手書きOCRの精度2026｜決まるのはエンジンでなく帳票の枠

タイの工場で手書き帳票をなくす話は、たいていエンジン比較から始まります。どの手書きOCRが一番読めるのか。しかし導入後に運用が回るかどうかを分けるのは、エンジンの文字認識率ではありません。帳票の枠の作り方と、確信度の低い欄だけを人に回す振り分けの設計です。この記事では、フィールド単位で精度を見る方法、タイ語の手書きが崩れる理由、記入枠の設計7項目、そして回収年数の試算までを、その場で検算できる形で整理します。

手書きOCRの精度は「文字」ではなく「欄」で見る

実務を決めるのは、1文字が読めたかどうかではありません。欄が丸ごと合っているかどうかです。この違いを混同したまま製品を選ぶと、カタログの数字と現場の手戻り量がまったく噛み合わなくなります。

CERとフィールド単位正解率は、別の指標である

OCRの精度指標として最初に出てくるのが文字誤り率（CER: Character Error Rate）です。ベンチマークによれば、きれいな印刷文字のCERは1%未満、手書きでは3〜5%とされています。この数字だけを見ると「95%以上は当たっている」と読めます。

一方、業務で必要なのはフィールド単位の正解率です。ロット番号の欄、日付の欄、数量の欄が、それぞれ1文字も間違えずに取れているか。1文字でも違えば、その欄の値は使えません。ロット番号「TH-240615-A」の1桁が違えば、それはトレーサビリティ上、別のロットです。

同じ2026年のベンチマークでは、文書種別ごとのフィールド単位正解率が次のように報告されています。

手書きだけが突出して振れています。測定された文書種別のなかで、最も振れ幅が大きいのが手書きです。同じベンチマークは、手書きがフィールド抽出精度を印刷物比で15〜35ポイント低下させるとも報告しています。この2つは整合しています。デジタルPDFの97〜99.5%から15〜35ポイントを引くと62〜84.5%になり、報告値の62〜85%とほぼ一致します。

請求書や取引明細のように印字前提の帳票については、請求書処理の自動化2026で別途整理しています。手書きの話とは前提がかなり違うので、分けて考えたほうが判断を誤りません。

「CER 4%」が「フィールド正解率72%」になる仕組み

CERとフィールド単位正解率の差は、掛け算で説明がつきます。1文字あたりの誤り率がCERで、欄の中の全文字が正しくなければ欄は正解になりません。欄がn文字なら、フィールド正解率は概算で（1 − CER）のn乗です。

CER 3〜5%、欄の長さ4〜12文字で計算すると、こうなります（試算・前提はいま述べた独立性の仮定）。

計算式は単純です。CER 4%・8文字なら 0.96 の8乗＝0.721、つまり72.1%。手元の電卓で確かめられます。この表の下限54.0%から上限88.5%という範囲は、実測値として報告されている62〜85%とおおむね重なります。つまり「手書きのフィールド正解率が62〜85%に散らばる」という現象の正体は、エンジンの当たり外れというより、欄の長さの違いである可能性が高いということです。

ここから実務的な示唆が1つ出ます。同じエンジン、同じ書き手でも、12文字の欄を並べた帳票と4文字の欄に割った帳票では、フィールド正解率が20ポイント以上変わりうる。エンジンを替える前に、欄の長さを見直す余地があります。

帳票1枚が丸ごと通る確率は、直感よりずっと低い

さらに1階層上がって、帳票1枚の話をします。1枚に25の記入欄がある製造日報を考えます。フィールド正解率が仮に75%（62〜85%の中間付近）だとすると、25欄すべてが正しい確率は 0.75 の25乗、つまり約0.08%です。1,000枚に1枚も通りません。

この計算が意味するのは、「手書きOCRを入れれば紙が消える」という発想が最初から成り立たないということです。手書きOCRの導入とは、人の作業をゼロにすることではなく、人が見る量を減らすことです。この前提に立たない限り、どのエンジンを選んでも失望します。

2026年に何が変わったか｜帳票認識AIが実用域に入った理由

2026年に変わったのは、エンジンの上限であって、帳票の下限ではありません。精度の天井を決めるのはモデルですが、床を決めるのは渡す紙のほうです。

従来型46〜70%から、マルチモーダルLLMの約95%へ

数年前まで、手書きに対する従来型OCRの成績は46〜70%程度でした。この水準では、どんな運用設計を被せても実務に乗りません。半分近く外れる前提でチェック体制を組むなら、最初から人が入力したほうが速いからです。

2026年のベンチマークでは、マルチモーダルLLM（GPT-5等の画像を直接読めるモデル）が手書きで約95%に到達したと報告されています。専用系でも、Amazon Textract が2026年の手書きベンチマークで単語誤り率10.5%、つまり単語正解率およそ89.5%です。46〜70%と95%の間には、運用設計では埋められない断絶があります。ここが2026年の実質的な変化点です。

エンジン単体の比較軸についてはAI-OCRの比較2026に整理があります。本記事は「どれを選ぶか」より「選んだあと何を設計するか」に寄せて書いています。

それでも、95%では帳票1枚は通らない

ただし、この95%を帳票の話に翻訳すると、印象はかなり変わります。仮に95%がフィールド単位の値だとしても、25欄の帳票が丸ごと無修正で通る確率は 0.95 の25乗＝約27.7%です。4枚に3枚は、どこかに誤りが残ります。Textract の89.5%は単語単位の正解率で、欄単位の指標とは別物ですが、あえて同じ25乗にかけてみると約6.2%になります（指標をまたいだ粗い目安であり、製品の優劣を示す数字ではありません）。

つまり、エンジンが46〜70%から95%に上がったことで変わったのは、「人が見るかどうか」ではなく「人が見る量」です。全欄を見ていた運用が、一部の欄を見る運用に変わる。それが2026年に手に入った変化の実体です。

95%と99.9%の間は、エンジンでは埋まらない

もう1つ、押さえておくべき基準があります。金融系のフィールドや本人確認書類について、完全自動処理（STP: Straight Through Processing）を許容する2026年の基準はフィールド単位99.9%とされています。人が一切見ないまま基幹システムへ流す、という条件を満たすには、この水準が要求されるということです。

95%と99.9%の距離を誤り率で見ると、5%から0.1%へ、つまり50分の1に落とすことになります。この差をエンジンの入れ替えで埋めるのは現実的ではありません。埋める手段は1つしかなく、それが次に述べる確信度による振り分けです。

金額欄や検査判定欄のように、間違えたら止まる欄については、「エンジンが賢くなったから自動化できる」とは考えないほうが安全です。

タイ工場の手書き帳票が崩れる4つの理由

タイの現場で効くのは「タイ語対応の有無」ではなく、1枚の帳票に何言語・何種類の書き癖が混ざっているかです。日本の本社で選定したエンジンがバンコク近郊の工場で期待外れになるとき、原因はたいていこの4つのどれかに当たります。

① タイ文字は上下段に記号が積まれる

タイ語は子音の上下に声調記号と母音記号が付きます。行間が詰まった帳票に手書きすると、上の行の下段記号と下の行の上段記号が接触します。この接触は、文字の切り出し（セグメンテーション）の段階でエンジンを混乱させます。日本語や英語の帳票設計の感覚で行間を決めると、ここで落ちます。

加えて、タイ文字の多くは「หัว（頭の丸）」の有無と向きで別の字になります。速記されるとこの丸が潰れ、字形が近い文字どうしの区別が消えます。書き手にとっては前後の文脈で自明でも、欄単位で切り出された画像には文脈がありません。

対策は帳票側にあります。 行間を通常より広く取る、記入欄の高さを子音1文字分ではなく上下段を含めた高さで設計する、罫線を欄の上下ぎりぎりに引かない。

② 日本語・タイ語・英語が1枚に混ざる

タイの日系工場の帳票は、たいてい3言語が同居しています。品名と型番は英数字、作業者のコメントはタイ語、承認欄と備考は日本語または英語。これがエンジンにとっては厄介です。多くの手書きOCRは文書または領域の単位で言語を推定するため、1枚のなかで言語が切り替わると推定を外します。

タイ語の欄に日本語の辞書が効いてしまえば、出てくる結果は原型をとどめません。逆に、日本語の欄にタイ語モデルが当たると、漢字がまとめて記号に化けます。

対策は、欄ごとに言語を固定して宣言することです。 帳票テンプレートの定義段階で「この欄はタイ語のみ」「この欄は英数字のみ」と指定できる製品を選び、実際に指定します。この一手間で、混在に起因する崩れの大部分は消えます。

③ 数字と暦に、ローカル特有の書き癖がある

数字は言語より厄介です。タイの現場では次が同時に起こります。

• タイ数字（๐๑๒๓๔๕๖๗๘๙）とアラビア数字の混在。 年配のスタッフや、公的書類の書き写しで混ざります。
• 1と7、0とO、2とZ の書き分け。 欧州式に7へ横棒を入れる人と入れない人が混在します。
• 小数点と桁区切りの揺れ。 手書きのカンマとピリオドは、150DPIで潰れると区別が難しくなります。
• 仏暦と西暦の混在。 仏暦2569年は西暦2026年です。同じ帳票の日付欄に「2569」と「2026」と「26」が混ざります。

3つ目と4つ目は、OCRの問題であると同時に、データとしての問題です。仮にOCRが「2569」を正しく読んでも、基幹システムが西暦を期待していれば、そのデータは間違いです。

対策は、暦と単位を帳票に印字してしまうことです。 「พ.ศ. ____」ではなく「20__ (ค.ศ.)」と刷る。小数点以下が必要な欄は、小数点の位置を枠として印字する。

④ 自由記述欄は、どのエンジンでも読めない

「異常内容」「所見」「特記事項」といった自由記述欄は、語彙も文法も文の長さも予測できません。辞書や候補による補正が効かず、書き手ごとの癖がそのまま誤りになります。前掲の表で12文字の欄が54.0〜69.4%まで落ちたことを思い出すと、数十文字の自由記述がどうなるかは想像がつきます。

対策は、自由記述をやめることではなく、自由記述に依存しないことです。 よくある異常内容は選択肢（チェックボックスまたは番号のマークシート方式）に置き換え、自由記述欄はその補足として残す。集計と検索は選択肢側で行い、自由記述欄は「読めたら儲けもの」の扱いにして、確信度に関係なく人のレビュー対象から外す判断もあり得ます。

タイ語向けのモデルは、どこまで来たか

タイ語専用のモデルも、この1年で動きがありました。

Typhoon OCR 1.5 は2025年11月14日に公開されたオープンソースのモデルで、2Bパラメータ、Qwen3-VL 2Bをベースにしています。報告されている評価では、手書きフォームで BLEU 0.321→0.522、ROUGE-L 0.454→0.645 と改善しました（それぞれ約1.63倍、約1.42倍）。タイ語の官公庁フォームでは BLEU 0.870 / ROUGE-L 0.967 で、Gemini 2.5 Pro や GPT-5 を上回ったと報告されています。前バージョン比で推論が2〜3倍高速、クラウド運用費が40〜60%減、CPU・エッジでも動作するとされており、工場内にサーバを置く構成とは相性が良いモデルです。

Thai-TrOCR は、TrOCR handwritten をベースにタイ語・英語の手書き行画像向けにファインチューニングされたモデルで、EasyOCR や Tesseract を上回ると報告されています。行単位の切り出しが前提なので、枠の設計と組み合わせる使い方になります。

なお BLEU と ROUGE-L はテキストの類似度スコアであって、フィールド単位正解率とは別の指標です。「BLEU 0.870だから87%正しい」とは読めません。ここは混同しやすいので注意してください。

そのうえで、この数字の並びには示唆があります。同じ Typhoon OCR 1.5 が、官公庁フォームでは BLEU 0.870、手書きフォームでは 0.522。差は0.348です。エンジンは同一で、違うのは紙のほうだけです。ROUGE-L でも 0.967 対 0.645 で、0.322 の差があります。エンジン選定より帳票設計のほうが結果を大きく動かすという主張の、これがおそらく一番わかりやすい根拠です。

帳票OCRの精度を決めるのは枠｜記入枠の設計7項目

精度を決めるのはエンジンの学習量ではなく、枠が文字の位置をどれだけ機械に教えているかです。ここが手書きOCR導入で最も費用対効果の高い工程でありながら、最も後回しにされる工程でもあります。

設計7項目

1. 1文字1枠にする。 記入欄をマス目にし、1マスに1文字ずつ書かせます。これによって、エンジンが最も間違えやすい「文字の切り出し」という推測作業が丸ごと消えます。前節の表で見たとおり、CERが3%から5%に振れるだけで8文字欄の正解率は78.4%から66.3%まで落ちます。切り出しの失敗はCERを直接押し上げるので、ここを潰す効果は大きい。

2. 判定と分類は、書かせずに選ばせる。 合否判定、不良区分、シフト、ラインなど、選択肢が決まっている項目は文字を書かせません。チェックボックスや塗りつぶしの検出は、文字認識とは比較にならないほど安定します。「良品／不良」を手書きさせている帳票は、まずここから直します。

3. 長い欄を短く割る。 日付は年・月・日で分け、ロット番号は意味の区切りごとに分けます。ここで注意が必要なのは、割ること自体が掛け算の結果を良くするわけではないという点です。6文字の欄を2文字×3欄にしても、6文字すべてが正しい確率は変わりません。効くのは2つの副次効果です。ひとつは、区切りがあることで切り出しが安定しCER自体が下がること。もうひとつは、誤りが局在化して、レビュー時に直す範囲が小さくなること。前者が精度に、後者が工数に効きます。

4. 記入例を枠のすぐ横に置く。 帳票の上部にまとめた注意書きは読まれません。枠の直下または右に、薄い色で見本の文字を印字します。タイ語と日本語を併記し、数字の書き方（7に横棒を入れるか、1に飾りを付けないか）まで見本で示します。教育コストが実質ゼロになるのがこの方法の利点です。

5. ドロップアウトカラーとペンを指定する。 記入枠の罫線を淡いシアンなど、スキャン時に消える色（ドロップアウトカラー）で印刷します。罫線が画像から消えると、文字だけが残り、罫線と文字の接触という誤認識の主要因がなくなります。あわせて筆記具を黒のボールペンに統一します。鉛筆と薄い青のペンは、二値化の段階で線が飛びます。

6. 150DPI以上、実務では300DPIグレースケールでスキャンする。 引用したベンチマークの数値は、スキャン解像度150DPI以上という前提のもとで測定されたものです。この前提を満たさない画像を入れた場合、62〜85%という範囲すら保証されません。現場でありがちな失敗は、複合機の既定設定が200DPI・モノクロ二値のまま運用に入ることです。二値化は薄い筆圧の線を消します。300DPIグレースケールを既定にしてください。

7. 帳票に版番号とIDを印字する。 現場ではコピーのコピーが出回り、いつの間にか欄の位置がずれた帳票が混ざります。テンプレートは座標で欄を切り出すため、位置ずれは全欄の誤りに直結します。帳票の隅にQRコードで帳票IDと版番号を入れ、旧版が投入されたら処理前に弾く仕組みにします。位置合わせ用のマーカー（四隅のトンボ）も併せて印字します。

枠の設計にかけるべき時間

7項目のうち、1・2・3・7は帳票のレイアウトを作り直す作業です。4・5・6は印刷と運用の設定です。どれもAIの話ではなく、紙と業務の話です。

現実的な進め方は、対象帳票をいきなり全部作り直さないことです。まず1帳票を選び、7項目を全部当てた版を作って現場で2週間書いてもらいます。旧版と新版の両方を同じエンジンにかけて、フィールド単位正解率とレビュー率を比較する。この比較データが、残りの帳票を作り直す予算を通す根拠になります。

全件目視をやめる｜確信度ルーティングの設計

自動確定できるかどうかを決めるのは、確信度スコアの高さではありません。その欄に照合先があるかどうかです。ここを取り違えると、しきい値をいくら調整しても運用が安定しません。

15〜20%を人に回すだけで、全体は99.2%になる

前掲のベンチマークで最も実務的に重要なのは、この報告です。確信度の低いフィールドだけを人のレビューに回す運用にすると、レビュー対象が全体の15〜20%であっても、全体の抽出精度は99.2%に達する。示されている例ではレビュー率はやや広めの22%が置かれており、約78%が人の目を通さずに通過（STP）します。78%と22%を足すと100%です。両方を別々に数えないでください。

エンジン単体で9割台半ば、運用込みで99%超。この差を生んでいるのは、モデルの性能ではなく振り分けの設計です。なお、この2つは別々の調査・別々の指標（一方は手書き文字の認識精度、他方は確信度ルーティングを含むフィールド抽出精度）なので、単純に引き算して「何ポイント改善した」と読むことはできません。効いている打ち手が違う、と捉えてください。

ただし、ここにも注意点があります。この22%はフィールド単位の話であって、帳票単位ではありません。25欄の帳票で、各欄が独立に22%の確率でフラグ立てされるとすると、1枚もフラグが立たない帳票は 0.78 の25乗＝約0.2%しかありません。実際には書き手ごと・欄ごとに誤りが偏るので、この0.2%はもっと高くなりますが、桁の感覚は変わりません。ほぼ全部の帳票が、レビュー画面には出てきます。

だから、レビュー画面の設計が決定的になります。1枚まるごとを人に見せる画面を作ると、STPが78%あっても工数はほとんど減りません。フラグの立った欄だけを、切り出した画像とOCRの候補と一緒に、縦に並べて表示する。この画面があるかどうかで、後述する試算の前提が丸ごと変わります。

フィールドを3クラスに分け、しきい値を変える

すべての欄に同じしきい値を当てるのは設計として粗すぎます。実務では3つに分けます。

Aクラス（法的・金銭・トレーサビリティ） — ロット番号、検査判定、数量、金額、日付、署名。間違えると出荷停止・監査指摘・支払い誤りにつながる欄です。前述のとおり、人を通さずに流す基準はフィールド単位99.9%です。これを満たせない限り、確信度が高くても人を通す設計にします。仮に99.9%が達成できたとしても、Aクラスが5欄ある帳票では 0.999 の5乗＝99.5%、つまり200枚に1枚は誤りが残る計算になります。

Bクラス（分析・傾向把握） — 温度、圧力、時刻、作業時間、稼働カウント。個々の値が多少ずれても、傾向を見る用途なら耐えられます。99.2%相当で運用し、代わりに範囲チェック（上下限・前後の値との連続性）で補います。

Cクラス（参考情報） — 備考、所見、自由記述。全文検索できれば足りる欄です。確信度が低くてもレビューには回さず、そのまま格納します。ここを真面目にレビュー対象に入れると、レビュー工数だけが膨らんで精度は上がりません。

99.2%という全体値は、あくまで平均です。Aクラスに99.9%を要求すれば、その分Cクラスを捨てないと工数が合いません。全体精度の目標を1つ置くのではなく、クラスごとに目標を置く。これが設計の実質です。

しきい値は、最初の1,000枚を全件見て決める

確信度スコアは製品ごとに算出方法が違い、「0.85以上なら安全」といった一般則はありません。決め方は1つで、最初の1,000枚を全件目視し、確信度スコアと実際の誤りの対応表を自分の帳票で作ることです。

この作業は面倒ですが、代替がありません。ここを飛ばすと、しきい値が勘で決まり、「自動確定した欄から誤りが出た」という事故で信頼を失うか、「全部レビューに回して工数が減らない」というどちらかに着地します。1,000枚は、1日200枚の現場なら1週間分です。

対応表ができたら、Aクラスの誤り率が0.1%を下回るスコア帯を探し、そこをしきい値にします。見つからなければ、そのAクラス欄は自動確定の対象から外します。

確信度より強いのは、マスタ照合

最後に、実装上いちばん効く話をします。確信度スコアより信頼できる判定材料があります。照合先のマスタがあるかどうかです。

品番、社員番号、設備番号、取引先コード、ラインID。これらは自社のマスタに存在する値しか正解になり得ません。OCRの出力を候補としてマスタに当て、1件に絞れたらその欄は自動確定できます。確信度が0.6でも、マスタと1件マッチし、かつ2件目の候補との編集距離が離れていれば、それは0.99の確信度より確かです。

逆に、マスタのない自由記述欄は、確信度が0.99でも自動確定の根拠になりません。照合先がない以上、確信度はモデルの自己申告にすぎないからです。

同じ理屈で効くのが、帳票内での突合です。数量の内訳と合計、開始時刻と終了時刻と作業時間、良品数と不良数と総数。これらは互いに検算できます。合わなければ、確信度に関係なくレビューに回す。合えば、確信度が低くても通す。設計の重心を、モデルのスコアから業務の制約条件に移す。これが全件目視をやめるための実装上の核心です。

費用と回収の考え方｜レビュー工数を残したまま試算する

回収年数を決めるのは、エンジンの利用料ではありません。レビュー率です。以下はモデル試算で、特定案件の見積もりではありません。前提を置き換えれば結論は変わります。

前提（すべて仮置き）

• 対象帳票: 製造日報と工程内検査記録
• 枚数: 1日200枚、稼働250日/年 → 年間50,000枚
• 1枚あたりの記入欄: 25欄 → 年間1,250,000フィールド
• 現状の転記工数: 1枚あたり4.0分。内訳は「入力2.5分＋判読不能箇所の確認・待ち0.5分＋転記後の突合1.0分」
• 人件費: データ入力担当の月額を法定福利込み30,000 THB、年間360,000 THB。年間実働2,000時間（250日×8時間）→ 時間単価180 THB（＝1分あたり3 THB）
• 導入後のレビュー工数: フラグの立った欄1件あたり8秒（切り出し画像と候補が並んだ画面での確認・修正）、加えて帳票1枚あたりの開閉・突合の固定時間20秒

比較対象は「導入しなかった場合＝現行の紙運用のまま」の1本だけに固定します。「全面的にタブレット入力へ移行した場合」との比較は別の世界線なので、効果額には混ぜません。

計算

現状（ベースライン）

• 50,000枚 × 4.0分 = 200,000分 = 3,333.3時間/年
• 3,333.3時間 × 180 THB = 600,000 THB/年
• 人数換算: 3,333.3 ÷ 2,000 = 1.67人分

導入後（レビュー率22%＝ベンチマークの例示値）

• 1枚あたりのフラグ欄: 25欄 × 22% = 5.5欄
• 1枚あたりの工数: 5.5欄 × 8秒 + 20秒 = 64秒（＝1.07分）
• 50,000枚 × 64秒 = 3,200,000秒 = 53,333分 = 888.9時間/年
• 888.9時間 × 180 THB = 160,000 THB/年
• 人数換算: 888.9 ÷ 2,000 = 0.44人分

削減効果

• 時間: 3,333.3 − 888.9 = 2,444.4時間/年（1.22人分）
• 金額: 600,000 − 160,000 = 440,000 THB/年（削減率73.3%）

費用（試算）

初期費用:

年間費用:

結果

• 年次純効果: 440,000 − 180,000 = 260,000 THB/年
• 単純回収年数: 700,000 ÷ 260,000 = 約2.7年
• 5年総額: 700,000 + 180,000×5 = 1,600,000 THB
• 5年効果: 440,000 × 5 = 2,200,000 THB
• 5年純: 2,200,000 − 1,600,000 = 600,000 THB

5年総額1,600,000 THBの内訳を割合で見ると、エンジン利用料600,000 THB（37.5%）、帳票の枠再設計350,000 THB（21.9%）、連携開発250,000 THB（15.6%）、保守300,000 THB（18.8%）、スキャナ100,000 THB（6.2%）です。エンジンに払う金額は総額の4割弱で、残る6割強は帳票設計・連携・保守・機材です。検討会議の時間配分も、この比率に近づけるべきだというのが、この内訳から出てくる話です。

レビュー率が動くと、回収年数はこう動く

レビュー率だけを15%・22%・35%に振り替え、他の前提を固定して再計算します。15%はベンチマークが示す範囲の下限、22%は同ベンチマークの例示値、35%は枠設計が甘い場合を想定して当社が置いた仮の値です（35%は報告値ではありません）。

15%と35%の間で、年間削減額は 475,000 と 375,000、差は100,000 THB/年です。これはエンジン利用料の年額120,000 THBの83%に相当します。言い換えると、枠の設計が良いか悪いかは、エンジンの利用料をまるごと払うか払わないかとほぼ同じ大きさの差を生むということです。回収年数でも2.4年と3.6年で1.2年違います。

ここで、レビュー率が上がっても精度が落ちるわけではないことに注意してください。人に回す量が増えれば、むしろ最終的な精度は上がります。悪化するのは工数だけです。したがって、枠設計が甘い帳票で起きるのは「精度が出ない」ではなく「精度は出るがコストが合わない」という形の失敗です。この失敗は、稼働してから半年ほど経って予算の実績が出た段階で初めて見えるので、発見が遅れます。

足してはいけない効果

ここが最も間違えやすい部分です。導入効果を説明するとき、「転記時間の削減」に加えて「読めない字の書き手への確認がなくなる」効果を別枠で足したくなります。これは二重計上です。

ベースラインの4.0分の内訳を、もう一度見てください。入力2.5分＋判読不能箇所の確認・待ち0.5分＋突合1.0分。差し戻しの時間は、すでに4.0分のなかに含まれています。これを別に足すと、0.5分 × 50,000枚 = 25,000分 = 416.7時間 = 75,000 THB/年を2回数えることになります。

二重計上すると、年間削減額は 440,000 → 515,000 THB（+17.0%）に膨らみ、年次純効果は 335,000 THB、回収年数は 700,000 ÷ 335,000 = 約2.1年に見えます。実際の2.7年に対して0.6年短く見える。稟議の数字としては小さくない差です。

反実仮想は1本に保ってください。比較対象は「現行の紙運用（4.0分/枚）」だけであり、そこから引くものはすべて、この4.0分の内訳のどこかに対応していなければなりません。

一方、この試算に含めていない効果もあります。監査・トレーサビリティ照会時の検索時間、紙の保管スペースと保管コスト、蓄積データの分析利用、記入者側の記入時間の変化（選択式化で短くなる可能性）。これらは金額化していないので、上記の回収年数は保守的な線として読んでください。

最後に、削減した1.22人分が本当に金額になるのは、その工数が別の付加価値作業に移るか、残業が実際に減る場合だけです。人が席に座ったままなら、削減時間は帳簿上の数字にしかなりません。ここは稟議に書く前に、上長と決めておく話です。

どの帳票から始めるか｜データ入力自動化の導入順序

最初の帳票を決めるのは、枚数ではありません。下流の使い道が決まっているかどうかです。枚数だけで選ぶと、電子化はできたが誰も使わないデータが増えます。

選定の4基準

1. 枚数が多い — 効果が測れるだけの母数があること
2. 欄が定型である — 自由記述が主でないこと
3. 下流の使い道が決まっている — 取り込んだデータを受け取るシステムと画面が特定できること
4. 間違えたときの被害が中くらい — 影響ゼロの帳票では改善の意欲が続かず、影響が致命的な帳票では最初の失敗が許されない

着手の順番

第1陣: 製造日報・出来高記録。 枚数が最も多く、欄が定型で、下流は生産管理システムです。4基準をすべて満たすことが多い。日報そのものの設計論は日報のAI自動化2026で扱っています。

第2陣: 受入検査記録・工程内検査記録。 監査とトレーサビリティに直結するため、電子化の価値が最も高い領域です。ただしAクラス欄（判定・ロット番号）が多いので、確信度ルーティングの設計が固まってから着手します。

第3陣: 在庫の受払票、出荷確認票。 数量欄が中心で、在庫マスタとの突合が効きます。マスタ照合が使えるので、確信度が低くても自動確定できる欄が多い領域です。

当面やらない: 手書きの不具合報告書、顧客からの手書きFAX、給与・勤怠の手書き記録。 前2つは自由記述が主体で費用対効果が出ません。3つ目はPDPA（タイ個人情報保護法）と労務上の配慮が必要で、技術より先に整理すべき論点があります。

4週間で判断する検証手順

• 第1週: 現行帳票を100枚集め、欄ごとに埋まり方を数えます。空欄率、判読不能率、想定外の記入（欄外への書き足し、複数値の記入）の頻度を出します。この時点でOCRは使いません。
• 第2週: 前述の設計7項目を当てた新版を作り、現場で2週間書いてもらいます。旧版と並行運用します。
• 第3〜4週: 新旧それぞれ500枚をエンジンにかけ、フィールド単位正解率とレビュー率を測ります。全件を人が目視して正解を作るので、この作業には工数がかかりますが、ここを省くと以降のすべての判断が推測になります。

測るべきは「エンジンの精度」ではなく「自社の帳票でのレビュー率」です。ベンダーのデモは、ベンダーが選んだサンプルの成績です。自社の帳票を、自社の書き手が、自社のスキャナで取った画像でしか、判断材料は作れません。

タイで実施するときの追加論点

監査対応。 BOI恩典の実績報告、ISO 9001 や IATF 16949 の記録、税務調査での帳簿書類の提示。電子化したデータが原本として通用するか、紙の原本を並行保管する必要があるかは、監査法人および当局への確認事項です。ここは技術の話ではないので、システム側の要件を固める前に確認しておいてください。少なくとも、電子データと紙の原本を相互に辿れるようにしておく設計（帳票のQR ID を電子レコードのキーにする）は、どちらに転んでも無駄になりません。

多言語の現場。 タイ人スタッフに加え、ミャンマー・カンボジア出身の作業者が記入する工程では、帳票の言語と書き手の母語が一致していないことがあります。この場合、記述式の欄はほぼ機能しません。選択式とピクトグラムへの置き換えが、OCR以前の問題として効きます。

PDPA。 帳票に記入者氏名や社員番号が入る以上、それは個人データです。OCRで抽出したデータの保管期間、アクセス権限、クラウドへ送る場合の処理者との契約を、導入時に整理しておきます。前述の Typhoon OCR 1.5 のようにCPU・エッジで動くモデルが選択肢になるのは、この論点があるためです。

よくある質問

手書きOCRとは？

紙に手で書かれた文字を画像から読み取り、テキストデータに変換する技術です。印刷文字を読む一般的なOCRとは、必要とされる技術も達成できる精度も異なります。近年は、帳票の欄ごとに値を取り出す用途を指して「帳票OCR」「AI-OCR」と呼ぶことが多く、単に文字を読むだけでなく、どの欄の値かを対応づけるところまでを含みます。

手書きOCRの精度はどれくらいですか？

見る指標によって答えが変わります。文字誤り率（CER）で見れば手書きは3〜5%、つまり95%以上の文字が正しく読めます。しかし欄が丸ごと正しいかで見るフィールド単位正解率では62〜85%で、印刷物と比べて15〜35ポイント低下します。実務で意味を持つのは後者です。さらに、確信度の低い欄だけを人のレビューに回す運用を組めば、レビュー対象が全体の15〜20%でも、全体で99.2%まで上がると報告されています。

タイ語の手書きは読めますか？

日本語や英語より難しく、専用のモデルを使う価値があります。タイ文字は子音の上下に声調記号と母音記号が付くため、行間が詰まった帳票では上下の行と干渉します。タイ語向けにはオープンソースの Typhoon OCR 1.5（2025年11月14日公開、2Bパラメータ、Qwen3-VLベース）があり、手書きフォームで BLEU 0.321→0.522、ROUGE-L 0.454→0.645 と改善が報告されています。手書き行画像に特化した Thai-TrOCR も、EasyOCR や Tesseract を上回るとされています。ただし、同じ Typhoon OCR 1.5 が官公庁フォームでは BLEU 0.870 に達している一方で手書きフォームは 0.522 であることからわかるとおり、モデルよりも帳票の状態のほうが結果を大きく左右します。

費用はどれくらいかかりますか？

構成によって幅がありますが、本記事のモデル試算では初期700,000 THB、年間180,000 THB、5年総額1,600,000 THBという置き方をしました。この内訳ではエンジン利用料が総額の37.5%で、残りは帳票の枠再設計（21.9%）、連携開発（15.6%）、保守（18.8%）、機材（6.2%）です。「AI-OCRの月額いくら」だけで比較すると、総額の6割強を見落とすことになります。実際の金額は帳票の種類数、既存システムとの連携範囲、対象枚数で変わります。

既存の生産管理システムとつながりますか？

つながるかどうかより、取り込んだあとに誰がどの画面で見るかを先に決めるほうが重要です。連携方式そのものは、CSVの受け渡し、API、中間データベースなど選択肢があり、たいていの場合は技術的に解決できます。難しいのは、OCRが出した値がレビュー待ちなのか確定済みなのかという状態を、基幹システム側でどう扱うかです。確定前のデータを基幹に入れない設計にするか、状態フラグを持たせて入れるか。ここを決めずに連携を作ると、後から作り直しになります。

手書きをやめて、タブレット入力にしたほうが早いのでは？

その判断が正しい現場もあります。日本の現場帳票ペーパーレス化ソリューション市場では、株式会社シムトップスの「i-Reporter」が、富士キメラ総研の2026年2月調査で2024年度の数量ベンダーシェア46.5%を占めたと報告されています。入力の時点で電子化してしまえば、OCRの精度という論点は消えます。

判断の分かれ目は3つです。手袋・粉塵・防爆といった環境で端末が使えるか。書き手が端末操作に習熟できるか。そして、社外から紙で入ってくる帳票があるか。3つ目は特に重要で、協力会社の作業報告書や顧客からの指示書が紙で来る限り、手書きOCRは残ります。実務では「新規に発生する帳票はタブレット入力、外部から来る紙と過去帳票はOCR」という併存が現実的な着地になることが多いです。

過去の紙をさかのぼって電子化すべきですか？

原則として、優先度は低く見ておくのが無難です。過去帳票は旧フォーマットで、枠の設計もされておらず、レビュー率が跳ね上がります。前掲の試算でレビュー率35%のケースが回収3.6年になったのと同じ構造で、旧帳票の遡及電子化はさらに悪い条件です。監査や訴訟で参照する必要がある年次だけを対象にし、それ以外は原本の保管で足りるかを先に検討してください。

まとめ

手書きOCRが実務で機能するかどうかを決めるのは、エンジンの文字認識率ではなく、帳票の枠の設計と確信度による振り分けの設計です。

精度は、文字単位（CER）ではなく欄単位で見ます。手書きのフィールド単位正解率は62〜85%で、印刷物比15〜35ポイントの低下です。CER 4%・8文字の欄なら 0.96 の8乗＝72.1%という掛け算で、この範囲は説明がつきます。欄が長いほど落ちるので、エンジンを替える前に欄を見直す余地があります。

2026年に変わったのは、マルチモーダルLLMが手書きで約95%に到達したことです。従来型の46〜70%からの飛躍ですが、95%でも25欄の帳票が丸ごと通るのは約27.7%にすぎません。金融系フィールドのSTP基準であるフィールド単位99.9%との距離は、誤り率で50分の1。この差はエンジンでは埋まらず、確信度ルーティングで埋めます。レビュー対象が全体の15〜20%でも全体は99.2%に上がり、例示では78%がSTP、22%がレビューです。

タイの現場で崩れる理由は、タイ文字の上下段の記号、日タイ英の混在、タイ数字と仏暦を含む数字の書き癖、そして自由記述欄の4つです。Typhoon OCR 1.5 や Thai-TrOCR のようなタイ語向けモデルは選択肢になりますが、同じ Typhoon OCR 1.5 でも官公庁フォームの BLEU 0.870 に対し手書きフォームは 0.522。差の0.348はエンジンではなく紙から来ています。

金額の側も同じ結論を指します。モデル試算では、5年総額1,600,000 THBのうちエンジン利用料は37.5%にとどまり、6割強は帳票設計・連携・保守・機材です。回収年数はレビュー率22%で約2.7年、15%なら約2.4年、35%なら約3.6年。レビュー率の振れ幅が生む年間100,000 THBの差は、エンジン利用料年額120,000 THBの83%に相当します。そして効果を数えるときは、ベースラインの4.0分の内訳に含まれる差し戻し0.5分を別枠で足さないこと。足すと回収が2.7年から2.1年に短く見えます。

最初にやるべきことは、製品資料を集めることではありません。自社の帳票を100枚集めて、欄ごとの埋まり方を数えることです。この作業は1週間で終わり、その結果が5年で百万THB単位の意思決定を根拠づけます。

まだ導入を決めていない検討段階でも構いません。手元の帳票を数枚持ち込んでいただければ、欄の長さ・自由記述の割合・言語の混ざり方から、レビュー率がどのあたりに着地しそうかを一緒に見積もるところから始められます。本記事の試算に、自社の枚数・欄数・人件費単価を入れ直すだけでも、社内の議論の土俵は変わります。ご相談はお問い合わせフォームからどうぞ。

参考文献

• OCR Accuracy by Document Type（文書種別ごとのフィールド単位正解率・2026ベンチマーク）
• OCR Accuracy Benchmark（CERほか精度指標の解説）
• Best Handwriting OCR Tools 2026（手書きOCRの2026年ベンチマーク）
• Typhoon OCR Release（Typhoon OCR 1.5 リリースノート）
• OpenThaiGPT Thai-TrOCR（タイ語手書き行画像向けモデル）
• Thai OCR Evaluation Dataset（タイ語OCR評価データセット）
• 製造業の日報・帳票電子化（i-Reporter／株式会社シムトップス）
• AI-OCR 製品比較（ITmedia）

本記事の金額はすべて当社が仮に置いた前提にもとづくモデル試算であり、特定案件の見積もりではありません。前提（1日200枚・稼働250日/年・1枚25欄・現状4.0分/枚・時間単価180 THB・レビュー1件8秒・帳票固定20秒・初期700,000 THB・年間180,000 THB）を変えれば結論は変わります。統計値は各出典の公表内容にもとづき、そこから導いた掛け算の結果には「試算」と明記しています。i-Reporter は株式会社シムトップスの製品、Typhoon OCR は SCB 10X／OpenTyphoon の、Thai-TrOCR は OpenThaiGPT の成果物であり、いずれも当社の開発物ではありません。