Media > AI活用ユースケース > 品質管理 > 電子書籍の配信会社が、配信前の作品の説明文と試し読みの範囲を Azure OpenAI でストアの規約と照らし、表現・表示の問題になりうる点を判定する

電子書籍の配信会社が、配信前の作品の説明文と試し読みの範囲を Azure OpenAI でストアの規約と照らし、表現・表示の問題になりうる点を判定する

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

配信前の新刊の内容紹介と試し読みの範囲を、配信先のストアごとの規約の要点と一緒に Azure OpenAI に渡し、規約の項目ごとに当たりうるかの候補を判定させます。審査の担当は、候補の付いた作品だけを読んで出版社への差し戻しを決めます。

サマリー
生成AI
Azure OpenAI Service/Claude/Gemini
連携・自動化
Power Automate
対象業界
EC/その他/小売
対象部門
品質管理/法務
対象業務
内容確認・チェック
主な課題
人手が足りない/判断に時間がかかる/確認ミスが多い
AIで行う処理
判定
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
条件付き
現在工数
120h/月
AI導入後
50h/月
想定削減
58%
年間削減
840h
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. 出版社が、入稿の仕組みに書誌と EPUB を登録する
  2. 審査の担当が、作品ごとに内容紹介を読み、配信先のストアの規約の要点の表と照らす
  3. 試し読みの範囲を開き、成人向けの区分と中身が合っているかを目で確かめる
  4. 内容紹介の文字数や、URL・絵文字が入っていないかを目で見る
  5. 問題のありそうな点を出版社への連絡の表に書き、修正を頼む
  6. 判断に迷うものは、法務の担当に相談する
導入後(After)
  1. 人出版社が、入稿の仕組みに書誌と EPUB を登録する
  2. 自動1日2回、新しく登録された作品の書誌と、試し読みの範囲の本文を取り出す
  3. 自動内容紹介の文字数・URL・電話番号・絵文字・使えない HTML のタグを、ストアごとの上限と決まりで規則の処理で見る
  4. 自動Azure OpenAI が、ストアの規約の項目ごとに `likely`/`not_likely`/`cannot_judge` と、根拠の位置・短い写しを JSON で返す
  5. 自動写しが内容紹介と本文に実在するかを照らし、規則の結果と合わせて審査の一覧にする
  6. 人審査の担当が、候補の付いた作品を読み、出版社への差し戻しを決める
  7. 人判断に迷うものは、法務の担当が見る
各工程の詳しい説明を読む
  1. 出版社が、入稿の仕組みに書誌と EPUB を登録する
  2. 審査の担当が、作品ごとに内容紹介を読み、配信先のストアの規約の要点の表と照らす
  3. 試し読みの範囲を開き、成人向けの区分と中身が合っているかを目で確かめる
  4. 内容紹介の文字数や、URL・絵文字が入っていないかを目で見る
  5. 問題のありそうな点を出版社への連絡の表に書き、修正を頼む
  6. 判断に迷うものは、法務の担当に相談する

(a)ストアごとに規約が違い、全点を読み切れない。 1作品を20のストアへ配信する場合、ストアごとに書けないことが少しずつ違います。 担当は主要なストアの規約だけを頭に入れて読み、それ以外のストアの決まりは見落とします。

(b)表示の問題は、言い回しで分かれる。 「シリーズ累計100万部」「映画化決定」「今だけ無料」。事実なら書けるもの、ストアによっては書けないもの、期間が過ぎると誤りになるものが、同じ調子で内容紹介に入ってきます。担当によって、通すか確かめるかが分かれます。

(c)試し読みの範囲の中身が、成人向けの区分と合わない。 成人向けではない区分で登録された作品の試し読みの範囲に、ストアが成人向けとして扱う描写が入っていることがあります。 試し読みはストアの作品の画面で誰でも読めるので、配信の後に指摘されます。

(d)形式の誤りを目で探している。 内容紹介の文字数、URL、絵文字は、数えれば分かることなのに、600点を目で見ています。 見落とせばストアで差し戻され、見つけるために時間を使えば、表現の確認が薄くなります。

  1. 【人】 出版社が、入稿の仕組みに書誌と EPUB を登録する
  2. 【自動】 1日2回、新しく登録された作品の書誌と、試し読みの範囲の本文を取り出す
  3. 【自動】 内容紹介の文字数・URL・電話番号・絵文字・使えない HTML のタグを、ストアごとの上限と決まりで規則の処理で見る
  4. 【自動】 Azure OpenAI が、ストアの規約の項目ごとに likely/not_likely/cannot_judge と、根拠の位置・短い写しを JSON で返す
  5. 【自動】 写しが内容紹介と本文に実在するかを照らし、規則の結果と合わせて審査の一覧にする
  6. 【人】 審査の担当が、候補の付いた作品を読み、出版社への差し戻しを決める
  7. 【人】 判断に迷うものは、法務の担当が見る

3番目は、AI を使わずに行います。 文字数や URL の有無は、ストアごとの上限と決まりで数えれば決まります。AI に任せると、数えた結果ではなく、長そうに見えるかで答えます。

6番目で、候補の付かなかった作品も一覧で流し見ます。 すべての項目が not_likely の作品は、題名とジャンルと成人向けの区分を一覧で確かめて通します。開かないのではなく、読む深さを変えます。

02今回想定するシステム構成

構成図
出版社の入稿(書誌:題名・内容紹介・ジャンル・成人向けの区分・価格・試し読みの範囲 / EPUB)
   ▼【トリガー】1日2回のタイマー(9時・15時)
Azure Functions ── 新しく登録された作品の書誌と、試し読みの範囲の本文を取り出す
   ├──▶ 規則の検査(ストアごとの文字数の上限・URL・電話番号・絵文字・HTML のタグ)
   ▼
Azure Functions ── 配信先のストアの規約の要点を選ぶ
   ▼
Azure OpenAI(Microsoft Foundry) ── 規約の項目ごとに判定(構造化出力)
   │   likely/not_likely/cannot_judge + 根拠の位置と短い写し + 出版社に確かめる事項
   ▼
Azure Functions ── 写しの照合、規則の結果との統合、確認の順
   ▼
審査の一覧(作品ごと・ストアごと)と Teams への通知
   ▼
【審査の担当が候補を読み、出版社への差し戻しを決める → 迷うものは法務】
役割想定する製品代替候補
生成AIAzure OpenAI(Microsoft Foundry)Claude API(Amazon Bedrock)、Gemini API
連携Azure Functions(書誌と本文の取り出し、規則の検査、写しの照合、一覧の作成)Power Automate
保管Azure SQL Database(判定の候補、審査の担当の決定、規約の要点の版)SharePoint のリスト
通知Microsoft Teams(候補の付いた作品の件数を審査のチャネルに知らせる)メール

新しく足すのは、Azure Functions の処理と Azure OpenAI の配置、審査の一覧の表です。 入稿の仕組みと配信の管理の仕組みには書き込まず、審査の担当が従来どおりの画面で配信の可否を入れます。

中心になるのは、Azure OpenAI の構造化出力です。 公式のページでは、Chat Completions では response_format に JSON スキーマを書くとされています。判定の値を enum で固定でき、規則で並べ替えられない言葉が返ってきません。 規約の項目はストアごとに違うので、項目の番号の一覧を enum にしたスキーマをストアごとに用意します。

もう一つ、既定の安全方針(DefaultV2)は、性的・暴力などの4分類で入力と出力の重大度「中」以上を止めます。 公式のページでは、性的な行為をはっきり描く内容は「中」の例に挙げられています。成人向けの作品や、成人向けの描写を含む試し読みは、入力の段階で止まりえます。 止められたこと自体を、第7章の例外処理で判定の材料として扱います。

03どうやって実装するのか

Step1

処理の起点を決める

1日2回、9時と15時のタイマーで、前回から新しく登録・更新された作品をまとめて取り出します。 入稿は出版社の都合で1日中届き、1点ずつ動かすと、同じ作品の書誌の直しが続けて登録されたときに、途中の版を何度も判定することになります。

2回にするのは、配信の開始の日から逆算するためです。 午前に登録された作品は午後に、午後に登録された作品は翌朝に審査の担当が読めます。差し戻しが必要な場合に、出版社が直す時間を1日残せます。

書誌が更新された作品は、もう一度判定します。 出版社が差し戻しを受けて内容紹介を直すと、同じ作品の番号のまま中身が変わります。前の判定を残したまま、新しい判定を並べます。

Step2

入力データを集める

データ中身取得元
書誌作品の番号、題名、著者、出版社、ジャンル、成人向けの区分、価格、発売日、内容紹介入稿の仕組みの書き出し
試し読みの範囲の本文試し読みとして公開する範囲の文字(小説・実用書)。コミックは範囲のページ数と、出版社が付けた注記EPUB から取り出したもの
ストアの規約の要点ストアごとの項目の番号、項目の文、例、内容紹介の文字数の上限、使える HTML のタグ配信審査の部門の要点の表(版の日付付き)
表示の考え方の要点景品表示法の不当表示の区分と、社内で確かめる言い回しの例法務の部門の要点の文書

質を決めるのは、ストアの規約の要点の表です。 規約の原文をそのまま渡すと長く、関係の無い項目を読ませると、別のストアの決まりで判定することがあります。 配信審査の部門が、ストアごとに項目の番号を振り、1項目1文の要点と例にしておきます。

表示の考え方の要点には、景品表示法の区分を書いておきます。 消費者庁のページでは、商品・サービスの内容について実際のものよりも著しく優良であると一般消費者に示す表示を優良誤認表示、取引条件について実際のものよりも著しく有利であると誤認される表示を有利誤認表示としています。「累計100万部」「映画化決定」は内容の、「今だけ無料」「半額」は取引条件の表示で、確かめる先が違います。

コミックの試し読みは、画像なので本文として取り出せません。 この構成では、コミックは範囲のページ数と出版社の注記だけを規則で見て、中身は審査の担当が目で確かめます。 画像を AI に読ませる設計は、最小構成で効果を確かめてから足します。

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
新しく登録・更新された書誌入稿の仕組みの書き出し(CSV)判定の対象
試し読みの範囲の本文EPUB の XHTML から、範囲の分だけ文字を取り出す判定の対象
配信先のストアの一覧配信の管理の仕組みの書き出し渡す規約の要点の選び方
ストアの規約の要点要点の表(版の日付付き)AI への入力、スキーマの enum
判定の候補Azure OpenAI の構造化出力審査の一覧

EPUB は、XHTML のファイルをまとめたものとして扱い、試し読みの範囲の分だけ文字を取り出します。 ルビは親の文字だけを残し、画像の代わりの文字(alt)は別の欄に分けます。段落ごとに番号を振り、AI には番号付きで渡します。 根拠の位置を段落の番号で返させるためです。

Azure OpenAI には、作品とストアの組ごとに Chat Completions で送ります。 ストアごとに規約の項目が違うので、1回に1つのストアの要点だけを渡します。 主要なストアを先に判定し、規約の似たストアは同じ要点の表を使う組にまとめて、呼び出しの数を抑えます。

Step4

AIへ渡す前に整形する

  1. 形式の検査 … ストアごとの文字数の上限、URL・メールアドレス・電話番号の形の文字列、絵文字、使えない HTML のタグを規則で見ます
  2. 文字数の数え方をそろえる … KDP のページでは、内容紹介の文字数に HTML のタグも数えるとされています。ストアごとに、タグを数えるかを要点の表に書いておきます
  3. 試し読みの本文を取り出す … 範囲の分だけを段落の番号付きで取り出します
  4. 長さを確かめる … 試し読みの本文が極端に長いものは、段落の番号で区切って複数回に分けます
  5. 日付と数字の言い回しを拾う … 「〇月〇日まで」「今だけ」「累計」「万部」「位」などを規則で拾い、AI の結果とあわせて一覧に載せます
  6. 成人向けの区分を確かめる … 書誌の区分と、ジャンルの組み合わせが社内の決まりと合うかを見ます

2番目を先に決めないと、規則の検査が誤ります。 同じ内容紹介でも、タグを数えるストアでは上限を超え、数えないストアでは超えないことがあります。KDP のページでは、太字のタグを付けると「test」の4字が11字に数えられる例が示されています。

5番目は、AI の判定と別に拾っておきます。 期間の付いた言い回しは、ストアによっては内容紹介に書けず、書けるストアでも期間が過ぎれば誤りになります。 AI が見落としても、言葉で一覧に載るようにします。

Step5

AIに処理させる

させるのは、内容紹介と試し読みの本文を、渡したストアの規約の項目と表示の考え方の要点に照らして、項目ごとに当たりうるかの候補と、根拠の位置と短い写しと、出版社に確かめる事項を返すことだけです。

返すもの返し方判断できないときの扱い
項目ごとの判定likely/not_likely/cannot_judge本文から決められない → cannot_judge
根拠の位置内容紹介か試し読みか、段落の番号-
短い写し根拠の文を一字一句、該当の部分だけ写せない → likely を出さない
確かめる事項出版社に確かめること(部数の裏付け、期間、成人向けの区分など)-
成人向けの区分との食い違いmatch/mismatch_possible/cannot_judge本文から決められない → cannot_judge

cannot_judge が、この構成でいちばん大事な値です。 「シリーズ累計100万部」は、裏付けがあれば書ける表示で、本文からは正しいかどうかが決まりません。 AI が「出版社の発表なので問題なし」と補って not_likely を返すと、確かめるべき表示が一覧の後ろに回ります。決められないものは cannot_judge にし、確かめる事項に「部数の裏付けの資料」と書かせます。

写しは「該当の部分だけ」にさせます。 公式のページでは、既定の安全方針は出力について「保護された素材(文章)」も対象にしているとされています。試し読みの本文を長く写させると、出版された作品の文章をそのまま出力することになり、その検出の対象になりえます。 根拠は段落の番号で示し、写しは判定に要る数語にとどめます。

させないこと理由
配信してよいかの結論審査の担当がストアごとの判定を見て決める
表示が景品表示法に触れるかの結論法務の判断。AI は確かめる事項まで
成人向けの区分の決定出版社と配信会社の取り決めで決める
内容紹介の書き直し内容紹介は出版社の文。修正は出版社に頼む
文字数・URL・絵文字の検査規則の処理で数える

1行目と2行目を分けているのは、ストアの規約と法令では、判断する人が違うからです。 ストアの規約に当たるかは審査の担当が決め、景品表示法に触れるかは法務が決めます。 AI の候補は、どちらの判断に回すかを示すところまでです。

Step6

指示内容を固定する

あなたは電子書籍の配信会社で、配信前の書誌と試し読みを審査する担当を補助します。
【内容紹介】と【試し読みの本文】だけを根拠に、【ストアの規約の要点】の項目ごとに当たりうるかを返してください。
配信の可否と法令に照らした判断は、担当と法務が行います。

【項目ごとに返すもの】
- rule_id:【ストアの規約の要点】の項目の番号
- assessment:likely / not_likely / cannot_judge
- location:synopsis か sample と、段落の番号
- quote:根拠の部分を一字一句そのまま。該当の数語だけ写し、長く写さない
- question_to_publisher:出版社に確かめる事項

【厳守事項】
- 本文から決められないこと(部数・受賞・映像化の事実、期間の終わり)を補わないでください。
  決められなければ cannot_judge とし、question_to_publisher に何を確かめるかを書いてください。
- 迷ったときは not_likely を選ばず、cannot_judge を選んでください。
- 文字数、URL、電話番号、絵文字、HTML のタグについて書かないでください。
- 配信してよいか、景品表示法に触れるかの結論を書かないでください。
- 内容紹介の書き直しの案を書かないでください。
- 試し読みの本文を長く写さないでください。根拠は段落の番号で示してください。
- 成人向けの区分は【書誌】の値と本文を比べ、match / mismatch_possible / cannot_judge で返してください。
  区分をどうすべきかは書かないでください。

【ストア】{store_id} 【規約の要点の版】{rule_version}
【ストアの規約の要点】{store_rules}
【表示の考え方の要点】{labeling_points}
【書誌】作品の番号:{title_id}/ジャンル:{genre}/成人向けの区分:{adult_flag}/発売日:{release_date}
【内容紹介】{synopsis}
【試し読みの本文(段落の番号付き)】{sample_paragraphs}

「迷ったときは not_likely を選ばず」を名指しで書くのは、新刊の大半が問題の無い作品だからです。 何も言わなければ、AI は多い側に寄ります。確かめるべき表示を見落とすより、担当が cannot_judge を1件多く読むほうが、差し戻しの1日より安く済みます。

Step7

出力形式を固定する

次の形の JSON で受け取ります。

{
  "title_id": "",
  "store_id": "",
  "rule_version": "",
  "checks": [
    { "rule_id": "",
      "assessment": "likely | not_likely | cannot_judge",
      "location": { "part": "synopsis | sample", "paragraph": 0 },
      "quote": "",
      "question_to_publisher": "" }
  ],
  "adult_flag_check": "match | mismatch_possible | cannot_judge"
}

1つ目の理由は、規則で確認の順を決められることです。

確認の順条件
先頭likely が1つでもある。adult_flag_check が mismatch_possible。入力か出力が安全方針で止められた
先頭写しが本文に無い。規則の検査で文字数の超過・URL・絵文字が見つかった
2番目cannot_judge がある。前処理で期間や部数の言い回しを拾った
流し見すべての項目が not_likely で、規則の検査にも当たらない

2つ目は、quote で写しの照合ができることです。 Functions が写しを、location の段落と文字列で照らし、無ければ AI が補った疑いとして先頭に上げます。 写しの長さも Functions の側で見ます。公式のページでは、文字列の maxLength はスキーマで使えないとされているので、長すぎる写しは受け取った後に切り詰めて記録します。

3つ目は、question_to_publisher がそのまま差し戻しの連絡の下書きになることです。 担当は、確かめる事項を作品ごとにまとめて出版社に送ります。連絡の文は担当が整えて送ります。

Step8

システムへ連携する

つなぎ先方式内容
入稿の仕組み書き出しの CSV と EPUB を読むだけ書誌と試し読みの本文
配信の管理の仕組み配信先の一覧を読むだけ渡す規約の要点の選び方
Azure OpenAI(Microsoft Foundry)Chat Completions と構造化出力項目ごとの判定の候補
Azure SQL Database書き込み候補、照合の結果、担当の決定、規約の要点の版
Microsoft Teams審査のチャネルへの通知先頭の作品の件数

入稿の仕組みと配信の管理の仕組みには書き込みません。 配信の可否を AI の候補で自動に止めたり通したりすると、担当が確かめていない判定で、作品の配信の開始が動きます。 担当が決めた値だけを、従来どおりの画面で入れます。

Step9

人が確認する

審査の担当が、すべての作品の配信の可否と差し戻しを決めます。

  1. 先頭の作品をその日のうちに読む … likely、成人向けの区分の食い違い、止められた入力、規則の検査に当たったものです
  2. 写しと位置を見比べる … 写しが該当の段落にあるかを確かめ、AI が補った部分が無いかを見ます
  3. cannot_judge を出版社への確認に回す … 部数・受賞・期間などは、出版社に裏付けを確かめます
  4. 表示の問題の疑いは法務に回す … 景品表示法に触れるかは法務が判断します
  5. 流し見の作品も一覧で確かめる … 題名・ジャンル・成人向けの区分が合っているかを見て通します

5番目を省かないでください。 すべてが not_likely でも、規約の要点の表に無い問題は判定されません。 一覧で題名と区分を見るだけでも、明らかな食い違いは拾えます。

目標は、600点をならして1点5分です。 流し見の作品は1分ほど、先頭の作品で出版社や法務に回すものは15分を超えます。

Step10

例外に対処する

起きること対応
入力が安全方針で止められた(エラーが返る)公式のページでは、止められた入力にはエラー(content_filter)が返るとされている。止められたこと自体を先頭に置く理由にし、成人向けの区分を担当が確かめる
出力が止められた写しが長かった可能性がある。同じく先頭に置き、担当が本文を読む
Azure OpenAI が応答しない・時間切れ「未判定」として先頭に置き、次の回にもう一度送る
写しが本文に無い「写し不一致」として先頭に置く
EPUB から本文を取り出せない「本文なし」として、担当が試し読みを目で確かめる
コミックの試し読み本文を取り出さず、範囲のページ数と注記だけを規則で見て、中身は担当が見る
規約の要点の表に無いストアへの配信AI に渡さず、担当がそのストアの規約で確かめる
内容紹介が外国語判定はさせるが、結果にかかわらず担当が原文で確かめる

1行目が、この構成でいちばん大事な例外です。 既定の安全方針は、性的な内容の重大度「中」以上の入力を止め、止めたときはエラーを返します。成人向けではない区分で登録された作品の試し読みが止められたなら、区分と中身が食い違っている疑いがあります。 このエラーを処理の失敗として読み飛ばすと、最も確かめるべき作品が、判定の無いまま流し見に混ざります。 止められたことを、先頭に置く理由として扱います。

成人向けの区分で登録された作品は、止められても区分どおりの扱いです。 その場合は、AI の判定を使わずに、担当が成人向けの作品を扱うストアの規約で確かめます。 安全方針の設定を変えるかは、公式のページで設定の可否や承認の要否が制御ごとに異なるとされているので、自社の判断で先に確かめます。

Step11

記録を残す

  • 判定した書誌と試し読みの範囲、取り出した日時
  • AI に渡したストアの規約の要点と表示の考え方の要点の版
  • 規則の検査の結果と、AI が返した JSON の全文、写しの照合の結果
  • 審査の担当の決定(配信の可否・差し戻し)と、決めた日時と担当
  • 出版社への確認の内容と答え、法務の判断
  • ストアから配信の後に差し戻された作品と、そのときの判定

最後の行は、要点の表の見直しに使います。 配信の後にストアから差し戻された作品を集め、そのときの判定が not_likely だった項目があれば、要点の表の書き方か、表に無い決まりがあったということです。

04実装レベルの3段階

最小構成:主要なストア1つの要点で、50点を Foundry の画面で試す / 判定の出し方の確かめ
半自動化:上記+規則の検査を全点に回し、主要なストア1つの判定を毎日の一覧にする / 形式の検査と1ストアの判定
本格構成:上記+配信先のストアを広げ、ストアごとのスキーマと要点の版の管理、写しの照合、配信後の差し戻しとの突き合わせまでを回す / 配信前の審査の一次の確認の全体

最小構成は、cannot_judge に倒す指示が効くかを確かめる段階です。 半自動化で、1点12分が8分程度になります。 形式の検査は無くなりますが、1ストアだけなので、ほかのストアの規約は担当が照らします。本格構成で1点5分になり、この段階が本記事の想定です。 差が大きいのは、ストアごとの照らし合わせが、要点の表がそろって初めて自動になるからです。 段階を飛ばさないでください。 1つのストアで1か月回すと、要点の表のどの書き方が判定の当たり方を左右するかが分かります。

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
6 名
月間件数
600 件
1件あたり現在時間
12 分
1件あたり導入後時間
5 分
現在  600件 × 12分 ÷ 60 = 120 時間/月
導入後 600件 × 5分 ÷ 60 = 50 時間/月
月間削減時間
70h
削減率
58%
年間削減時間
840h
年間金額換算(時間単価3,500円)
294万円
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. 多くの出版社から電子書籍を預かり、複数の電子書店へ配信していて、新刊が月に数百点ある配信会社(取次)。ストアごとに内容紹介に書けないこと・成人向けの扱いが違い、配信の後にストアから差し戻されて配信の開始が遅れることがある場合。書誌を入稿の仕組みで文字のデータとして持ち、試し読みの範囲を本文として取り出せる場合。
向いていない
  1. 配信先のストアが1つで、そのストアの審査に任せて足りる場合。新刊が月に数十点で、担当が全点を目で読めている場合。書誌が画像や紙で届き、文字のデータで扱えない場合。なお、配信の可否、成人向けの区分の決定、表示が景品表示法に触れるかの判断、出版社への修正の依頼は、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3か月に配信した作品から、ストアに差し戻された作品と、担当が出版社に修正を頼んだ作品を合わせて30点、問題の無かった作品を20点選ぶ
  2. 主要なストア1つの規約の要点を、項目の番号付きで1枚にまとめる
  3. 50点の内容紹介と、小説・実用書の試し読みの本文を文字のデータにする
  4. Foundry の画面で、第7章の指示と JSON スキーマを付けて、50点を1点ずつ試す
  5. 当時の差し戻しの理由と並べ、差し戻された作品を not_likely で通していないかを最優先で数える

試すときも、未発売の作品の扱いを先に確かめてください。 試しの50点でも、出版社から預かった発売前の作品です。

出てきた内容判断
差し戻された作品がすべて likely か cannot_judge で返った毎日の処理に進む
部数や期間を補って not_likely にした指示の書き方で直る。構成は有効
判定がストアの差し戻しの理由と大きく分かれる規約の要点の表が先。 AI の問題ではない

3行目は失敗ではなく、要点の表がストアの実際の運用に追いついていなかったことが分かったということです。 差し戻しの理由を表に書き足し、同じ50点で試し直してください。

08実装時につまずきやすいポイント

問題対策
部数や期間を補って not_likely を返すcannot_judge に倒すよう名指しで書き、確かめる事項を返させる
成人向けの描写で入力が止まり、後回しになる止められたことを先頭に置く理由にする
試し読みを長く写させて出力が止まる根拠は段落の番号で示させ、写しは数語にする
文字数を AI に数えさせて誤る規則の処理で、ストアごとの数え方(タグを数えるか)で数える
別のストアの決まりで判定する1回に1つのストアの要点だけを渡す
要点の表が古く、変わった決まりが判定されない配信後の差し戻しの理由を毎月表に戻す
判定で配信が自動に止まる・通る入稿と配信の仕組みに書き込まず、担当が決める
景品表示法の判断まで担当が背負う表示の問題の疑いは法務に回す基準を決めておく

上の4行が、この構成の失敗のほとんどです。 どれも「確かめるべき作品が、確かめないまま流し見に混ざる」という同じ結果に出ます。決められないことを cannot_judge に倒し、止められたことを先頭に置いているかどうかで、担当がこの一覧を頼りにできるかが決まります。

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: 発売前の作品の書誌と試し読みの範囲の本文、ストアごとの規約の要点です。出版社から預かった発売前の作品で、出版社との契約で扱いが決まっています。

  1. 出版社との契約で使い方を確かめる … 預かった作品の本文を、配信の審査のために外部の AI の仕組みに渡してよいかを、出版社との契約と、配信の取り決めで確かめてから使います
  2. データの扱いを確かめておく … 公式のページでは、入力と出力は他の顧客や OpenAI に提供されず、基盤のモデルの学習に使われないとされています。一方で、不正利用の監視で検出された場合は、入力と出力が人の確認に回りうるとされています。成人向けの作品の本文を渡す前に、この扱いを出版社と共有しておきます
  3. 処理の場所を確かめる … 公式のページでは、Global や DataZone の配置では、入力と出力が指定した地域の外で処理されうるとされています。出版社との取り決めと照らしてから、配置の種類を選びます
  4. 判断を AI に寄せない … 配信の可否、成人向けの区分、景品表示法に触れるかは、審査の担当と法務と出版社が決めます。 AI の候補は読む順と見る場所を示すだけです
  5. AI の判定を出版社に見せない … 出版社への連絡は、担当が確かめた事項だけにします。AI の候補をそのまま送ると、確かめていない判定が配信会社の見解として伝わります

誤りが起きた場合のリスクは、ストアの規約や表示の問題に当たる作品を通してしまうことと、問題の無い作品を差し戻して発売日を遅らせることの2つです。 前者は決められないことを not_likely に寄せると起き、後者は likely を確かめずに差し戻すと起きます。どちらも「決められないことは cannot_judge にし、写しを照らし、担当が決める」ことで防げるので、そこだけは設計で守ります。

10まず何から始めるか

1週目:主要なストアの要点の表を作る

主要なストア1つの規約を、項目の番号付きの1項目1文の要点にし、版の日付を付けます。 法務の部門と、表示の考え方の要点と、法務に回す基準を決めます。

2週目:50点で試す

過去の50点で第7章の指示を試し、当時の差し戻しの理由と並べて、差し戻された作品を not_likely で通していないかを最優先で見ます。

3週目:規則の検査と本文の取り出しを作る

ストアごとの文字数の上限と数え方、URL・絵文字・HTML のタグの検査、EPUB からの本文の取り出しを作ります。 過去の50点に回し、当時の形式の差し戻しが拾えるかを確かめます。

4週目:1つのストアで毎日の処理にする

1日2回の取り出しから審査の一覧までを動かし、担当が先頭の作品から読みます。この時点では、ほかのストアには広げません。

2か月目: 規約の似たストアの組を作り、要点の表を広げます。3か月目以降: 配信先のストアを順に広げ、1点12分が何分になったかを実測します。配信の後のストアからの差し戻しの理由が、要点の表に戻る手順が回り始めた時点で、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
内容紹介に、電話番号・住所・メールアドレス・URL、レビュー・引用・推薦の言葉、レビューの依頼、広告や販促の内容、日付のある情報、在庫・価格・ほかの注文の方法、ネタばれ、絵文字、検索のための語を入れられないこと。内容紹介は4,000字までで、HTML のタグも文字数に数えること(太字のタグで「test」の4字が11字になる例)。使える HTML のタグ(英語版のページで確認)Kindle Direct Publishing: Write a Book Description2026-11-19
内容の決まりが題名・表紙・内容紹介にも当たること。顧客を誤解させる、または本の内容を正しく表さない内容紹介を認めないこと。決まりに合わない内容は却下または削除され、異議を申し立てられること(英語版のページで確認)Kindle Direct Publishing: Content Guidelines2026-11-19
優良誤認表示(5条1号)が内容について実際のものよりも著しく優良であると一般消費者に示す表示、有利誤認表示(5条2号)が取引条件について実際のものよりも著しく有利であると誤認される表示であること。不実証広告規制で合理的な根拠を示す資料の提出を求められること消費者庁: 表示規制の概要2026-11-19
Chat Completions では response_format、Responses では text.format に JSON スキーマを書くこと。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。文字列の maxLength が使えないことMicrosoft Learn: How to use structured outputs with Azure OpenAI in Microsoft Foundry Models2026-11-19
既定の安全方針(DefaultV2)が、ヘイト・性的・暴力・自傷の4分類で入力と出力の重大度「中」以上を止めること。出力について保護された素材(文章)も対象であること。止められた入力は content_filter のエラーが返ること。性的な行為をはっきり描く内容が「中」の例であること。設定の可否と承認の要否が制御ごとに異なることMicrosoft Learn: Default safety policies in Microsoft Foundry2026-11-19
入力と出力が他の顧客や OpenAI に提供されず、基盤のモデルの学習に使われないこと。Global・DataZone の配置で指定した地域の外で処理されうること。不正利用の監視で入力と出力が人の確認に回りうることMicrosoft Learn: Data, privacy, and security for Foundry Models sold by Azure2026-11-19

ストアごとの規約は、各ストアの最新の規約で確かめてください。表示が景品表示法に触れるかは、自社の法務と必要に応じて弁護士に確かめてください。 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-4201)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