COLUMN
【AI-OCR】型番の変換精度を高める方法｜商品マスタ候補の絞り込み手順
単に画像を文字化するのではなく、商品マスタからあらかじめ「候補」を絞り込んでAIに提示する効果とは？無関係な候補による誤補正を防ぐ制御技術を解説します。
記事本文
FAXやPDFの注文書を自動データ化する際、現場を最も苦しめるのが型番のわずか「1文字の読み取りエラー」です。
注文書の印字は「TC-C3BK2」ですが、AI-OCRの誤読みによって「TC-G3BK2」（「C」が「G」に化ける）という誤認識結果が生じることがあります。
「C」と「G」、「1」と「I」のような類似文字の誤読は、文字認識技術（AI-OCR）を使う以上どうしてもゼロにはできません。そして恐ろしいことに、最新のVector検索や、形態素解析（BM25）といった一般的な検索技術を使っても、この誤認識はキャッチアップできないのです。
なぜ従来の検索技術では防げないのか、どうすれば精度を高められるのか。その鍵を握る「マスター候補の添え方」と伴走支援のアプローチを解説します。
1. なぜVector検索やBM25でも解決できないのか？
「高度な検索エンジンを連携させれば自動で補正してくれるのでは？」と考えがちですが、記号化された型番データにおいては従来の検索ロジックが機能しません。
BM25（形態素解析）
単語の出現頻度や文字列の一致度を見るため、「TC-G3BK2」という誤った文字列そのものをベースにマスター検索を行ってしまい、正解の「TC-C3BK2」を引くことができません。
Vector検索（意味検索）
文脈や単語の意味的な近さを数値化する技術ですが、型番記号には「文章としての意味」が存在しないため、「G」と「C」の違いを文脈から補正することは不可能です。
2. 単純な「個別指示」や「類似度計算」だけでは破綻する
誤認識対策として「個別の指示（読み替えルール）」や「類似度計算（レーベンシュタイン距離等）」が使われますが、単体では運用が破綻します。
個別指定ルールの限界
「TC-G3はTC-C3と読み替える」と毎回ピンポイントで指示（マッピング）すれば解決はできますが、汎用性がありません。新しい文字化けパターンが出るたびに都度指示を追加する無限のメンテナンスコストがかかります。
類似度計算の罠
「文字の近さ」だけで自動補正させると汎用性は上がります。しかし、実在する別商品（例：ブラック「BK2」とマゼンタ「BM2」）まで勝手に1文字違いで補正してしまい、意図しない読み替え（誤出荷事故）を引き起こします。
3. 精度向上のカギ：なぜAIに「候補」を添える必要があるのか？
AIの読み取り精度を飛躍的に高める秘訣は、AIに画像を読み取らせる際、あらかじめ「商品マスター」や「得意先マスター」から絞り込んだ候補を添えて解釈させることにあります。
「候補」があるかないかでAIの解釈が変わる
候補がない場合：AIはかすれた文字をそのまま「TC-G3BK2」と誤読し、その間違いに気づくことができません。
候補（TC-C3BK2等）がある場合：AIは「提示された候補の中に非常に近い型番がある」ことを前提に画像を再解釈するため、「これはCがGに見えているだけだ」と判断し、自動的に正解を導き出せます（誤読が減る）。
ただし、ここにも大きな注意点（整備すべきポイント）が存在します。
【重要】「当たり（正解に近い候補）」がない時は無理に渡さない
まったく関係のない商品候補をAIに渡してしまうと、AIはその誤った候補に引きずられて強引に解釈し、無理な読み替えを行ってしまいます。だからこそ、「当たりの候補がない（確信度が低い）場合は、あえて候補を添えずにエラー判定にして人間に委ねる」という整備・制御ロジックが極めて重要なのです。
4. DocAIの解決策：「適切な候補制御」を泥臭く伴走整備する
DocAIでは、単にAI-OCRを動かすだけでなく、この「候補の事前絞り込み」と「ノイズ候補の排除制御」をセットで構築します。
注文書の得意先名や品目カテゴリから、「その取引先が過去に注文したことのある商品群」などにマスターを一時絞り込み、質の高い候補セットを作成します。
絞り込んだ候補の中に一定以上の類似度を持つ型番が存在しない（＝当たりがない）場合は、無理な読み替えを行わずに処理をストップ。誤出荷を防ぐ「安全ガード」を働かせます。
「どの得意先データをキーに候補を絞り込むか」「どこまでを当たり候補とみなし、どこからを不一致（人間チェック）として止めるか」という線引きは、企業ごとの取扱商品やデータ精度によって全く異なります。DocAIはツールをご提供して終わりではありません。お客様の実際の注文書データと商品マスターをお預かりし、手間の軽減と誤出荷防止が一番両立する「最適な補正・整備ルール」を、泥臭く一緒に作り上げます。
AIへの適切な「候補の添え方」で、自動化は変わる
ただAIに読ませるのではなく、AIが正解を選びやすいように「質の高い候補を添え」、同時に「外れ候補による暴走を防ぐ整備」を行うこと。これが、現場で本当に使える自動化を叶える鍵です。
「型番の誤認識が多くて業務が止まる」「自動化したいが誤出荷が怖くて踏み切れない」とお悩みなら、ぜひ一度ご相談ください。貴社のデータ構造に合わせた最適なOCR補正運用を、私たちが一番近くで伴走設計いたします。
💡 注文書自動化（AI-OCR）の全体像を知りたい方へ
課題選定からPoC・型番補正・現場定着までの全手順を体系的にまとめた【製造業・卸売業】注文書自動化（AI-OCR）完全ガイドもぜひあわせてご覧ください。
楠元 俊二 （Shunji Kusumoto）
中小企業診断士 / 株式会社シジャム・ビーティービー中小企業診断士として、商社・卸売業の注文書入力業務の課題に着目し、「マスタ照合・自動コード化エンジン（DocAI for 受注）」を開発。各企業の取引特性に応じた伴走支援を行っています。