IHI機械システムが生成AIで帳票入力を自動補完、書類品質を平準化

管理者が手元のExcelをアップロードすると生成AIが入力項目を解析してWebフォームのひな形を起こす、という入口の設計が効いていると考えられます。現場が使い慣れた様式をそのまま出発点にできるため、新しいシステムのために帳票を作り直す作業が発生しません。各項目に対するAIレビューの観点を自然言語で設定できる形にした点も見どころで、品質基準の更新が開発側の改修ではなく管理者による言葉の書き換えで完結します。

入力補完を「生成」ではなく「検索」に寄せた構成も、実運用を成立させた要因ではないでしょうか。担当者が自然言語でキーワードを入力するとAmazon Kendraが帳票データベース内の過去資料を探し、類似案件の記載内容を候補として返します。さらにAttributeFilter機能で最大4階層のフォルダ構造を段階的に絞り込む作りにしており、全社の全文書を一律に対象とせず、用途に応じて参照する母集団そのものを狭めています。RAG（外部データを検索してAIの回答に活用する仕組み）の使い勝手は生成側より検索側の精度に左右されるという勘所を、押さえた設計と読めます。

表記揺れの扱いをAIの判断に委ねず、社内マスタデータとの照合に切り分けた判断も見逃せません。マスタをAmazon DynamoDBに置いて入力中にリアルタイムで候補を提示し、マスタにない表記には警告を返すという、結果が一意に決まる処理に寄せています。AIのレビュー結果のほうは各項目の直下にバリデーションメッセージの形でインライン表示し、既存のフォーム操作の作法から外れないようにしました。開発プロセス側でも、Figma MakeやGemini Canvasで動くモック画面を先に作り、そこから出力されたReactコードを実装のベースに据えながら顧客との要件定義を並行させることで、仕様の認識ずれを早い段階でつぶす進め方が採られています。