Media > AI活用ユースケース > 営業 > 古銭・記念硬貨の買取店が、和暦の年号や通称の違いをそろえて過去の買取の記録と相場のメモを OpenSearch で引き、種類・年号・状態の近い買取の例を並べる

古銭・記念硬貨の買取店が、和暦の年号や通称の違いをそろえて過去の買取の記録と相場のメモを OpenSearch で引き、種類・年号・状態の近い買取の例を並べる

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

古銭・記念硬貨の買取の相談に書かれた貨幣の名前と年号を、通称や和暦の違いをそろえたうえで過去の買取の記録から引きます。同じ種類・同じ年号・近い状態の買取の例と相場のメモを並べ、査定の担当が額を決める材料にします。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
AIサービス
Azure AI/Google Vertex AI/OpenSearch
対象業界
EC/小売
対象部門
営業/購買
対象業務
情報検索/比較検討
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
属人化解消/教育コスト削減/検索時間短縮
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
条件付き
現在工数
60h/月
AI導入後
25h/月
想定削減
58%
年間削減
420h
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. 相談を受け、貨幣の名前・年号・状態・枚数・鑑定書の有無を聞き取るか、申込書から写す
  2. 自社の目録の表で、相談の貨幣がどの種類に当たるかを確かめ、和暦の年号を西暦に直す
  3. 販売の管理の仕組みで名前を入れて過去の記録を探す。出てこなければ、通称・正式名・額面などに書き換えて何度も引き直す
  4. 見つかった記録を年号と状態で目で絞り、特年かどうかを目録で確かめる
  5. 相場のメモを何か月分か開き、その種類について書かれた文を探す
  6. 記録とメモを見比べ、状態の差を考えて買取額を決め、相談の記録に残す
導入後(After)
  1. 自動毎晩、販売の管理の仕組みから買取と販売の記録を書き出し、Lambda が目録の符号と西暦の年を付けて OpenSearch の索引に入れる
  2. 自動相場のメモは、担当が保存するたびに段落ごとに分けて別の索引に入れる
  3. 人査定の担当が、相談の文(申込書の内容・店頭のメモ)を画面に入れる
  4. 自動生成AIが、相談の文から貨幣の名前・年号・状態の言葉・枚数・鑑定書の有無を書かれたまま取り出す
  5. 自動Lambda が和暦の年号を西暦に直し、OpenSearch で目録を引いて種類の符号の候補を出す
  6. 人担当が、出てきた種類の候補から1つを選ぶ(候補が1つなら確かめるだけ)
  7. 自動OpenSearch が、同じ種類・同じ年号、同じ種類・通常の年、相場のメモの3つを引く
  8. 自動生成AIが、買取の例と相場のメモの段落を、記録のまま段に分けた表にする
  9. 人担当が貨幣を見て状態を確かめ、表を材料に買取額を決める
各工程の詳しい説明を読む
  1. 相談を受け、貨幣の名前・年号・状態・枚数・鑑定書の有無を聞き取るか、申込書から写す
  2. 自社の目録の表で、相談の貨幣がどの種類に当たるかを確かめ、和暦の年号を西暦に直す
  3. 販売の管理の仕組みで名前を入れて過去の記録を探す。出てこなければ、通称・正式名・額面などに書き換えて何度も引き直す
  4. 見つかった記録を年号と状態で目で絞り、特年かどうかを目録で確かめる
  5. 相場のメモを何か月分か開き、その種類について書かれた文を探す
  6. 記録とメモを見比べ、状態の差を考えて買取額を決め、相談の記録に残す

(a)名前の書き方が違うと出てこない。 3番目で引いて0件だと、記録が無いのか、書き方が違うだけなのかが分かりません。 何通り書き換えるかは担当しだいです。

(b)年号の書き方が混ざる。 「明治3年」「明治三年」「M3」「1870」が混ざり、年号で絞ると書き方の違う記録が落ちます。

(c)特年を通常の年の例で見る。 同じ種類の記録が見つかって安心し、年号の違いを見落として通常の年の額を当ててしまうことがあります。 逆に、特年の高い額を通常の年に当てると、買い取った後に売れ残ります。

(d)相場のメモが読まれない。 忙しい日は5番目を省き、記録の額だけで決めます。

  1. 【自動】 毎晩、販売の管理の仕組みから買取と販売の記録を書き出し、Lambda が目録の符号と西暦の年を付けて OpenSearch の索引に入れる
  2. 【自動】 相場のメモは、担当が保存するたびに段落ごとに分けて別の索引に入れる
  3. 【人】 査定の担当が、相談の文(申込書の内容・店頭のメモ)を画面に入れる
  4. 【自動】 生成AIが、相談の文から貨幣の名前・年号・状態の言葉・枚数・鑑定書の有無を書かれたまま取り出す
  5. 【自動】 Lambda が和暦の年号を西暦に直し、OpenSearch で目録を引いて種類の符号の候補を出す
  6. 【人】 担当が、出てきた種類の候補から1つを選ぶ(候補が1つなら確かめるだけ)
  7. 【自動】 OpenSearch が、同じ種類・同じ年号、同じ種類・通常の年、相場のメモの3つを引く
  8. 【自動】 生成AIが、買取の例と相場のメモの段落を、記録のまま段に分けた表にする
  9. 【人】 担当が貨幣を見て状態を確かめ、表を材料に買取額を決める

6番目で種類を人が選ぶのは、 「竜の50銭」が大きさの違う複数の種類に当たりうるからです。決めるのは貨幣を手にしている担当です。

9番目の買取額も、担当が決めます。 画面には近い例と相場のメモが出るだけで、「この額で買い取れます」とは出しません。

02今回想定するシステム構成

構成図
販売の管理の仕組み(買取と販売の記録の CSV)──【トリガー】毎晩の書き出し
相場のメモ(共有の文書)──【トリガー】保存
   ▼
AWS Lambda ── 目録の符号と西暦の年を付け、メモを段落に分ける
   ▼
Amazon OpenSearch Service
   │   目録の索引:種類の符号・正式名・通称・額面・素材・発行の年の範囲・特年の年
   │   買取の記録の索引:記録の番号・種類の符号・西暦の年・状態の段・鑑定書・額・所見
   │   相場のメモの索引:段落・書いた月・書いた担当
   ▼【人】担当が相談の文を入れる
AWS Lambda
   ├──▶ Claude(Amazon Bedrock)── 名前・年号・状態の言葉を書かれたまま取り出す
   ├──▶ 和暦の表で年号を西暦に直す
   ├──▶ OpenSearch ── 目録を引いて種類の候補を出す ──【人】種類を選ぶ
   ├──▶ OpenSearch ── 買取の例を2段で引き、相場のメモの段落を引く
   ├──▶ Claude(Amazon Bedrock)── 例とメモを記録のまま並べた表
   ▼
担当の画面 ──【人】貨幣を確かめ、買取額を決める
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(kuromoji の解析、同義語、範囲の検索、ハイライト)Azure AI Search、Vertex AI Search(Agent Search)
生成AIClaude(Amazon Bedrock の Converse API、構造化出力)Azure OpenAI(Microsoft Foundry)、OpenAI API
連携AWS Lambda(記録の取り込み、年号の変換、検索の呼び出し、照合)AWS Step Functions
保管Amazon S3(記録の写し、目録、和暦の表、相談と候補と決めた額)社内のファイルサーバー

販売の管理の仕組みと古物の帳簿には、この構成から書き込みません。 買取が決まった後の記録と帳簿への記載は、いつもの手順で行います。

目録は、店が自分で作る表です。 市販のカタログの文や写真を写して索引に入れるのではなく、種類の符号、正式名、店で使う通称、額面、素材、発行の年の範囲、特年の年を担当が表にします。カタログの記載を取り込む場合は、その利用の条件を先に確かめてください。

03どうやって実装するのか

Step1

処理の起点を決める

起点は3つあります。毎晩の記録の取り込み、相場のメモの保存、担当の検索のボタンです。

記録の取り込みは、毎晩、販売の管理の仕組みから書き出した CSV を S3 に置いたときに Lambda が動きます。販売額と売れた日は、売れた日の夜に同じ記録の番号で上書きします。

相場のメモは、保存のたびに Lambda が段落に分けて入れ直し、段落ごとに「書いた月」を持たせます。

検索のボタンは、担当が相談の文を画面に入れた後に押します。宅配の申込書も店頭のメモも、同じ「相談の文」として扱います。

Step2

入力データを集める

データ中身取得元
相談の文貨幣の名前・年号・状態・枚数・鑑定書の記載(お客様や担当が書いたまま)担当が入れる/宅配の申込書
買取と販売の記録記録の番号、貨幣の名前、年号、状態、鑑定書の有無、枚数、買取額、買い取った日、販売額、売れた日、所見販売の管理の仕組みの書き出し
目録種類の符号、正式名、通称の一覧、額面、素材、発行の年の範囲、特年の年の一覧査定の担当が作る表
和暦の表元号ごとの元年の西暦、改元の年の扱い店で作る表
相場のメモ段落の文、書いた月、書いた担当共有の文書

質を決めるのは、目録の通称の一覧です。 お客様や担当が使う呼び方を、過去の記録の名前の欄を集計して、多い書き方から順に足します。 売り手の名前・住所・電話番号は、記録からも相談からも取り込みません。

Step3

データの取得方法を決める

取るものどこからどう取るか
種類の候補目録の索引正式名と通称への match(同義語を含む検索の解析)
同じ種類・同じ年号の例買取の記録の索引type_code と year_ad の term、買い取った日の range
同じ種類・通常の年の例同じ索引type_code の term、特年を除く
相場のメモの段落相場のメモの索引段落への match、書いた月の range、ハイライト

名前のゆれは、kuromoji の解析に辞書と同義語を足して吸収します。 公式のドキュメントでは、kuromoji_tokenizer は IPAdic の辞書による形態素解析で、user_dictionary_rules で独自の語を1つの名詞として登録できるとされています。既定の search モードは複合語を分けた語と元の語の両方を出します。「旭日竜」のような語を登録しないと、別の語に分かれて当たり方が崩れます。

PUT /coin_catalog
{
  "settings": { "analysis": {
    "tokenizer": {
      "coin_kuromoji": { "type": "kuromoji_tokenizer", "mode": "search",
        "user_dictionary_rules": [
          "旭日竜,旭日 竜,キョクジツ リュウ,カスタム名詞" ] } },
    "filter": {
      "coin_syn": { "type": "synonym_graph",
                    "synonyms": [ "竜50銭, 旭日竜五十銭銀貨",
                                  "東京オリンピック記念, 東京五輪記念" ] } },
    "analyzer": {
      "coin_index":  { "tokenizer": "coin_kuromoji",
                       "filter": ["kuromoji_number", "lowercase"] },
      "coin_search": { "tokenizer": "coin_kuromoji",
                       "filter": ["kuromoji_number", "lowercase", "coin_syn"] } } } },
  "mappings": { "properties": {
    "type_code":    { "type": "keyword" },
    "name":         { "type": "text", "analyzer": "coin_index",
                      "search_analyzer": "coin_search" },
    "aliases":      { "type": "text", "analyzer": "coin_index",
                      "search_analyzer": "coin_search" },
    "year_from":    { "type": "integer" },
    "year_to":      { "type": "integer" },
    "special_years": { "type": "integer" } } }
}

kuromoji_number は、漢数字や全角の数字を算用数字に直すと公式のドキュメントにあり、「一万二千三百四十五」が 12345 に、「千円」が 1000 と「円」に分かれる例が示されています。「五十銭」も数字の部分が 50 にそろう想定ですが、_analyze で必ず確かめます。AWS の公式ページでは、kuromoji と ICU の解析がすべてのドメインに含まれるとされています。

同義語は検索の側の解析だけに入れます。 公式のドキュメントは、synonym_graph を検索の解析だけで使うよう注意しています。索引の側で使うと、複数の語からなる同義語の後ろの語の位置がずれ、語の並びで引く検索に当たらなくなるとされています。さらに、同義語の規則は synonym_graph より前の解析の手順で解析されます。 「竜50銭, 旭日竜五十銭銀貨」と書いた規則も kuromoji で語に分かれ、kuromoji_number を通って数字がそろうので、規則の側の漢数字と算用数字の違いも吸収されます。規則は目録の通称の一覧から Lambda が作り、足したら _analyze で語の出方を確かめてから使います。

GET /coin_records/_search
{
  "size": 30,
  "query": { "bool": {
    "filter": [
      { "term":  { "type_code": "C-0412" } },
      { "term":  { "year_ad": 1870 } },
      { "term":  { "excluded": false } },
      { "range": { "buy_date": { "gte": "now-36M/d" } } } ] } },
  "sort": [ { "grade_rank": "asc" }, { "buy_date": "desc" } ]
}

例は filter だけで絞り、状態と日付の順に並べます。 2段目の「同じ種類・通常の年」は、year_ad の term を外し、目録の特年の年を must_not に入れます。特年の相談なら2段目は出しません。

日付の範囲は、年月日まで書きます。 公式のドキュメントでは、日付の部品が欠けると補われ、"gte": "2022" が 2022-01-01T23:59:59.999999999Z から始まる例が示されています。年だけで書くと、元日の記録が落ちます。

GET /coin_notes/_search
{
  "size": 5,
  "query": { "bool": {
    "must":   [ { "match": { "paragraph": "竜50銭 極美品" } } ],
    "filter": [ { "range": { "written_month": { "gte": "now-6M/M" } } } ] } },
  "highlight": { "fields": { "paragraph": {
    "type": "unified", "fragment_size": 80, "number_of_fragments": 2 } } }
}

相場のメモは、当たった箇所をハイライトで返します。 公式のドキュメントでは、既定の unified は文の区切りで断片を作り、BM25 で点数を付けるとされています。画面には当たった1〜2文だけを出します。

Step4

AIへ渡す前に整形する

  1. 年号を分ける … 記録の年号の欄を、元号・和暦の年・西暦の年に分けます。「M3」「明治三年」「明治3年」を和暦の表で 1870 にします
  2. 元年と改元の年をそろえる … 「元年」を1にし、改元の年は記録の書き方を era_label に残したまま西暦の年を持ちます
  3. 種類の符号を付ける … 記録の名前を目録の索引で引き、当たりが1つなら符号を付けます。複数なら空にし、担当が後で付けます
  4. 除く記録に印を付ける … 所見に「模造」「穴あき」「加工」とある記録は excluded を true にし、価格の例から外します
  5. 状態の段を数値にする … 未使用を1、極美品を2、美品を3、並品を4とし、並べるときの順に使います

1番目の変換は、生成AIにさせず Lambda が表どおりに行います。

3番目で複数に当たった記録を空にするのは、 別の種類の符号を付けた記録が、ずっと別の種類の例として出続けるからです。

Step5

AIに処理させる

AIの仕事は2つです。 相談の文から名前・年号・状態の言葉・枚数・鑑定書の有無を書かれたまま取り出すことと、OpenSearch が返した例とメモを記録のまま並べることです。

させることさせないこと
貨幣の名前を書かれたまま取り出す種類を決めること、正式名に直すこと
年号を書かれたまま取り出す(「明治三年」のまま)西暦に直すこと、年号を推し量ること
状態について書かれた言葉を取り出す状態の段(未使用〜並品)を決めること
例を段ごとに、記録の値のまま並べる買取額を書くこと、額を計算し直すこと
相場のメモの当たった文を、書いた月と並べるメモから相場を言い切ること

「年号を直さない」が、いちばん大事な線です。 AIが改元の年やお客様の書き間違いを直してしまうと、別の年号の例が出ます。 変換は和暦の表だけで行います。

Step6

指示内容を固定する

1回目(相談の取り出し)の指示です。

あなたは古銭・記念硬貨の買取店で、買取の相談を整理する立場です。
【相談】から、過去の記録を探すための手がかりを取り出してください。

【取り出すもの】
- coin_name_raw: 貨幣の名前。書かれたまま。無ければ空
- year_raw: 年号。書かれた文字のまま(漢数字・和暦のまま)。無ければ空
- condition_words: 状態について書かれた言葉。書かれたまま
- count_raw: 枚数。書かれたまま。無ければ空
- certificate_words: 鑑定書・ケースについて書かれた言葉。書かれたまま
- missing: 書かれていないが査定に要る項目(名前・年号・状態・枚数)

【厳守事項】
- 年号を西暦に直したり、和暦の年を補ったりしないでください。
- 貨幣の種類や正式名を判断しないでください。
- 状態の段(未使用・極美品・美品・並品)を付けないでください。
- 本物かどうか、価値があるかどうかを書かないでください。
- お客様の名前・住所・電話番号は写さないでください。

【相談】{inquiry_text}

2回目(例とメモの表)の指示です。

あなたは古銭・記念硬貨の買取店で、査定の担当に過去の例を示す立場です。
【例】は OpenSearch が返した買取の記録です。
【段】【特年】【メモ】はシステムが出したものです。

【書き方】
- 例を「同じ種類・同じ年号」「同じ種類・通常の年」に分けて並べてください。
- 例ごとに、記録の番号・年号(記録の書き方と西暦)・状態・鑑定書・枚数・
  買取額・販売額・売れた日を、記録の値のまま書いてください。
- 【特年】が true のときは、表の上に「この年号は店の目録で特年です。
  通常の年の例は額が違います」と書いてください。
- 【メモ】は、書いた月と当たった文をそのまま並べてください。
- 最後に、担当が貨幣を見て確かめる点(状態・傷・洗いの跡・重さと径)を並べてください。

【厳守事項】
- 買取額や「この額で買い取れます」を書かないでください。
- 額を足したり割ったり、平均を出したりしないでください。
- 例の段と順番を変えないでください。
- メモの文を言い換えたり、相場を言い切ったりしないでください。

【相談の手がかり】{hints}
【例】{hits}
【段】{tiers}
【特年】{is_special}
【メモ】{notes}

「平均を出さない」は、古銭の額が状態で大きく変わるからです。 未使用と並品の平均は、どちらの品にも当てはまりません。

Step7

出力形式を固定する

1回目の出力は、Converse API の outputConfig.textFormat に JSON スキーマを渡して受けます。

{
  "coin_name_raw": "竜の50銭",
  "year_raw": "明治三年",
  "condition_words": ["キズ少なめ", "少し黒ずみ"],
  "count_raw": "2枚",
  "certificate_words": [],
  "missing": []
}

項目を固定するのは、year_raw を和暦の表へ、coin_name_raw を目録の索引へ渡すからです。 AWS の公式ページでは、オブジェクトはすべて additionalProperties を false にする必要があり、数値の minimum・maximum には対応しないとされています。新しいスキーマの初回は組み立てに最大約90秒かかるので、読み取りの時間切れは120秒以上にします。

画面に出す表は次の形です。

段記録の番号年号状態鑑定書枚数買取額販売額売れた日
同じ種類・同じ年号R-21877明治3年(1870)極美品なし1(記録の値)(記録の値)(記録の値)
同じ種類・通常の年R-19340明治4年(1871)美品なし3(記録の値)-売れていない

記録の元の書き方と、Lambda が付けた西暦を並べます。 変換の誤りに担当が気づけるようにするためです。

Step8

システムへ連携する

つなぎ先方式内容
販売の管理の仕組みCSV の書き出し(毎晩)買取と販売の記録を S3 に置く
相場のメモ保存の通知段落に分けて索引に入れ直す
Amazon OpenSearch ServiceLambda からの検索目録・買取の記録・相場のメモを引く
Claude(Amazon Bedrock)Converse API相談の取り出しと、例とメモの表
担当の画面社内の Web の画面相談の文を入れ、種類を選び、表を見る

販売の管理の仕組みと古物の帳簿へは書き込みません。 古物営業法は、古物を買い受けるときに相手方の住所・氏名・職業・年齢を確かめる措置をとること(第15条)と、取引の年月日・品目と数量・特徴・相手方の情報などを帳簿等に記載すること(第16条)を古物商に求めています。この記載はいつもの手順で担当が行い、この構成の出力を帳簿に流し込みません。

Step9

人が確認する

人が判断するのは、種類の選択と買取額の2か所です。

  1. 種類を選ぶ … 目録の候補から、大きさ・重さ・図柄を現物で見て選びます
  2. 特年かどうかを確かめる … 表の上に特年の注意が出たら、年号の刻印を現物で読み直します
  3. 状態を見る … 表の例の状態と見比べ、どの段の例を当てるかを決めます
  4. 額を決める … 例と相場のメモを見て決め、相談の記録に残します。決めた額と、参考にした記録の番号を残します

2番目を省かないでください。 申込書の年号は、お客様が読み違えていることがあります。特年の注意は、年号が正しいときにだけ意味を持ちます。

Step10

例外に対処する

起きること対応
相談に年号が無い年号の条件を外して同じ種類の例を出し、「年号を現物で確かめる」と画面に出す
目録で種類の候補が0件名前を写したまま担当に戻す。通称の一覧に足すかを担当が決める
種類の候補が複数候補を並べ、担当が選ぶまで買取の例を引かない
同じ種類・同じ年号の例が0件2段目だけを出し、「同じ年号の記録なし」と明記する
模造品・加工品の疑い査定を止めて担当が現物を見る。例の表は出さない
鑑定書付きの貨幣鑑定書付きの例と無しの例を分けて並べる
OpenSearch や Bedrock が応答しない画面に「検索できない」と出し、いつもの手順で査定する

6行目は、担当が画面のボタンで申告します。 疑いのある品に例を見せると、それが額の根拠になってしまいます。

Step11

記録を残す

  • 相談の文と、1回目の取り出しの結果
  • 和暦の表で変換した年と、そのときの表の版
  • 目録から出た種類の候補と、担当が選んだ種類
  • OpenSearch が返した例の記録の番号と段、相場のメモの段落の番号
  • 担当が決めた買取額と、参考にした記録の番号
  • 種類の候補が0件だった名前の書き方

最後の行は、通称の一覧を育てる材料になります。 毎月0件の書き方を数え、多いものから目録の通称と同義語の規則に足します。

04実装レベルの3段階

最小構成:相談の文を手でAIの画面に貼り、目録と和暦の表を手で引いて記録を絞る / 1件ごとの取り出しと絞り込み
半自動化:上記+記録と目録を OpenSearch に入れ、種類と年号で例を引く画面を作る / 名前のゆれと年号をそろえた検索
本格構成:上記+生成AIの取り出し、特年で段を分けた表、相場のメモの段落の検索まで行う / 取り出しから例とメモの表まで

最小構成では件数がさばけません。 1件ずつ表を引くので、月300件には使えません。確かめるための段階です。 半自動化で、1件12分が8分程度になります。 名前と年号のゆれで記録が出ないことが減りますが、相談の文から手がかりを拾う作業と、相場のメモを探す作業が残ります。本格構成で5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か月使うと、0件になる通称と、符号が空の記録の多い種類が分かります。

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
5 名
月間件数
300 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  300件 × 12分 ÷ 60 = 60 時間/月
導入後 300件 × 5分 ÷ 60 = 25 時間/月
月間削減時間
35h
削減率
58%
年間削減時間
420h
年間金額換算(時間単価2,500円)
105万円
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. 古銭・記念硬貨・旧紙幣を店頭と宅配で買い取り、毎月数百件の査定をしている買取店。過去の買取の記録が販売の管理の仕組みに数万件あるのに、貨幣の名前が「竜50銭」「旭日竜五十銭銀貨」のように担当ごとに違う書き方で入っていて、年号も「明治三年」「明治3年」「1870」が混ざり、記録を引くのが長く勤めた担当の記憶頼みになっている場合。記録を CSV で書き出せ、AWS を使える担当か委託先がいる場合。
向いていない
  1. 扱うのが現行の記念硬貨の額面での引き取りだけで、過去の記録を見なくても額が決まる場合。過去の記録が紙の台帳だけで、貨幣の種類と年号と買取額を書き出せない場合。海外の金貨・銀貨が中心で、地金の相場だけで額が決まる場合。なお、真贋の判断、状態の等級の決定、買取額の決定、売り手の本人確認と古物の帳簿の記載は、この構成では代替できません。記録から近い買取の例を引き、記録のまま並べるまでです。

07最小構成で試す方法

  1. 先月の相談から30件を選ぶ(うち数件は、通称や漢数字で書かれていたものを入れる)
  2. その30件について、当時どの記録を見て額を決めたかを担当に聞き取る
  3. 過去の記録から、30件に関係する種類の記録を表計算のファイルに書き出す
  4. 目録の表を作り、30件に出てくる種類の正式名・通称・特年の年を埋める
  5. 手元のAIサービスに相談の文を貼り、名前・年号・状態の言葉を書かれたまま取り出させる
  6. 取り出した名前を目録の表で引き、年号を和暦の表で直して、記録の表を絞り込む

30件は必ずやってください。 索引を作る前に、「目録の通称と和暦の表があれば、記録が引けるのか」を確かめます。

出てきた内容判断
当時見た記録が、目録と年号の変換で引けたOpenSearch の索引づくりに進む
通称が目録に無くて引けない目録の通称を足せば直る。構成は有効
記録の名前の欄がばらばらで、種類の符号が付けられない記録の整理が先。 AIの問題ではない

3行目が出ることは珍しくありません。 ③に時間がかかっていた理由が1つ分かったということです。 多い種類から符号を付け直し、もう一度試します。

08実装時につまずきやすいポイント

問題対策
通称で引くと別の種類が当たる種類は目録の候補から人が選ぶ。名前の当たりだけで決めない
「旭日竜」が別の語に分かれるuser_dictionary_rules で1つの名詞として登録する
同義語を索引の側に入れて語の並びの検索が当たらないsynonym_graph は検索の解析だけに入れる
漢数字と算用数字で当たらないkuromoji_number を索引と検索の両方の解析に入れる
改元の年で西暦が1年ずれる変換は和暦の表で行い、記録の書き方も並べて出す
日付の範囲で元日の記録が落ちる範囲は年月日まで書く。年だけで書かない
特年の相談に通常の年の例が出る目録の特年の年で2段目を止め、注意を表の上に出す
未使用と並品の額が平均される生成AIに平均・計算をさせない。状態ごとに並べる
模造品の記録が価格の例に混ざる所見で excluded を付け、例から外す
同義語を足したのに当たらない_analyze で規則と相談の文の語の出方を見比べる
相場のメモの当たった箇所が分からない段落に分けて入れ、ハイライトで出す

上の2行が、この構成の失敗のほとんどです。 名前で当たったことを種類が決まったことと取り違えると、別の種類の例で額を決めてしまいます。

年号の2行も早く効いてきます。 変換の誤りは静かに起き、1年のずれが特年かどうかを変えます。

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: 過去の買取の記録(貨幣の種類・年号・状態・額)、相場のメモ、相談の文です。売り手の名前・住所・電話番号は、索引にも生成AIにも入れません。

  1. 売り手の情報を索引に入れない … 近い例を探すのに要りません。記録の書き出しの段階で列を落とします
  2. 相談の文の個人情報を写させない … 申込書のうち名前・年号・状態の欄だけを渡す形にします
  3. 買取額を生成AIに書かせない … 額の目安を文で書かせると、根拠のない査定の額として独り歩きします
  4. 真贋をAIに判断させない … 模造品の疑いは担当が現物で見ます。この構成は本物かどうかを判断しません
  5. 帳簿と本人確認は法令どおりに … 古物営業法の確認(第15条)と帳簿等への記載(第16条)は、この構成の外でいつもの手順で行います
  6. 相場のメモを外へ出さない … 店の仕入れの考え方そのものです。索引への読み取りの権限は査定の担当に限ります

誤りが起きた場合のリスクは、種類や年号を取り違えて額を決めることと、根拠のない額が独り歩きすることの2つです。 前者は種類の選択と年号の変換を人と表に残し、後者は生成AIに額を書かせないことで防ぎます。

10まず何から始めるか

1週目:目録の表と和暦の表を作る

店で扱いの多い種類の上位30から、正式名・通称・額面・素材・発行の年の範囲・特年の年を表にします。和暦の表は、元号ごとの元年の西暦と改元の年の扱いを決めます。

2週目:30件で試す

先月の相談から30件を選び、手元のAIサービスで名前と年号を取り出させ、目録と和暦の表で記録を絞ります。当時担当が見た記録が引けるか、年号の変換がずれていないかを最優先で見ます。

3週目:古い記録に種類の符号を付ける

記録の名前の欄を集計し、多い書き方から種類の符号を付けます。複数の種類に当たる書き方は空のままにします。

4週目:索引と検索の画面を作る

OpenSearch に目録・買取の記録・相場のメモの索引を作り、種類を選んでから2段で例を引く画面を作ります。この時点では生成AIを使わず、担当が手で名前と年号を入れます。

2か月目: 生成AIの取り出しと表を足し、種類の候補が0件だった書き方を毎週数えて目録に足します。3か月目以降: 1件12分が何分になったかを実測し、0件の書き方が毎月数件まで減り、特年の注意が出た相談で取り違えが起きていないことを確かめた時点で、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:2026-11-03/最終更新:2026-11-04
確認した内容情報源確認日
kuromoji_tokenizer が IPAdic の辞書による形態素解析であること。mode の既定が search で、複合語を分けた語と元の語を出すこと。user_dictionary_rules で <text>,<subtokens>,<readings>,<part of speech> の形の規則を書けることOpenSearch: Kuromoji tokenizer2026-11-03
kuromoji_number が漢数字・全角の数字を算用数字に直し、「一万二千三百四十五」が 12345 になること。設定の項目が無いことOpenSearch: Kuromoji number token filter2026-11-03
synonym_graph を検索の解析だけで使うよう注意していること(索引の側では後ろの語の位置がずれる)。規則が synonym_graph より前の解析の手順で解析されること。synonyms_path を指定できることOpenSearch: Synonym graph token filter2026-11-03
範囲の検索で日付の部品が欠けると補われ、"gte": "2022" が 2022-01-01T23:59:59.999999999Z になる例。相対の日付を書けることOpenSearch: Range query2026-11-03
既定のハイライトが unified で、文の区切りで断片を作り BM25 で点数を付けること。fragment_size の既定が100、number_of_fragments の既定が5であることOpenSearch: Highlight query matches2026-11-03
Amazon OpenSearch Service で Japanese(kuromoji)Analysis と ICU Analysis がすべてのドメインに含まれることAWS: Plugins by engine version in Amazon OpenSearch Service2026-11-03
Converse API の outputConfig.textFormat で JSON スキーマに沿った出力が得られること。additionalProperties を false にする必要があること。数値の minimum・maximum と文字列の長さの制約に対応しないこと。minItems が 0 と 1 だけであること。新しいスキーマの初回の組み立てが最大約90秒で24時間キャッシュされることAWS: Structured outputs(Amazon Bedrock)2026-11-03
古物商が古物を買い受けるときに相手方の住所・氏名・職業・年齢を確かめる措置をとること(第15条)。取引の年月日・品目と数量・特徴・相手方の情報などを帳簿等に記載すること(第16条)e-Gov 法令API: 古物営業法2026-11-03

真贋、状態の等級、買取額、売り手の本人確認と古物の帳簿の扱いは、査定の担当と自社の決まりに沿って判断してください。 本記事は上記の資料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-2650)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