このテーマのまとめ:n8n入門 ›
注文書PDFをkintoneに手入力する毎日、AIに読ませて自動で入れられないのか
取引先から届く注文書PDFを、OCRで読み取ってkintoneへ自動入力できたら。そう考えながらも、実際には手入力する前提で、注文書はメールボックスや複合機に日々溜まっていきます。
受注や営業事務の担当者は、その1枚1枚に目を通し、品目・数量・単価・納期を確認しながら、kintoneの受注アプリに手で打ち込んでいます。
件数が少ないうちは問題になりません。しかし繁忙期に注文書が積み上がると、桁の打ち間違いや起票の抜けが出はじめ、「昨日の分がまだ入っていない」という遅れも生まれます。
こうした状況になると、「この手入力、AIに読ませてkintoneに自動で入れられないのか」と考える担当者は少なくありません。
そう考えて「kintone OCR」「注文書 OCR」と検索すると、今度は別の疑問にぶつかります。「注文書の自動取込なんて、SIerに発注する大がかりな開発案件なのでは」「どうせAIに任せても、入力の手間は結局減らないのでは」という疑問です。
先に結論をお伝えします。読み取り自体はそれほど難しくありません。本当に成否を分けるのは、AIが読み取った結果を「どこまで信じるか」の線引きです。ここを設計できるかどうかで、自動化が続くか、すぐに形骸化するかが分かれるのです。
n8nと生成AIで読み取れば、注文書の手入力そのものをなくせる(ただし全部は任せない)

注文書PDFの取り込みは、ワークフロー自動化ツールのn8nと生成AIを組み合わせれば実現できます。
届いた注文書PDFをn8nが受け取り、生成AIが品目・数量・単価・納期を抽出します。抽出した結果はkintoneのREST APIを通じて、受注アプリにレコードとして自動で起票されるという流れです。専用パッケージを買わなくても、この一連の流れは自社で組めます。
実際に組むときは、まずこの5工程が一続きで見える状態にします。Webhookで注文書PDFを受け、生成AIで意味ごとに抽出し、商品マスタ照合と検算・確信度判定を経て、kintoneへ起票する流れです。各ノードの細かな設定より先に、どこで「読む」、どこで「確かめる」、どこで「人に回す」かを確認してください。
ただし、ここで一つだけ約束しておきたいことがあります。全部をAIに任せてはいけません。
AIに注文書を読ませること自体は、今の生成AIにとって難しい作業ではありません。難所はその手前ではなく、読み取ったあとにあります。
抽出した値のうち、どれをそのまま信じて自動で確定し、どれを人の目に回すのか。その線引きを持たないまま「全部AIに読ませる」と決めてしまうと、後述する落とし穴にはまってしまいます。
この記事がお伝えしたい到達点は、注文書の入力を「全項目を人が見直す」状態から、「確信度の低い項目だけを人が見る」状態へ変えることです。実装の細かな手順ではなく、この線引きの考え方を持ち帰っていただくことを目指します。
なぜ注文書の手入力だけは、いつまでも人の手に残るのか
注文書の入力が人の手に残り続けるのは、注文書が「半構造化データ」だからです。
人間の目には一目で読めますが、取引先ごとにレイアウトも項目名も並び順もばらばらで、「決まった位置に決まった値が入っている」という保証がありません。
ある取引先は「品名」と書き、別の取引先は「商品名」と書きます。数量が右上にある帳票もあれば、表の真ん中にある帳票も珍しくありません。
エクセルやCSVのように構造が決まったデータであれば、機械はそのまま取り込めます。
ところが注文書は「人間が読む前提」で作られています。
そのため、人間が目で読んで意味を解釈し、kintoneの正しいフィールドに転記する工程が、どうしても人の手に残ってしまうのです。
この工程が残る限り、繁忙期の遅れや起票ミスもまた、なくなりません。
では、この仕組みを誰が担うのでしょうか。n8nと生成AIをつなぐ実装は、kintoneのアプリ運用に慣れている担当者がいる会社であれば、技術的なハードルは限定的です。
費用の面でも、n8nはセルフホスト版なら無料で使え、クラウド版も月20ユーロ程度から始められます。生成AIのAPIは使った分だけの従量課金です。選ぶモデルや処理する枚数によって変わりますが、大量に処理しない限り高額にはなりにくいでしょう。
ただし、社内で手を動かす時間を確保できるか、そして「どの業務からデジタル化を進めるか」という全社的な方針が固まっているかは、技術とは別の問題になります。技術的に組めることと、社内で運用を回せることは分けて考えなければなりません。
「AIに読ませる」で満足すると、かえって手間が増える3つの場面
「AIに読ませれば終わり」と考えて着手すると、かえって手間が増える場面があります。実際に自動化を試みるとつまずきがちな場面を、順にお見せします。
誤読が怖くて全項目を人が見直し、手入力と工数が変わらなくなる
まず起こりやすいのが、この落とし穴です。
生成AIによる読み取りを導入したものの、「AIが誤読していたら受注ミスになる」という不安から、抽出されたすべての項目を人が念のため見直す運用にしてしまう。すると、確認の手間が結局は手入力とほとんど変わらなくなり、「自動化したのに楽になっていない」という状態に陥ります。
読み取りは自動化できても、確認を全件のまま残してしまえば、削減できる工数はごくわずかなのです。
取引先ごとに注文書のレイアウトが違い、決め打ちの抽出ルールが通用しない
次に起こりやすいのが、レイアウトの壁です。
「数量は右上」「単価は3列目」といった座標や固定ルールで項目を抜こうとすると、その帳票フォーマットの取引先には通用します。しかし、レイアウトの違う別の取引先の注文書が届いた途端に崩れてしまいます。
前述のとおり注文書には業界共通の標準様式がないため、取引先の数だけルールを作り足すことになり、いつまでも運用が安定しません。
数量・単価の桁を1つ読み違えると、受注金額そのものがずれる
そして、もっとも痛手が大きいのが金額に絡む項目の誤読です。
品名の表記ゆれであれば、あとから気づいて直せます。ところが数量や単価の桁を1つ読み違えると、受注金額そのものがずれ、その後の請求処理や在庫の引き当てにまで影響が波及します。AIの誤読が最も大きな痛手になるのは、この金額まわりです。だからこそ、金額項目だけは他の項目と同じ扱いにできません。
人の目を「全件」から「怪しいところだけ」に移す設計

では、どう設計すればよいのでしょうか。鍵は、人の目を「全件」から「怪しいところだけ」に移すことです。先ほどの3つの詰まりに、それぞれ対策を対応させていきます。
抽出値に確信度スコアを付け、低い項目だけ人の確認キューに回す
最初の落とし穴(全件見直し)への対策です。
生成AIに項目を抽出させるとき、あわせて項目ごとの「確信度(スコア)」も一緒に出させます。たとえば「品名:確信度0.98」「数量:確信度0.62」のようにです。
そして、あらかじめ決めたしきい値を下回った項目だけを「要確認」の一覧(確認キュー)としてkintoneに立て、しきい値を上回った項目はそのまま自動で確定させます。
ただし、この確信度はAIの自己申告であり、実際の誤読率と完全に一致するわけではありません。運用の初期は高めのしきい値から始め、実際の誤読の出方を見ながら調整する前提で使います。それでも、人が見るのはAI自身が「自信がない」と申告した項目だけになるため、確認作業そのものを大きく減らせます。
ここでは、注文書のレイアウトではなく「注文番号・品目・数量・単価・納期」という意味の単位で抽出されたJSONを確認します。値だけでなく、各項目のconfidenceが並んでいることを見れば、どの項目を確認キューへ送るかの根拠を追えます。
位置ではなく「意味」で項目を取り、レイアウト差を吸収する
2つ目の落とし穴(レイアウト差)への対策です。
座標で項目を抜くのをやめ、生成AIに「発注者名」「品目」「数量」「単価」「納期」という意味の単位で抽出させます。「この帳票のどこかにある数量を取ってきて」という指示であれば、項目が右上にあっても表の中央にあっても、意味を手がかりに拾ってくれます。
取引先ごとにルールを作り足す必要がなくなり、様式の違う注文書が届いても同じ仕組みで対応できるのです。
数量・単価はマスタ照合と検算で機械的に確かめる
3つ目の落とし穴(金額の誤読)への対策です。
金額に絡む項目は、AIの読みを鵜呑みにせず、算数で裏を取ります。品目コードは自社の商品マスタと照合して実在するかを確認し、金額は「数量×単価=小計」が合っているかをn8n側で検算します。
計算が合わない注文書だけを、人の確認に回せばよいのです。AIが読み取った値を機械的なルールでもう一度チェックする二重の網をかければ、もっとも痛手の大きい金額の誤りを水際で止められます。
判定ノードでは、needsReview、reviewReason、status を必ず出力します。たとえば数量の確信度が0.62なら、検算が合っていても「要確認」と理由付きで残します。後から人が見ても、AIの値をなぜ止めたのかを判断できる状態にすることが重要です。
【実装担当向け】確信度は何を根拠に、しきい値をどこに置くか
ここは実装を担当する方向けの補足です。読み飛ばしても記事の理解には支障ありません。
確信度は、生成AIへのプロンプトで「各項目に0〜1のスコアを併記して出力する」よう指示すれば得られます。しきい値の初期値は、いきなり低くしすぎない(=自動確定を増やしすぎない)ことをおすすめします。
具体的には、運用開始直後はしきい値を高めに置いて多めに人の確認に回し、実際の誤読の出方を見ながら少しずつ下げていくのが安全です。数量・単価など誤読の影響が大きい項目だけ、しきい値を個別に高く設定するという項目ごとの調整も有効でしょう。
確認する場所が有限だと分かれば、注文書の入力は仕組みに任せられる

この設計を組み込むと、届いた注文書PDFがそのままkintoneの受注レコードになります。
人が向き合うのは、届いた注文書のすべてではありません。「確信度が低いと申告された項目」と「検算に引っかかった金額」だけです。全件を目で追っていた作業が、AIと機械的なルールが「怪しい」と印を付けたものだけを見る作業に変わります。
受注アプリでは「要確認のみ」の一覧を用意し、注文番号・処理ステータス・要確認理由・確信度が低い項目を同時に表示します。この一覧が担当者の確認キューです。自動確定のレコードと混ぜずに見られるため、確認作業を全件チェックへ戻さずに済みます。
そして重要なのは、押さえるべき勘所が3つ(確信度で仕分ける・意味で取る・金額は検算で確認する)と有限だという点です。無限に注意点が増えていくわけではありません。この3か所を設計できれば、注文書の取り込みは自社の仕組みに任せられます。
ただし、繰り返しになりますが、技術的に組めることと社内で運用を回せることは別問題です。実装に手を動かす時間を確保できるか、全社的にどの業務から着手するかが固まっているか。そこは体制の話として切り分けて考える必要があります。もし自社だけで進める判断がつかない場合は、後述の無料相談もご活用ください。
まとめ
注文書PDFをAIに読み取らせること自体は、今の生成AIにとって難しい作業ではありません。成否を分けるのは、抽出した結果を「どこまで信じるか」の線引きです。
- 確信度の低い項目だけを人の確認に回す
- 位置ではなく意味で項目を取り、取引先ごとのレイアウト差を吸収する
- 数量・単価はマスタ照合と検算で機械的に確認する
この3つの勘所を設計すれば、「AIの誤読が怖くて全項目を見直す」という形骸化を避けられます。
注文書の手入力そのものを、仕組みに任せられるのです。
人の目は、全件からAIが「自信がない」と申告した箇所だけに移せます。
なお、kintoneの添付ファイルをOCRで読み取り、レコードへ自動記入する基本的な組み方については、別記事の【kintone × n8n × 生成AI】添付ファイルをOCRしてレコードへ自動記入する方法で解説しています。
n8nそのものが初めての方は、【超入門】n8nとは?kintoneと生成AI連携のはじめかたもあわせてご覧ください。
最後に
ここまでの設計は、SIerに大規模な開発を発注しなくても、自社で組める範囲です。ただし、確信度のしきい値をどこに置くか、どの項目に検算をかけるかは、自社の取引先構成や注文書のばらつき方によって変わります。実際の注文書を見ながら調整する必要があります。
「自社の注文書で本当に回せるのか」「実装まで手が回らない」「どの業務から着手するか社内で固まっていない」という段階でつまずいた場合は、ものづくりAI自動化ファクトリーの無料相談をご利用ください。kintoneと生成AI・n8nを組み合わせた業務自動化の設計から、私たちがお手伝いします。