Media > AI活用ユースケース > 営業 > 産業廃棄物の処理業者の営業が、許可の品目・受入の基準・過去の受入の判断の記録を OpenSearch で検索し、排出事業者からの受入の打診に答える前に似た事例を探す

産業廃棄物の処理業者の営業が、許可の品目・受入の基準・過去の受入の判断の記録を OpenSearch で検索し、排出事業者からの受入の打診に答える前に似た事例を探す

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

排出事業者から届いた受入の打診を、廃棄物データシート(WDS)の項目に分けます。廃棄物の種類で絞り、発生工程と組成の近さで過去の受入の判断を OpenSearch で引いて、当時の判断・条件・その後の事故の記録を並べます。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
AIサービス
Azure AI/OpenSearch
対象業界
その他/建設/物流/製造
対象部門
営業
対象業務
内容確認・チェック/情報検索
主な課題
判断に時間がかかる/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
判断支援/対応スピード向上/属人化解消
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
必須
現在工数
120h/月
AI導入後
48h/月
想定削減
60%
年間削減
864h
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. 打診のメールと WDS・分析表を読み、廃棄物の種類・発生工程・組成・性状・荷姿・量を拾う
  2. 許可の品目の表と施設の受入の基準を開き、受けられる種類かを確かめる
  3. 似た廃棄物を過去にどう判断したかを、表計算のファイルと紙のファイルで探す。見つからなければベテランの営業に聞く
  4. 処理の担当に相談するメモを書く
  5. 足りない情報があれば、排出事業者に問い合わせる
  6. 処理の担当の判断を受けて、排出事業者に返答し、見積を出す
導入後(After)
  1. 人営業が打診のメールと添付を、受入の打診の受け口に入れる
  2. 自動受け口への保存をきっかけに処理が動き、WDS の表計算のファイルは欄を読み、PDF と本文は文字にする
  3. 自動生成AIが打診を WDS の項目(発生工程・種類・組成・有害特性・性状・荷姿・量など)に分け、書かれていない項目を拾う
  4. 自動廃棄物の種類を許可の品目の表に照らし、施設ごとに「許可あり/なし」を付ける
  5. 自動許可のある種類で絞り、発生工程と組成の近さで過去の判断を引き、処理の方法の合うものを上に寄せる
  6. 自動同じ排出事業者の判断を1件にまとめ、判断の内訳(受入・条件付き・お断り)を数える
  7. 自動当たった判断ごとに、当時の条件・理由・処理の方法・その後の事故の記録を並べる
  8. 人営業が候補と足りない項目を読み、処理の担当に相談する
  9. 人処理の担当が受け入れるか・条件・処理の方法を決め、営業が返答と見積を出す
  10. 自動判断と理由・条件を、参考にした過去の判断と結び付けて記録する
各工程の詳しい説明を読む
  1. 打診のメールと WDS・分析表を読み、廃棄物の種類・発生工程・組成・性状・荷姿・量を拾う
  2. 許可の品目の表と施設の受入の基準を開き、受けられる種類かを確かめる
  3. 似た廃棄物を過去にどう判断したかを、表計算のファイルと紙のファイルで探す。見つからなければベテランの営業に聞く
  4. 処理の担当に相談するメモを書く
  5. 足りない情報があれば、排出事業者に問い合わせる
  6. 処理の担当の判断を受けて、排出事業者に返答し、見積を出す

(a)似た判断が、どこにあるか分からない。 過去の判断は排出事業者ごとのファイルに綴じられ、廃棄物の中身では探せません。「前に同じような塗装の汚泥を断った」というベテランの記憶が、いちばん早い検索です。

(b)足りない情報に、遅れて気づく。 WDS の組成の欄が空、有害特性の欄が「なし」とだけ書かれている、サンプルの有無が書かれていない。処理の担当に相談してから聞き返すことになり、返答が1往復遅れます。

(c)断った理由と、条件付きの条件が残らない。 「水分が多すぎて焼却に向かない」「pH が低すぎるので中和の前に希釈が要る」。理由と条件は処理の担当の頭にあり、記録には「不可」「可」の1語しか残っていません。

(d)事故の記録と、受入の判断がつながっていない。 受け入れた後に発ガスや配管の詰まりがあっても、その記録は施設の側にあり、次に似た打診が来たときの営業の目に入りません。

  1. 【人】 営業が打診のメールと添付を、受入の打診の受け口に入れる
  2. 【自動】 受け口への保存をきっかけに処理が動き、WDS の表計算のファイルは欄を読み、PDF と本文は文字にする
  3. 【自動】 生成AIが打診を WDS の項目(発生工程・種類・組成・有害特性・性状・荷姿・量など)に分け、書かれていない項目を拾う
  4. 【自動】 廃棄物の種類を許可の品目の表に照らし、施設ごとに「許可あり/なし」を付ける
  5. 【自動】 許可のある種類で絞り、発生工程と組成の近さで過去の判断を引き、処理の方法の合うものを上に寄せる
  6. 【自動】 同じ排出事業者の判断を1件にまとめ、判断の内訳(受入・条件付き・お断り)を数える
  7. 【自動】 当たった判断ごとに、当時の条件・理由・処理の方法・その後の事故の記録を並べる
  8. 【人】 営業が候補と足りない項目を読み、処理の担当に相談する
  9. 【人】 処理の担当が受け入れるか・条件・処理の方法を決め、営業が返答と見積を出す
  10. 【自動】 判断と理由・条件を、参考にした過去の判断と結び付けて記録する

4番目を検索の前に規則で行うのが、この設計の要です。 許可の品目に無い種類は、似た判断があっても受けられません。許可の照合は検索の結果に混ぜず、先に表で決めます。

9番目で決めるのは処理の担当です。 候補は判断の材料で、判断ではありません。

02今回想定するシステム構成

構成図
受入の打診(メール本文・WDS・分析表)
   │
   ▼【トリガー】受け口(Amazon S3)への保存
AWS Lambda ── WDS の欄の読み取り・PDF の文字化
   ▼
Claude(Amazon Bedrock)── WDS の項目に分け、書かれていない項目を拾う
   ▼
AWS Lambda ── 許可の品目の表との照合
   ▼
Amazon OpenSearch Service
   └── acceptance:過去の受入の判断(種類・発生工程・組成・性状・荷姿・判断・条件・理由・処理の方法・事故の記録)
   ▼
AWS Lambda ── 判断の内訳、事故の記録の印
   ▼
打診ごとの一覧 ──【営業が処理の担当に相談、処理の担当が判断】──▶ 返答・見積
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(more_like_this、bool、collapse、terms の集計、kuromoji)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(文字化・許可の照合・内訳と印)AWS Step Functions
保管Amazon S3(打診・WDS・候補・判断の記録)社内のファイルサーバー

許可の品目の表と受入の基準は、新しく足すものではありません。 社内の文書から、施設ごとに許可の品目を1行ずつの表にします。この構成は表を読むだけで、書き換えません。

日本語の発生工程と組成の文は、kuromoji で分かち書きします。 AWS のページでは、Japanese(kuromoji)Analysis は全ドメインに含まれるとされています。

準備でいちばん手間がかかるのは、過去の判断に「理由」と「条件」を足すことです。 「可」「不可」だけの記録に、処理の担当に聞きながら1行ずつ足します。直近2年分の、打診の多い種類から始めます。

03どうやって実装するのか

Step1

処理の起点を決める

営業が打診のメールと添付を受け口に入れたことを起点にします。 打診は営業の個人のメールに来ることが多いので、受け口への保存を営業の操作にします。 メールの自動の取り込みにすると、見積の依頼や日程の連絡まで混ざります。

同じ打診を二度処理しません。 打診の番号を鍵にし、排出事業者から WDS が追加で届いたときだけ処理し直します。処理し直した結果は前の結果と並べて残します。

Step2

入力データを集める

データ中身取得元
打診排出事業者、メール本文、WDS、分析表、写真受け口
許可の品目の表施設、許可の品目、特別管理産業廃棄物の可否社内の文書から作る表
受入の基準施設ごとの受けられない性状(社内の文書の節)社内の文書
過去の判断種類、発生工程、組成、性状の値、荷姿、量、判断、条件、理由、処理の方法、判断した担当、日付過去の受入の判断の記録から作る表
事故の記録日付、施設、起きたこと、原因とされた廃棄物施設の事故・ヒヤリハットの記録

質を決めるのは、過去の判断の「理由」と「条件」の欄です。 「pH 2 以下は希釈の後に中和」「金属粉の混入があれば単独で処理」のように1行の文で持ちます。第3章の(c)は、この欄が並ぶことで見えるようになります。

事故の記録は、過去の判断に結び付けて持ちます。 WDS ガイドラインには、サンプルと違って常温で引火した汚泥、混合中に発ガスした廃油、アルミの混入で水素が出た例などが並んでいます。自社で起きた同じ型の記録が、次の判断のいちばんの材料です。

Step3

データの取得方法を決める

WDS の表計算のファイルは、欄の位置で読みます。 様式の欄は決まっているので、生成AIに読ませるより確実です。排出事業者の独自の書式と PDF、本文だけの打診は、文字にして生成AIに項目分けを任せます。

過去の判断の索引の設定は、次の形です(一部)。

{
  "mappings": { "properties": {
    "process_text":  { "type": "text", "analyzer": "kuromoji" },
    "composition":   { "type": "text", "analyzer": "kuromoji" },
    "reason":        { "type": "text", "analyzer": "kuromoji" },
    "waste_types":   { "type": "keyword" },
    "treatment":     { "type": "keyword" },
    "packaging":     { "type": "keyword" },
    "decision":      { "type": "keyword" },
    "generator_id":  { "type": "keyword" },
    "ph":            { "type": "float" },
    "incident_ids":  { "type": "keyword" },
    "decided_date":  { "type": "date", "format": "yyyy-MM-dd" }
  } }
}

waste_types は配列で持ちます。 「汚泥と廃油の混合物」のように1つの廃棄物が複数の種類に当たることがあるからです。ただし、まとめに使う generator_id(排出事業者)は1つの値にします。 公式ページでは、collapse の欄は keyword か数の型で、文書ごとに値が1つである必要があり、複数の値を持つ文書があると検索が拒否されるとされています。

Step4

AIへ渡す前に整形する

  1. 項目に分ける … 生成AIが打診を、WDS の項目(発生工程・廃棄物の名称・種類・組成・有害特性・物理的化学的性状・品質安定性・荷姿・排出頻度と量・特別注意事項・サンプルの有無)に分けます。書かれた言葉のままにします
  2. 書かれていない項目を拾う … 空の項目、「なし」「不明」とだけ書かれた項目を一覧にします
  3. 許可の品目と照らす … 廃棄物の種類を施設ごとの許可の品目の表で引きます。許可のある施設が無ければ、検索に進まず止めます
  4. 検索の文を作る … 発生工程と組成をつないで、近さを測る文にします
  5. 数値を写す … pH などの値は、書かれた値と単位のまま別の欄に写します

2番目が、第3章の(b)への答えです。 WDS ガイドラインは、処理業者が足りないと思う情報を排出事業者に問い合わせる形の双方向のやり取りを勧めています。相談の前に聞き返す項目が分かれば、1往復早くなります。

Step5

AIに処理させる

検索にさせるのは、許可のある廃棄物の種類で絞ったうえで、発生工程と組成の近さで過去の判断を並べ、処理の方法の合うものを上に寄せることです。

句置き場所役目
廃棄物の種類filter(terms)種類の違う判断を外す
発生工程と組成の近さmust(more_like_this)近い判断ほど点数を高くする
処理の方法should今回の施設で行う処理の判断を上に寄せる
荷姿should同じ荷姿の判断を上に寄せる

近さは more_like_this で測ります。 公式ページでは、既定で入力の中に2回未満しか出ない語(min_term_freq 2)と、5文書未満にしか出ない語(min_doc_freq 5)を無視します。発生工程の文は短く、既定のままだと語が選ばれません。 両方を1にします。

「自動車部品の塗装ブースの水洗式の汚泥。水性塗料。凝集剤を使用」(汚泥、焼却の施設)から組み立てる検索は、次の形です。

{
  "query": { "bool": {
    "must": [
      { "more_like_this": {
          "fields": ["process_text", "composition"],
          "like": "塗装ブース 水洗式 汚泥 水性塗料 凝集剤",
          "min_term_freq": 1, "min_doc_freq": 1, "max_query_terms": 25 } }
    ],
    "filter": [
      { "terms": { "waste_types": ["sludge"] } }
    ],
    "should": [
      { "term": { "treatment": "incineration" } },
      { "term": { "packaging": "drum" } }
    ]
  } },
  "collapse": { "field": "generator_id" },
  "aggs": { "by_decision": { "terms": { "field": "decision" } } },
  "size": 10
}

種類は filter に、近さは must に置きます。 公式ページでは、filter の句は点数に関わらず、filter だけの検索ではすべての文書の点数が0になるとされています。近さで並べたいので、more_like_this を must に置きます。

同じ排出事業者の判断は collapse で1件にまとめます。 毎月同じ汚泥を出す排出事業者の判断が、候補の上位を埋めるからです。公式ページでは、collapse は上位の結果にだけ効き、集計の結果は変えないとされています。 by_decision の内訳は、まとめる前のすべての当たった判断で数えられます。画面では「似た判断 N件(まとめる前)のうち、受入 x・条件付き y・お断り z」と、候補の一覧と分けて出します。

内訳の数は、近さの低い判断まで含みます。 more_like_this は語が少しでも当たれば返すので、遠い判断も数に入ります。内訳は目安として見せ、判断は候補の中身で行います。 集計の size の既定は10で、判断の区分は3つなので足ります。

検索のあとは、規則で印を付けます。

条件印
事故・ヒヤリハットの記録が結び付いているincident(先頭に出す)
判断がお断りrejected(理由を読む)
判断が条件付きconditional(条件を読む)
判断の日付が5年より前old_case(施設や基準が変わっている恐れ)
候補が3件未満few_cases(処理の担当に一から相談する)

生成AIにさせるのは、打診を項目に分けて、書かれていない項目を拾うことだけです。

させないこと理由
受け入れるかどうかの判断処理の担当が性状と施設から決める
廃棄物の種類を決めること排出事業者が書いた種類を写す。違うと思えば営業が確かめる
組成や性状を推測で埋めること書かれていないことが、聞き返すべき項目
許可の範囲に入るかの判断許可の品目の表との照合は規則で行い、最後は人が確かめる
Step6

指示内容を固定する

あなたは産業廃棄物の中間処理の会社で、営業が受けた受入の打診を整理する補助です。
メール本文・WDS・分析表の文字から、次の項目に分けてください。
受け入れられるかどうか、処理の方法、見積は書かないでください。

【分ける項目】
- waste_name …… 廃棄物の名称。書かれたとおりに
- process ………… 発生工程(使用原材料、混入しうるもの、排出場所)。書かれたとおりに
- waste_types … 法律上の種類。書かれたとおりに(汚泥・廃油・廃酸・廃アルカリ など)
- composition … 組成・成分。書かれたとおりに。割合や濃度も書かれたとおりに
- hazards ……… 有害特性(加熱・混合による発熱・発ガスなど)。書かれたとおりに
- properties … 形状・臭い・色・比重・pH・引火点などの値。値と単位を書かれたとおりに
- stability …… 保管中の性状の変化。書かれたとおりに
- packaging …… 荷姿。書かれたとおりに
- quantity …… 排出の頻度と1回の量。書かれたとおりに
- cautions …… 特別注意事項。書かれたとおりに
- sample ……… サンプルの提供の有無。書かれたとおりに
- missing …… 上の項目のうち、書かれていないもの、「なし」「不明」とだけ書かれたもの

【厳守事項】
- 書かれていない値を推測で埋めないでください。空にして missing に入れてください。
- 「有害特性:なし」のように根拠の書かれていない「なし」は、値を写したうえで
  missing にも入れてください。
- 種類を別の種類に言い換えないでください。
- 数値の単位を換算しないでください。
- 化学物質の名前を一般名や別名に直さないでください。

【打診の文字】{text}

「根拠の無い『なし』を missing にも入れる」が大事です。 WDS の有害特性の欄に「なし」とだけ書かれていると、生成AIはそのまま「なし」と写して終わります。処理の担当が知りたいのは、確かめた結果の「なし」かどうかです。 聞き返す候補として残します。

Step7

出力形式を固定する

打診1件ごとに、次の形の JSON で持ちます。

{
  "inquiry_id": "",
  "generator": "",
  "parsed": {
    "waste_name": "", "process": "", "waste_types": [""], "composition": "",
    "hazards": "", "properties": "", "stability": "", "packaging": "",
    "quantity": "", "cautions": "", "sample": "", "missing": [""]
  },
  "permit_check": [ { "facility": "", "permitted": true } ],
  "decision_breakdown": { "accepted": 0, "conditional": 0, "rejected": 0, "total_before_collapse": 0 },
  "candidates": [
    { "case_id": "", "waste_types": [""], "process_text": "", "decision": "",
      "conditions": "", "reason": "", "treatment": "", "incidents": [""],
      "decided_date": "", "flags": ["incident"] }
  ],
  "few_cases": false,
  "staff_decision": { "referenced": [""], "decision": "", "conditions": "",
                      "decided_by": "", "decided_at": "" }
}

1つ目の理由は、missing を候補と並べられることです。 営業は処理の担当に相談する前に、聞き返す項目を排出事業者へ送れます。

2つ目は、permit_check を候補と別の欄に置けることです。 許可の照合は規則の結果で、検索の結果ではありません。許可が無いのに似た判断が並ぶ、という見え方を避けます。

3つ目は、staff_decision.referenced で参考にした判断が残ることです。 今回の判断が、次の打診の候補になります。

生成AIの呼び出しには、Amazon Bedrock の Converse API の outputConfig.textFormat に JSON スキーマを渡します。object ごとに additionalProperties: false を書かないと 400 が返り、任意の項目はスキーマ全体で12個までとされています。項目が多いので、全部を required にし、書かれていないものは空の文字にさせます。

Step8

システムへ連携する

つなぎ先方式内容
受け口S3 への保存のイベント打診と添付を Lambda に渡す
Claude(Amazon Bedrock)Converse API打診を項目に分け、書かれていない項目を拾う
許可の品目の表表の読み取り種類ごとに許可のある施設を引く
Amazon OpenSearch Service検索の API過去の判断を引き、内訳を数える
打診の一覧表計算のファイルか社内の画面打診ごとの項目・候補・印を並べる

新しい判断は、処理の担当が決めた時点で索引に足します。 足すのは判断・理由・条件・処理の方法と、参考にした過去の判断の番号です。受け入れた後に事故が起きれば、施設の担当が事故の記録の番号を同じ判断に足します。

排出事業者への返答は自動で送りません。

Step9

人が確認する

営業と処理の担当が、全件の候補を読みます。

  1. 許可の照合を見る … permit_check が「あり」でも、特別管理産業廃棄物に当たらないかは人が確かめます
  2. missing を先に聞き返す … 処理の担当に相談する前に、排出事業者へ送ります
  3. incident の候補を先に読む … 似た廃棄物で何が起きたかを、処理の担当と一緒に見ます
  4. お断りと条件付きの理由を読む … 今回の打診がその理由に当たらないかを見ます
  5. 受け入れる前にサンプルで確かめる … 候補は書類の上の近さです。実物の性状はサンプルと受入時の分析で見ます

5番目を省かないでください。 WDS ガイドラインの事例の多くは、書類やサンプルと実物が違っていたことから起きています。

目標は、240件をならして1件12分です。

Step10

例外に対処する

起きること対応
廃棄物の種類が書かれていない検索に進まず、missing に入れて聞き返す
許可のある施設が無い検索に進まず、「許可外」として営業に返す。似た判断を並べない
WDS の様式が古い版欄の位置で読めない分を文字にして生成AIに渡す
添付が画像だけで文字にできない営業が主な項目を打ち込む
collapse の欄に値が複数ある文書がある検索が拒否される。索引に入れる前に排出事業者が1つかを確かめる
候補が0件種類だけで新しい順に並べ、few_cases
生成AIの呼び出しが失敗した本文をそのまま検索の文にし、missing は空のまま印を付ける
OpenSearch が応答しない受け口に残す。処理済みへ移すのは成功したときだけ
Step11

記録を残す

  • 打診の番号、元のメールと添付、生成AIが分けた項目、missing
  • 許可の照合の結果と、そのときの許可の品目の表の版
  • 候補、内訳、印
  • 処理の担当の判断・理由・条件、参考にした過去の判断
  • 受け入れた後の事故・ヒヤリハットの記録の番号

2つ目で表の版を残すのは、許可の品目が更新で変わるためです。 後から照合をやり直すときに、当時の表で見られます。

04実装レベルの3段階

最小構成:表計算のファイルに過去の判断を写し、種類と言葉で探す / 似た判断の検索
半自動化:上記+OpenSearch に過去の判断を入れ、種類で絞って発生工程と組成の近さで並べる / 候補の一覧化
本格構成:上記+生成AIで打診を WDS の項目に分け、書かれていない項目を拾い、許可を照合し、内訳と事故の印を付ける / 打診から相談の材料までの全体

半自動化で、1件30分が20分程度になります。 打診を読んで項目を拾う作業と、許可の照合が残ります。本格構成で12分になり、この段階が本記事の想定です。 段階を飛ばさないでください。 半自動化を1か月回すと、どの種類の判断に理由が欠けているかが分かります。理由の欠けた判断が候補の上位に並ぶ種類から、処理の担当に理由を足してもらうほうが、全件を一度に整えるより早く効きます。

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
240 件
1件あたり現在時間
30 分
1件あたり導入後時間
12 分
現在  240件 × 30分 ÷ 60 = 120 時間/月
導入後 240件 × 12分 ÷ 60 = 48 時間/月
月間削減時間
72h
削減率
60%
年間削減時間
864h
年間金額換算(時間単価3,500円)
302万円
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. 汚泥・廃油・廃酸・廃アルカリなどを受け入れる中間処理の会社で、営業が月に百件以上の受入の打診を受け、過去の受入の判断が営業と処理の担当の記憶と紙のファイルに分かれている場合。WDS や分析表を打診ごとに受け取っていて、過去の分も表計算のファイルか PDF で残っている場合。
向いていない
  1. 受け入れる品目が1〜2種類に限られ、打診のほとんどが同じ排出事業者からの同じ廃棄物の場合。過去の受入の判断を記録していない場合(まず記録から始める)。なお、受け入れるかどうかの判断、処理の方法の決定、許可の範囲に入るかの法令上の判断、見積の金額の決定は、この構成では代替できません。似た過去の判断と当時の条件・結果を並べるまでです。

07最小構成で試す方法

  1. 先月の打診から30件を選ぶ(うち10件は、ベテランに聞かないと相談のメモが書けなかった打診を入れる)
  2. 過去2年の判断の記録から、種類・発生工程・組成・判断・理由・条件を表計算のファイルに400件写す
  3. 30件を、表計算のファイルで種類と言葉で探し、当時の判断と比べる
  4. 見つからなかった打診を、理由(言葉の違い、初めての業種、記録に理由が無い)で分ける

30件は必ずやってください。 検索の仕組みを組む前に、「過去の判断に理由と条件を足すだけで、どこまで使えるか」を確かめます。

出てきた内容判断
種類と言葉で大半の打診に似た判断が見つかったOpenSearch に進む
言葉の違いで見つからない打診が多いmore_like_this の出番。 索引を作る
記録に理由が無く、見つかっても使えない理由と条件を足す作業を先にする

08実装時につまずきやすいポイント

問題対策
短い発生工程の文で何も返らない既定は min_term_freq 2・min_doc_freq 5。両方を1にする
許可の無い種類の判断が並ぶ許可の照合を検索の前に規則で行い、無ければ止める
filter だけにして並びが無くなるfilter だけでは点数が0。近さの句を must に置く
同じ排出事業者の判断で上位が埋まる排出事業者で collapse する
collapse の検索が拒否されるまとめる欄を1つの値にする
内訳の数を判断の根拠にしてしまう内訳は遠い判断も含む。候補の中身で判断する
「有害特性:なし」をそのまま信じる根拠の無い「なし」を聞き返す項目にする
構造化出力のスキーマが通らない任意の項目は12個まで。全部を required にする
書類の上の近さで受け入れてしまう受け入れる前にサンプルと受入時の分析で確かめる

2行目が、この構成で最初に決めておくべき所です。 似た判断が並ぶと、受けられそうに見えてしまいます。

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: 排出事業者の名前、工場の工程、使っている原材料と薬品、廃棄物の組成、受入の判断と見積です。工程と原材料は、排出事業者にとって外に出したくない情報です。

  1. 生成AIに渡すのは打診の文字だけにする … 排出事業者の名前と担当者の連絡先は、渡す前に伏せます
  2. 受け入れるかどうかを、この構成で決めない … 候補は過去の判断です。決めるのは処理の担当です
  3. 許可の範囲の判断を、この構成で確定しない … 表との照合は目安で、最後は人が確かめます
  4. 過去の判断を社外に出さない … 他の排出事業者の工程と組成が入った記録です。排出事業者への返答に、他社の判断の中身を書きません
  5. 事故の記録を候補から外さない … 不利な記録ほど、次の判断に要ります

誤りが起きた場合のリスクは、許可の無い廃棄物を受けることと、書類どおりでない廃棄物を受けて事故になることの2つです。 前者は許可の照合を検索の前に置くこと、後者はサンプルと受入時の分析で、設計の段階で防ぎます。

10まず何から始めるか

1週目:判断の記録の写し方を決める

種類・発生工程・組成・判断・理由・条件・処理の方法の欄を決めます。理由と条件の書き方を、処理の担当と一緒に10例作ります。

2週目:直近2年分を写す

打診の多い種類から写し、事故の記録の番号を結び付けます。

3週目:30件で試す

第8章の手順で、表計算のファイルでどこまで似た判断が見つかるかを確かめます。

4週目:索引を作る

Amazon OpenSearch Service に判断の索引を作り、種類で絞って more_like_this で並べます。この時点では生成AIを使わず、営業が打ち込んだ発生工程を検索の文にします。

2か月目: 生成AIで打診を WDS の項目に分け、missing と許可の照合、内訳と事故の印を足します。3か月目以降: 1件30分が何分になったかを実測します。ベテランの営業が不在の日にも、若手が処理の担当に同じ形で相談を持っていけ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:2026-11-17/最終更新:2026-11-17
確認した内容情報源確認日
WDS ガイドライン(第3版)と WDS 様式(第3版、表計算のファイル)が公開されていること環境省: 廃棄物情報の提供に関するガイドライン2026-11-17
第3版が令和7年12月付であること。排出事業者が処理業者へ廃棄物の性状等の情報を提供しなければならないこと。処理業者の受入の判断・処理方法の選定・費用見積に詳細な情報が要り、処理業者が不足する情報を問い合わせる双方向のやり取りが勧められていること。組成・成分情報等が変わらなければ委託の都度 WDS を出し直す必要はなく、製造工程等の変更で変わったときは新たに出すこと。WDS の項目(発生工程・種類・組成・有害特性・物理的化学的性状・品質安定性・荷姿・排出頻度と数量・特別注意事項・サンプル提供等)。事前の情報やサンプルと実物が違って起きた事故・ヒヤリハットの事例(常温引火の汚泥、混合による発ガス、アルミの混入による水素の発生など)環境省: 廃棄物情報の提供に関するガイドライン(第3版)2026-11-17
more_like_this の min_term_freq の既定が2、min_doc_freq の既定が5、max_query_terms の既定が25であること。複数の欄を fields に渡せることOpenSearch: More like this2026-11-17
filter の句が点数に関わらず、filter だけの検索ではすべての文書の点数が0になることOpenSearch: Boolean query2026-11-17
collapse の欄が keyword か数の型で、文書ごとに値が1つである必要があり、複数の値があると検索が拒否されること。collapse が上位の結果にだけ効き、集計の結果を変えないこと。応答の件数がまとめる前の数であることOpenSearch: Collapse search results2026-11-17
terms の集計の size の既定が10で、既定の並びが件数の多い順であることOpenSearch: Terms aggregations2026-11-17
Japanese(kuromoji)Analysis が全ドメインに含まれることAWS: Plugins by engine version in Amazon OpenSearch Service2026-11-17
Converse API の outputConfig.textFormat で JSON スキーマを渡せること。object ごとに additionalProperties: false が要り無いと 400 になること。任意の項目がスキーマ全体で12個までであることAWS: Get validated JSON results from models(Amazon Bedrock)2026-11-17

受け入れられる廃棄物の範囲は、自社の許可証と施設の許可の条件で確かめてください。 本記事は環境省の WDS ガイドライン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-3428)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