本プロジェクトの背景と課題
製造業の調達・購買業務では、見積書・仕様書・図面・過去発注情報など複数の資料を用いてコスト妥当性を判断する作業が日常的に発生しています。しかし、これらの資料はフォーマットがバラバラで、サプライヤーごとの記載方法や項目の粒度にも差があり、担当者が情報を読み解き、比較し、判断するまでに多くの時間と経験が必要となっています。
特に課題となるのは以下の点です。
- 見積書の表現や構成がサプライヤーごとに異なり、項目比較が手作業になる
- 仕様書に記載された材料・加工・数量などを正確にコスト要素へ分解しづらい
- 過去見積との比較・妥当性判断が担当者に依存し、属人化している
- 紙資料（スキャンPDF）が多く、情報抽出に工数がかかる
- コスト構造が複雑な部品ほど、判断ミス・見逃しが発生しやすい
その結果、調達部門では「見積の妥当性が短時間で判断できない」「値上げ要請などに対して十分な根拠を持って交渉できない」といった課題が顕在化しています。
本プロジェクトは、見積書や仕様書をAIで解析し、コスト構造を自動的に抽出・分析することで、コスト見積業務の精度向上と効率化を実現することを目的としています。
技術概要とアーキテクチャ
本プロジェクトでは、見積書・仕様書（PDF、Excel、Wordなど）をAIに読み込ませ、材料費、加工費、数量、条件、付帯費用などのコスト構成要素を自動抽出し、過去データや社内基準と突き合わせて妥当性を判断するモデルを構築します。
まず、レイアウト解析・OCRにより複雑な見積書でも表形式データを再現し、項目・金額・数量を正確に抽出します。同時に仕様書（図面含む）から製品要求事項、材料条件、加工プロセスなどを解析し、見積書と照合することで「この部品はどの要素にいくらかかっているべきか」を推定します。
抽出した情報をもとに、AIが以下を自動判定します：
- 過去見積や類似部品と比べて異常に高い（または低い）項目
- 仕様書に書かれているのに見積書に未反映の要素
- サプライヤーごとにバラつくコスト構造の差異
- 価格変動（原材料・相場変動）の影響
さらに、LLMを活用した説明生成により、「どの項目が、なぜ妥当でないのか」を根拠つきで提示し、購買担当者が短時間で判断できる仕組みを提供します。
技術詳細
- 文書解析・情報抽出
- PDF/Excel/Word見積書の構造解析
- 表形式のセル分割・項目名の標準化
- 数値・単位・金額の正規化
- 仕様書（材料・加工条件・要求事項）の抽出
- 図面（DXF/PDF）からの寸法要素・加工工数推定（オプション）
- コスト構造解析AI
- 材料費・加工費・治工具費・外注費などの分類モデル
- 項目間の依存関係解析（例：材質 → 工法 → 工数 → コスト）
- サプライヤーごとの見積傾向学習モデル
- 異常値検知（過去見積比較・統計モデル・機械学習）
- 見積項目の抜け漏れ検知ロジック
- 類似見積検索・比較機能
- 部品カテゴリ・加工方法を軸にした類似部品の検索
- 過去見積とのコスト差分比較
- サプライヤー別価格トレンド分析
- 原材料市況データとの連動による価格変動補正
- LLMによる説明生成
- 「どの項目が妥当でないか」を文章で説明
- 仕様書と見積書の不一致箇所のレポート生成
- コストダウン観点での改善提案自動生成
- 購買交渉に使える“根拠つき要約”の作成
- UI・運用面
- 見積書をアップロードするだけで自動解析
- AIが項目をハイライトし根拠を提示
- 過去案件のデータベース化
- CSV/Excel出力など実務運用に対応
HI3の提供価値
AIによる見積書・仕様書解析により、従来数時間かかっていた見積チェック作業を大幅に削減し、購買担当者の属人化を解消します。 また、仕様書との整合性チェックや抜け漏れ検知により、「見積内容の妥当性を根拠を持って判断できる」ようになり、値上げ要請やコスト交渉にも強い裏付けを提供します。
さらに、過去データと比較した異常値検知により、コストの高騰を迅速に察知でき、購買戦略における意思決定を高度化します。結果として、コストダウン、調達リスク低減、購買プロセスの標準化を同時に実現し、企業の利益改善に直接貢献するAI基盤となります。
