Media > AI活用ユースケース > 情報システム > 情報システム部がPCから集めたインストール済みのソフトウェアの名前の表記ゆれを OpenSearch で許可の台帳に引き当て、台帳に無いものの一覧を作る

情報システム部がPCから集めたインストール済みのソフトウェアの名前の表記ゆれを OpenSearch で許可の台帳に引き当て、台帳に無いものの一覧を作る

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

社用のPCから集めたインストール済みのアプリの名前を、許可したソフトウェアの台帳に毎月引き当てます。版の番号やビット数、会社名の書き方の違いをそろえてから検索し、台帳に無いものの一覧を作ります。

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
IT・SaaS/商社/製造/金融
対象部門
情報システム
対象業務
内容確認・チェック/台帳・マスタ管理
主な課題
人手が足りない/属人化している/確認ミスが多い
AIで行う処理
検索(RAG)
主な効果
入力漏れ削減/品質標準化/工数削減
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
50h/月
AI導入後
15h/月
想定削減
70%
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. 月初に管理センターから検出されたアプリの一覧をCSVに書き出す
  2. 前の月の一覧と見比べ、新しく出た行を別のシートに抜き出す
  3. 1行ずつ、名前を台帳の製品名と見比べる。一致しなければ名前の一部で台帳を検索する
  4. 台帳に似た名前が無いものは、発行元の名前でWebを検索し、何の製品かを調べる
  5. 当たった製品が分かれば、その行に台帳の製品名を書き込む
  6. 台帳に無いと判断したものを、別のシートに書き出す
  7. 書き出したものを月末の会議に出し、台帳に足すか、利用者に削除を頼むかを決める
導入後(After)
  1. 自動毎月1日の朝に処理が動き、Microsoft Graph から検出されたアプリの一覧を取る
  2. 自動前の月の一覧と比べ、新しく出た「名前・版・発行元・種類」の行だけを抜き出す
  3. 自動名前から版の番号・ビット数・言語の印を外し、発行元の会社名の書き方をそろえた検索用の文字を作る
  4. 自動OpenSearch の台帳の索引を、完全一致・別名・あいまい一致の順で引き、上位3件と点数を返す
  5. 自動規則で `matched`(当たり)/`alias`(別名で当たり)/`ambiguous`(候補が割れる)/`not_in_ledger`(台帳に無し)に分ける
  6. 自動`ambiguous` の行だけ、Claude に検出された行と候補3件を渡し、どの候補に近いかと違いの語を書かせる
  7. 自動版が台帳の許可の範囲に入っているかを、規則で確かめる
  8. 人担当者が `ambiguous` と `not_in_ledger` の行だけを確かめ、台帳のどれに当たるかを決める
  9. 人別名として覚えさせるものは、辞書の行の追加を申請する。台帳に無い製品は月末の会議に出す
各工程の詳しい説明を読む
  1. 月初に管理センターから検出されたアプリの一覧をCSVに書き出す
  2. 前の月の一覧と見比べ、新しく出た行を別のシートに抜き出す
  3. 1行ずつ、名前を台帳の製品名と見比べる。一致しなければ名前の一部で台帳を検索する
  4. 台帳に似た名前が無いものは、発行元の名前でWebを検索し、何の製品かを調べる
  5. 当たった製品が分かれば、その行に台帳の製品名を書き込む
  6. 台帳に無いと判断したものを、別のシートに書き出す
  7. 書き出したものを月末の会議に出し、台帳に足すか、利用者に削除を頼むかを決める

(a)同じ製品が何行にも分かれる。 Python 3.12.4 (64-bit) と Python 3.12.6 (64-bit) が別の行になり、言語でも分かれます。600件の多くは書き方違いですが、1行ずつ見ないと新しい製品が分かりません。

(b)会社名の書き方がそろっていない。 発行元は Microsoft Corporation だったり Microsoft だったり、空のこともあります。

(c)判断が担当者の頭の中にある。 「この名前は、あの製品の旧名」といった知識が表のどこにも無く、担当者が休んだ月は、台帳に無いものの一覧が出ません。

(d)1語の違いを見落とす。 急いでいると、有償の版の名前を無償の版の名前と同じものとして流してしまいます。ライセンスの数が足りているかに関わる違いなのに、目では似て見えます。

  1. 【自動】 毎月1日の朝に処理が動き、Microsoft Graph から検出されたアプリの一覧を取る
  2. 【自動】 前の月の一覧と比べ、新しく出た「名前・版・発行元・種類」の行だけを抜き出す
  3. 【自動】 名前から版の番号・ビット数・言語の印を外し、発行元の会社名の書き方をそろえた検索用の文字を作る
  4. 【自動】 OpenSearch の台帳の索引を、完全一致・別名・あいまい一致の順で引き、上位3件と点数を返す
  5. 【自動】 規則で matched(当たり)/alias(別名で当たり)/ambiguous(候補が割れる)/not_in_ledger(台帳に無し)に分ける
  6. 【自動】 ambiguous の行だけ、Claude に検出された行と候補3件を渡し、どの候補に近いかと違いの語を書かせる
  7. 【自動】 版が台帳の許可の範囲に入っているかを、規則で確かめる
  8. 【人】 担当者が ambiguous と not_in_ledger の行だけを確かめ、台帳のどれに当たるかを決める
  9. 【人】 別名として覚えさせるものは、辞書の行の追加を申請する。台帳に無い製品は月末の会議に出す

8番目が、この設計の分かれ目です。 matched と alias の行は一覧で流し見るだけにし、時間を使うのは候補が割れる行と台帳に無い行です。

6番目で Claude に決めさせないのも意図してのことです。 有償と無償の違いのように、ライセンスに関わる判断が混ざるため、当てる先は担当者が選びます。

02今回想定するシステム構成

構成図
Microsoft Intune(検出されたアプリ)
   │
   ▼【トリガー】毎月1日の定時の起動
AWS Lambda ── Microsoft Graph の detectedApps を取る
   │          前の月の一覧と比べ、新しい行だけにする
   │          名前・発行元から検索用の文字を作る
   ▼
Amazon OpenSearch Service
   │   台帳の索引:製品名・別名・発行元・許可の区分・許可する版
   │   ① 完全一致(normalizer)  ② 別名(synonym_graph)  ③ あいまい一致(fuzziness)
   ▼
AWS Lambda ── 規則で4つに分ける/版の範囲を確かめる
   ├──▶ ambiguous の行だけ ── Claude(Amazon Bedrock)── 候補との違いの語を書く
   ▼
突き合わせの結果の一覧(S3 に保存、担当者は表計算のファイルで開く)
   ▼
【人】候補が割れる行と台帳に無い行を確かめ、台帳・辞書の更新を決める
役割想定する製品代替候補
検索基盤Amazon OpenSearch Service(normalizer、ICU の正規化、pattern_replace、synonym_graph)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(一覧の取得、差分の抽出、検索用の文字の作成、規則での振り分け)AWS Step Functions
端末の情報Microsoft Intune(検出されたアプリ、Microsoft Graph の detectedApps)資産管理の製品の書き出し
保管Amazon S3(毎月の一覧の写し、別名の辞書ファイル、突き合わせの結果)社内のファイルサーバー

台帳と Intune には、この構成から書き込みません。 台帳は毎晩読み取って索引を作り直すだけで、直すのはこれまでどおり担当者です。

入口は Intune の「検出されたアプリ」です。 公式にはテナントのソフトウェアの棚卸しとして働く一覧とされ、個人所有の端末では管理していないアプリを集めず、会社所有の端末では管理の有無にかかわらず集めます。

同じ一覧を Microsoft Graph の detectedApps で取れます(項目は第7章)。

OpenSearch を使う理由は、名前のそろえ方を検索の側に持てることです。 normalizer、Unicode の正規化、別名の辞書を同じ索引の設定に書け、別名の辞書は索引を作り直さずに差し替えられます(第7章)。kuromoji と ICU は Amazon OpenSearch Service のすべてのドメインに入っています。

03どうやって実装するのか

Step1

処理の起点を決める

毎月1日の朝に、Lambda を定時で動かします。 一覧の更新は端末ごとに周期が違うため、月の途中で何度も取っても、行がそろうとは限りません。 公式の説明では、Windows の Win32 のアプリは Intune Management Extension が24時間ごとに集め、それ以外の多くは端末の登録日から7日ごとに更新されます。 月に1回、同じ日に取ると決めておけば、月ごとの差分の意味がぶれません。

取った一覧は、そのまま S3 に日付付きで保存し、次の月の差分はこの写しと比べて出します。

台帳の側は、台帳のファイルが保存されたら、その晩に索引を作り直します。 台帳の更新と一覧の取得の順が入れ替わると、足したばかりの製品が not_in_ledger に出ます。月初の処理の前日に、台帳の索引の更新日時を確かめる手順を入れます。

Step2

入力データを集める

データ中身取得元
検出されたアプリ名前、版、発行元、台数、種類(Windows/macOS など)Microsoft Graph の detectedApps
前の月の一覧同じ形の先月の写しS3
許可の台帳製品の番号、製品名、発行元、許可の区分、許可する版の範囲、ライセンスの形態、担当台帳のファイル(毎晩、索引に取り込む)
別名の辞書「同じ製品の別の書き方」を1行ずつ並べたファイルS3(担当者の承認を経て更新)
区別の語の一覧落としてはいけない語(Reader、Pro、Standard、Enterprise、Runtime、SDK など)担当者が持つ一覧

質を決めるのは、下の2つです。 辞書が育つほど確かめる行が減り、区別の語の一覧が無いと有償と無償が同じ製品になります。

台数は、確かめる順番の材料です。

Step3

データの取得方法を決める

一覧は Microsoft Graph の GET /deviceManagement/detectedApps で取ります。アプリケーションの権限で使える最小の権限は DeviceManagementManagedDevices.Read.All です。 書き込みの権限は付けません。Graph の Intune の API は、テナントに有効な Intune のライセンスが要ります。 応答が複数のページに分かれたときは、続きのリンクをたどって全部を取り切ってから次へ進みます。

取るものどこから何に使うか
displayNamedetectedApps検索用の名前の元
versiondetectedApps名前とは別に持ち、台帳の許可の範囲と比べる
publisherdetectedApps発行元での絞り込みの補助(空なら使わない)
deviceCountdetectedApps確かめる順番
platformdetectedApps同じ名前の Windows 版と Mac 版を分ける

差分の鍵は「名前・版・発行元・種類」の4つにします。 名前だけを鍵にすると、版が上がった行を「前からある」と見なし、許可の範囲から外れた新しい版を見落とします。

一覧に出すのは、端末が返したままの displayName です。 手が加わった文字では、担当者が端末の画面で探せません。

Step4

AIへ渡す前に整形する

  1. 元の文字の保存 … displayName と publisher をそのまま残し、以下は別の列に作ります
  2. 文字の正規化 … 全角・半角、大文字・小文字をそろえます。OpenSearch の ICU の正規化の既定は nfkc_cf(NFKC と大文字・小文字の畳み込み)です
  3. 版の番号を外す … 名前の中の 24.08 や 3.12.4 のような数字と点の並びを外します。外した版は version と別に記録します
  4. ビット数と言語の印を外す … (x64)、(64-bit)、(64 ビット)、- ja-jp、Japanese などを外します
  5. 発行元の会社名をそろえる … Inc.、Corporation、Co., Ltd.、株式会社、(株) を外し、空のときは空のまま残します
  6. 区別の語の印付け … 区別の語の一覧にある語が名前に含まれていたら、edition_terms の列に書き出します。この語は外しません
  7. 付属物の印付け … Redistributable、Runtime、Driver を含むものは component の印を付け、別の一覧に回します

3番目の正規表現を広くしすぎないでください。 Office 2021 の 2021 のように製品を区別している数字まで消えます。 点を含む数字だけを外すように絞り、外す前と後を並べて確かめます。

同じ置き換えを、索引の側にも書きます。 pattern_replace の文字フィルターは、トークンに分ける前に正規表現で入力をそろえられます。 台帳の製品名と端末の名前が同じそろえ方を通ります。

Step5

AIに処理させる

主役は検索です。 検索で決まらない行だけに Claude を使います。検索は次の3段で引き、上の段で当たったら下の段は使いません。

段引き方当たったときの区分
① 完全一致製品名の keyword の列を normalizer でそろえて term で引く。発行元がそろえば点数を足すmatched
② 別名検索用のアナライザーに別名の辞書(synonym_graph)を入れて match で引くalias
③ あいまい一致fuzziness を AUTO にし、prefix_length を1にして引く上位2件の点数が近ければ ambiguous、1件だけなら ambiguous
当たり無し①〜③で何も返らないnot_in_ledger

③で当たっても matched にはしません。 あいまい一致は、AUTO の場合で検索の語の長さが6文字以上なら2文字までの違いを許します。Reader の有る無しは、この範囲に入ってしまうことがあります。 だから③の結果は必ず人に回します。さらに、検出された名前と候補の製品名とで区別の語の一覧の語が食い違っていたら、点数にかかわらず ambiguous にします。

Claude に渡すのは ambiguous の行だけです。 検出された行(元の名前・版・発行元)と、候補3件の製品名・発行元・区別の語を渡し、次を書かせます。

させること書かせ方
どの候補に近いかc1/c2/c3/none のどれか
違いの語名前のうち候補と食い違う語を、そのまま写す
区別の語の食い違い有償・無償、エディションに関わる語の有無
担当者への確認の点1〜2文
させないこと理由
使ってよいかの判断許可の区分は台帳で決まり、変えるのは会議
候補に無い製品名の提案台帳に無い製品を作り出すと、台帳と食い違う
製品の説明やライセンスの推測学習した知識で書くと、版ごとの条件の違いを誤る
版の範囲の判断規則で比べる。文字で比べると 10 と 9 の大小を誤る

2行目がいちばん起きやすい失敗です。 もっともらしい製品名が出ると、担当者がそれを台帳で探し始めます。選べるのは渡した3件と none だけにします。

Step6

指示内容を固定する

あなたは情報システム部で、PCから集めたアプリの名前を、
許可したソフトウェアの台帳の製品に引き当てる作業を手伝う立場です。
下の「検出された行」が、候補 c1〜c3 のどれと同じ製品の別の書き方かを見てください。

【選び方】
- c1/c2/c3 ... 版の番号、ビット数、言語の印、会社名の書き方の違いを除けば、
  その候補と同じ製品と読める
- none ......... どの候補とも、製品を区別する語が食い違う、または判断できない
迷ったときは none を選んでください。

【厳守事項】
- 候補に無い製品名を書かないでください。旧名や後継の製品名を推測しないでください。
- 製品を区別する語の一覧({edition_terms})にある語が、検出された行と候補とで
  片方にしか無い場合は、その候補を選ばないでください。
  例:「Reader」「Pro」「Standard」「Runtime」の有る無しは別の製品です。
- 使ってよいか、ライセンスが要るか、削除すべきかは書かないでください。
- 版の新しさ・古さを判断しないでください。
- diff_terms には、名前のうち候補と食い違う語を、検出された行の文字のまま写してください。
- 発行元が空のときは、発行元が一致しないことを理由にしないでください。

【検出された行】
名前:{display_name}
版:{version}
発行元:{publisher}
種類:{platform}

【候補】
c1:{c1_name}/発行元 {c1_publisher}/区別の語 {c1_terms}
c2:{c2_name}/発行元 {c2_publisher}/区別の語 {c2_terms}
c3:{c3_name}/発行元 {c3_publisher}/区別の語 {c3_terms}

「発行元が空のときは理由にしない」を入れるのは、Graph の publisher の既定の値が空の文字列だからです。 書かないと、空の行がすべて none になります。

Step7

出力形式を固定する

1行ごとに、次の形のJSONを突き合わせの結果として残します。

{
  "detected": {
    "display_name": "Adobe Acrobat Reader (64-bit)",
    "version": "25.001.20531",
    "publisher": "Adobe",
    "platform": "windows",
    "device_count": 412
  },
  "search_key": "adobe acrobat reader",
  "edition_terms": ["reader"],
  "stage": "exact | alias | fuzzy | none",
  "candidates": [
    { "ledger_id": "SW-0123", "name": "Adobe Acrobat Reader", "score": 0 }
  ],
  "status": "matched | alias | ambiguous | not_in_ledger | component",
  "llm": { "choice": "c1 | c2 | c3 | none", "diff_terms": [], "edition_conflict": false, "note": "" },
  "version_in_range": "yes | no | not_set",
  "reviewer_decision": ""
}

1つ目の理由は、status を規則が決め、llm を別の層に置けることです。 Claude の答えは llm の中にしか入らず、status を書き換えません。 担当者は Claude の選んだ候補を見たうえで、reviewer_decision に自分の判断を書きます。

2つ目は、Bedrock の構造化出力の制約に合わせられることです。 Converse API では outputConfig.textFormat に JSON スキーマを渡します。すべての object に additionalProperties: false が要り、数値の最小値・最大値や文字列の長さの制約は使えません。 choice は enum で4つに絞ります。

候補の製品番号を毎回 enum に入れると、行ごとにスキーマが変わります。 新しいスキーマは初回の組み立てに最大約90秒かかり、24時間キャッシュされます。スキーマは c1〜c3/none で固定し、番号との対応は Lambda で持ちます。

status担当者の扱い
matched/alias一覧で台数と製品名を流し見る
ambiguousClaude の choice と diff_terms を見て、台帳のどれに当てるかを決める
not_in_ledger台数の多い順に確かめ、月末の会議に出す
componentランタイム・ドライバーの別の一覧で、半年に1度まとめて見る
Step8

システムへ連携する

つなぎ先方式内容
Microsoft Graphアプリケーションの権限(読み取り)検出されたアプリの一覧を取る
台帳のファイル毎晩の読み取り台帳の索引を作り直す
Amazon OpenSearch Service検索の API3段で引き、候補と点数を返す
Amazon BedrockConverse APIambiguous の行の比べる材料
S3保存一覧の写し、突き合わせの結果、辞書ファイル

別名の辞書の更新には、決まった手順があります。 Amazon OpenSearch Service では、辞書のファイルを S3 に置き、パッケージとして取り込んでドメインに関連付け、synonyms_path に analyzers/<パッケージのID> を書きます。S3 のファイルを新しくしても、ドメインの辞書は自動では変わりません。 パッケージを更新し、ドメインに適用します。

そのうえで、辞書は検索用のアナライザーだけで使い、updateable を true にします。 こうしておくと、パッケージの更新を適用したときに索引を作り直さずに反映されます。 synonym_graph は公式にも検索用のアナライザーでだけ使うよう書かれており、索引の側で使うと複数語の別名で後ろの語の位置がずれます。

辞書のファイルには、1行に同じ製品の書き方を並べます(acrobat reader dc, acrobat reader の形)。有償と無償をまたぐ行は書きません。

Step9

人が確認する

人が開くのは ambiguous と not_in_ledger の行だけです。 第10章の15.0時間は、この2つを1件ずつ確かめる時間を全体でならしたものです。

  1. not_in_ledger を台数の多い順に見る … 台数の多いものほど、台帳への登録漏れの可能性が高く、先に片づきます
  2. ambiguous は diff_terms から見る … 違いが版やビット数だけなら当てる。区別の語の食い違いがあれば別の製品として扱います
  3. 別名として覚えさせるかを決める … 毎月出る書き方なら、辞書の追加を申請します
  4. 判断を reviewer_decision に書く … Claude の choice と違う判断をしたときは理由も書きます

2番目を省かないでください。 ambiguous の行は、有償の製品が無償の製品の許可で通るかどうかの分かれ目です。Claude が c1 を選んでいても、区別の語の食い違いがあれば担当者が台帳を開いて確かめます。

人が開くのは2〜3割という想定です。 それより多い月は、別名の辞書か前処理の規則が追いついていません。

Step10

例外に対処する

起きること対応
発行元が空既定の値が空の文字列。発行元の一致を点数に使わず、名前だけで引く
個人所有の端末のアプリが出ない個人所有の端末では管理していないアプリは集めない。会社所有の端末だけが対象と一覧に明記する
新しい端末のアプリが出ないEntra ID の利用者がサインインしていない新しい端末は、Win32 のアプリの収集が最大7日遅れる。翌月に回る
共同管理の端末のアプリが出ない共同管理の端末は、クライアントアプリの作業負荷を Intune に切り替えないと IME で集めない。端末の一覧と台数を突き合わせて気づく
版の番号を外しすぎた年の4桁や製品を区別する数字が消えた。外す前と後を並べた確認用の列で見つけ、規則を直す
辞書を更新したのに当たらないパッケージの更新と適用をしたか、updateable を付けたかを確かめる
Bedrock の初回の応答が遅い新しいスキーマの組み立てに最大約90秒。読み取りの待ち時間を120秒以上にする
Graph の取得が途中で失敗その月の差分を作らない。一部だけの一覧で差分を出すと、消えた行を「削除された」と読む

いちばん下の行が最も重い失敗です。 取得した件数を前の月と比べ、大きく減っていたら止めます。

Step11

記録を残す

  • 毎月の検出されたアプリの一覧の写し(取得した日時と件数)
  • 前処理の前と後の文字(displayName と search_key)
  • 検索の段、候補3件と点数、そのときの台帳の索引の更新日時
  • Claude に渡した入力と応答(ambiguous の行だけ)
  • 担当者の判断(reviewer_decision)と、Claude の choice と食い違った行
  • 別名の辞書の版と、追加した行・申請者・確認者

3つ目で「台帳の索引の更新日時」を残すのは、台帳が後から変わるためです。 ある月に not_in_ledger だった製品が、翌月に台帳に足されることがあります。そのときの台帳の状態が分からないと、判定の誤りか台帳の未整備かが区別できません。

04実装レベルの3段階

最小構成:一覧と台帳を手元のAIサービスに貼り、当て方を答えさせる / 100件ほどの当て方の確かめ
半自動化:上記+Lambda で差分と前処理を行い、OpenSearch の完全一致と別名で引く / 書き方の違いだけの行の振り分け
本格構成:上記+あいまい一致、区別の語の規則、`ambiguous` の行の比べる材料、毎月の定時の実行 / 差分の抽出から、確かめる行の絞り込みまで

最小構成は、どの規則が要るかを知るための段階です。 600件を毎月貼る運用にはしません。 半自動化で、1件5分が2〜3分程度になります。 本格構成で1.5分になり、この段階が本記事の想定です。 差が出るのは、ambiguous の行に比べる材料が付き、担当者が候補を探し直さずに済むからです。 段階を飛ばさないでください。 辞書が薄いままあいまい一致を足すと、ambiguous があふれます。

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
3 名
月間件数
600 件
1件あたり現在時間
5 分
1件あたり導入後時間
1.5 分
現在  600件 × 5分 ÷ 60 = 50 時間/月
導入後 600件 × 1.5分 ÷ 60 = 15 時間/月
月間削減時間
35h
削減率
70%
年間削減時間
420h
年間金額換算(時間単価3,500円)
147万円
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. 社用のPCを数百〜数千台持ち、Microsoft Intune などで端末に入っているアプリの一覧を集めているが、その一覧と許可したソフトウェアの台帳との突き合わせを情報システム部が表計算のファイルで目で行っている会社。同じ製品が版・言語・ビット数・発行元の書き方の違いで別の行に分かれ、台帳に載っているかの判断が担当者の知識に寄っている場合。毎月の新しい行が数百件ある場合。
向いていない
  1. PCが数十台で、入れてよいソフトウェアを配布の仕組みだけで入れており、利用者が自分で入れられない場合。資産管理の製品がすでに製品名の辞書を持ち、許可の台帳との突き合わせまで済ませている場合。なお、そのソフトウェアを使ってよいか、ライセンスが足りているか、利用者に削除を求めるかの判断は、この構成では代替できません。台帳のどれに当たるかを引き、台帳に無いものを並べるまでです。

07最小構成で試す方法

  1. 先月の検出されたアプリの一覧から、新しく出た行を100件選ぶ(有償と無償の名前が似ている製品を数件入れる)
  2. その100件について、担当者が当時どの製品に当てたかを横に書く
  3. 台帳の製品名の一覧と100件を、手元のAIサービスの画面に貼る
  4. 「各行が台帳のどの製品の別の書き方かを答えてください。版の番号・ビット数・言語・会社名の書き方の違いは無視してください。Reader・Pro・Standard の有る無しは別の製品です。台帳に無いものは『台帳に無し』としてください」と指示する
  5. 出てきた答えを、担当者の当て方と突き合わせる

OpenSearch を組む前に、「どの語を落としてはいけないか」を先に集めます。

出てきた内容判断
担当者と同じ当て方が大半前処理の規則と別名の辞書の作成に進む
有償と無償を同じ製品にした区別の語の一覧が要る。構成は有効
台帳に無い製品名を作って答えた選ばせる形の指示が要る。検索で候補を絞ってから渡す構成にする理由

08実装時につまずきやすいポイント

問題対策
有償と無償が同じ製品に当たる区別の語の一覧を持ち、食い違えば ambiguous。 辞書に両方をまたぐ行を書かない
版の番号を外す規則が製品の数字まで消す点を含む数字だけを外す。外す前と後を並べて確かめる
辞書を更新しても反映されないS3 を更新しただけでは変わらない。パッケージの更新と適用、updateable: true
synonym_graph を索引の側に入れた検索用のアナライザーだけで使う
発行元が空の行がすべて外れる既定の値が空。発行元を絞り込みに使わず、点数の加点だけにする
Claude が候補に無い製品名を答える選ばせる形にし、候補に無い名前を書かないと明記する
一部しか取れなかった月に差分を出す件数を前の月と比べ、大きく減っていたら止める
台帳の索引が古い月初の処理の前に、索引の更新日時を確かめる
台帳を自動で更新してしまう書き込まない。 台帳を直すのは担当者

上の2行が、この構成の失敗のほとんどです。 どちらも「名前をそろえすぎる」ことから起きます。

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: 社用の端末のアプリの名前・版・発行元・台数と、許可の台帳です。利用者の名前は使いません。

  1. 台数で集計した一覧だけを使う … 端末や利用者との関係(managedDevices)はたどらず、誰のPCかは人が管理センターで見ます
  2. Graph の権限を読み取りに限る … 書き込みの権限があると、誤った処理が端末の管理に及びます
  3. Bedrock に渡すのは ambiguous の行と候補3件だけ … 台帳の全体や、許可の区分・ライセンスの数は渡しません
  4. 辞書の更新に2人の目を入れる … 辞書の1行で、ある製品の許可が別の製品に広がります。申請者とは別の担当が見ます

誤りが起きた場合のリスクは、台帳に無い製品を「当たり」として流すことと、台帳にある製品の削除を利用者に頼むことの2つです。 前者のほうが気づきにくいので、区別の語の規則を先に固めます。

10まず何から始めるか

1週目:区別の語の一覧を作る

担当者に、「似ているが別の製品として扱う語」を20語ほど書き出してもらいます。

2週目:100件で試す

先月の新しい行から100件を選び、手元のAIサービスで当て方を答えさせます。担当者の当て方と突き合わせ、有償と無償を同じ製品にしていないかを最優先で見ます。

3週目:前処理の規則を決める

100件の実例から、版の番号・ビット数・言語の印・会社名の外し方を決め、外す前と後を並べて確かめます。

4週目:完全一致と別名で引く

Lambda で差分と前処理を行い、OpenSearch の完全一致と別名の2段で引くところまで作ります。あいまい一致と Claude はまだ入れません。

2か月目: 別名の辞書の更新の手順を決め、毎月出る書き方を足します。3か月目以降: あいまい一致と区別の語の規則、Claude の比べる材料を足し、1件5分が何分になったかを実測します。別名の辞書が育ち、ambiguous の割合が落ち着いた時点で、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:2026-11-05/最終更新:2026-11-06
確認した内容情報源確認日
一覧がソフトウェアの棚卸しとして働くこと。個人所有の端末では管理外のアプリを集めないこと。名前・種類・版・台数・発行元を示すこと。Win32 は24時間ごと、多くは7日ごとの更新。新しい端末の最大7日の遅れ。共同管理の端末の注意Microsoft Learn: Discovered Apps2026-11-05
detectedApp の項目。publisher の既定の値が空の文字列であること。有効な Intune のライセンスが要ることMicrosoft Learn: detectedApp resource type2026-11-05
一覧の取得の要求と、最小の権限が DeviceManagementManagedDevices.Read.All であることMicrosoft Learn: List detectedApps2026-11-05
normalizer が文字単位の置き換えだけを行い、keyword の検索で使えることOpenSearch: Normalizers2026-11-05
正規表現で文字を置き換え・削除し、トークンに分ける前に入力をそろえられることOpenSearch: Pattern replace character filter2026-11-05
既定が nfkc_cf であることOpenSearch: ICU normalization character filter2026-11-05
検索用のアナライザーでだけ使うこと。synonyms_path で辞書を指定できることOpenSearch: Synonym graph token filter2026-11-05
AUTO が6文字以上の語で2字までの違いを許すこと。prefix_length の既定が0OpenSearch: Fuzziness2026-11-05
辞書を S3 から取り込み analyzers/<ID> で使えること。S3 の更新では変わらず、パッケージの更新と適用が要ること。updateable: true なら索引を作り直さず反映されることAWS: Importing and managing packages in Amazon OpenSearch Service2026-11-05
kuromoji と ICU がすべてのドメインに含まれることAWS: Plugins by engine version in Amazon OpenSearch Service2026-11-05
outputConfig.textFormat。additionalProperties: false が必須、数値・文字列長の制約は非対応。新しいスキーマの初回は最大約90秒で24時間キャッシュ、待ち時間を120秒以上にAWS: Get validated JSON results from models2026-11-05

どのソフトウェアを許可するか、ライセンスが足りているかは、自社の情報セキュリティの規程と各製品の使用許諾の条件に従ってください。 本記事は公開の仕様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-2974)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