カタログ PDF の仕様を、AI が比べられる形にする 5 つの手順
製造業や商社の商品データは、いまも PDF カタログと表計算ファイルに散らばっています。それを AI が条件で比べられる形に整えるときの順番を、架空の例でまとめました。
11 月 18 日から 20 日まで、インテックス大阪で Japan IT Week 関西が開かれます。来場者には、メーカーや商社で商品データを扱っている方も多いはずです。
そうした現場で商品の仕様がどこにあるかを聞くと、たいてい「最新版はカタログの PDF」「社内では表計算ファイル」「仕入先からはそれぞれの形式で届く」という答えが返ってきます。人が読む分にはこれで回ります。ところが、買い手が AI に「この条件に合う製品は?」と尋ねるようになると、この形のままでは候補に入れてもらえません。
ここでは、PDF の仕様を AI が比べられる形に整えるときの順番を 5 つの手順にまとめます。例はすべて架空のものです。
1. 項目を先に決める
最初に、何を取り出すかを決めます。PDF を読みながら項目を増やしていくと、カタログごとに「出力」「定格出力」「最大出力」が別の項目として並び、あとで比べられなくなります。
自社の大分類・中分類ごとに、項目名と単位、取りうる値の範囲を先に書き出しておきます。完璧である必要はありません。決めてから読み、読みながら直す順番が大切です。
2. 値と単位と条件を分ける
カタログの仕様欄には、値と単位と条件がひとかたまりで書かれています。架空のポンプ EXAMPLE ZC-4820S のカタログに、次のように書かれていたとします。
吐出量 50/60Hz:120/140 L/min 使用温度範囲 0〜40℃
これを AI が比べられる形にすると、次のようになります。
| 項目(条件) | 最小 | 最大 | 単位 |
|---|---|---|---|
| 吐出量(50Hz) | 120 | 120 | L/min |
| 吐出量(60Hz) | 140 | 140 | L/min |
| 使用温度範囲 | 0 | 40 | ℃ |
※ 製品名・型番・数値はすべて架空です。
範囲は最小と最大に分け、周波数のような条件は値から外して、項目の条件として残します。こうしておけば「60Hz で 130 L/min 以上」という絞り込みに使えます。
3. 出典を残す
取り出した値の一つひとつに、どのカタログの何ページ、どの表から来たかを付けておきます。
出典があれば、確認する人は疑わしい値の元のページだけを開けば済みます。カタログが改訂されたときも、どの値を見直せばよいかがすぐに分かります。
4. 迷ったら空欄にする
表の結合セルや欄外の注記、「※一部機種を除く」といった但し書きは、人でも読み違えます。読み取りに自信がない値は、無理に埋めずに空欄にして「要確認」の印を付けます。
空欄は、まだ確認していないことが誰の目にも分かります。もっともらしい誤った値は、見積や比較表にそのまま流れていきます。埋まっている割合だけを追うと、この区別がつかなくなります。
5. 人は差分だけを見る
最後に人が確認します。ただし、全件を見直すのではありません。
- 「要確認」の印が付いた値
- 前回の版から変わった値
- 同じ分類のなかで、ほかの製品と比べて桁が違う値
この 3 つに絞れば、確認の手間はカタログの冊数ではなく、問題のある値の数で決まるようになります。
仕入先が多い商社の場合
商社では、同じ分類の製品が何十社ものメーカーから、それぞれの書式で届きます。ここで効いてくるのが手順 1 です。自社の項目定義を先に持っておけば、メーカーごとの書き方の違いは、取り込むときに一度だけ吸収すれば済みます。
まとめ
順番は、項目を決める → 値・単位・条件を分ける → 出典を残す → 迷ったら空欄 → 人は差分だけ、です。どれも特別な技術ではありませんが、この順番を崩すと、あとで比べられないデータが増えていきます。