ラベルを目で見てExcelに打ち込む工程は、多くの倉庫で最も件数が多く、最もミスが起きやすい作業です。この記事では、それを一気に全自動化するのではなく、どの順序で機械に渡していけば現場が崩れないのかを考えます。鍵は「読めた文字をそのまま台帳に書かせない」こと。照合を先に置き、曖昧なものだけ人が確定する設計を出発点に据えます。
手入力が残る最大の理由は、その工程が「小さくて、頻度が高くて、例外が多い」からだと考えられます。1件あたりは数十秒で終わるため投資対象として意識されにくく、一方で入出庫のたびに繰り返されるので、倉庫全体では相当な工数を占めます。しかも荷姿・ラベル・伝票の様式は取引先ごとにばらつくため、「決まった1つの様式を読む」定型処理では吸収しきれず、結局のところ人が目で見て判断する形で温存されがちです。
この工程は人手不足の影響を最も受けやすい場所の一つでもあります。物流や製造の現場では採用難と高齢化が同時に進んでおり、熟練者が抜けたときに真っ先に品質が落ちるのが、こうした「経験で例外を捌いていた」作業だと考えられます。制度面でも時間外労働の上限規制など働き方に関わるルールが段階的に整備されていますが、適用範囲や数値は所管省庁の最新の公表資料でご確認ください。いずれにせよ、限られた人数で処理量を保つ圧力は強まる方向にあると考えます。
目視と手入力の組み合わせは、二段階でミスが入りうる構造です。まず読み取る段階で似た文字や桁数を見誤る余地があり、次にキーボードへ写す段階でも打ち間違いが起こりえます。しかも在庫台帳は後工程（引当・出荷・棚卸）の土台になるため、入口の1文字のズレが在庫差異や誤出荷として下流で顕在化しやすい。転記ミスが起きる理由を工程の構造として捉え直すと、これは注意力の問題というより、人に転記を担わせている設計の問題だと考えられます。
「目視してExcelに手入力」を機械に渡す前に、まずこの一言が実際には3つの別々の作業を束ねていることを分解して把握することが出発点だと考えます。具体的には、(1)ラベルや伝票から文字を読み取る、(2)読み取った値が既存の品目・発注と正しく対応するかを照合する、(3)対応が確定したものを台帳へ確定入力する、の3段階です。人はこれを頭の中で一続きにこなしているため一体に見えますが、機械へ渡すときは別々に扱った方が設計しやすいと考えられます。
読み取りは、ラベル・伝票・現品票に書かれた文字や記号を情報として取り出す作業です。ここで近年使われるのがVLM（Vision Language Model、画像とテキストを結びつけて理解する種類のAIモデル）を用いた読み取りで、決まったレイアウトに縛られず、様式のばらついた帳票でも文脈を含めて解釈しようとする点が従来の定型OCRとの違いだと考えられます。ただし「読めた」ことと「正しい」ことは別で、読み取り単体では正しさを保証できない点は最初に押さえておくべきだと考えます。
照合は、読み取った値を既存のマスタ（品目マスタ・発注データ・入荷予定など、社内に既にある正解に近い情報）と突き合わせて、どの品目・どの明細に当たるのかを特定する作業です。倉庫の入出庫の多くは「まったく未知のもの」ではなく「発注済み・登録済みのどれか」であるため、照合先がすでに存在するのが普通です。この照合先の有無が、後述する自動化の効きやすさを大きく左右すると考えられます。
確定は、照合結果を在庫台帳やWMS（Warehouse Management System、倉庫内の在庫と作業を管理する仕組み）へ実際の数量・ロットとして書き込む作業です。ここが台帳の値を動かす瞬間であり、誤りが下流へ流れ出す最後の関所でもあります。だからこそ、確定を機械に完全に任せてよいか、人の確認を挟むかは、3段階の中で最も慎重に決めるべき論点だと考えます。
結論から言うと、渡す順序は「読み取り→照合→候補提示→人が確定」であり、確定を最初に手放さないことが要点だと考えます。いきなり読み取りから台帳書き込みまでを一気通貫で自動化しようとすると、現場が最初に食らうのが「機械が勝手に間違えた在庫データ」であり、そこで信頼を失うと、その後どれだけ精度が上がっても人は機械を使わなくなりがちだからです。負荷が高く、かつ間違えても人の確認前で止められる部分から順に渡すのが安全だと考えられます。
最初に渡すのは読み取りです。撮影された画像からラベルの型番・数量・ロットなどを取り出す部分は、うまくいっても失敗しても、まだ台帳を動かさないため被害が下流に及びません。ここで入庫OCRのように受入時点の読み取りを機械化しておくと、以降の照合・確定に渡す元データが手打ちから解放され、少なくとも「読みながら打つ」二重負荷は減らせる可能性があります。
読み取りが安定してきたら、照合を渡します。読み取った値を発注データや品目マスタと突き合わせ、一致・不一致・複数候補を機械に仕分けさせる段階です。入荷検品とVLM OCRのように受入工程で読み取りと照合を組み合わせると、人は「ゼロから探して打つ」のではなく「機械の照合結果を確かめる」立場に移れると考えられます。作業の性質が入力から確認へ変わることが、この段階の狙いです。
確定は、少なくとも導入初期は人の手に残すのが妥当だと考えます。照合が一致し確からしさが高いものは候補として提示し、人はワンタッチで確定、曖昧なものだけ現物を見て判断する。この段階を経ることで、機械の誤りが台帳に流れ込む前に人の目を1回必ず通せます。運用データが溜まり、どの条件なら人の確認なしでも安全かが見えてきてから、確定の一部を自動化に回すかを判断するのが順序だと考えられます。
設計思想の核心は、読み取り結果を直接台帳へ書き込ませず、必ず照合を間に挟むことだと考えます。読み取りは確率的な処理であり、どんなに精度が上がっても「絶対に間違えない」とは言い切れません。読めた文字をそのまま確定値にする設計は、その誤りを検知する機会を自ら捨てているに等しい。照合を先に置けば、読み取りが多少ぶれても「発注にない品番」「桁数が合わないロット」といった形で異常として浮かび上がり、確定の手前で止めやすくなると考えられます。
照合を先に置く価値は、機械の誤読を「もっともらしい正解」ではなく「照合に引っかかった異常」に変換できる点にあると考えます。たとえば読み取りが1文字を誤っても、その値が既存マスタのどれとも一致しなければ、システムは自信を持って確定せず人に回せます。逆に照合を省くと、誤読された値がそれらしい数量やコードのまま台帳に載り、後工程で在庫が合わなくなって初めて発覚する——という最も発見が遅れる壊れ方になりやすいと考えられます。
現実的な設計は、1件ごとの確からしさに応じて扱いを分けることだと考えます。照合が明確に一致し確度が高いものは候補提示から人がワンタッチ確定、複数候補が出たものや一致しなかったものは現物確認に回す、という切り分けです。どこに境目を引くかは、誤りを取りこぼしたときの影響（誤出荷のコストや回収の手間）と、確認に割ける人手のバランスで決まる問題であり、一律の正解はないと考えます。境目の値は現場のデータで調整する前提です。
この考え方は在庫を数える工程にも横展開できます。棚卸Excelの電子化でも、読み取った数量をそのまま帳簿に上書きするのではなく、理論在庫との差を照合して差異だけを人が確認する順序にすると、機械が数え間違えても差異として表に出せると考えられます。読み取り単体を信じるのではなく、既にある正解に近い情報と突き合わせる——という原則は工程をまたいで共通だと考えます。
運用で効いてくるのは、読み取り・照合・確定を別々のツールに分断せず、在庫管理まで含めて一体で流れるようにすることだと考えます。読み取りだけを外付けし、その結果を人が別画面のExcelへ再入力しているようでは、転記工程を機械に渡したつもりが新しい転記工程を増やしているだけになりかねません。受入検品とWMSのように、検品で確定したデータがそのまま在庫へ流れ込む経路まで含めて設計することが、実際の工数削減につながりうると考えます。
読み取りの安定度は、モデルの良し悪しと同じくらい撮影環境に左右されると考えられます。逆光・反射・ラベルの折れ・梱包フィルム越しといった条件は現場に当たり前に存在し、ここが崩れると照合以降がいくら精緻でも入口で詰まります。元キーエンス画像処理事業部の現場知見 × 産業用カメラ × 現場ライティングという観点で、まず「安定して撮れる状態」を作ることが、AIの精度を語る前提になりうると考えます。
処理をどこで動かすかも運用設計の論点です。エッジ（データを生む現場側の端末で処理する方式）やオンプレミス（自社の構内設備で完結させる方式）を選ぶと、画像や在庫データを外部へ送らずに現場内で読み取り・照合を回せます。Jetsonのような現場据え置きの計算機で処理する構成は、通信環境に左右されにくく、取引先の品番や数量といった情報を構内に留めやすい点で、倉庫現場と相性が良い場合があると考えられます。ネットワーク前提や既存システムとの兼ね合いで最適解は変わります。
自動化を入れるほど、機械が止まったときの手順を先に決めておくことが重要になると考えます。読み取りが不調なとき・照合先マスタが未整備な品目が来たときに、人が従来通り手入力に戻せる逃げ道を残しておかないと、システム障害がそのまま入出庫の停止に直結しかねません。機械へ渡すのは工程であって、現場が判断を放棄することではない——という線引きを運用ルールとして明文化しておくのが安全だと考えます。
先に落とし穴を知っておくと、順序を誤らずに済むと考えます。以下は、この種の自動化で現場が実際につまずきやすい典型です。いずれも技術の限界というより、工程の渡し方や前提整備の問題であることが多いと考えられます。
始め方の結論は、投資判断より前に「現物のラベルと実物のExcelを並べて眺める」ことだと考えます。どの帳票のどの欄で手入力が発生し、その値の照合先が社内に既にあるのか、様式は何種類あるのか——これらを客観的に把握しないまま製品選定に入ると、自社の工程に合わない前提で判断してしまいがちです。まずは工程の現状を可視化することが、最も費用のかからない最初の一歩になりうると考えます。
次にやるべきは、対象を欲張らず1工程に絞ることだと考えます。入庫の受入時点は、発注という照合先が明確に存在し、件数もまとまっているため、読み取り→照合→候補提示→確定の順序を試す最初の対象として選びやすい場合があります。ここで手応えと限界の両方を掴んでから、棚卸や出荷など他工程へ広げるかを判断するのが、崩れにくい進め方だと考えられます。
最後は、自社の現物で小さく検証することだと考えます。物流OCR×WMSパッケージのように読み取りと在庫管理を一体で扱う構成でも、効くかどうかは自社のラベル・照度・荷姿・マスタの状態という個別条件に依存するため、実際のラベルを実際の環境で読ませ、照合がどこで引っかかるかを見るのが確実だと考えます。カタログの数値ではなく、自社の現物で確かめた結果を出発点に据えることをおすすめします。
まず現物のラベルと実物のExcelを並べ、どの欄で手入力が発生し照合先が社内にあるかを可視化することからだと考えます。いきなり全工程を対象にせず、発注という照合先が明確な入庫の受入など1工程に絞り、読み取り→照合→候補提示→人が確定の順序を小さく試すのが崩れにくいと考えられます。投資判断より前の現状把握が、最も費用のかからない一歩になりうると考えます。
自社のラベル・照度・荷姿によって変わるため、一律の数値を断定することはできません。カタログ的な認識率はモデル前提・一例であり、反射・折れ・梱包フィルム越しといった現場条件で実力は上下します。だからこそ読み取り単体の精度で成否を測るのではなく、照合を先に置いて誤読を異常として止められる設計にすることが要点だと考えます。数値は現物・現場での検証を前提にご判断ください。
そのまま反映する設計は避けるのが安全だと考えます。読み取りは確率的な処理で誤りをゼロにはできず、直接台帳へ書くと誤読が在庫差異として下流で遅れて発覚しやすくなります。読み取り結果はまず発注やマスタと照合し、一致すれば候補提示、曖昧なものは人が確定する順序にすることで、機械の誤りを確定の手前で止めやすくなると考えられます。
エッジやオンプレミスの構成を選ぶことで、画像や在庫データを外部へ送らず構内で読み取り・照合を回せる場合があると考えられます。Jetsonのような現場据え置きの計算機で処理すると通信環境に左右されにくく、取引先の品番や数量を社内に留めやすい利点があります。ただし既存システムやネットワーク前提により最適な構成は変わるため、自社要件に照らした検討をおすすめします。
工程を分解して段階的に渡す進め方であれば、多くの倉庫で検討の余地はあると考えます。ただし効くかどうかは自社のラベル様式・照度・荷姿・マスタの整備状況という個別条件に依存するため、一般論では判断しきれません。まずは実際のラベルを実際の環境で読ませ、照合がどこで引っかかるかを小さく検証し、その結果を出発点に広げるかを判断するのが確実だと考えます。
「目視してExcelに手入力」の工程は、現物のラベルと実際の帳票を見なければ、どこから機械へ渡せるかは判断できません。元キーエンス画像処理事業部の現場知見をもつエンジニアと、自社の現物・現場条件を起点に、読み取り→照合→確定のどこから着手できそうかを一緒に整理します。
倉庫の転記工程の自動化について相談する