NTTロジスコが返却伝票をAIで読み取り、医療機器物流の受入作業を標準化

返却品の受入では、製品に貼られた製品名やロット番号に加えて、送り状伝票のディーラー名・医療機関名を目視で確かめ、WMS（倉庫管理システム）に登録する必要がありました。ところが伝票の名称は正式名称で書かれていないことが多く、略称のままだったり手書きだったりします。名称を熟知した作業者でなければ判断がつかず、作業の属人化と入力ミスによる誤登録が課題として残っていました。

編集部の見立てでは、この困りごとの正体は「文字が読めない」ことではなく、伝票上の表記と社内で管理する正式名称を結びつける照合の知識が、特定の人の頭の中にしか存在しなかった点にあります。紙をデータ化するだけでは解けず、かといって手順書に書き出そうにも、表記の揺れは数え切れません。人に張り付いた知識が、そのまま作業の詰まりどころになっていた構図です。

伝票を撮影して文字をデータ化する工程と、その表記から正式名称を言い当てる工程を切り分けた設計が、この仕組みの土台になっています。前者は画像認識で機械的に処理できますが、後者は「この略称はあの医療機関を指す」という照合の判断であり、性質がまったく違います。読み取りと照合をひとつの処理としてまとめず、別々の課題として扱ったからこそ、略称や手書きという厄介な部分にAIの力を集中させられたと読み解けます。

AIの出した答えを自動で確定させるのではなく、あいまい検索の結果として画面に示す形をとった点も効いているのではないでしょうか。似た名前の医療機関が並ぶ場面では、正式名称への変換に取り違えのリスクがつきまといます。候補を絞り込むところまでをAIが担い、最終的な見極めは人の手元に残す。この配分であれば、誤登録を防ぐという当初の狙いと、現場が安心して使えることを両立させやすくなります。

適用範囲を返却品の受入という一工程に限定した判断も見逃せません。物流センターの業務は入荷から保管、出荷まで連なっていますが、熟練者の判断に依存していたのは伝票の名称照合という狭い部分でした。業務全体を作り替えるのではなく、詰まっている一点を特定してそこだけを置き換える進め方は、既存のWMSの処理の流れを保ったまま入れられる現実的な設計です。

NTTロジスコは導入の効果として、熟練作業者に依存しない作業体制の確立、手入力工程の自動化による入力ミスの防止と返却受入作業全体の効率化、そして再出荷可能な在庫とするまでのリードタイム短縮を挙げています。削減率などの数値は公表されていませんが、返却品が早く在庫として戻るということは、預託販売という商流のなかで製品が動かないまま眠る時間が短くなることを意味します。