Media > AI活用ユースケース > 経営企画 > 商社のカーボンクレジットの担当が、購入を検討するプロジェクトの英文の設計書・検証報告を Azure OpenAI で日本語に要約し、追加性・永続性・二重計上の記述の有無を一覧にする

商社のカーボンクレジットの担当が、購入を検討するプロジェクトの英文の設計書・検証報告を Azure OpenAI で日本語に要約し、追加性・永続性・二重計上の記述の有無を一覧にする

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

購入を検討するプロジェクトの英文の設計書・検証報告を読み、日本語の要約と、追加性・永続性・二重計上などの観点ごとに「原文のどのページに何が書かれているか」の一覧を作ります。評価そのものは担当者が行います。

サマリー
生成AI
Azure OpenAI Service/Claude/Gemini
対象業界
その他/商社/製造/金融
対象部門
経営企画/購買
対象業務
内容確認・チェック/要約
主な課題
データ分析に時間がかかる/判断に時間がかかる/属人化している
AIで行う処理
要約
主な効果
判断支援/品質標準化/工数削減
導入難易度
★★★★☆
実装レベル
本格構成
費用感
API連携(中)
人間の確認
必須
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. 売り手やブローカーから検討の依頼を受け、プロジェクトの ID を受け取る
  2. 登録簿のプロジェクトのページから、設計書・妥当性確認報告・モニタリング報告・検証報告の PDF を落とし、案件フォルダに置く
  3. 設計書の概要と目次を読み、プロジェクトの種類・方法論・期間・所在国を評価表に書く
  4. 追加性・ベースライン・リーケージ・永続性・二重計上・セーフガードの記述を、文書の中から探して読む
  5. 評価表の観点ごとに、読んだ内容を日本語でまとめ、気になる点を書く
  6. 検証報告の所見(是正の要求や明確化の要求)と、その結論を読む
  7. 評価表を上長に回し、購入を検討する会議の資料にする
導入後(After)
  1. 人担当者が登録簿から文書の PDF を落とし、検討用の保管場所の案件フォルダに置く
  2. 自動フォルダに置かれたことをきっかけに Azure Functions が動き、Azure AI Document Intelligence で文字にする(Markdown で、ページ番号付き)
  3. 自動見出しで節に分け、節ごとに Azure OpenAI に渡して、観点ごとの記述を引用とページで抜き出す
  4. 自動引用が文字にした文書に一字一句あるかを照らす
  5. 自動観点ごとの抜き出しをまとめ、日本語の要約と、観点ごとの「記述あり/記述なし/記述が曖昧」の一覧を作る
  6. 人担当者が一覧を読み、引用の原文を確かめ、評価表に自分の判断を書く
  7. 人「記述なし」とされた観点は、原文を担当者が自分で探して確かめる
各工程の詳しい説明を読む
  1. 売り手やブローカーから検討の依頼を受け、プロジェクトの ID を受け取る
  2. 登録簿のプロジェクトのページから、設計書・妥当性確認報告・モニタリング報告・検証報告の PDF を落とし、案件フォルダに置く
  3. 設計書の概要と目次を読み、プロジェクトの種類・方法論・期間・所在国を評価表に書く
  4. 追加性・ベースライン・リーケージ・永続性・二重計上・セーフガードの記述を、文書の中から探して読む
  5. 評価表の観点ごとに、読んだ内容を日本語でまとめ、気になる点を書く
  6. 検証報告の所見(是正の要求や明確化の要求)と、その結論を読む
  7. 評価表を上長に回し、購入を検討する会議の資料にする

(a)読み切れない。 4番目の「探して読む」が重く、1件で半日かかることもあります。月20件を4名で回すには、どこかを読み飛ばすしかありません。

(b)観点が人によって違う。 経験の長い担当者は永続性のリスクの評価や緩衝の拠出の割合まで見ますが、若手は追加性と方法論だけを見て終わることがあります。 評価表の欄は同じでも、埋まり方が違います。

(c)根拠のページが残らない。 評価表には「追加性の説明は投資分析による」と書かれていても、設計書の何ページのどの記述を読んだのかが残りません。 半年後に同じプロジェクトの追加の発行を検討するとき、もう一度最初から探します。

(d)版による章の違い。 版の違う設計書では、同じ観点の記述が別の章にあります。前のプロジェクトと同じ章を見て「記述が無い」と判断してしまうことがあります。

  1. 【人】 担当者が登録簿から文書の PDF を落とし、検討用の保管場所の案件フォルダに置く
  2. 【自動】 フォルダに置かれたことをきっかけに Azure Functions が動き、Azure AI Document Intelligence で文字にする(Markdown で、ページ番号付き)
  3. 【自動】 見出しで節に分け、節ごとに Azure OpenAI に渡して、観点ごとの記述を引用とページで抜き出す
  4. 【自動】 引用が文字にした文書に一字一句あるかを照らす
  5. 【自動】 観点ごとの抜き出しをまとめ、日本語の要約と、観点ごとの「記述あり/記述なし/記述が曖昧」の一覧を作る
  6. 【人】 担当者が一覧を読み、引用の原文を確かめ、評価表に自分の判断を書く
  7. 【人】 「記述なし」とされた観点は、原文を担当者が自分で探して確かめる

人が行うのは6番目と7番目、つまり判断のすべてです。 AI は原文を探して並べるまでで、評価表の判断の欄には何も書きません。 一覧を評価表にそのまま写すと、AI の要約が会社の評価になってしまいます。

7番目を省かないでください。 「記述なし」は、AI が見つけられなかったという意味でしかありません。見落としなのか本当に書かれていないのかを確かめるまで、評価の材料にしません。

02今回想定するシステム構成

構成図
登録簿から落とした PDF(設計書・妥当性確認報告・モニタリング報告・検証報告)
   ▼【トリガー】案件フォルダへの保存
Azure Functions
   ▼
Azure AI Document Intelligence(layout、Markdown 出力)
   │   ページ番号・見出し・表を保ったまま文字にする
   ▼
Azure Functions ── 見出しで節に分ける
   ▼
Azure OpenAI(Microsoft Foundry、Responses API)
   │   節ごとに観点の記述を抜き出す(英語の引用+ページ+日本語の言い換え)
   ▼
Azure Functions ── 引用の照合、観点ごとのまとめ
   ▼
Azure OpenAI ── 照合を通った抜き出しだけから、日本語の要約と観点の一覧
   ▼
【担当者が引用を読み、評価表に判断を書く】
役割想定する製品代替候補
生成AIAzure OpenAI(Microsoft Foundry、Responses API の構造化出力)Claude API、Gemini API
連携Azure Functions(文字にする処理の呼び出し、節の分割、引用の照合、一覧の作成)Azure Logic Apps
文書の読み取りAzure AI Document Intelligence(layout、Markdown 出力)PDF の文字を書き出すライブラリ
保管Azure Blob Storage(PDF、文字にした文書、抜き出し、一覧)SharePoint のドキュメントライブラリ

新しく足すのは、Functions の処理と Document Intelligence、Azure OpenAI の配置です。 評価表と会議の資料は今のものを使います。登録簿からの文書の入手は、担当者が手で行います。 登録簿の自動の取得の可否と方法は登録簿ごとに確かめる必要があり、この構成には含めません。

文字にするのは、Document Intelligence の layout モデルです。 公式のページでは、layout は outputContentFormat=markdown で文字を Markdown で返し、節と小節の構造を出力に保つとされています。v4.0(2024-11-30)では表が HTML の表で返るので、ベースラインの排出量の表なども行と列を保ったまま渡せます。PDF は最大2,000ページ、ファイルの大きさは有料(S0)の段階で500MBまでで、パスワードのかかった PDF は先に解除する必要があります。

AI は Azure OpenAI の Responses API で呼びます。 Responses API は PDF の直接の入力にも対応していますが、公式のページでは1回の要求のファイルの合計が50MBまでとされています。数百ページの設計書を丸ごと渡すより、文字にして節に分けて渡すほうが、ページ番号を保ったまま引用を照らせます。 そのため、この構成では文字にしてから渡します。

評価の観点は、ICVCM の Core Carbon Principles に合わせます。 ICVCM のページでは10の原則が、ガバナンス(効果的なガバナンス・追跡・透明性・第三者の妥当性確認と検証)、排出への効果(追加性・永続性・定量化の頑健さ・二重計上の無いこと)、持続可能性への効果(セーフガード・ネットゼロへの移行への寄与)に分けて示されています。この構成では、プロジェクトの文書に書かれる「排出への効果」の4つとセーフガードを観点にします。 ガバナンスの原則はプログラムの側の話なので、文書からは洗いません。

03どうやって実装するのか

Step1

処理の起点を決める

担当者が案件フォルダに文書を置いたときに動きます。 フォルダはプロジェクトの ID ごとに作り、文書の種類はファイル名の先頭で分けます。

  • PD_ … プロジェクト設計書(Project Description)
  • VAL_ … 妥当性確認報告
  • MR_ … モニタリング報告(期間ごとに複数ありうる)
  • VER_ … 検証報告(期間ごとに複数ありうる)
  • RISK_ … 非永続性のリスクの報告(森林などのプロジェクト)

全部の文書がそろってから動かします。 フォルダに READY という空のファイルを置いたら処理が始まる形にします。1つずつ置くたびに動かすと、設計書だけで観点の一覧ができ、検証報告の所見が抜けた一覧が先に出回ります。

追加の発行で文書が増えたときも、同じフォルダに新しい MR_ と VER_ を置き、READY を置き直します。 前回の一覧は残し、新しい一覧と並べて見られるようにします。

Step2

入力データを集める

データ中身取得元
設計書プロジェクトの概要、方法論、ベースライン、追加性、リーケージ、モニタリング計画、セーフガード登録簿のプロジェクトのページ
妥当性確認報告VVB の確認の範囲、所見、結論同上
モニタリング報告期間ごとの削減・除去の量、モニタリングの結果同上
検証報告VVB の検証の所見(是正・明確化の要求)、結論同上
非永続性のリスクの報告リスクの評価、緩衝(バッファ)の拠出同上(森林などのプロジェクト)
観点の定義表観点ごとに探す内容と、手掛かりになる英語の語担当者が作る一覧

質を決めるのは、観点の定義表です。 「追加性」とだけ書いて AI に探させると、設計書の追加性の節だけを見て終わります。定義表に「投資分析」「障壁分析」「一般的な慣行」「規制による義務を超えるか」の手掛かりの語を書いておくと、付属書や別の節の記述も拾います。

観点探す内容手掛かりの語の例
additionality追加性の証明の方法、規制による義務との関係、収益が無い場合の想定additionality, investment analysis, barrier analysis, common practice, regulatory surplus
permanence逆戻りのリスク、リスクの評価、緩衝の拠出、モニタリングの期間permanence, reversal, non-permanence risk, buffer, crediting period
quantificationベースライン、リーケージ、保守的な前提、不確実性baseline, leakage, conservative, uncertainty, emission factor
double_counting他の制度での登録、ホスト国の承認、二重の主張の防止double counting, double issuance, other GHG programs, host country, authorization
safeguards地域社会・環境への配慮、利害関係者との協議、苦情の受付safeguards, stakeholder consultation, grievance, free prior and informed consent

観点は5つで固定し、勝手に増やさせません。 AI が観点を足すと、毎回の一覧の形が変わり、プロジェクト同士を並べて比べられなくなります。

Step3

データの取得方法を決める

文字にするのは、Document Intelligence の layout を Functions から呼ぶだけです。 Markdown で受け取り、ページの区切りとページ番号を保ちます。

取るものどこから何に使うか
文書の文字(Markdown)layout の contentAI に渡す本文
ページ番号layout の pages の pageNumber引用にページを付ける
見出しの役割layout の paragraphs の role(sectionHeading など)節の分割
表layout の表(HTML の表)ベースラインの量・緩衝の拠出などの表を渡す

ページ番号は、節に分けた後も各段落に付けて持ちます。 Markdown の文字だけを渡すとページが分からなくなるので、段落の先頭に [p.37] のような印を差し込んでから渡します。 AI には、この印を見て引用のページを書かせます。

登録簿の文書は、PDF の文字が埋め込まれたものが多いですが、署名のページや付属書がスキャンの画像のことがあります。 layout はどちらも読みますが、画像のページの文字は読み違いがありうるので、引用の照合で不一致が出やすくなります。 不一致が出たページは一覧で印を付けます。

Step4

AIへ渡す前に整形する

  1. パスワードの確認 … パスワードのかかった PDF は文字にできないので、担当者に戻します
  2. 文書の種類の確認 … ファイル名の先頭で種類を決め、決まらないものは処理しません
  3. ページ番号の印の差し込み … 段落ごとに [p.N] を付けます
  4. 節の分割 … 見出しで分け、1つの節が長すぎるとき(例:2万字超)は段落の切れ目でさらに分けます
  5. 目次・ページの頭と足の除去 … 目次の行や、ページの上下にくり返し出る文書名・版を外します
  6. 版の読み取り … 設計書の表紙や冒頭から、使ったひな形の版と方法論の名前と版を拾い、一覧の先頭に出します

5番目の目次の除去は、引用の照合のために行います。 目次には「Additionality ..... 37」のような行があり、AI がこれを追加性の記述として引用することがあります。目次の行は記述ではないので、渡す前に外します。

6番目の版は、担当者が読み方を変えるために出します。 VCS の公式ページには第5版と第4.7版の規則と、版ごとの設計書のひな形が並んでいます。どの版のひな形で書かれた設計書かが分かれば、担当者はどの章を見るべきかの見当が付きます。 版の判断そのものは AI にさせず、表紙の文字をそのまま写させます。

Step5

AIに処理させる

2段に分けます。 1段目は節ごとの抜き出し、2段目は照合を通った抜き出しだけからの要約と一覧です。

段させることさせないこと
1段目(節ごと)観点に当たる記述を探し、英語の原文をそのまま引用し、ページと日本語の言い換えを付ける観点が十分かの評価
2段目(まとめ)照合を通った抜き出しから、観点ごとの「記述あり/記述なし/記述が曖昧」と、日本語の要約を作る抜き出しに無い内容の追加

1段目で引用を英語のまま写させるのが要です。 引用を日本語に訳させると、照合ができなくなります。照合は英語の原文で行い、日本語の言い換えは別の欄に書かせます。

2段目には、原文を渡しません。 照合を通った抜き出しだけを渡します。要約の材料を照合済みのものに限ることで、要約に原文に無い内容が混ざる経路を断ちます。

させないこと理由
追加性・永続性が十分かの評価担当者と社内の基準で判断すること
購入の可否の判断・推奨投資と調達の判断
数値の計算(削減量の合計、緩衝の割合の計算)数値は表から写す。計算の誤りは評価の誤りになる
文書に無い外部の情報での補足プロジェクトの評判や報道は担当者が別に調べる
検証の所見の重さの格付け是正の要求が解決済みかは原文で担当者が確かめる

「記述が曖昧」の付け方も決めておきます。 観点の語は出てくるが、方法や数値が書かれていない(「追加性は確認された」とだけある)ものを vague にします。vague は「記述あり」と分けて扱うことで、担当者が原文を読むべき観点がはっきりします。

Step6

指示内容を固定する

1段目(節ごとの抜き出し)

あなたは、カーボンクレジットのプロジェクトの文書を読み、
評価の担当者のために、観点ごとの記述を原文から抜き出す係です。

【文書】{doc_type}({project_id})
【観点の定義表】{criteria_table}

【やること】
- 下の【節】から、観点の定義表の5つの観点に当たる記述を探してください。
- 見つけた記述は quote に英語の原文をそのまま写してください。
  1つの quote は1〜3文にし、言い換え・要約・訳を quote に入れないでください。
- 段落の先頭の [p.N] を見て、page にページ番号を書いてください。
- paraphrase_ja に、その引用が何を述べているかを日本語で1〜2文で書いてください。
- 観点の語が出てくるだけで方法や数値が書かれていない記述は、
  specificity を vague にしてください。方法や数値があれば specific にしてください。

【してはいけないこと】
- 記述が十分か、信頼できるかを書かないでください。
- 購入してよいかを書かないでください。
- 数値の計算をしないでください。数値は原文のまま quote に入れてください。
- 目次の行や見出しだけの行を引用しないでください。
- 【節】に無いことを、あなたの知識で補わないでください。
- この節に当たる記述が無い観点は、何も出力しないでください。

【節】
{section_text}

2段目(まとめ)

下の【抜き出し】は、プロジェクトの文書から観点ごとに抜き出し、
原文にあることを確かめた引用だけです。これだけを材料にしてください。

【やること】
- 5つの観点ごとに、status を present / vague / not_found から選んでください。
  抜き出しが1件も無い観点は not_found です。
- 観点ごとに、何が書かれているかを日本語で3〜5文にまとめ、
  根拠にした抜き出しの id を並べてください。
- プロジェクト全体の概要を日本語で8文以内にまとめてください。
  種類、所在国、方法論、期間、検証の所見の有無に触れてください。

【してはいけないこと】
- 評価、推奨、購入の可否を書かないでください。
- 抜き出しに無い内容を書かないでください。
- not_found の観点について、「おそらく」「一般的には」で補わないでください。

【抜き出し】{verified_extracts}

1段目の「当たる記述が無い観点は何も出力しない」が要です。 何も言わないと、記述の無い観点について「この節には追加性の記述はない」という文を quote に入れ、照合で不一致になります。出さないことを明記すると、抜き出しの数がそのまま記述の量になります。

Step7

出力形式を固定する

1段目は、次の形の JSON を節ごとに受け取ります。

{
  "doc_type": "PD | VAL | MR | VER | RISK",
  "section_heading": "",
  "extracts": [
    { "criterion": "additionality | permanence | quantification | double_counting | safeguards",
      "page": 0, "quote": "", "paraphrase_ja": "", "specificity": "specific | vague" }
  ]
}

2段目は、次の形で受け取ります。

{
  "project_id": "",
  "template_and_methodology": "",
  "overview_ja": "",
  "criteria": [
    { "criterion": "additionality", "status": "present | vague | not_found",
      "summary_ja": "", "extract_ids": [""] }
  ],
  "verification_findings_mentioned": "yes | no"
}

criterion と status は enum で縛ります。 公式のページでは、Responses API では text.format にスキーマを書き、すべての項目を required にし、additionalProperties: false を付けます。minItems や maxLength は非対応なので、「quote は3文まで」「criteria は5件」は受け取った後に Functions で確かめます。

受け取った後の確かめ外れたとき
quote が、その節の文字に一字一句ない抜き出しを捨て、照合の不一致として記録
page が、その節に含まれるページの範囲の外同上
quote が目次の行に当たる捨てる
2段目の criteria が5件でない・観点が重複2段目をやり直す
2段目の extract_ids に照合を通っていない idその観点の要約を空にして「要確認」とする

照合は、空白と改行をそろえたうえでの文字の一致にします。 英語の文書は PDF の行の折り返しで単語の途中にハイフンが入ることがあるので、行末のハイフンでつながった語をつなぎ直してから照らします。

JSON で受ける理由は、プロジェクト同士を並べられることです。 観点ごとの status を表にすれば、永続性の記述が vague のものがどれかが一目で分かります。

Step8

システムへ連携する

つなぎ先方式内容
案件フォルダ(Blob Storage)Functions の Blob トリガー(READY の保存)処理の開始
Document Intelligencelayout の呼び出し(Markdown 出力)文字・ページ・見出し・表
Azure OpenAIResponses API(構造化出力)1段目の抜き出し、2段目のまとめ
一覧の出力Functions で作る HTML と CSV担当者が読む一覧と、プロジェクトの比較表
担当者への通知Teams のチャネルへの投稿一覧ができたこと

一覧の HTML では、引用ごとに原文の PDF のそのページへの案内を付けます。 担当者は引用を読み、気になればすぐ原文の前後を読めます。評価表には一覧を貼らず、担当者が自分の言葉で書き、根拠として引用の id とページを書き添えます。

評価表と会議の資料には書き込みません。 この構成の出力は、評価の手前の索引です。

Step9

人が確認する

全件、担当者が一覧と原文を読んで評価します。 確認は次の順に行います。

  1. not_found の観点を原文で探す … 目次と、観点の語での PDF の検索で、本当に書かれていないかを確かめます
  2. vague の観点の原文を読む … 前後の段落を読み、方法や数値が別の場所に書かれていないかを見ます
  3. present の観点の引用を読む … 引用が観点に合っているか、評価に足る内容かを判断します
  4. 検証報告の所見を原文で読む … 是正の要求が解決されたかは、AI の要約でなく原文で確かめます
  5. 評価表に判断を書く … 根拠として引用の id とページを書き添えます

評価表は、これまでどおり上長の確認を経て会議の資料になります。 AI の一覧は会議の資料に入れません。

Step10

例外に対処する

起きること対応
パスワードのかかった PDF文字にできない。担当者に戻し、解除したものを置き直してもらう
READY が置かれない処理しない。フォルダの文書の数を毎朝一覧にし、置き忘れを知らせる
ファイル名の先頭で種類が決まらない処理しない。担当者に名前の付け直しを頼む
スキャンの画像のページ文字にはするが、照合の不一致が多いページに印を付ける
照合の不一致が多い(例:節の抜き出しの3割超)その節の抜き出しを全部捨て、「要確認の節」として一覧に出す
英語以外の文書(スペイン語・ポルトガル語など)処理はするが、一覧の先頭に言語を出し、担当者の確認を厚くする
2段目の観点が5件そろわないやり直し。2回続けば「まとめなし」として抜き出しだけを出す
Azure OpenAI が応答しない節ごとに再試行。続けて失敗した節は「未処理」と一覧に出す
文書が版の違う規則で書かれている版を一覧の先頭に出す。観点の定義表は変えない

照合の不一致の多い節を丸ごと捨てるのは、部分的に通った抜き出しが誤解を招くからです。 不一致が多い節は、文字にする段階で崩れているか、AI が言い換えを写しているかのどちらかです。どちらにしても、その節の抜き出しは信用できないので、担当者が原文を読みます。

Step11

記録を残す

  • 置かれた PDF と、文字にした結果(Markdown とページの対応)
  • 節ごとの1段目の応答の JSON と、照合の結果(通った/捨てた理由)
  • 2段目の応答の JSON と、作った一覧
  • 担当者が not_found を原文で確かめた結果(見つかったか、見つかったならページ)
  • 評価表に書かれた引用の id とページ
  • 使った観点の定義表の版と、指示文の版

4つ目の記録が、この構成を育てます。 not_found が原文では見つかった、という記録が集まると、どの観点のどの言い回しを AI が見落とすかが分かります。それを定義表の手掛かりの語に足します。

最後の行の版は、定義表を変えた前と後の一覧を比べるときに効きます。

04実装レベルの3段階

最小構成:プレイグラウンドに節を貼り、観点の記述を抜き出させる / 節ごとの抜き出し
半自動化:上記+Document Intelligence で文字にし、節の分割と引用の照合を自動にする / 文書全体の抜き出しと照合
本格構成:上記+2段目のまとめと一覧の HTML・比較表を自動で作る / 抜き出しから一覧まで

半自動化で1か月動かし、 照合の不一致がどの文書のどのページで多いかを見て直してから2段目を足します。 半自動化では1件180分が100分ほどになります。 観点の記述を探す時間は消えますが、抜き出しを担当者が観点ごとに並べ直す手間が残ります。本格構成で並べ直しと要約が自動になり、担当者は一覧を読んで原文を確かめ、評価を書く60分になります。 これが本記事の想定です。

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
20 件
1件あたり現在時間
180 分
1件あたり導入後時間
60 分
現在  20件 × 180分 ÷ 60 = 60 時間/月
導入後 20件 × 60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5,000円)
240万円
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. 自社の排出の埋め合わせや顧客への販売のために、ボランタリー市場のカーボンクレジットを継続して買い付けている商社・金融機関・メーカーで、検討するプロジェクトが毎月十数件あり、担当者が数百ページの英文の設計書と検証報告を読んで社内の評価表を作っている場合。読む人によって見落とす観点が違い、評価表の記述の深さがばらついている場合。Azure の契約があり、Azure Functions で小さな処理を書ける担当者がいる場合。
向いていない
  1. 買い付けるクレジットが年に数件で、外部の格付けの会社の評価をそのまま使っている場合。検討の対象が国内の J-クレジットだけで、文書が日本語の場合(日本語の文書なら要約より観点の一覧だけで足りることが多いです)。なお、プロジェクトの品質の評価、購入の可否の判断、追加性や永続性が十分かの判断は、この構成では代替できません。

07最小構成で試す方法

  1. 過去に評価したプロジェクトから5件を選ぶ(種類の違うもの:森林、再エネ、調理用コンロ、メタンの回収など)
  2. 各プロジェクトの設計書と検証報告の PDF を用意する
  3. Foundry のプレイグラウンドで、設計書の追加性・永続性の節を貼り、1段目の指示文で抜き出させる
  4. 抜き出しの引用が原文にそのままあるか、ページが合っているかを確かめる
  5. 当時の評価表と見比べ、当時見落としていた記述が抜き出しにあるか、逆に当時読んだ記述が抜けていないかを見る

見るのは要約の出来ではなく、引用が原文にあるかです。

出てきた内容判断
引用が原文にあり、観点の割り当ても正しいDocument Intelligence と Functions の作成に進む
引用が言い換えになる指示文の写し方の書き方で直る。構成は有効
記述の評価(「十分である」)を書く指示文で禁じる。2段目に原文を渡していないかも確かめる
付属書の記述を拾わない観点の定義表の手掛かりの語を足す

手順の5番目の「当時読んだ記述が抜けていないか」を必ず見てください。 抜けていれば、それが本番で not_found と出る型です。

08実装時につまずきやすいポイント

問題対策
「記述なし」を「書かれていない」と読むAI が見つけられなかっただけ。 担当者が原文で確かめるまで評価に使わない
要約に原文に無い内容が混ざる2段目には照合を通った抜き出しだけを渡す
引用が日本語訳や言い換えになる引用は英語のまま、日本語は別の欄に
目次の行を引用する前処理で目次を外す。照合で目次の行を捨てる
行末のハイフンで照合が外れるハイフンでつながった語をつなぎ直してから照らす
一覧を評価表にそのまま写す評価表は担当者の言葉で書き、根拠に引用の id とページを添える
AI が「十分」「不十分」と書く指示文で禁じ、2段目の出力にも評価の欄を置かない
版の違う設計書で章がずれる版を一覧の先頭に出す。AI には章ではなく観点で探させる
文書が揃う前に処理が始まるREADY を置いたときだけ動かす
数値を計算して要約に入れる計算を禁じ、数値は引用の中の原文のまま

上の3行が、この構成の失敗のほとんどです。 どれも「AI の出力が原文の代わりに読まれる」失敗です。一覧は原文への索引という線を、出力の形と運用の両方で守ります。

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: 登録簿で公開されているプロジェクトの文書、それに売り手から非公開で受け取った資料(価格・数量の条件が入りうる)、社内の評価の記録です。

  1. AI に評価させない … 品質の評価と購入の判断は担当者と会議が行います。一覧の出力に評価の欄を置かないことで、評価が AI から出る経路を作りません
  2. 売り手の非公開の資料を混ぜない … 価格や数量の条件の入った資料は、この構成の案件フォルダに置きません。置くのは登録簿の公開の文書だけにします
  3. 会議の資料に AI の一覧を入れない … 会議で判断されるのは担当者の評価で、AI の要約が会社の判断として扱われないようにします
  4. 処理の場所を決める … 公開の文書が中心ですが、社内の評価の記録も扱うので、Azure OpenAI の配置の種類(処理の場所)を情報システムと決めます
  5. 外部の基準の改定に合わせる … ICVCM の原則や VCS の規則の版が変わったら、観点の定義表を見直し、定義表の版を記録に残します

誤りが起きた場合のリスクは、原文に書かれている問題を見落とすことと、原文に無い内容を根拠に評価することの2つです。 前者は not_found の確かめを省くと、後者は照合を通っていない要約を読むと起きます。どちらも、引用の照合と担当者の原文の確認で設計の側で守ります。

10まず何から始めるか

1週目:観点の定義表を作る

経験の長い担当者2名で、5つの観点ごとに探す内容と手掛かりの語を書きます。 ICVCM の原則の文と、自社の評価表の欄を突き合わせ、評価表のどの欄にどの観点が当たるかも決めます。

2週目:5件で試す

過去に評価したプロジェクト5件の設計書の節を、プレイグラウンドで1段目の指示文にかけます。引用が原文にあるか、当時読んだ記述が抜けていないかを最優先で見ます。

3週目:文字にする処理を作る

Document Intelligence の layout で5件の文書を文字にし、ページの印・目次の除去・節の分割を作ります。行末のハイフンと表がどう崩れるかを、文書の型ごとに見ます。

4週目:照合まで動かす

1段目の抜き出しと引用の照合をつなぎ、照合の不一致の件数と原因を毎日見ます。

2か月目: 2段目のまとめと一覧の HTML を足し、今月の検討の案件から使い始めます。3か月目以降: not_found の確かめの記録から定義表の手掛かりの語を足し、プロジェクトの比較表を会議の前の下準備に使います。評価表のすべての判断に引用の id とページが添えられ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:2026-11-19/最終更新:2026-11-19
確認した内容情報源確認日
Core Carbon Principles の10の原則が、ガバナンス(効果的なガバナンス・追跡・透明性・第三者の妥当性確認と検証)、排出への効果(追加性・永続性・定量化の頑健さ・二重計上の無いこと)、持続可能性への効果(セーフガード・ネットゼロへの移行への寄与)に分かれること。追加性がクレジットの収益の誘因が無ければ起きなかった削減であること、永続性が逆戻りのリスクへの手当てと埋め合わせを求めること、二重計上が二重発行・二重主張・二重使用を含むことICVCM: The Core Carbon Principles2026-11-19
VCS のプロジェクトが、設計書の草案での掲載、VVB による妥当性確認と登録、モニタリング計画に照らした VVB の検証、Verra の承認を経てクレジットの発行を申請できることVerra: Verified Carbon Standard2026-11-19
VCS Standard の第5.0版(2025年12月16日発行)と第4.7版があること。設計書・モニタリング報告・検証報告のひな形が版ごとにあること。AFOLU の非永続性のリスクの分析と緩衝の決定の手順があることVerra: VCS Program Details2026-11-19
layout が outputContentFormat=markdown で Markdown を返し、節と小節の構造を保つこと。v4.0(2024-11-30)で表が HTML の表になったこと。PDF が最大2,000ページ、S0 で500MB であること。パスワードのかかった PDF は先に解除が要ること。段落の役割(sectionHeading など)とページ番号を返すことMicrosoft Learn: Document Intelligence layout model2026-11-19
構造化出力が Responses(text.format)で使えること。すべての項目を required にし、additionalProperties: false を付けること。enum が使えること。minItems・maxLength などが非対応であることMicrosoft Learn: How to use structured outputs2026-11-19
Responses API が PDF の入力に対応し、1回の要求のファイルの合計が50MBまでであることMicrosoft Learn: Azure OpenAI Responses API2026-11-19

クレジットの品質の評価と購入の判断は、自社の基準と担当者の判断で行ってください。 本記事は上記の公開情報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-4121)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