製品データ整備が、PIM・Web活用のボトルネックに

図面・仕様書・カタログなどに散在する製品情報をWebで活用するには、PIMへの集約と継続的なメンテナンスが欠かせません。エクサが携わった製造業のプロジェクトでも、データの整備や更新に多くの時間と人手を要していました。

実案件でのデータ整備負荷

A社様｜精密機器

3万件の商品情報を目視で抽出・補正

製品カタログから情報を抽出し、表記揺れや単位の不一致を人手で修正。

10か月・計60人月

B社様｜産業機械

カタログ・仕様書からExcelへ手作業で転記

必要な情報の収集からExcelへの転記、システム登録までを人手で実施。

4か月・計12人月

C社様｜電気メーカー

OCR導入後も確認・修正作業が残存

抽出結果の確認や補正を、担当者が継続して行う必要がありました。

6か月・計24人月

3社に共通していた工数増の要因

探す｜必要な情報が分散している

製品情報が部門・拠点・複数のファイルに分散し、正しい情報や最新版を特定するだけでも時間がかかります。

転記する｜手作業の転記・入力が連続している

形式の異なるカタログや仕様書を確認しながら、Excelやシステムへのコピー＆ペースト、手入力を繰り返します。

整える｜表記揺れや単位の不一致がある

表記揺れ、単位の違い、項目不足などを人手で確認・修正するため、ばらつきや見落とし、誤登録が発生します。

解決の方向性

「探す・転記する・整える」の各工程を、AIによる処理と人による確認を組み合わせたプロセスへ再設計することが重要です。

非定型データを、各種システムで活用できるデータへ

BEAVEL（ビーベル）は、項目の意味や文書構造を捉え、カタログや図面から必要な製品情報を抽出・構造化します。

情報を抽出

AI-OCRと生成AIが、文書や画像から必要な文字・項目・属性情報を抽出します。

データを構造化

抽出した情報を項目ごとに分類し、登録先で扱いやすい構造へ整理します。

表記・形式を整備

表記揺れの統一、不要文字の除去、単位変換などを行い、データ品質を整えます。

人が確認・修正

AIの処理結果を人が確認し、例外や誤認識を修正して、実務で使える品質に仕上げます。

SoRとSoEをつなぐ、商品コンテンツ基盤

基幹データと顧客接点の間にある「コンテンツギャップ」を解消

ERP・PLMに蓄積された製品情報と、PIM・DAM・Webなどの顧客接点との間をつなぎます。非定型データの抽出・構造化・確認・整備を一連プロセスとして実行し、商品コンテンツを継続的に活用できる状態へ整えます。

商品情報の収集・整備から、PIM・DAM・Webでの提供までを、商品コンテンツのデジタルサプライチェーンとしてつなぎます。

期待効果

生成AIとAI-OCRを組み合わせ、対象ドキュメントに合わせてチューニングして検証を行うことで、実務適用を見据えた精度・工期・処理時間の改善を確認しました。

97%

データ抽出精度

複雑なレイアウトのカタログや仕様書から、文脈を踏まえてデータを抽出

73%削減

データ整備工期

手作業による転記、名寄せ、突合工程を効率化

1/4に短縮

1ページあたりの処理時間

従来手法の42分から、AIによる抽出と画面確認を含めて10.5分へ短縮

※特定の資料・項目・検証条件における結果です。対象データの形式や品質、抽出項目などにより結果は異なります。

一般的なAI-OCR・汎用AIとの違い

一般的なAI-OCRは、主に文書の文字情報をデータ化するための仕組みです。BEAVELは、文字の抽出に加え、文脈を踏まえた分類、表記・単位の統一、人による確認、各種システムへの連携までを一連のプロセスとして扱います。

比較項目	BEAVEL	一般的なAI-OCR	汎用AI
非定型データへの対応	カタログや図面の構造・文脈を踏まえて情報を抽出	定型帳票の文字抽出が中心	複雑な表・図面構造の保持が難しい
データクレンジング	マスター定義に沿って名寄せ・表記統一・単位変換	文字抽出後の整形は別工程	組織固有ルールの継続適用が難しい
人による確認	確認・修正を業務プロセスに組み込み、品質を確保	別途、確認工程が必要	確認方法や責任分界の設計が必要
システム連携	PIM・DAM・Webなどの項目・形式に合わせて出力・連携	CSV出力後に手動登録するケースが多い	出力結果を別工程で加工・登録

製造業のPIM導入・運用知見を、データ整備プロセスに反映

エクサは、解析ツールを提供するだけではなく、製造業の業務・文書・運用ルールを踏まえて、継続的に活用できるデータ整備の仕組みを設計します。

製造業における
PIM導入・運用の知見

PIM構築だけでなく、導入前の初期データ整備や導入後の追加・更新業務までを踏まえて、運用可能な仕組みを設計します。

製造業特異の
文書・データへの理解

図面、仕様書、カタログの構造や、型番、単位、スペック表記などの特性を踏まえて抽出・整形方法を設計します。

業務ルールを
データ整備プロセスへ反映

項目定義、表記ルール、確認条件などを整理し、AI処理と人による確認を組み合わせた業務プロセスへ落とし込みます。

製品データ整備から、データを有効活用した業務変革へ

製品情報の抽出・構造化にとどまらず、
蓄積したデジタル資産を活用してDXを推進する「デマンドチェーンの基盤」へ発展させます。

STEP1

PIM向け
データ整備の高度化

PIM構築に必要なデータメンテナンスを効率化し、非定型ドキュメントを構造化する仕組みを確立します。

STEP2

社内データの
集約・構造化

対象をERPやCRMなどの業務システムへ広げ、社内に散在するさまざまなデータを集約・構造化します。

STEP3

統合データ基盤の
構築

社内ドキュメントに加え、顧客の購買情報、営業活動履歴、市場の声などを統合・活用できるデータ基盤を構築します。

STEP4

AIを活用した
業務プロセスへ

蓄積した構造化データを活用し、AIエージェントによる自動設計、自動見積、需要予測などの業務プロセスへ発展させます。

よくあるご質問

Q. 一般的なOCR・AI-OCRとの違いは何ですか？＋

Q. PIM未導入でも利用できますか？＋

Q. どのようなデータ形式に対応していますか？＋

貴社の製品カタログや仕様書で、BEAVELの読取精度を試してみませんか？

製品データ整備にお困りの図面・仕様書・カタログなど、貴社のドキュメント（数ページ分・ホームページ等で一般公開されているもので結構です）をお見せください。BEAVELが貴社のデータにどこまで適合するか、抽出・クレンジングの簡易精度診断を無償で実施します。まずはデモ画面を体験したいという方もお気軽にお問い合わせください。