検査成績書AI作成2026｜測定データから多言語発行までの4層設計

タイの日系工場で、出荷の最後に残る作業が検査成績書の作成です。測定は終わっているのに、その数値を顧客ごとに違うExcelへ転記し、英語版を作り直し、押印のために部門を回す。この工程だけが人手のまま残り、担当者が休むと出荷が止まる。「検査成績書 AI 作成」というテーマが注目されるのは、この属人化した最後の一歩を仕組みに置き換えられる見込みが出てきたからです。本記事では、AIに任せられる範囲と任せてはいけない範囲を線引きしながら、測定データから発行までの設計を具体的に扱います。

なぜいま検査成績書の作成が経営課題になるのか

出荷書類が生産のボトルネックになる瞬間

製造現場の改善活動は、長らく加工と検査そのものに集中してきました。段取り替えの時間を削り、測定の自動化を進め、不良率を下げる。この方向の改善はかなりのところまで進んでいます。一方で、検査が終わったあとに発生する「証明する」という工程は、ほとんど手つかずのまま残っているケースが目立ちます。

検査成績書は、加工済みの製品の品質を証明する書類です。製品名、検査年月日、ロットナンバー、外観検査や寸法検査といった検査項目、基準値と公差、検査方法および使用機器、そして測定値と判定結果が記載されます。記載される情報の大半は、すでに社内のどこかに存在しています。図面には公差があり、測定器にはデータがあり、生産管理システムにはロット番号があります。それでも書類は手作業で作られます。情報が存在する場所と、書類が求める形式が一致していないからです。

この不一致が、出荷直前という最も時間の余裕がないタイミングで顕在化します。船積みの締め切りが決まっている状況で、書類だけが人の作業速度に律速される。これが、検査成績書の作成が生産のボトルネックとして扱われるべき理由です。

「書類は事務作業だから」という認識が改善を止めている

検査成績書の作成は、社内では事務作業として分類されがちです。品質保証部門の誰かがやっている作業であり、生産設備の投資対象にはなりにくい。この認識が、改善の優先順位を下げ続けてきました。

しかし実態としては、この作業は品質保証の中核に位置します。書類の記載内容が誤っていれば、顧客に対して誤った品質を証明したことになります。転記ミスによって公差内の製品が公差外と記載されれば不要な返品が発生し、逆に公差外の測定値が公差内として転記されれば、より深刻な問題になります。事務作業として扱いながら、実際には誤りが許されない作業を人手に頼っている。この構造が、属人化の温床になっています。

本記事が扱う範囲を先に明確にしておく

TOMAS TECHは、タイの日系製造業向けにIT・DXの仕組みづくりを支援する立場です。検査そのものを代行することはありませんし、検査成績書を当社が発行することもありません。本記事で扱うのは、すでに社内で行われている検査の結果を、どのような仕組みに載せれば書類化までが滑らかにつながるか、という設計の話です。

検査成績書のAI作成は「読み取り」ではなく「発行」の話

インバウンドのOCRとアウトバウンドの文書生成は別問題

AIと書類という組み合わせで最初に思い浮かぶのは、受け取った書類を読み取る仕組みでしょう。仕入先から届く請求書、納品書、そして仕入先が発行した検査成績書。これらをAI-OCRで読み取り、システムに取り込む。この領域については、AI-OCR比較2026やAI-OCRでバックオフィス自動化で詳しく整理しています。

本記事が扱うのは、その反対方向です。自社が発行する側に立ったとき、書類は読み取るものではなく、生成するものになります。入力は紙ではなく、測定器が出力した数値であり、図面に書かれた公差であり、過去に顧客へ提出したフォーマットです。出力は、顧客が受け取れる形式の完成した書類です。

この違いは、必要な技術も、失敗の仕方も、投資判断の基準も変えます。読み取り側では、紙や画像から文字をどれだけ正確に取り出せるかという読み取り精度が議論の中心になります。発行側では、そもそも読み取るという工程が存在しません。データは最初から数値として存在しているからです。発行側の課題は、正しいデータを正しい欄に、正しい形式で置き続けられるかという、突合と転記の設計です。

発行側に固有の難しさ

発行側には、読み取り側にはない難しさが3つあります。

出力先が一つに定まらない。顧客Aは自社指定のExcelフォーマットを要求し、顧客Bは英語のPDFを求め、顧客Cは自社ポータルへのアップロードを指定する。同じ測定結果から、複数の異なる形の書類を作る必要があります。
誤りが外部に出る。読み取り側の誤りは社内で止められる可能性がありますが、発行側の誤りはそのまま顧客の手元に届きます。訂正には、顧客への連絡と差し替えという対外的な手続きが伴います。
証明行為としての性質を持つ。検査成績書は単なる情報伝達ではなく、自社が品質を保証したという意思表示です。この性質は、後述するとおり、自動化の範囲に明確な限界を与えます。

検査成績書とミルシートの違いとは対象は製品か素材か

検査成績書は加工後の製品を証明する

検査成績書が証明するのは、加工済みの製品の品質です。自社の工程を通過したあとの状態を、自社が測定して証明します。記載項目は、製品名、検査年月日、ロットナンバー、検査項目、基準値と公差、検査方法および使用機器、測定値と判定結果です。

ここで重要なのは、検査方法および使用機器が記載項目に含まれている点です。同じ寸法でも、ノギスで測ったのか三次元測定機で測ったのかによって、測定の不確かさは変わります。書類が証明しているのは数値そのものではなく、「この方法でこの機器を使って測ったらこの値だった」という事実です。この構造を理解しておくと、後述する自動化の設計で、測定器の情報を必ずデータとして持たせるべき理由が見えてきます。

ミルシートは素材そのものを証明する

ミルシートは、英語ではMill CertificateあるいはInspection Certificateと呼ばれ、鋼材メーカーが発行する、鋼材の材質・品質を証明する検査証明書です。証明の対象は、加工前の素材そのものです。

記載項目は検査成績書とはかなり異なります。管理番号、鋼種、仕上げ、寸法、数量、質量、化学成分については規格値と実測値の両方、機械的特性については硬さが必須項目で、これに引張強さ、耐力、伸びが加わります。さらに寸法検査として、厚さ、幅、横曲がりが記載されます。

化学成分の規格値と実測値を並べて記載するという構造は、検査成績書の基準値と公差に対する測定値という構造と似ています。ただし、判定の意味合いが違います。ミルシートの化学成分は、その素材が規格に適合する材質であることを示すものであり、個々の製品の合否を示すものではありません。

混同したまま仕組みを作ると必ず破綻する

実務でよく起きるのは、この2種類の書類を同じ仕組みで扱おうとして行き詰まるパターンです。

自社が加工メーカーであれば、ミルシートは受け取る側の書類です。素材メーカーから届いたミルシートを保管し、必要に応じて顧客へ転送します。この作業は読み取り側、つまりAI-OCRの領域に属します。一方、検査成績書は自社が発行する書類であり、本記事が扱う生成側の領域です。

つまり、同じ「証明書」という言葉で括られていても、一方は受け取って保管する対象、もう一方は作って出す対象です。データの流れる方向が逆であり、必要な仕組みも逆向きになります。トレーサビリティの観点では両者を紐付ける必要がありますが、紐付けることと同じ仕組みで作ることは別の話です。

以下に、両者の違いを整理します。

観点	検査成績書	ミルシート
証明の対象	加工済みの製品	鋼材という素材そのもの
発行者	加工を行った自社	鋼材メーカー
自社から見た立場	発行する側	受け取る側
主な記載項目	検査項目、基準値と公差、検査方法と使用機器、測定値と判定結果	鋼種、化学成分の規格値と実測値、機械的特性、寸法検査
仕組み上の扱い	データから生成する	受領して保管し紐付ける

この表の最終行が、設計上もっとも重要な区別です。生成する対象と保管する対象を混ぜると、どちらの要件も満たさない中途半端な仕組みになります。

紙とExcelの運用で実際に起きる4つの破綻パターン

破綻パターン1 図面から公差を手で転記する

検査成績書を作る作業の出発点は、多くの場合、図面ファイルを開いて寸法と公差を読み取ることです。この値を検査成績書のテンプレートに手作業で転記していきます。図面ファイルから寸法・公差を手作業で転記して検査成績書を作る運用では、転記ミスなどのヒューマンエラーが起きうることが指摘されています。

厄介なのは、この誤りが発見されにくい種類のものだという点です。公差の値が誤って転記されていても、書類としては完成しているように見えます。測定値が公差内に収まっているという判定結果も、誤った公差に対しては正しく計算されます。誤りが露見するのは、顧客側で図面と突き合わせられたときか、あるいは市場で問題が起きたときです。

さらに、図面改訂があった場合に、テンプレート側の公差が更新されないという問題が重なります。図面は改訂番号で管理されていても、検査成績書のテンプレートには改訂という概念が入っていないことが多く、旧版の公差が残り続けます。

破綻パターン2 手書きの判読と改竄の追跡困難

紙の検査成績書には、書き損じ、記入漏れ、判読しにくい手書き文字による読み間違いという課題が指摘されています。現場で測定した数値をその場で紙に書き、あとで事務所のExcelに入力し直すという二段構えの運用では、この読み間違いが入り込む余地が二か所に生じます。

より根深いのは改竄の問題です。手書きの書類は物理的な改竄が容易であり、誰が改竄したかを追跡することが困難であるとされています。悪意のある改竄を想定するかどうかにかかわらず、この性質は品質保証の観点で弱点になります。顧客監査で「この数値が測定当時のものであることをどう証明しますか」と問われたとき、紙の書類には答える手段がありません。

破綻パターン3 押印のために書類が部門を回る

押印が必要な場合は、書類を各部門に回すため、物理的な移動や確認作業に時間がかかると指摘されています。この待ち時間は、作業時間としてはカウントされにくいにもかかわらず、リードタイムには確実に載ります。

タイの工場では、この問題が距離の形で現れます。検査室と品質保証部門と事務棟が別の建物にあり、書類を持って移動する時間が発生します。さらに承認者が出張や休暇で不在の場合、書類はその机の上で止まります。生産と検査が終わっているのに出荷できないという状態が、書類の物理的な位置だけを理由に生じます。

破綻パターン4 顧客ごとのフォーマット差による作り直し

同じ製品を複数の顧客に納めている場合、検査成績書のフォーマットは顧客の数だけ存在することになります。項目の並び順が違い、単位の表記が違い、判定欄の書き方が違い、ロゴの位置が違う。中身の測定値は同一であるにもかかわらず、書類としては別物を作る必要があります。

この作業は、既存のファイルをコピーして書き換えるという方法で処理されがちです。そして、コピー元の書き換え漏れという典型的な事故がここで発生します。前回のロット番号が残ったまま提出される、前の顧客名が一部の欄に残っている、といった誤りです。書類の見た目は完成しているため、チェックの網をすり抜けやすくなります。

4つの破綻に共通する構造

この4つのパターンには共通点があります。いずれも、正しいデータはすでに社内に存在しているにもかかわらず、それを人が読み取って別の場所に書き写す工程で発生しているという点です。転記という行為そのものが、誤りの発生源になっています。

したがって、改善の方向は「転記を丁寧にやる」ではなく「転記という工程を減らす」です。この視点は、品質データ管理システム2026で扱った、品質データを一元管理するという考え方と地続きです。

検査成績書AI作成2026｜測定データから多言語発行までの4層設計 - figure 1

AIは検査成績書を「作文」しない正しい位置づけを先に決める

生成AIが苦手なことを正直に認識する

ここで、誠実に線を引いておく必要があります。現在の生成AIは、品質検査データの要約や比較はできるものの、グラフ・表・ブランディングを含む整形済みのPDF帳票をそのまま生成することは、まだ苦手であるとされています。具体的には、生成AIアシスタントは「不良の上位項目は何か」という問いには答えられても、その答えをそのままPDF帳票として出力することはできない、という指摘があります。

この指摘は重要です。「AIに検査成績書を作らせる」という表現を字義どおりに受け取ると、測定データを渡せば完成したPDFが出てくる、という期待になります。この期待は、現時点では満たされません。

では何を任せるのか

正しい位置づけはこうです。AIは検査成績書をゼロから作文するのではなく、既存の測定データ、図面の公差、過去のフォーマットという構造化された入力を受け取り、テンプレートへの転記、規格値との突合、下書きの作成を担います。

書類の最終的な体裁を作るのは、従来どおりテンプレートエンジンや帳票基盤の仕事です。AIが担うのは、その手前にある判断と変換の部分です。どの測定値がどの検査項目に対応するのか。この顧客のフォーマットでは、この項目はどの欄に入るのか。図面のこの寸法指示は、検査項目としてどう表現すべきか。こうした、ルールとして書き下すには例外が多すぎるが、人間なら判断できるという領域が、AIの担当範囲です。

この位置づけを最初に共有しておくと、導入の議論が現実的になります。「AIが全部やってくれる」という期待から出発すると、必ず失望に終わります。「転記と突合と下書きをAIが担い、体裁と最終確認は既存の仕組みと人が担う」という前提から出発すれば、投資対象が明確になります。

ハルシネーションへの備えは設計に組み込む

生成AIに構造化された文書を作らせるとき、繰り返し現れる失敗の型がいくつかあります。存在が確認できない実体を書いてしまうこと、根拠のない具体的な記述を作り出してしまうこと、そして日付を取り違えること。この3つは、扱う分野を問わず共通して観察されます。精度が重要な業務では、時間をかけて推論する高性能なモデルを選ぶこと、原典データを必ず参照させること、人間によるレビューを工程に組み込むこと、この3つを組み合わせるのが基本の型になります。

検査成績書は、まさにこの「精度が重要な業務」に該当します。したがって、次の3点は設計に組み込むべき必須要素です。

原典データへの参照を必ず経由させる。測定値は測定器のデータから取得し、公差は図面データから取得する。AIに数値を思い出させない。
日付とロット番号は、AIが生成する対象から外す。生産管理システムの値をそのまま流し込む。日付の取り違えは先に挙げた失敗の型の一つであり、この2項目は書類の同一性を決定づける情報だからです。
人間によるレビューを工程として組み込む。品質保証責任者の確認を、システム上のステップとして必須にする。

検査成績書AI作成2026｜測定データから多言語発行までの4層設計 - figure 2

測定データから発行までを4つの層に分けて設計する

なぜ一体のシステムとして考えないのか

検査成績書の作成を仕組み化しようとすると、「検査成績書作成システム」という一つの箱を思い浮かべがちです。しかし、この捉え方は導入を難しくします。必要な機能が多岐にわたり、投資額が大きくなり、どこから手を付けるべきかが見えなくなるためです。

代わりに、次の4層に分けて捉えることを勧めます。層ごとに、必要な技術も、既存資産の流用可能性も、投資対効果も異なるからです。

層	担う役割	主な入力	AIの関与
第1層測定データ入力層	測定器の値を電子的に取得する	ノギス、マイクロメーター、三次元測定機	ほぼ関与しない
第2層テンプレート・突合層	顧客別フォーマットへの反映と規格値との照合	第1層の測定値、図面の公差	対応付けと変換で関与
第3層多言語下書き層	英語版・タイ語版の下書き生成	第2層の日本語版	中心的に関与
第4層承認・記録保管層	人による確認、承認、電子署名、保管	第3層までの成果物	関与しない

この表で注目すべきは、AIの関与が第2層と第3層に集中している点です。第1層は機器接続とデータ取得の技術であり、第4層はワークフローと保管の技術です。どちらもAIの出番はほとんどありません。

第1層測定データ入力層

出発点は、測定器から数値を電子的に取得することです。ここが人手の書き写しのままだと、上位のどの層をどれだけ作り込んでも、最初の一歩に誤りが混入する余地が残ります。

デジタルノギスやマイクロメーターには、データ出力機能を持つ機種があります。三次元測定機は測定結果をファイルとして出力できます。まず、自社の測定器のうち何割が電子出力に対応しているかを棚卸しすることが、この層の設計の第一歩です。

すべての測定器を一度に置き換える必要はありません。検査項目の数が多い製品、出荷頻度が高い製品から順に対応させれば、投資を分散できます。この層の考え方と費用の見積もりについては、検査データ自動収集の費用と回収で具体的に扱っています。

第2層テンプレート・突合層

測定値が電子データとして手に入ったら、次はそれを書類の形に載せる層です。ここで行われるのは、大きく2つの処理です。

1つ目は突合です。取得した測定値を、図面の基準値と公差に対して照合し、合否を判定します。この判定自体は単純な数値比較ですが、実務では例外が多く発生します。片側公差、幾何公差、参考寸法、抜き取り検査における統計的な扱い。こうした例外の処理をルールとして書き切ることは難しく、AIによる対応付けが有効に働く領域です。

2つ目は顧客別フォーマットへの反映です。同じ測定結果を、顧客ごとに異なるレイアウトへ配置します。過去に提出した書類が残っていれば、それを参照して対応付けを推定できます。ここでもAIの役割は、フォーマットそのものを作ることではなく、既存フォーマットのどの欄にどのデータが入るべきかを対応付けることです。

なお、この層では、測定に使用した機器の情報も必ず持たせてください。検査成績書の記載項目に検査方法および使用機器が含まれる以上、この情報が抜けた仕組みは、最初から要件を満たしていないことになります。

第3層多言語下書き層

タイの日系工場では、検査成績書の英語版作成がほぼ前提になります。顧客が日系であっても、タイ現地法人の受け入れ検査や、第三国への転送を考えると、英語版が必要になる場面が頻繁に生じます。さらに、タイ人スタッフが運用する以上、社内向けにはタイ語版が求められることもあります。

この層は、AIがもっとも素直に貢献できる部分です。検査成績書に登場する用語は、業界内でほぼ定型化されています。外観検査、寸法検査、基準値、公差、判定。これらの訳語は揺れが少なく、社内の用語集を参照させれば安定した下書きが得られます。

ただし、ここでも「下書き」であることを強調しておきます。数値と単位は翻訳の対象ではなく、そのまま転記されるべき情報です。翻訳工程で数値が変わることは絶対に許されません。したがって、この層の実装では、翻訳対象を項目名や注記などのテキスト部分に限定し、数値とロット番号は翻訳処理を通さずに固定する設計にします。

第4層承認・記録保管層

最後の層は、人間による確認と承認、そして記録の保管です。ここにAIの出番はありません。むしろ、AIを関与させてはいけない層です。

この層で設計すべきは、次の3点です。

誰が承認したのかが記録されること。検査員による確認と、品質保証責任者による承認を、それぞれ別の記録として残します。
承認後の内容が変更されていないことを示せること。押印の物理的な移動を電子署名に置き換えることで、破綻パターン3の待ち時間が解消されると同時に、改竄の追跡困難という破綻パターン2の課題にも対処できます。
保管された書類を、ロット番号や製品名から検索して取り出せること。監査対応で問われるのは「書類がありますか」ではなく「その書類をいま出せますか」です。

AIで自動化できる範囲とできない範囲の線引き

自動化できること

これまでの整理を踏まえると、AIに任せられるのは次の範囲です。

測定機器から取得したデータを、検査成績書のテンプレートに流し込むこと。どの測定値がどの検査項目に対応するかの対応付けを含みます。
過去の類似ロットの記録と照合し、明らかに傾向から外れた値がないかを確認すること。これは合否判定ではなく、確認を促す注意喚起です。
顧客ごとに異なるフォーマットへの自動変換。既存の提出実績を参照した対応付けが有効に働きます。
英語版およびタイ語版の下書き生成。項目名や注記の翻訳に限定し、数値は固定します。
記載漏れの検出。必須項目が空欄のまま提出されようとしていないかを、提出前に機械的に確認します。

自動化できないこと

一方で、次の範囲はAIが代行できません。この線引きは、技術的な制約ではなく、書類の性質そのものに由来します。

最終的な合否判定。数値の比較は機械にできますが、その結果をもって出荷可能と決定する行為は、責任を伴う判断です。境界値の扱い、再測定の要否、特採の可否といった判断は、人間の検査員と品質保証責任者に属します。
承認と押印。検査成績書は自社が品質を保証したという意思表示であり、その意思表示を機械が行うことはできません。電子署名に置き換わったとしても、署名する主体は人間です。
法的な証明行為。書類が持つ証明としての効力は、発行者の責任に裏打ちされています。AIが下書きを作ったという事実は、発行者の責任を軽減しません。
顧客との個別の取り決めに関する判断。特定の顧客だけに適用される追加検査や、過去の不具合を受けた特別な記載事項といった、文書化されていない合意事項の扱いは、担当者の知識に依存します。

線引きを曖昧にしたときに起きること

この線引きを社内で共有せずに導入すると、二つの方向に失敗します。

一方向は、過信です。AIが下書きを作ったのだから確認は簡易でよい、という運用に流れると、レビューが形骸化します。先に挙げた、根拠のない具体的な記述を作り出してしまうという失敗の型は、一見もっともらしい形で現れるため、簡易な確認では見抜けません。

もう一方向は、不信です。AIが作ったものは信用できないとして、結局すべてを人が作り直す運用になれば、投資は回収されません。この場合、問題はAIの精度ではなく、どこまでを任せるかの合意が形成されていないことにあります。

したがって、導入の初期段階で「AIが担う範囲」「人が担う範囲」「その境界で何を確認するか」を文書として定めることが、技術選定よりも先に必要です。

検査成績書AI作成2026｜測定データから多言語発行までの4層設計 - figure 3

タイの日系工場で追加になる4つの条件

条件1 英語版が例外ではなく前提になる

日本国内の工場であれば、検査成績書は日本語版だけで完結する場面が多くあります。タイでは事情が異なります。顧客の受け入れ検査を担当するのがタイ人スタッフである場合、日本語の書類は運用上機能しません。また、タイで製造した部品が第三国へ輸出される場合、書類も一緒に移動します。

したがって、多言語化は「余裕があればやる」ではなく、設計の初期条件です。第3層を後回しにすると、結局は人手による翻訳が残り、そこがボトルネックとして固定化します。

条件2 顧客ごとのフォーマット差が日本国内より大きい

タイの工場は、日系の顧客に加えて、欧米系、タイ系、中国系の顧客を持つことが少なくありません。それぞれの顧客が持つ書類の慣習は異なり、要求される項目も一致しません。

この多様性は、テンプレートを一つに統一するという解決策を封じます。現実的な設計は、内部的には一つのデータ構造を持ち、出力の段階で顧客別に変換するという二段構えです。第2層の設計で、データの持ち方と出力の形を分離しておくことが、この条件への備えになります。

条件3 第三者検査を求められるケースがある

顧客によっては、自社の検査結果に加えて、SGSやBureau Veritasといった第三者検査機関による検査を求める場合があります。この場合、自社の検査成績書と、第三者機関が発行する報告書の二つが存在することになります。

仕組みの設計上、注意すべきは、第三者機関の報告書は自社で生成する対象ではないという点です。これは受け取って保管する書類であり、ミルシートと同じ扱いになります。自社発行の検査成績書と、受領した第三者報告書を、同じロット番号で紐付けて保管できる構造にしておくことが求められます。

条件4 IATF 16949やISO 9001のトレーサビリティ要求

自動車部品に関わる工場では、IATF 16949への対応が前提になります。IATF 16949は自動車業界におけるISO 9001の拡張規格であり、ISO 9001の8.5.2項とあわせて、識別及びトレーサビリティに関する要求事項を定めています。

要求される内容には、原材料の受入から生産、出荷までの製品トレーサビリティ、検査および妥当性確認の記録の管理、そして測定のトレーサビリティが含まれます。測定のトレーサビリティとは、使用した測定器が国家標準や国際標準へ追跡可能であること、およびその校正記録が維持されていることを指します。

実務上の含意は明確です。自動車部品サプライヤーは、監査を受けた際に、特定の部品がどのロットの原材料から作られ、どのシフトで生産され、どの検査に合格したかを再構築できる必要があります。検査成績書の仕組みは、この再構築を可能にする鎖の一部として設計されなければなりません。

この要求は、第4層の保管設計に直結します。書類が保管されているだけでは足りず、ロット番号を起点に、素材のミルシート、生産記録、検査記録、そして発行した検査成績書までをたどれる構造が必要です。

ロット番号の突合という運用上の急所

港湾での実務から学べること

書類とロット番号の突合が実務でどれほど重視されるかを示す例として、タイへの輸入品におけるCOA、すなわちCertificate of Analysisの取り扱いがあります。タイへの輸入品におけるCOAは、Thai FDAに登録された検査項目を実際にテストしたものである必要があり、出荷ロットの正確なバッチ番号を記載する必要があるとされています。港湾の検査官はバッチ番号を製品パッケージの表示と突合しており、該当ロットと異なるCOAや、登録された検査項目が欠けているCOAは、自動的に留め置きの対象になるとされています。

ここで慎重に断っておきます。この事例は食品およびサプリメントの輸入という文脈のものであり、金属加工品や工業製品の検査成績書に直接適用される規定ではありません。金属加工業に同じ規制があるわけではないという点は、誤解のないよう明記しておきます。

それでも教訓として有効な理由

この事例が示唆するのは、規制の細部ではなく、書類の審査がどのような論理で行われるかという点です。審査する側は、書類の内容の妥当性を評価する前に、まず「この書類はこの現物のものか」を確認します。番号が合わなければ、内容がどれだけ正しくても書類として機能しません。

同じ論理は、顧客の受け入れ検査でも、品質監査でも働きます。検査成績書に記載されたロット番号が、現品票の番号と一致しない。あるいは、書類に記載された検査項目が、顧客が要求した項目を一部欠いている。この2種類の不整合は、書類の中身を読む前の段階で差し戻しの理由になります。

したがって、仕組みの設計では、次の2点を機械的に保証する優先度が高くなります。

ロット番号は生産管理システムの値をそのまま流し、書類作成の過程で人が入力する余地を残さない。
顧客が要求する検査項目の一覧を顧客マスタとして持ち、提出前に項目の欠落を機械的に検出する。

この2点は、AIの高度な能力を必要としません。むしろ、確実に動く単純なチェックとして実装すべき部分です。導入効果としては地味に見えますが、差し戻しという最も手戻りの大きい事象を防ぐという意味で、投資対効果は高くなります。

電子化で何が変わるのか事例の読み方

集計作業が1日2時間から約1分になったという事例

検査記録の電子化について、ある企業で管理者の集計作業が1日2時間から約1分まで削減されたという事例が報告されています。

この数字の読み方には注意が必要です。出典には規模や業種が明記されておらず、あくまで一つの事例として紹介されているものです。自社に当てはめて同じ削減率を期待することは適切ではありません。また、削減されたのは管理者の集計作業であり、検査そのものや書類の承認工程を含む全体のリードタイムではありません。

それでも、この事例が示す方向性は参考になります。集計という作業は、すでに存在するデータを集めて数える作業であり、本質的に人がやる必然性が低い工程です。電子化によって効果が大きく出るのは、まさにこうした工程です。逆に言えば、判断を伴う工程では、これほどの削減率は期待できません。

月間2万通以上の帳票を電子配信化した事例

別の事例として、三洋化成工業が月間2万通以上の帳票を電子配信化したという実績があります。

こちらも、読み方に注意が必要です。この事例は帳票全般の話であり、検査成績書に限定されたものではありません。請求書や納品書を含む、社外に向けて発行するあらゆる帳票の合計として理解すべき数字です。

この事例から学べるのは、規模ではなく、電子配信化という発想です。書類を電子的に作成しても、印刷して郵送していては、破綻パターン3で見たのと同じ構造の問題が、今度は社外への配送という形で再発します。作成の電子化と配信の電子化は別の課題であり、両方を設計しなければ効果は限定的になります。

事例を自社に翻訳するときの視点

他社事例を自社の投資判断に使うとき、削減率をそのまま持ち込むことは危険です。代わりに、次の3点を自社の数字に置き換えて考えることを勧めます。

対象となる書類の月間発行枚数。これが小さければ、どれだけ効率化しても効果額は限定されます。
1枚あたりの作成に要する時間と、そのうち転記と集計が占める割合。自動化の効果はこの部分にしか及びません。
差し戻しや訂正の発生頻度。これは削減時間よりも金額換算しにくい一方で、実際には最も負担の大きい部分です。

市場の動きをどう読むか

文書処理の自動化市場は推計に幅がある

インテリジェント文書処理、いわゆるIDPの市場については、調査会社によって推計に大きな幅があります。2026年時点の市場規模については、およそ32億ドルから142億ドルという範囲の推計が存在します。また、別の推計として、2033年に297億ドルまで成長し、年平均成長率33.8パーセントで拡大するという見方も示されています。

ここで正直に書いておくべきは、この幅の大きさそのものです。最小値と最大値で4倍以上の開きがあるということは、市場の定義が調査会社ごとに異なっていることを意味します。どこまでを文書処理と数えるかによって、数字は大きく変わります。したがって、単一の数字を根拠に投資判断を行うことは適切ではありません。

製造業向けAI市場という文脈

製造業向けのAI市場全体については、2026年時点で48億ドル規模であり、2030年に163億ドルまで、年平均成長率38.4パーセントで拡大するという推計があります。また、製造業の76パーセントが何らかの形でAIを利用しているという調査結果も報告されています。

この76パーセントという数字も、慎重に読む必要があります。「何らかの形で」という限定が付いている以上、全社的に本格導入している企業の割合ではありません。試験的な利用や部分的な導入を含めた数字として理解すべきです。

市場データから読み取るべきこと

これらの数字が示しているのは、個別の市場規模ではなく、方向性です。文書処理の自動化と製造業のAI活用は、いずれも成長領域として認識されており、選択肢と事例が今後増えていくことが見込まれます。

実務的な含意は、次の2点です。第1に、いま完璧な仕組みを一度に作り込む必要はありません。技術の選択肢が増える途上にある以上、後から差し替えられる構造にしておくほうが賢明です。第2に、それでも第1層と第4層、すなわち測定データの電子取得と記録の保管は、どの技術を選んでも必要になる基盤です。この2層への投資は、AIの技術動向にかかわらず無駄になりません。

導入の進め方 4つのステップ

ステップ1 現行帳票の棚卸し

最初にやるべきは、自社がいま何種類の検査成績書を発行しているかを数えることです。顧客別、製品群別に数えると、想定より多いという結果になることがよくあります。

同時に、それぞれの帳票について、月間の発行枚数、作成担当者、作成に要する時間、そして過去1年の差し戻し件数を記録します。この4項目が、後の優先順位づけの根拠になります。

この段階では、システムの話は一切しません。現状を数字で把握することだけに集中します。

ステップ2 測定データの取得口を決める

次に、第1層の設計です。各検査項目について、その測定値がどこから来るのかを一覧にします。デジタル測定器から出力されるもの、三次元測定機のファイルにあるもの、そして現時点では人が読んで手で書いているもの。この3分類に仕分けます。

3つ目に分類された項目が、この層における投資判断の対象です。すべてを一度に電子化する必要はなく、発行枚数の多い帳票に含まれる項目から順に対応させます。

ステップ3 テンプレートと突合ルールを作る

第2層の構築です。まず、内部で保持するデータ構造を一つ決めます。顧客別のフォーマットは、この内部構造からの変換として定義します。この順序を逆にして、顧客別テンプレートを個別に作り込むと、顧客が増えるたびに作業が線形に増える構造ができあがります。

突合ルールについては、標準的なケースから作り始めます。両側公差の単純な数値比較から始め、片側公差、幾何公差といった例外を順に追加していきます。最初から全例外を網羅しようとすると、着手が遅れます。

ステップ4 承認フローと保管の設計

第4層です。承認の段階を何段にするか、誰が承認者になるか、承認者不在時にどうするかを決めます。ここで重要なのは、電子化を機に承認段階を増やさないことです。紙の運用では省略されていた承認が、電子化を機に「せっかくだから」と追加されることがあり、これはリードタイムを悪化させます。

保管については、検索の要件から逆算します。ロット番号で引けること、製品名で引けること、期間で絞れること。この3つが最低限の要件です。

やってはいけない進め方

経験上、次の進め方は失敗します。

第3層の多言語化から着手する。見た目の効果が分かりやすいため選ばれがちですが、第1層と第2層が固まっていない状態で翻訳を自動化しても、誤ったデータが多言語で増えるだけです。
全帳票を一度に対象にする。棚卸しで判明した帳票の種類が多いほど、この誘惑は強くなりますが、最初の1種類で運用が回ることを確認してから広げるほうが確実です。
現場の測定作業を変えずに書類だけ電子化する。現場が紙に書いた値を誰かが入力するという工程が残る限り、破綻パターン2の課題は解消されません。

検査成績書AI作成に関するよくある質問

ミルシートと検査成績書はどう使い分けますか

証明する対象が違います。検査成績書は加工済みの製品の品質を証明する書類で、自社が発行します。ミルシートは鋼材メーカーが発行する、鋼材の材質・品質を証明する検査証明書で、対象は加工前の素材そのものです。加工メーカーの立場では、検査成績書は作って出す書類、ミルシートは受け取って保管する書類になります。仕組みの上でも、生成と保管という異なる扱いが必要です。

AIは検査成績書をどこまで自動生成できますか

測定データのテンプレートへの流し込み、規格値との突合、過去の類似ロットとの整合チェック、顧客別フォーマットへの変換、英語版やタイ語版の下書き生成までが現実的な範囲です。一方で、整形済みのPDF帳票をそのまま生成することは現在の生成AIが苦手とする領域であり、書類の体裁を作る部分は従来の帳票基盤が担います。最終的な合否判定、承認、押印は、人間の検査員と品質保証責任者の役割です。

AIが作成した検査成績書は法的に有効ですか

書類の効力は、誰が作成作業を行ったかではなく、誰が発行者として責任を負うかによって決まります。AIが下書きを作ったという事実は、発行者である自社の責任を軽減しません。したがって、品質保証責任者の確認と承認は必須であり、この工程を省略した運用は、書類の性質上そもそも成立しません。AIは作成の負担を減らす道具であり、責任の引き受け手ではありません。

検査成績書AI作成の費用はどのくらいかかりますか

層によって費用の性質が異なるため、一括では見積もれません。第1層は測定器の対応状況に依存し、既存機器がデータ出力に対応していれば接続の費用だけで済み、非対応であれば機器更新が必要になります。第2層と第3層は、対象とする顧客フォーマットの数と、突合ルールの例外の多さに比例します。第4層は、既存のワークフロー基盤や文書管理の仕組みを流用できるかどうかで大きく変わります。まずはステップ1の棚卸しで、月間発行枚数と作成時間を数値化することを勧めます。この2つが分かれば、どの層に投資すべきかの判断ができます。

測定器が古くデータ出力に対応していない場合はどうしますか

すべての測定器を一度に更新する必要はありません。発行枚数の多い帳票に含まれる検査項目から優先的に対応させ、それ以外は当面、手入力を残す判断も現実的です。ただし、手入力が残る項目については、入力値の範囲チェックを機械的にかけておくことを勧めます。桁の入力誤りは、公差の判定を通過してしまうことがあるためです。

英語版やタイ語版の検査成績書もAIで作れますか

下書きの生成は可能であり、この層はAIがもっとも貢献しやすい部分です。検査成績書に登場する用語は定型化されているため、社内の用語集を参照させれば安定した結果が得られます。ただし、数値と単位、ロット番号は翻訳処理を通さず、そのまま転記する設計にしてください。翻訳工程で数値が変化することは絶対に避ける必要があります。また、下書きである以上、提出前の確認は必要です。

既存の品質管理システムと連携できますか

多くの場合は可能です。確認すべきは、そのシステムが測定値をロット番号と紐付けて保持しているか、そして外部から参照できる形で持っているかという2点です。この2点が満たされていれば、検査成績書の作成を後から接続できます。逆に、測定値が個別のExcelファイルに散在している状態では、まず品質データの一元化から着手する必要があります。

IATF 16949に対応した工場でも導入できますか

対応が求められる工場ほど、むしろ導入の効果が大きくなります。IATF 16949とISO 9001の8.5.2項は、識別及びトレーサビリティに関する要求事項として、原材料受入から出荷までの製品トレーサビリティ、検査記録の管理、測定のトレーサビリティを求めています。監査の場では、特定の部品がどのロットの原材料から作られ、どのシフトで生産され、どの検査に合格したかを再構築できることが問われます。この再構築を紙とExcelで行うのは負担が大きく、電子的な紐付けが有効に働く領域です。

まとめ

検査成績書のAI作成というテーマの核心は、AIに書類を作文させることではありません。すでに社内に存在する測定データ、図面の公差、過去のフォーマットという構造化された入力から、テンプレートへの転記、規格値との突合、下書きの作成をAIが担い、書類の体裁と最終確認は従来の仕組みと人が担う。この分担を明確にすることが出発点です。

現在の生成AIは、整形済みのPDF帳票をそのまま生成することを苦手としています。この事実を認めたうえで設計すれば、期待値は現実的になり、投資対象も明確になります。

設計は、測定データ入力層、テンプレート・突合層、多言語下書き層、承認・記録保管層の4層に分けて考えます。AIが関与するのは第2層と第3層であり、第1層は機器接続の技術、第4層はワークフローと保管の技術です。着手の順序としては、第1層と第2層を固めてから第3層へ進むのが確実です。第3層の多言語化から手を付けると、誤ったデータが多言語で増えるだけの結果になります。

タイの日系工場では、英語版が前提になること、顧客ごとのフォーマット差が大きいこと、第三者検査機関の報告書を紐付けて保管する必要があること、IATF 16949やISO 9001のトレーサビリティ要求に応えられる構造が求められることが、追加の条件として加わります。

そして最後に、線引きを繰り返しておきます。最終的な合否判定、承認、押印、そして法的な証明行為は、AIが代行できません。品質保証責任者の確認と承認は必須であり、この工程を省略した運用は成立しません。AIが減らすのは、転記と突合と翻訳という、人がやる必然性の低い作業の負担です。

TOMAS TECHでは、タイおよびASEANの日系製造業向けに、測定データの収集から品質データの一元管理、帳票出力までの仕組みづくりを支援しています。検査そのものや検査成績書の発行を当社が代行することはありませんが、その前後の工程を設計し、既存の生産管理システムや品質管理システムと接続する部分をお手伝いできます。「まず自社の帳票が何種類あるのか棚卸しから始めたい」「測定器のデータをどこまで拾えるか確認したい」といった、検討の初期段階でのご相談も歓迎しております。現在の帳票運用と測定器の構成をお聞かせいただければ、本記事と同じ4層の枠組みで自社の状況に置き換えた進め方をご提示できますので、お問い合わせフォームからお気軽にお声がけください。