建設現場で新規入場者が手書きするアンケートを読み取って入場者台帳に登録し、資格の未記入と健康状態の要確認をその日のうちに拾う

処理の起点を決める

スキャンしたPDFが共有フォルダに保存されたことを起点にします。 工事事務の担当は、教育の最後の説明が続いている間に、提出された分をまとめて複合機に通します。1回のスキャンに10枚前後が入る想定です。

複合機の保存先は、現場ごとのフォルダにします。フォルダ名に現場のコードを入れ、どの現場の入場者かをファイルの置き場所で決めます。 アンケートに現場名を書かせても、略称や書き間違いで照合できないことがあります。

一覧はスキャンから5分以内に返すことを目標にします。 それより遅れると、作業員は教育の場を離れて現場に散ります。処理が混んで遅れたときは、一覧の画面に「処理中」と枚数を出します。

入力データを集める

質を決めるのは、下の2つです。 資格の一覧に書き方のゆれが無ければ、「玉掛」と「玉掛け」が別の資格として扱われ、名簿との照合で食い違いが毎回出ます。 規則の表が無ければ、要確認の線が担当者の目に戻ってしまいます。

作業員名簿は、照合のためだけに使います。 アンケートの空欄を名簿の値で埋めることはしません。本人が書かなかったことは、本人に確かめます。

データの取得方法を決める

読み取りは、中継の処理からカスタムテンプレートモデルを呼びます。モデルは、全社共通の様式で書かれた記入済みのアンケートにラベルを付けて学習させたものです。

チェック欄は、状態と信頼度の両方を見ます。 公式の説明では、ラベルを付けた欄がチェック欄のときは、欄の選択とチェック欄の信頼度を合わせたものが全体の信頼度をよく表すとされています。チェックが薄い、枠からはみ出しているものは、信頼度が下がって unreadable に回ります。

書類の種類の信頼度は、様式の版の違いを拾うのに使います。 現場に古い版のアンケートが残っていると、欄の位置がずれて値が隣の欄に入ります。この信頼度が低い紙は、欄ごとの値を使わずに全体を人に回します。

呼び出しは、学習させたモデルのIDを指定して1ファイルずつ送ります。

POST {endpoint}/documentintelligence/documentModels/{モデルID}:analyze?api-version=2024-11-30
本文: 1枚分に分けたPDF（またはその保存先のURL）
戻り: 処理の受付。結果は Operation-Location のURLを問い合わせて受け取る

モデルIDには版を入れます。 様式を改定したら新しいモデルを学習させ、questionnaire-v3 のように別のIDにします。古い版の紙が届いたときに、古いモデルで読み直せるようにするためです。

作業員名簿は、氏名と生年月日で引きます。ふりがなの欄があれば、それも照合に使います。 手書きの漢字の氏名は読み違いが起きやすく、生年月日と組み合わせないと別人に当たります。

AIへ渡す前に整形する

1. 1枚ずつに分ける … まとめてスキャンしたPDFを、ページごとのファイルに分けます。様式が両面なら2ページで1件にします
2. 向きを直す … 逆さに入った紙を正しい向きに回します
3. 解像度を確かめる … 文字の高さの下限を下回らないよう、複合機の設定を200dpi以上に固定します。下回るファイルはスキャンし直しを促します
4. 白紙と別の紙を除く … 教育資料や白紙が混ざっていれば、書類の種類の信頼度で除きます
5. 重複を除く … 同じ氏名と生年月日が同じ日に2件あれば、後のものに印を付けます
6. パスワードを確かめる … 複合機の設定でPDFに鍵が掛かっていると読めません。鍵を掛けない設定にします

3番目を軽く見ないでください。 現場の複合機は、既定で文字が小さめに出る設定になっていることがあります。解像度が足りないだけの紙は、「書いていない」と区別がつきません。

AIに処理させる

読み取りは Document Intelligence に、判定は規則に、生成AIには資格名の正規化だけをさせます。

空の欄の扱いは、信頼度の性質に合わせます。 公式の説明では、学習データで空であることが多い欄は、値が無いときに高い信頼度で空と返るとされています。つまり、空で信頼度が高い欄は「書いていない」、空でも信頼度が低い欄は「書いたかもしれないが読めない」です。この区別のために、学習用のアンケートには空欄のあるものを混ぜておきます。

健康状態の規則は、たとえば次のような表にします。値は例で、自社の安全衛生委員会が決めるものです。

規則の表に無い組み合わせは ask にしません。 表に無いものまで拾い始めると、声をかける相手が増えすぎて、教育の場で片づかなくなります。表を変えたいときは委員会で変えます。

生成AIを使うのは、資格の欄の自由記述だけです。 チェック欄の外に「その他」として「玉掛」「ガス溶接」「職長教育」のように書かれた文字を、資格の一覧の正式名に当てます。

2行目が、この構成でいちばん重い失敗です。 緊急連絡先の電話番号は、事故が起きたときに初めて使われます。読めなかった数字は読めなかったとして返し、その場で本人に書き直してもらいます。

指示内容を固定する

資格名の正規化に使う指示です。

あなたは建設会社の安全部門で、新規入場者アンケートの資格の欄に
手書きで書かれた資格名を、社内の資格の一覧の正式名に当てる立場です。

【やること】
- 読み取った文字列1つごとに、資格の一覧のどれに当たるかを選んでください。
- 当たるものが1つに決まらないときは、候補をすべて candidates に並べ、
  official_name を null にしてください。
- 資格の一覧に無いものは official_name を null にし、
  not_in_master を true にしてください。

【厳守事項】
- 資格の一覧に無い名前を作らないでください。
- 「技能講習」「特別教育」「免許」の区別を勝手に補わないでください。
  たとえば「フォークリフト」とだけ書かれていたら、
  技能講習と特別教育の両方を candidates に並べてください。
- 読み取った文字列の誤字を推測で直しすぎないでください。
  1文字違いで別の資格に当たる場合は、候補を並べてください。
- その人が資格を持っているかどうかは判断しないでください。
- 資格の番号は扱いません。番号の欄は別に処理します。

【資格の一覧】{qualification_master}
【読み取った文字列】{raw_texts}

「技能講習と特別教育の区別を補わない」を明記するのが要です。 フォークリフトや小型移動式クレーンは、機械の大きさによって技能講習か特別教育かが分かれ、どちらを持っているかで就ける作業が違います。 「フォークリフト」とだけ書かれた申告を、どちらか一方に寄せてはいけません。労働安全衛生法では、政令で定める業務は免許を受けた者や技能講習を修了した者などでなければ就かせてはならず、就く者は資格を証する書面を携帯していなければならないとされています。区別がつかない申告は、原本を見て決めます。

出力形式を固定する

中継の処理が組み立てる、1件分の結果は次の形です。 資格名の正規化の部分は、Azure OpenAI の構造化出力で受け取ります。構造化出力では、すべての項目を必須にし、決まらないものは null との共用体型で表し、オブジェクトに additionalProperties: false を付けます。

{
  "site_code": "S-0217",
  "scan_id": "20261007-0815-03",
  "doc_type_confidence": 0.97,
  "fields": [
    { "name": "emergency_phone", "value": "090-12?4-5678", "confidence": 0.41,
      "status": "filled | blank | unreadable" }
  ],
  "qualifications": [
    { "raw": "フォークリフト", "official_name": null,
      "candidates": ["フォークリフト運転技能講習", "フォークリフト運転特別教育"],
      "checked": true, "number_written": false, "roster_match": "in_roster | not_in_roster" }
  ],
  "health": [
    { "item": "blood_pressure", "value": "165/98", "rule": "ask", "rule_id": "H-01" }
  ],
  "summary": { "blank": 1, "unreadable": 1, "qualification_issues": 1, "health_ask": 1 }
}

1つ目の理由は、status を規則で決められることです。 blank と unreadable は、値の有無と信頼度から機械で決まります。しきい値は全社で1つに決め、現場ごとに変えません。

2つ目は、rule_id で判定の根拠を示せることです。 健康状態の ask には、どの規則に当たったかを付けます。安全担当が本人に声をかけるとき、「会社の決まりで、血圧がこの値以上の方には確認しています」と言えます。 担当者の印象で呼び止められたと受け取られずに済みます。

3つ目は、summary で一覧の並べ方を決められることです。 要確認の多い人を上に並べ、限られた時間で先に声をかけます。

システムへ連携する

入場者台帳への登録は、安全担当が確認を終えたものだけです。 要確認の無いアンケートは、一覧で件数だけ見て登録します。unreadable が残ったまま台帳に入れることはしません。

作業員名簿へは書き戻しません。 アンケートと名簿が食い違っても、名簿を直すのは協力会社への確認を経てからです。

人が確認する

1. unreadable を先に見る … 多くは紙を見れば読めます。緊急連絡先と生年月日は、読めても本人に読み上げてもらいます
2. blank を本人に聞く … 資格の番号、緊急連絡先、健診の受診月の空欄は、その場で書き足してもらいます
3. 資格の食い違いを確かめる … 名簿にあってアンケートに無い資格、チェックだけで番号の無い資格は、免許証や修了証の原本を見せてもらいます
4. 健康状態の ask の人と話す … 血圧、服薬、睡眠について本人と話し、職長と作業の割り当てを相談します
5. 聞き取った結果を画面で直して確定する

4番目は、判定ではなく会話です。 ask は「声をかける」という意味で、「作業させない」という意味ではありません。本人が服薬を済ませていれば、それで終わることも多いのです。

目標は、600件をならして1件2分です。 要確認の無いアンケートは一覧で確かめて数十秒、要確認のある人には声をかけて数分という想定です。

例外に対処する

上の2行が、運用の初めに多く出ます。 現場に残っている古い様式と、複合機の設定のばらつきです。どちらもAIの問題ではなく、紙と機械の側をそろえる話です。

記録を残す

• スキャンしたPDFと、現場・日時
• Document Intelligence が返したJSONの全文（欄ごと・単語ごとの信頼度を含む）
• 資格名の正規化の入出力
• 判定の結果と、そのとき使った規則の版
• 安全担当が直した差分 … どの欄を、何から何に直したか
• 健康状態の ask について、声をかけた結果（作業の割り当てを変えたか）

規則の版を残すのは、線が後から変わるためです。 血圧の線を変えたら、過去の ask の意味も変わります。当時の線が残っていないと、事故の後に振り返れません。

直した差分は、モデルの学習データを足す材料です。 特定の欄で unreadable が続くなら、その欄の記入例を学習に足すか、様式の欄を広げます。