AI手書き入荷伝票をExcelに変換 — 倉庫受入データ、破損メモ、署名確認を抽出

印刷された注文数量と手書きの受領数量が混ざり、意味のない数字になる。 カーボン複写の入荷伝票では、仕入先が「注文数量: 500」と印刷し、受取人がその横に「480受領、20破損」と手書きする。テンプレート型OCRは行全体を「500 480 20 破損」というテキストとして読み取り、本来届くべき数量と実際に届いた数量を区別できない。これらの数字の意味の違いこそが伝票の目的だが、ツールがページを単一のテキストブロックとして扱う瞬間にその違いは失われる。

仕入先ごとに入荷伝票のフォーマットが異なり、手書き部分もそれに応じて移動する。 メーカーの複数ページの入荷伝票は、上部に発注書フィールド、表に行項目、下部に署名欄がある。地域の仕入先は、受取人が所定のグリッドに数量を丸で囲む2部構成のカーボン伝票を使用する。3PLの受領報告書では、手書き注釈がまったく別の領域にある。テンプレート型ツールは、フォーマットごとに個別のパーサー定義が必要となる。物流チームは 受入時の伝票と発注書の照合作業 を、まさに伝票ごとに見た目が異なることが原因でボトルネックと表現しており、50もの仕入先からの入荷伝票を処理する場合、問題はさらに複雑化する。

カーボン複写の薄い跡や倉庫での摩耗により、人間でさえ判読が難しい。 入荷伝票がデータ入力デスクに届く頃には、それは3枚目か4枚目のカーボン層であることが多く、印刷されたテキストも薄れ、手書きの修正もかすれたグレーオングレーの状態だ。さらに、倉庫での取り扱いによる油のシミや、ドックワーカーが低照度で撮影したスマホ写真が加わり、クリーンなフラットベッドスキャン原稿用に作られた従来のOCRではまったく読み取れない文書となる。ページ上で最も重要なデータ（手書きの受領修正）は最も視認性の悪い状態にあり、テンプレート型ツールはそれを無視するか、意味不明な文字を出力する。

意味による分離：印刷された注文データと手書きの受領データは、位置ではなく意味に基づいて異なるカラムに振り分けられます。 注文数 | 受領数 | 破損備考 | 受領者署名のようにカラムを定義すると、AIがページ全体を読み取り、各値が何を表すかを理解します。つまり、どのピクセルにあるかではなく、値の意味で判断します。仕入先の明細ブロックに印刷された「500」は「注文数」に、その横の手書きの「480」は「受領数」に、余白に走り書きされた「20個破損」は「破損備考」に振り分けられます。これがカスタムカラム抽出です。必要なフィールド名を入力するだけで、AIがページ上のどこにあっても各値を意味で理解して見つけ出します。前回処理した入庫伝票の位置を記憶する必要はありません。

1つのカラム設定で、あらゆる仕入先からの入庫伝票をテンプレート不要で処理。 AIは各カラム名の意味を理解してフィールドを見つけるため、同じ定義がメーカーの印刷された複数ページのGRN、仕入先の2部カーボン複写伝票（数量が丸で囲まれている）、3PLの1ページ受領報告書にも適用できます。それらをまとめて1バッチでアップロード。各ドキュメントは、同じカラム構成の1行として出力スプレッドシートに追加されます。50の異なる仕入先から入庫がある倉庫でも、50の異なる抽出テンプレートは不要。仕入先が帳票を更新しても、最初からテンプレートが存在しないため、何も壊れません。

手書きの破損備考と署名確認が、構造化されたカラムになります — 孤立したテキスト断片ではありません。 「20箱破損」が「品目説明」カラムにランダムなテキストとして表示されるのではなく、破損備考という専用カラムを追加すれば、AIが手書きの余白注釈をそこに振り分けます。受領者署名を「有/無」形式で追加すれば、すべてのドキュメントで明確な「有」または「無」が返ります。AIに各仕入先の帳票で署名欄がどこにあるかを教える必要はありません。実際に到着したものの唯一の記録であり、在庫調整や仕入先チャージバックにおいて法的な重要性を持つ手書きの受領レイヤーが、ついに構造化され監査可能なデータとして扱われるようになります。