Media > AI活用ユースケース > 品質管理 > 顧客から品質クレームを受けたときに、受付記録・調査結果・対策のメモから8Dレポートの下書きを作り、原因と対策のつながりの弱い箇所を品質管理の担当へ返す

顧客から品質クレームを受けたときに、受付記録・調査結果・対策のメモから8Dレポートの下書きを作り、原因と対策のつながりの弱い箇所を品質管理の担当へ返す

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

品質クレームの受付記録、調査報告、対策の打合せメモを渡し、顧客に出す8Dレポートの下書きをD0〜D8の項目ごとに作ります。あわせて、原因と対策と効果の確認のつながりが切れている箇所を、指摘として品質管理の担当へ返します。

サマリー
生成AI
Azure OpenAI Service/Claude/Gemini
連携・自動化
Power Automate/Python
対象業界
商社/製造
対象部門
品質管理
対象業務
内容確認・チェック/書類作成
主な課題
属人化している/書類作成に時間がかかる/確認ミスが多い
AIで行う処理
生成
主な効果
品質標準化/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
API連携(中)
人間の確認
条件付き
現在工数
72h/月
AI導入後
30h/月
想定削減
58%
年間削減
504h
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. 窓口の担当が、顧客からの連絡を受けてクレーム管理リストに受付記録を作る(品番、ロット、不具合の内容、発生場所、数量、顧客の要求期限)
  2. 暫定の対策として、在庫と出荷途中の品の選別、顧客側の在庫の確認を手配し、結果をリストに書き足す
  3. 解析担当・製造課・技術部の調査の結果が、報告書・写真・測定データ・打合せのメモとして SharePoint のフォルダに置かれる
  4. 品質管理の担当が、これらを読み直し、取引先の様式の項目ごとに文章を書く
  5. 発生原因と流出原因、恒久対策、効果の確認の対応を見直し、数字と日付を記録と突き合わせる
  6. 課長が確認し、直しを入れて顧客へ提出する
  7. 顧客から差し戻されたときは、指摘を読んで4番からやり直す
導入後(After)
  1. 人窓口の担当がクレーム管理リストに受付記録を作り、調査・対策の資料を案件のフォルダに置く(ここまでは今と同じ)
  2. 人品質管理の担当が、資料がそろった時点でリストの状態を「8D下書き依頼」に変える
  3. 自動状態の変更をきっかけにワークフローが動き、受付記録の列とフォルダの資料を集める
  4. 自動資料の形式と大きさを確かめ、PDFでないものはテキストに起こすかPDFにする
  5. 自動Azure OpenAI がD0〜D8の下書きと、原因・対策・効果の確認の対応表を、決めた形のJSONで返す
  6. 自動プログラムが、下書きに引用された数字・日付・文が元の資料にあるかを照合する
  7. 自動対応表から、対応の無い行と未記載の項目を指摘の一覧にする
  8. 自動下書きと指摘を案件のリストに書き込み、担当者に Teams で知らせる
  9. 人担当者が指摘を見て、足りない調査を解析担当や製造課に依頼し、下書きを直す
  10. 人課長が確認し、取引先の様式に移して提出する
各工程の詳しい説明を読む
  1. 窓口の担当が、顧客からの連絡を受けてクレーム管理リストに受付記録を作る(品番、ロット、不具合の内容、発生場所、数量、顧客の要求期限)
  2. 暫定の対策として、在庫と出荷途中の品の選別、顧客側の在庫の確認を手配し、結果をリストに書き足す
  3. 解析担当・製造課・技術部の調査の結果が、報告書・写真・測定データ・打合せのメモとして SharePoint のフォルダに置かれる
  4. 品質管理の担当が、これらを読み直し、取引先の様式の項目ごとに文章を書く
  5. 発生原因と流出原因、恒久対策、効果の確認の対応を見直し、数字と日付を記録と突き合わせる
  6. 課長が確認し、直しを入れて顧客へ提出する
  7. 顧客から差し戻されたときは、指摘を読んで4番からやり直す

(a)書ける人が限られる。 4番は、解析の報告と製造課のメモを読み、技術的な内容を顧客向けの論理に組み立てる作業です。経験のある2〜3名に集中し、その人たちが不在の週は報告が止まります。 若手が書いたものは、課長の直しが多くなり、結局は同じ人の時間を使います。

(b)流出原因が抜ける。 発生原因(なぜ不良が作られたか)は調査で詳しく分かっていても、なぜ検査で見つからずに出荷されたかの分析が薄いまま書かれることがあります。顧客からの差し戻しで最も多いのが、この型です。

(c)原因と対策の対応が崩れる。 原因を3つ挙げたのに対策が2つしか無い、対策が作業者への再教育だけで原因の仕組みに触れていない、効果の確認が「再発なし」の一言で期間と数量が無い。文章を書き進めるうちに、項目どうしの対応が見えなくなります。

(d)数字と日付の転記で食い違う。 選別の数量、不良の個数、対策の実施日が、受付記録と調査報告と8Dレポートで食い違うことがあります。顧客は数字の食い違いを、調査の質の低さとして読みます。

  1. 【人】 窓口の担当がクレーム管理リストに受付記録を作り、調査・対策の資料を案件のフォルダに置く(ここまでは今と同じ)
  2. 【人】 品質管理の担当が、資料がそろった時点でリストの状態を「8D下書き依頼」に変える
  3. 【自動】 状態の変更をきっかけにワークフローが動き、受付記録の列とフォルダの資料を集める
  4. 【自動】 資料の形式と大きさを確かめ、PDFでないものはテキストに起こすかPDFにする
  5. 【自動】 Azure OpenAI がD0〜D8の下書きと、原因・対策・効果の確認の対応表を、決めた形のJSONで返す
  6. 【自動】 プログラムが、下書きに引用された数字・日付・文が元の資料にあるかを照合する
  7. 【自動】 対応表から、対応の無い行と未記載の項目を指摘の一覧にする
  8. 【自動】 下書きと指摘を案件のリストに書き込み、担当者に Teams で知らせる
  9. 【人】 担当者が指摘を見て、足りない調査を解析担当や製造課に依頼し、下書きを直す
  10. 【人】 課長が確認し、取引先の様式に移して提出する

9番目が、この設計の分かれ目です。 指摘は、文章を直せば消えるものではありません。「流出原因の検証が無い」と出たら、検証をしてもらうまで、その項目は埋まりません。 指摘を読んで文章だけを整えると、差し戻される報告がきれいな文章で出ていくことになります。

5番目でAIに書かせるのは下書きまでです。 顧客に何を約束するか、原因をどこまで認めるかは、品質保証の責任者が決めることです。

02今回想定するシステム構成

構成図
クレーム管理リスト(SharePoint:受付記録・状態・期限)
案件のフォルダ(解析報告・写真・測定データ・打合せメモ)
   ▼【トリガー】リストの状態が「8D下書き依頼」に変わる
Azure Logic Apps
   ├──▶ 受付記録の列と、フォルダの資料一覧を取得
   ├──▶ 形式と大きさの確認、テキスト化
   ▼
Azure OpenAI(Microsoft Foundry、Responses API、構造化出力)
   │   ① D0〜D8の下書き(記録の引用付き)
   │   ② 原因・対策・効果の確認の対応表
   │   ③ 未記載の項目
   ▼
Azure Functions
   ├──▶ 引用した数字・日付・文が資料にあるかの照合
   └──▶ 対応表から指摘の一覧を作る(プログラム)
   ▼
SharePoint(下書き・指摘・入出力の控え)→ Teams で担当者へ通知
   ▼
【担当者が指摘を解消し、課長が確認して顧客へ提出】
役割想定する製品代替候補
生成AIAzure OpenAI(Microsoft Foundry)Claude API、Gemini API
連携Azure Logic Apps(リストの変更の検知、資料の取得、通知)Power Automate
差異計算Azure Functions(引用の照合、指摘の一覧の作成)Python のスクリプト
保管SharePoint(クレーム管理リスト、案件のフォルダ、下書きと指摘)社内のファイルサーバー
通知Microsoft TeamsOutlook のメール

クレーム管理リストと案件のフォルダは、今あるものを使います。 足すのは、リストの「状態」の選択肢に「8D下書き依頼」を加えることと、下書きと指摘を書き込む列です。生産管理システムと検査記録のデータベースには、この構成からはつなぎません。必要な数字は、調査の担当が報告書に書いたものを使います。

生成AIは、Azure OpenAI の Responses API で呼びます。 Microsoft Learn の Responses API のページでは、ビジョン機能を備えたモデルでPDFの入力がサポートされ、抽出されたテキストと各ページの画像の両方がモデルのコンテキストに含まれるとされています。解析報告の写真や、測定データのグラフが入ったPDFを、そのまま渡せます。各ファイルは50MB未満、要求内のファイルの合計も50MBまでです。

出力の形は、構造化出力で固定します。 Responses API では text.format にJSONスキーマを書き、モデルはそのスキーマに従った形で返します。D0〜D8の項目と対応表の列を、毎回同じ形で受け取れるので、後段のプログラムで照合と指摘の一覧づくりができます。

Azure OpenAI にするのは、データの扱いを社内の取り決めに乗せやすいためです。 公式のページでは、プロンプトと出力は他のお客様に提供されず、OpenAI にも提供されず、モデルやサービスの改善に使われないとされています。クレームの記録には、取引先の名前、不具合の内容、自社の工程の弱点が書かれています。

03どうやって実装するのか

Step1

処理の起点を決める

クレーム管理リストの「状態」が「8D下書き依頼」に変わったことを起点にします。 受付の時点では動かしません。調査が終わっていない段階で下書きを作っても、ほとんどの項目が未記載になり、指摘の一覧が「調査をしてください」で埋まるだけです。

状態を変えるのは、品質管理の担当です。「資料がそろった」と判断するのは人の仕事にします。 目安は、解析報告と製造課の聞き取りのメモが案件のフォルダに入り、暫定の対策の結果がリストに書かれていることです。

顧客の期限が2段階のときは、状態を2回使います。 暫定の回答(D3まで)の期限が近い段階で「8D下書き依頼(暫定)」、恒久対策まで出る段階で「8D下書き依頼(最終)」に変えます。暫定のときは、D4以降を作らせず、D3の内容と、D4以降で何を調べるかの予定だけを返させます。

同じ案件で何度でも動かせるようにします。指摘を受けて調査を足したら、状態を戻して再び依頼し、前回の指摘のうち何が解消されたかを並べて返します。

Step2

入力データを集める

データ中身取得元
受付記録顧客名、品番、ロット、不具合の内容、発生場所、数量、発見の日、顧客の要求と期限クレーム管理リストの列
暫定の対策の記録選別の範囲、選別した数量と不良の数、顧客側の在庫の処置、実施日クレーム管理リストの列
解析報告不良品の観察、測定の結果、再現試験、推定した原因案件のフォルダ(PDF)
工程の聞き取りのメモ発生した時期の作業者、設備の状態、変更点の有無案件のフォルダ(Word・PDF・テキスト)
対策の打合せメモ決めた対策、担当、実施日、効果の確認の方法案件のフォルダ
自社の8D記載ルール各項目に書くこと、用語、禁止表現品質管理部で用意する1枚の文書

最も大事なのは、いちばん下の記載ルールです。 「発生原因と流出原因は必ず分けて書く」「対策には実施日と担当部署を書く」「効果の確認には期間と数量を書く」といった自社の書き方を、1枚にまとめておきます。これが無いと、AIは一般的な8Dの書き方で埋め、顧客ごとの差し戻しの傾向が反映されません。

過去に差し戻された指摘も、この1枚に書き足していきます。 顧客に何を言われたかが、次の報告の点検の観点になります。

Step3

データの取得方法を決める

受付記録は、Logic Apps の SharePoint の操作でリストの項目を読みます。読むのは状態を変えた1件だけです。 案件のフォルダは、リストの「案件番号」の列からフォルダの場所を決め、中のファイルの一覧を取ります。

取るものどこからどう渡すか
受付記録と暫定の対策リストの項目列の名前と値の組をテキストにして渡す
解析報告案件のフォルダのPDFPDFのまま input_file で渡す
聞き取り・打合せのメモ案件のフォルダテキストに起こして渡す。PDFはそのまま
写真案件のフォルダの画像解析報告に貼られていれば、PDFの側で渡る
記載ルール品質管理部のフォルダテキストにして指示の一部として渡す

資料ごとに、ファイル名と資料の種類を付けて渡します。 後で「この数字はどの資料から取ったか」を照合するためです。渡すときに [資料A] 解析報告_第2版.pdf のような見出しを付け、AIにはこの記号で出典を書かせます。

版が複数あるときは、最新の版だけを渡します。 解析報告が第1版と第2版で原因の推定を変えていることがあり、両方を渡すと古いほうを根拠にした文が混ざります。フォルダの運用で、古い版は「旧版」のサブフォルダに移す決まりにしておくと、取得の側が単純になります。

Step4

AIへ渡す前に整形する

  1. 形式の確認 … PDF、テキスト、Word を受け付けます。Responses API にファイルとして渡すのはPDFだけにし、Word のメモはテキストに起こしてから渡します
  2. 大きさの確認 … 各ファイルが50MB未満、要求内の合計も50MBまでです。写真を高解像度で貼り込んだ解析報告は大きくなるので、超えたら写真のページを分けるか、解像度を下げたPDFを作り直してもらいます
  3. 版の確認 … 同じ種類の資料が複数あれば、最終更新日が新しいものを選び、選ばなかったものを記録します
  4. 受付記録の欠けの確認 … 品番、ロット、数量、発見の日が空なら、AIを呼ぶ前に担当者へ戻します。ここが空のまま下書きを作っても、D2が埋まりません
  5. 個人名の置き換え … 聞き取りのメモに書かれた作業者の氏名を、「作業者A」のような記号に置き換えます。8Dレポートに個人名は要りません
  6. 資料の記号付け … 資料ごとに [資料A] [資料B] の記号を振り、一覧を残します

5番目は、顧客に出す文書だからこそ必要です。 聞き取りのメモには、誰がどの作業をしていたかが書かれています。下書きにそのまま入ると、作業者個人の責任として顧客に読まれる文章になります。原因は仕組みの側に書くのが8Dの考え方で、氏名はその妨げにしかなりません。

Step5

AIに処理させる

させるのは、記録に書かれていることを8Dの項目に並べ直すことと、項目どうしの対応を表にすることです。

項目書かせる内容記録に無いときの扱い
D0 計画受付から回答までの期限、暫定・最終の区分受付記録の期限をそのまま写す
D1 チーム調査に関わった部署と役割部署名だけ。個人名は書かない
D2 問題の記述何が、どこで、いつ、どれだけ(5W2H)欠けた要素を missing に挙げる
D3 暫定の封じ込め選別の範囲、数量、結果、実施日数量が無ければ未記載
D4 根本原因発生原因と流出原因を分けて、それぞれの検証の方法と結果検証の記録が無い原因は「推定」と明記
D5 恒久対策の選定原因ごとの対策と、選んだ理由原因に対応しない対策は対応表で印を付ける
D6 実施と効果の確認実施日、確認の期間と数量、結果効果の確認が無ければ未記載
D7 再発防止標準類・図面・検査基準の改訂、類似品への展開改訂の記録が無ければ未記載
D8 完了完了の判断と日付人が決めるので空ける

D4で発生原因と流出原因を分けさせるのが、この構成の要です。 ASQ の8Dの解説でも、D4では問題が起きた原因に加えて、起きたときになぜ気づかれなかったかも特定するとされています。記録に流出原因の検証が無ければ、AIはそれを埋めずに「流出原因:未記載」とし、指摘に回します。

対応表は、原因1つを1行にします。 列は「原因」「種類(発生/流出)」「検証の方法と結果」「対応する対策」「対策の実施日」「効果の確認」です。空欄のある行が、そのまま指摘になります。

させないこと理由
記録に無い原因の推測顧客に出す報告で、調べていない原因は虚偽になる
実施していない対策を「実施済み」と書く予定と実施を混ぜると、顧客の監査で発覚する
数字の計算・丸め不良率などは記録の値をそのまま写す
作業者個人への帰責原因は仕組みの側に書く
顧客への約束(再発ゼロ等)何を約束するかは責任者が決める
D8の完了の判断効果の確認を見て人が決める

最も起きやすいのは1行目です。 解析報告が「推定」で止まっている原因を、下書きでは断定の文にして書きます。指示で「検証の記録が無い原因には必ず『推定』と付ける」と書き、出力の側にも verified の真偽を持たせます。

Step6

指示内容を固定する

あなたは製造業の品質管理部で、顧客に提出する8Dレポートの下書きを作る担当です。
渡された資料に書かれていることだけを使って、D0〜D8の下書きと、
原因と対策の対応表を作ってください。

【資料】
資料には [資料A] のような記号が付いています。
文を書くときは、根拠にした資料の記号と、その資料の中の文をそのまま
evidence に写してください。資料に無いことは書かないでください。

【書き方の決まり】
- 発生原因(なぜ不良が作られたか)と流出原因(なぜ検査で見つからずに
  出荷されたか)は、必ず分けて書いてください。
- 原因に検証の記録(再現試験、測定、比較の結果)が資料にあれば
  verified を true にし、無ければ false にして、文の頭に「推定:」を付けてください。
- 対策は「実施済み」と「予定」を分けてください。実施日が資料に無い対策は
  「予定」とし、日付を作らないでください。
- 数量・不良率・日付は資料の値をそのまま写してください。
  計算、丸め、単位の換算をしないでください。
- 作業者の個人名を書かないでください。原因は手順・設備・検査の仕組みの
  側に書いてください。
- 「再発はゼロになる」「今後一切発生しない」のような約束を書かないでください。
- D8 は空けてください。

【未記載の扱い】
資料に記載がない項目は、文を作らず status を missing にしてください。
missing の項目ごとに、何が分かれば埋まるかを need に書いてください。
迷ったときに文を作らないでください。

【対応表】
原因1つを1行にし、その原因に対応する対策、実施日、効果の確認を並べてください。
対応する対策が無い原因、どの原因にも対応しない対策も、そのまま行として残し、
link_status に no_action / no_cause / no_verification を入れてください。

【自社の記載ルール】{writing_rules}
【受付記録と暫定の対策】{intake_record}
【資料の一覧】{document_index}
【区分】{phase}(interim のときは D4 以降を作らず、調べる予定だけを書く)

「日付を作らないでください」を明記しないと、予定の対策に日付が付きます。 打合せメモの「来月から」という書き方を、具体的な日付に直して書くことがあります。顧客はその日付を、約束として受け取ります。

「対応しない対策も行として残す」も欠かせません。 何も言わなければ、AIは対応の取れる行だけを並べたきれいな表を返します。崩れた対応を見つけるための表なので、崩れたまま出させます。

Step7

出力形式を固定する

次の形のJSONで受け取ります。

{
  "claim_id": "",
  "phase": "interim | final",
  "sections": [
    { "d": "D2", "status": "ok | partial | missing",
      "text": "", "evidence": [ { "doc": "資料A", "quote": "" } ],
      "need": "" }
  ],
  "causes": [
    { "id": "C1", "type": "occurrence | escape", "text": "",
      "verified": false, "evidence": [ { "doc": "", "quote": "" } ] }
  ],
  "link_table": [
    { "cause_id": "C1", "action": "", "action_state": "done | planned",
      "action_date": "", "verification": "",
      "link_status": "ok | no_action | no_cause | no_verification" }
  ],
  "five_w2h_missing": [],
  "promises_detected": []
}

sections にはD0〜D8の9つを並べます。構造化出力では、スキーマのすべてのフィールドを必須にし、オブジェクトには additionalProperties: false を設定します。値が無いときは空の文字列か空の配列で返させ、キーそのものは省かせません。 スキーマに置けるオブジェクトのプロパティは最大100個、入れ子は最大5レベルなので、この形はその範囲に収まります。

JSONで受け取る理由は3つあります。 1つ目は、evidence の quote をプログラムで元の資料と照合できることです。資料に無い文を引用したことにしている行は、照合で見つかります。

2つ目は、link_table の link_status から指摘の一覧を機械的に作れることです。指摘の文章をAIに書かせると、毎回書き方が変わります。状態の値から決まった文面を出すほうが、担当者が読み慣れます。

link_status指摘の文面
no_actionこの原因に対応する対策がありません
no_causeこの対策が、どの原因を消すものかが書かれていません
no_verificationこの対策の効果を確かめた期間と数量がありません
verified: falseこの原因は検証の記録がなく「推定」です
流出原因の行が無いなぜ検査で見つからなかったかの分析がありません

3つ目は、promises_detected で約束の表現を拾えることです。資料のメモに「再発ゼロを約束する」と書かれていた場合でも、下書きに入る前に責任者の目に触れます。

Step8

システムへ連携する

つなぎ先方式内容
クレーム管理リストLogic Apps の SharePoint の操作状態の変更の検知、受付記録の読み取り、下書きと指摘の書き込み
案件のフォルダLogic Apps の SharePoint の操作資料の一覧とファイルの中身の取得
Azure OpenAIResponses API の呼び出し下書き・対応表・未記載の項目を構造化出力で返す
Azure FunctionsHTTP の呼び出し引用の照合と指摘の一覧の作成
Microsoft TeamsLogic Apps の Teams の操作担当者への通知(案件番号と指摘の件数、リストへのリンク)

下書きは、リストの項目に書き込みます。 D0〜D8を列にし、指摘は別の列に箇条書きで入れます。取引先の様式のファイルへ直接は書き込みません。 様式は取引先ごとに違い、専用のシステムへの入力を求める取引先もあるため、最後に移すのは人の作業として残します。

Teams の通知には、指摘の件数と no_action の有無だけを書き、下書きの本文は載せません。 本文はリストで読みます。チャットに流れると、取引先の不具合の内容が関係のない人の目に触れます。

Step9

人が確認する

下書きはすべて人が確認します。 顧客に出す報告で、AIの出力をそのまま送る経路は作りません。

  1. 指摘から先に見る … no_action と流出原因の欠けがあれば、文章を読む前に調査の依頼を出します
  2. verified: false の原因を確かめる … 解析担当に、検証の記録があるかを聞きます。無ければ「推定」のまま出すか、検証をしてから出すかを決めます
  3. 照合で外れた引用を見る … 資料に無い文が引用されていれば、その文を下書きから消します
  4. 予定の対策の日付を確かめる … 対策の担当部署に、実施の見込みを確認します
  5. 課長が全体を読む … 顧客に何を認め、何を約束するかを決めます

目標は、24件をならして1件75分です。 内訳は第10章に書きます。指摘が多い案件は75分を超えますが、それは書く時間ではなく、調査を足す時間です。

確認で直した箇所は、記録に残します。 どの項目を、どう直したかがたまると、記載ルールの1枚に足す観点が見えてきます。

Step10

例外に対処する

起きること対応
受付記録の品番・ロット・数量が空AIを呼ばずに担当者へ戻す
資料のファイルが50MBを超える写真のページを分けるか、解像度を下げて作り直してもらう
案件のフォルダに解析報告が無い下書きを作らず「解析報告が未登録」と返す
同じ種類の資料が複数の版ある最新の版を使い、使わなかった版を記録する
構造化出力が返らない・途中で切れる再試行を1回。だめなら状態を「下書き失敗」にして担当者へ
引用が資料に見つからないその文を下書きから外し、指摘に「根拠不明」と出す
下書きに約束の表現が入ったpromises_detected に出して、その文を消してから書き込む
顧客の様式に無い項目を求められる下書きの外で人が書く
英語での提出を求められる日本語の下書きを確定してから訳す(翻訳は別の工程)

上から3行目は、運用の決まりで減らせます。 状態を「8D下書き依頼」に変える前に、解析報告がフォルダに入っていることを確かめる手順にしておけば、ほとんど起きません。

英語の提出は、この構成の外に置きます。 下書きの段階で英語にすると、確認する人が日本語と英語の両方で論理を追うことになり、つながりの点検が甘くなります。

Step11

記録を残す

  • AIに渡した資料の一覧(ファイル名、版、最終更新日、記号)
  • Azure OpenAI に送った指示と、返ってきたJSONの全文
  • 引用の照合の結果(一致・不一致)
  • 指摘の一覧と、それぞれが解消された日
  • 人が直した箇所(どの項目を、どう直したか)
  • 提出した8Dレポートの最終版と、顧客からの差し戻しの内容

Responses API の応答は、既定で30日間保持されます。 保存された応答はIDで削除できます。控えは自社の SharePoint に残し、サービスの側に置いたままにしない運用にします。

最後の行が、記載ルールを育てる材料です。 顧客の差し戻しの指摘を、次の案件の点検の観点に加えていきます。

04実装レベルの3段階

最小構成:資料を手で生成AIの画面に貼り、下書きと対応表を作らせる / 1件ごとの下書き
半自動化:上記+Azure OpenAI の API を手元のスクリプトから呼び、構造化出力で受ける / 下書きと対応表の形の固定
本格構成:上記+リストの状態を起点に資料を集め、引用の照合と指摘の一覧づくり、リストへの書き込みまで自動で行う / 資料の収集から指摘の通知まで

最小構成では、資料を集める手間が残ります。 案件のフォルダを開いて資料を選び、個人名を置き換えて貼るので、1件ごとの時間はあまり減りません。下書きの質を確かめる段階です。 半自動化で、形がそろいます。 対応表と未記載の項目が毎回同じ形で出るので、確認する人の見る場所が決まります。本格構成で、引用の照合が入り、この段階が本記事の想定です。 照合が無いと、資料に無い文を見つけるために、確認する人が資料を開き直すことになります。 段階を飛ばさないでください。 半自動化の段階で記載ルールの1枚を何度か直し、顧客ごとの差し戻しの傾向が指摘に出るようになってから、本格構成に進みます。

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
24 件
1件あたり現在時間
180 分
1件あたり導入後時間
75 分
現在  24件 × 180分 ÷ 60 = 72 時間/月
導入後 24件 × 75分 ÷ 60 = 30 時間/月
月間削減時間
42h
削減率
58%
年間削減時間
504h
年間金額換算(時間単価4,000円)
202万円
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. 自動車・電機・産業機器の部品メーカーのように、取引先から品質クレームを受けるたびに8Dレポートの提出を求められ、月に十数件から数十件の報告を書いている会社。受付記録や調査の結果は SharePoint や共有フォルダに残っているが、報告にまとめる作業が品質管理の数名に偏っている場合。顧客から「原因と対策が対応していない」「流出原因が書かれていない」と差し戻されたことがある場合。Microsoft Azure の利用について社内の取り決めができる場合。
向いていない
  1. クレームが年に数件で、8Dレポートを書く機会がほとんど無い場合。調査の結果や対策の打合せが記録に残っておらず、担当者の記憶にしか無い場合。顧客が独自の専用システムへの直接入力しか認めず、文章の下書きを使う場面が無い場合。なお、根本原因の特定、対策の妥当性、顧客へ何を約束するかの判断は品質保証の責任者が行うもので、この構成では代替できません。

07最小構成で試す方法

  1. 過去に提出した8Dレポートから5件を選ぶ(うち2件は、顧客から差し戻されたものを入れる)
  2. それぞれの案件の受付記録、解析報告、打合せメモを集める
  3. 個人名を記号に置き換えてから、手元の生成AIの画面に資料を貼り付ける
  4. 「この資料だけを使って8DレポートのD0〜D7の下書きを作ってください。発生原因と流出原因を分けてください。資料に無い項目は未記載としてください。原因ごとに、対応する対策と効果の確認を表にしてください」と指示する
  5. 出てきた下書きと表を、実際に提出したレポートと、差し戻しの指摘と比べる

差し戻された2件が、試す価値の大半です。 当時の顧客の指摘が、対応表の空欄として出てくるかを見ます。

出てきた内容判断
差し戻しの指摘と同じ箇所が空欄になったワークフローの構築に進む
資料に無い原因や日付を書いた指示の書き方で直る。構成は有効
資料が足りず、ほとんど未記載になった調査の記録の残し方が先。 AIの問題ではない

3行目が出たら、それも1つの結果です。 8Dを書ける人が限られていた理由が、記録ではなくその人の頭の中に調査の結果があったからだと分かります。

08実装時につまずきやすいポイント

問題対策
記録に無い原因を書く「資料に無いことは書かない」と指示し、引用の照合で外す
推定の原因を断定で書くverified を持たせ、false なら文の頭に「推定:」
予定の対策に日付を作る実施日が資料に無ければ「予定」とし、日付を作らせない
流出原因が抜けたまま出る発生と流出を分けて書かせ、流出の行が無ければ指摘にする
対応の崩れた行が表から消える崩れた行も残させ、link_status で印を付ける
古い版の解析報告を根拠にする最新の版だけを渡し、旧版は別のフォルダへ
作業者の氏名が下書きに入る前処理で記号に置き換える
写真の多いPDFが大きすぎる各ファイル50MB未満、合計50MBまで。分けて作り直す
構造化出力のスキーマが通らないすべてのフィールドを必須にし、additionalProperties: false
暫定の段階でD4以降を書く区分を渡し、暫定ではD3までに止める
約束の表現が入るpromises_detected で拾い、責任者が判断する
記載ルールが古いまま顧客の差し戻しを、そのたびに1枚へ書き足す

上の2行が、この構成の失敗のほとんどです。 どちらも、AIが8Dらしい文章を整えようとして起きます。照合と verified という、文章の外にある印で守ります。

下から2行目も早く効いてきます。 「再発防止を徹底します」のような文は、資料のメモにもよく書かれています。下書きに残すと、顧客はそれを約束として扱います。

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: 取引先の名前と品番、不具合の内容と数量、自社の工程と検査の弱点、そして聞き取りのメモに書かれた作業者の情報です。

  1. 作業者の氏名を外へ渡さない … 前処理で記号に置き換えます。8Dレポートに個人名は要らず、原因を個人の責任として書かないためにも外します
  2. 処理する地域を決めておく … 公式のページでは、プロンプトと応答はお客様が指定した地域内で処理されるとされ、グローバルや DataZone のデプロイの種類を使う場合は、その範囲で処理されうるとされています。社内の取り決めに合わせてデプロイの種類を選びます
  3. 不正使用の監視を理解しておく … 公式のページでは、不正使用の可能性が検出されると、プロンプトと出力のサンプルがレビューの対象になりうるとされています。管理対象のお客様は、監視の変更を申請できるとされています
  4. 顧客へ自動で送らない … 出すのは下書きまでです。提出するかどうか、何を認めるかは品質保証の責任者が決めます
  5. この構成は原因の判断を代替しない … AIが出すのは、記録に書かれていることの並べ直しと、対応の欠けの指摘です。根本原因が正しいかを判断するのは、調査をした人と責任者です
  6. 控えを自社で持つ … Responses API の応答は既定で30日間保持されます。必要な控えは SharePoint に残し、サービスの側の応答は削除する運用を決めておきます

誤りが起きた場合のリスクは、調べていない原因や実施していない対策を、顧客への正式な回答として出してしまうことです。取引先の監査で発覚すれば、そのクレーム1件ではなく、自社の品質保証の仕組み全体への信頼に響きます。 引用の照合と verified と「予定」の区別は、すべてこのリスクを止めるために置いています。

10まず何から始めるか

1週目:8D記載ルールを1枚にまとめる

課長と、8Dを書き慣れた担当者で、各項目に書くこと、使う用語、避ける表現を1枚にまとめます。過去1年の差し戻しの指摘を読み返し、多かったものを書き足します。

2週目:過去の5件で試す

差し戻された2件を含む5件で、手元の生成AIの画面に資料を貼って下書きと対応表を作らせます。差し戻しの指摘と同じ箇所が空欄として出るかを最優先で見ます。

3週目:案件のフォルダの決まりをそろえる

資料の置き場所、版の扱い、ファイル名の付け方を決め、解析担当と製造課に伝えます。ここがそろわないと、本格構成で資料を集められません。

4週目:API で下書きを作る

Azure OpenAI に構造化出力で下書きと対応表を返させる処理を作り、新しく受けた案件で動かします。この時点ではリストへの書き込みをせず、出力を担当者が手で見ます。

2か月目: Logic Apps でリストの状態の変更から動くようにし、引用の照合と指摘の一覧を足します。3か月目以降: 1件あたりの時間と差し戻しの件数を数え、記載ルールの1枚を直していきます。指摘が出た段階で調査を足す流れが定着した時点で、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:2026-10-09/最終更新:2026-10-09
確認した内容情報源確認日
8Dが D1〜D8 の8つの段階からなり、D0(計画)を置く組織もあること。D2で5W2Hにより問題を定量的に記述すること。D4で原因に加えて、問題が起きたときになぜ気づかれなかったかも特定し、原因は検証されるべきであること。D5で恒久対策を選んで検証し、D6で実施して効果を確かめ、D7で再発防止のために仕組みと手順を見直すこと。顧客クレームなどに適用されることASQ: Eight Disciplines 8D2026-10-09
ビジョン機能を備えたモデルでPDF入力がサポートされ、抽出されたテキストと各ページの画像の両方がモデルのコンテキストに含まれること。各ファイルが50MB未満で、要求内の合計も50MBまでであること。既定で応答データが30日間保持され、保存された応答をIDで削除できることMicrosoft Learn: Azure OpenAI Responses API2026-10-09
構造化出力でモデルが指定した JSON スキーマに従うこと。Responses API では text.format でスキーマを定義すること。すべてのフィールドを必須にすること。オブジェクトに additionalProperties: false を設定すること。オブジェクトのプロパティが最大100個、入れ子が最大5レベルであることMicrosoft Learn: Azure OpenAI で構造化出力を使用する方法2026-10-09
プロンプトと出力が他のお客様に利用されず、OpenAI に提供されず、モデルやサービスの改善に使われないこと。グローバル・DataZone 以外のデプロイの種類では指定した地域内で処理されること。不正使用の可能性が検出されるとサンプルがレビューの対象になりうること。管理対象のお客様が不正使用の監視の変更を申請できることMicrosoft Learn: Azure が販売する Foundry モデルのデータ、プライバシー、セキュリティ2026-10-09

根本原因の特定、対策の妥当性、顧客に何を約束するかは、品質保証の責任者が決めてください。 本記事は公開されている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-1209)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