AI-OCRはFAX発注書をどこまで読めるか。精度の考え方と導入前の検証手順

AI-OCRとは、紙の帳票に書かれた文字をAIで読み取ってデータに変換する技術です。クラウド型のサービスなら月数万円台から利用でき、多くの製品が「認識精度96〜99%」といった数値を掲げています。FAX受注が主流の食品・酒類・建材などの卸売業では、受注入力の省力化手段として導入検討の筆頭に挙がります。

ただ、この精度の数字を額面通りに受け取って導入すると、ほぼ確実に「思ったより使えない」という感想になります。数字が嘘なのではなく、測り方の前提が現場と違うからです。この記事では精度の正しい読み方と、契約前に自社の帳票でやるべき検証手順を整理します。

「精度99%」をどう読むか

文字単位と帳票単位はまったく別の数字

多くの精度表示は文字単位または項目単位です。仮に項目単位で99%でも、1枚の発注書に20項目あれば、全項目が正しく読める帳票は計算上8割程度に下がります。つまり「5枚に1枚はどこか直す」のが99%の実力です。導入判断では帳票単位で考えてください。

FAXという媒体が精度をさらに削る

AI-OCRの公称精度はきれいなスキャン画像が前提のことが多い一方、FAXは解像度が低く、かすれ・つぶれ・斜め送信が日常です。さらに手書き文字、訂正の二重線、欄外の走り書き（「いつもの」「先週と同じ」）は現在のAIでも読み違えやすい領域です。私が卸にいた頃の発注書を思い返しても、機械泣かせの紙は毎日届いていました。

だから設計の主役は「人の確認フロー」になる

実務でのAI-OCR活用は、全自動ではなくHuman-in-the-loop（AIの処理に人の確認を組み込む設計）が標準です。AIが項目ごとに確信度（どれくらい自信があるかの数値）を出し、低い項目だけ人が画面で確認・修正する。この形なら、手書きやかすれで読めない帳票が混ざっても業務は止まりません。

評価の物差しも変わります。問うべきは「何%読めるか」ではなく「1枚あたりの処理時間が何分から何秒になるか」です。ゼロから打ち込めば数分かかる明細入力が、下書きの確認と修正なら数十秒で終わる。精度が9割でも、業務時間は7〜8割減る。これがAI-OCR導入の実際の採算構造です。

導入前の検証手順——自社の帳票で試すまで契約しない

検証用サンプルの作り方

検証はデモ用のきれいな帳票ではなく、自社に実際に届いたFAXで行います。受注枚数の多い取引先の上位から、様式の異なる帳票を集めてください。きれいな印字だけでなく、手書き・かすれ・斜め送信の「悪い見本」を意図的に混ぜるのがポイントです。

チェックリスト

• 実物のFAX帳票を50〜100枚集めたか（きれいな帳票だけになっていないか）
• 帳票単位の完全一致率と、項目別の誤りの傾向（数量か・品名か・日付か）を記録したか
• 確信度の低い項目を確認する画面の操作感を、実際に事務担当者が触って確かめたか
• 商品マスタ・得意先マスタとの照合（略称を正式な商品コードに変換できるか）を試したか
• 1枚あたりの処理時間を、現状の手入力と比較して測ったか
• 基幹システムへの取込方法（CSV・API連携）まで確認したか

特に4つ目のマスタ照合は見落とされがちですが、実務では文字の読み取りより効きます。「霧島20度パック」という手書きを正しい商品コードに変換できるかは、OCRの精度ではなく、注文履歴やマスタとの突き合わせの設計で決まるからです。

検証で数字が出たら、費用対効果は自然に決まる

検証で「1枚あたりの処理時間が何分縮むか」が出れば、月間枚数を掛けるだけで削減工数が算出できます。そこに事務の人件費相場（月25〜35万円程度）を当てれば、投資してよい金額の上限が見えます。ツールの機能比較から入るより、この順番の方が判断を誤りません。

awai Coreでは、AI-OCR単体の導入ではなく、この検証設計から確認フロー、マスタ照合、基幹システム連携までを一体で設計します。読み取ったデータは受注実績として蓄積されるので、そのまま取引先別の分析（awai Compassの領域）にもつながります。まず自社の帳票でどこまで読めるのか、検証の設計からご相談いただくのが確実です。

より詳しくはFAX受注の自動化を、隣接するテーマは受発注システムの選び方をご参照ください。