輸入する木材・農産品の英文の植物検疫証明書と燻蒸証明書を読み取り、処理の条件を台帳に転記して、インボイスとの食い違いと記載の欠けを拾う

処理の起点を決める

起点は、受付フォルダ（Amazon S3）にPDFが保存されたことです。 共有受信箱のルールで、登録した仕出人とフォワーダーのアドレスから届いたメールの添付をS3へ転送します。保存の通知で AWS Lambda が動き、読み取りから台帳への記録までを済ませます。

植物検疫証明書とインボイスは別々に届くことがあります。 先に届いた書類で台帳の行を作り、組になる相手が来るまで照合を「待ち」にします。 相手が届いた時点で照合をやり直します。

毎朝8時にも1回動かします。 入港が3日以内なのに植物検疫証明書が届いていないロットと、needs_human のまま残っているロットを一覧にして担当者に送ります。

入力データを集める

質を決めるのは、受入条件の表です。 燻蒸の条件は品目と輸出国の組で違い、表に無い組は照合せずに人に回します。

データの取得方法を決める

読み取りは StartDocumentAnalysis にS3の場所と FeatureTypes を渡して始めます。完了は NotificationChannel に指定した Amazon SNS のトピックに通知され、状態が SUCCEEDED なら GetDocumentAnalysis で結果を取ります。

質問は英語の文書でしか使えず、1ページあたり非同期で30個までです。 答えが見つからなければ空のまま返るので、空の項目は全文から欄の見出しの語を探し、それでも無ければ missing にします。

手書きの欄は TextType が HANDWRITING として返ります。 植物検疫証明書は処理の欄や数量を手書きで埋めたものがあり、手書きの値は印字の値より確認の優先度を上げて一覧に出します。

結果は1回最大1,000ブロックで区切られ、NextToken が返る限り呼び直します。受入条件の表と輸入台帳は Python が読み、生成AIには渡しません。

AIへ渡す前に整形する

1. 形式の確認 … JPEG、PNG、PDF、TIFF であることを確かめます
2. パスワードの確認 … PDFはパスワードで保護されていてはいけないとされています。保護されたものは送り元に解除したものを頼みます
3. サイズとページ数の確認 … 非同期の処理で、PDFとTIFFは500MB・3,000ページまでです
4. 書類の振り分け … 1ページ目の見出しの語（Phytosanitary Certificate、Fumigation Certificate、Commercial Invoice、Packing List）で振り分けます
5. 言語の確認 … 6言語に入らない書類は読み取りに回さず、担当者が目で見る一覧に入れます
6. 文字の大きさの確認 … 検出できる文字の高さは15ピクセル以上で、150DPIで8ポイントに当たるとされています。スタンプが重なった小さな文字は、高い解像度でスキャンし直してもらいます

4番目で「Re-export」の語も見ます。 再輸出の植物検疫証明書は書式が違い、元の証明書の写しが付くことがあるので、1つのPDFに2通の証明書が入ります。 ページごとに分けて読みます。

AIに処理させる

させるのは、証明書の各欄を原文のまま取り出し、値が何を表すかを書き出すことです。 照合と判定はさせません。

処理の欄の「空欄」と「欄が無い」を分けるのが、いちばん大事な区別です。 処理をしていない貨物では処理の欄は空で当然で、燻蒸を求める品目でだけ、空欄が欠けになります。 どちらかを決めるのはAIではなく、受入条件の表を引く Python です。

4行目がいちばん起きやすい失敗です。 2通を一緒に渡すと、空の処理の欄を燻蒸証明書の値で埋めて返し、植物検疫証明書の欠けが消えます。 書類は1通ずつ渡します。

指示内容を固定する

あなたは輸入商社の品質管理部で、英文の植物検疫証明書と
燻蒸証明書の記載を記録する担当です。
OCRの読み取り結果だけを使ってください。推測で埋めないでください。
渡すのは1通の書類だけです。他の書類の値で埋めないでください。

【植物検疫証明書から取り出す項目】
cert_no、issuing_org_raw、exporter_raw、consignee_raw、
packages_count、packages_kind_raw、marks（配列）、origin_raw、
conveyance_raw、entry_point_raw、
produce（配列：name_raw、quantity、unit_raw）、botanical_raw、
additional_declaration_raw、
treatment（date_raw、date、treatment_raw、chemical_raw、
duration_temp_raw、concentration_raw）、
signature_detected、handwritten_fields（配列）

【燻蒸証明書から取り出す項目】
cert_no、fumigator_raw、date_raw、date、chemical_raw、
dosage、dosage_unit_raw、duration_raw、temperature_raw、
targets（配列：コンテナ番号やロット番号）

【status の選び方】
- ok ............. 値が読み取れており、その欄として解釈できる
- blank .......... 欄はあるが空
- missing ........ 欄そのものが見当たらない
- unreadable ..... 文字は検出されているが値として確定できない
- ambiguous ...... 候補が複数ある、または日付の順序が決まらない
- unit_unknown ... 数量や投薬量の単位が決まらない

【厳守事項】
- 欄が空なら blank、欄が無ければ missing にしてください。
  他の欄や他の書類の値で埋めないでください。
- 日付は、月が英語の名前で書かれているか、文面から日と月の順序が
  確定できるときだけ YYYY-MM-DD で date に入れてください。
  決まらなければ date を空にし、ambiguous にしてください。
- 数量・投薬量は数値と単位を分けてください。単位を換算しないでください。
- 学名は書かれたとおりに入れてください。品名から補わないでください。
- 証明書が有効か、条件を満たすか、検査に通るかを書かないでください。
- 植物検疫証明書・燻蒸証明書でない書類と判断した場合は、
  項目を取り出さず document_type に種類を書いてください。

【書類の種類】{document_type_hint}
【読み取り結果】{textract_result}

「1通の書類だけ」と「他の書類の値で埋めない」を両方書かないと、埋めます。 同じロットの書類だと分かると、欠けた欄を補おうとします。

出力形式を固定する

Claude API の構造化出力（output_config.format に json_schema を指定）で、書類ごとに次の形のJSONを受け取ります。

{
  "file": "",
  "document_type": "phytosanitary_certificate",
  "cert_no": "",
  "packages_count": 20,
  "packages_kind_raw": "BUNDLES",
  "marks": ["LOT 2610-07", "ABCU1234567"],
  "produce": [
    { "name_raw": "SAWN TIMBER", "quantity": 48.6, "unit_raw": "M3" }
  ],
  "botanical_raw": "",
  "treatment": {
    "date_raw": "03/10/2026", "date": "",
    "treatment_raw": "FUMIGATION", "chemical_raw": "",
    "duration_temp_raw": "", "concentration_raw": ""
  },
  "signature_detected": true,
  "items": [
    { "item": "treatment.date", "status": "ambiguous", "confidence": 0, "source": "" }
  ]
}

1つ目の理由は、照合をプログラムの側に置けることです。 Python がロット番号とコンテナ番号で書類を組にし、インボイスと受入条件の表に照らして印を付けます。

2つ目は、日付の前後を規則で確かめられることです。 処理日と船積日がともに確定したときだけ前後を比べ、処理日が船積日より後なら needs_human にします。 輸送中に始める処理もありうるので、食い違いとは決めつけません。

システムへ連携する

植物防疫所への申請と、通関業者への受け渡しは、この構成からは行いません。 書類がそろったロットを申請の担当に回すのは担当者です。

人が確認する

担当者は全件を一覧で確かめます。 human_check を「必須」としているのはこのためです。一覧には、ロットごとに欄の埋まり方、照合の結果、手書きの欄、署名の有無を1行で出します。

1. field_missing と treatment_mismatch を最初に片付ける … 証明書の再発行が要るかを仕出人に確かめます。再発行は輸出国の機関の手続きなので、時間がかかります
2. quantity_mismatch の単位を確かめる … 数量の単位が書類ごとに違うだけなら、台帳に注記して解決にします
3. needs_human の値を画像で確定させる … 日付の順序、手書きの数字、スタンプの重なった文字を確かめます
4. 印の無いものを一覧で流し見る … 手書きの欄があるものだけ、画像を開きます

例外に対処する

上から4行目と5行目が、誤った問い合わせのほとんどを生みます。 どちらも値を推して決めると誤るもので、人が画像で確定する設計を崩さないでください。

記録を残す

• 元の書類と、受け取った日時、送り元、メールの件名
• AWS Textract が返したJSONの全文と、使った質問の一覧
• Claude API が返したJSON（原文と解釈の両方）
• 照合の結果と、そのとき参照した受入条件の表の版
• 担当者が印を覆した記録と、仕出人への問い合わせの回答
• 再発行された証明書と、元の証明書との対応

最後の行は、同じ仕出人の欠けの傾向を見る材料になります。 同じ欄の欠けが続く仕出人には、書類の作り方そのものを確かめてもらいます。