い文書に1を返すこと。boost_mode の既定が multiply であることOpenSearch: Function score2026-11-18
同義語の規則に laptop => computer のような => の書き方があること。expand が既定で true で、「quick, fast」が双方向に広がることOpenSearch: Synonym token filter2026-11-18
synonym_graph を検索のアナライザーにだけ使うことOpenSearch: Synonym graph2026-11-18
bool の filter が点に加わらないこと。filter か must があると should の minimum_should_match の既定が0になることOpenSearch: Boolean query2026-11-18
updateable: true の検索用アナライザーだけなら辞書の更新が自動で反映され、updateable が検索用アナライザーにだけ効くことAWS: Importing and managing packages2026-11-18
kuromoji と ICU の解析のプラグインがすべてのドメインに入っていることAWS: Plugins by engine version2026-11-18
Converse API の outputConfig.textFormat で構造化出力を使えること。すべての object に additionalProperties: false が要り、数の minimum/maximum が非対応であることAWS: Bedrock structured outputs2026-11-18

年齢の確認とお客様への助言は、店の決まりと法令に沿って店員が行ってください。 本記事は公式の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-3866)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