1.2%。Digital Container Shipping Associationによると、これは年間約45,000,000件発行される船荷証券のうち、2021年時点で電子化されていた割合です。残りの98.8%は紙――スキャンされ、ファックスされ、倉庫ゲートで撮影され、受入オフィスに座る誰かがWMSに再入力する紙です。私が関わってきた多くの倉庫で、その「誰か」は建物の中で最も自動化しやすい人員でした。
私はこの光景を二十年間見続けてきました。受入担当者がフォワーダーからPDFを受け取ります。船荷証券、パッキングリスト、商業インボイス。WMSを開き、発注書を開き、入力を始める――コンテナ番号、シール番号、カートン数、グロス重量を、フィールドひとつずつ。繁忙日には70件。ロングビーチ港近くの輸入DCで、かつて担当者を計測したことがあります。1件あたり12～13分、受付から完了まで。70件の日なら、キーストロークだけで15時間近く。仕事は積み上がり、月末締めは遅れ、誰もが受入を責めるのです。
ここが、OCRが本当に元を取るユースケースです。同時に、ベンダーが最も大げさに売り込むユースケースでもあります。だから両者を切り分けましょう。
ベンダーのデモでは、きれいなレーザープリンタ出力の書類と、文字認識率99.8%を見せられるでしょう。その数字は、ベンダー自身のラボでクリーンな書類をテストした結果という意味では本物です。でもあなたの現場には何の意味もありません。あなたの書類は三世代目のファックス、手書き修正入りのパッキングリスト、コンテナ番号の真上にキャリアのスタンプが押された船荷証券、急ぐドライバーが15度の角度で撮ったゲート写真として届きます。独立したベンチマークでは、実際のスキャン文書の単語誤り率は2～3%、手書き文書では10%以上とされています。200フィールドの船荷証券で計算してみてください。誤り率2%なら、ほぼすべての書類のどこかに誤りが潜んでいることになります。
だから文字レベルの精度は間違った指標であり、ベンダーはそれを知っています。大事なのは、あなたの1日を台無しにしかねない4つのフィールドでのフィールドレベル精度です。コンテナ番号、シール番号、カートン数、グロス重量。コンテナ番号を間違えれば、ドレージの運転手がターミナルで違う箱を引いてくる。カートン数を間違えれば、受入ドックから先の在庫はすべてフィクションです。それ以外は見た目の問題にすぎません。
そこで私が唯一信頼するテストがこちら。自社の書類でのブラインドテストです。過去3か月から代表的な200件を抜き出し、わざと「汚いもの」を多めに入れる――スタンプ押し、手書き、斜めの写真、ぼやけたファックス。OCRにかけ、人間がフィールド単位で検証する。合格ラインは、重要4フィールドでのフィールドレベル精度99%に設定する。それ以下では、レビューの人手を節約できていない。ソフトウェアは節約ではなくコストです。
そのテストで注意すべき落とし穴が2つ。1つ目は信頼度しきい値。まともなOCR製品は各フィールドに信頼度スコアを付け、低信頼度のフィールドを人間に回します。そのしきい値は保守的にしたい。信頼度60%でコンテナ番号を推測されるより、30%のフィールドを人間に回された方がましです。コンテナ番号の間違いひとつ、無駄なドレージ輸送1回で、半年分のソフトウェア料金が午後のうちに消し飛びます。2つ目はサプライヤーのフォーマットの混沌。20社のサプライヤーが20通りのパッキングリスト様式を出してきます。テンプレート型OCRは固定位置でフィールドを探すため、新しいサプライヤーは新しいテンプレートを意味し、1件の再設定に半日かかります。契約前にベンダーに聞いてください。サプライヤーの様式追加にテンプレート作り直しが必要か、それに料金がかかるか。曖昧な答えは、両方とも「はい」の意味です。
次はお金の話。買う前に3つの計算をしてください。
まず人件費。書類入力だけをするフルタイムの受入担当者のコストは、あなたの市場の担当者の相場そのものですが、有用な比較は処理能力です。1日70件、1件13分では、1人の担当者は午後半ばには手が回らなくなります。中堅のOCR製品は年間数千ドルから1万ドル台前半、ページ課金またはサブスクリプション制です。月500件の入荷があれば、人件費の節約でたいていソフトウェア代をまかなえます。月200件以下なら見送りましょう。Excelテンプレートと2人チェックの方が安上がりです。境界線はだいたいそこです。
次にエラー。手入力の誤り率は0.1%台の低い水準――1件のミスに値段を付けるまでは良さそうに聞こえます。コンテナ番号やカートン数の間違いひとつで何時間もの調査が発生し、下流の在庫記録はそのフィクションを引き継ぎます。OCR＋人間のレビューでゼロにはなりませんが、誤り率を1桁下げられるはずです。同時に担当者はタイピストからレビュアーに変わります。同じ人、より価値の高い仕事。フラグの立った低信頼度フィールドの解消、サプライヤー様式変更への対応、税関例外の追跡。残業がまず消えます。
3つ目は速度。手入力はキューになります。書類が届き、トラックが着き、担当者は手が離せず、受入は最初のステップで止まります。OCRは数秒で結果を返すので、トラックがドックにバックする前に書類は先行入力済みです。これはピークシーズンに最も効きます。半日早い受入が、満杯のドックと詰まったヤードの分かれ目です。
導入を決めたら、この順番で進め、ステップを飛ばさないでください。サンプル書類を3カテゴリー集めます。きれいな機械印字、手書きまたはスタンプ押し、ぼやけたファックスまたはゲート写真。200件のブラインドテストを実行し、重要フィールドの精度だけを評価する。OCR出力をWMSフィールドにマッピングし、信頼度しきい値を保守的に設定する。それから新旧を2週間並行稼働させ、毎日機械出力と人間出力を比較する。目標達成が2週連続してから切り替える。どこかのステップで失敗したら止める。無理に進めない。
戦略的な一言、無料で。紙の書類は今後10年で劇的に減ります――DCSA加盟キャリアは5年以内に全船荷証券の半分を電子化し、2030年までに100%を目指すと公約しています。でもサプライヤーやフォワーダーが一夜にして電子化するわけではありません。OCRは橋渡しです。今はスキャン文書の問題を解き、今日作るフィールドマッピングと検証ロジックは、そのまま後の電子文書に引き継げます。5年待っても、あなたはまだ入力し続けているでしょう。
私の結論。ドックが月に数百件を処理するなら、入荷書類へのOCRは、倉庫における数少ない「正直で測定可能な投資回収」のあるAIユースケースのひとつです。その量以下なら高価なおもちゃです。いずれにせよ、テストは2週間、コストは古い書類200件だけ。信じて買う理由はありません。
英語版からの翻訳。内容に相違がある場合は英語版を優先します。
