【卸売業の経営者必見】AIで業務効率化！FAXや電話対応をなくす5つの打ち手

「このままじゃ、うちは人手不足で潰れる」——ある食品卸売会社の決断

埼玉県で食品卸売業を営む株式会社マルヤマフーズ（仮名）。取引先300社、従業員20名。創業35年の老舗企業だ。

社長の山田賢一さん（54歳）が最初にAI導入を本気で考えたのは、2023年の秋口だった。ベテランの受注担当者・鈴木さんが退職を申し出た日のことを、山田さんは今でも鮮明に覚えている。

「鈴木さんに退職を告げられた日、正直、頭が真っ白になりました。彼女は15年のベテランで、取引先の癖も、FAXの読み方も、全部頭に入っていた。その人が抜けたら、うちの受注業務は回らない。そう思ったとき、初めて『このビジネスの構造自体がおかしい』と気づいたんです」

当時、マルヤマフーズの受注業務は以下のような状況だった。

受注の80%がFAXと電話（残り20%がメールとFAX）
受注データの手入力に毎日4名が従事（1人あたり約3時間/日）
月間の入力ミスによるクレームが平均8件
電話が集中する朝9〜11時は取りこぼしが月15〜20件
繁忙期（年末・お盆）には残業が月40時間超の担当者も

山田さんは言う。「FAXを受け取って、手で入力して、確認して——この作業を35年続けてきた。でも今さら気づいた。これ、AIに任せられるんじゃないかって」

AI導入前の「悲惨な現実」——数字で見るマルヤマフーズの課題

山田さんがコンサルタントに依頼して現状を整理したところ、業務の非効率さが数字として浮き彫りになった。

FAX受注の実態

1日に届くFAXは平均120枚。そのうち手書きのものが約40%を占めており、OCRでも読み取れないケースが多発していた。「りんご」が「りんご」と読めるならまだいい。問題は「100kg」が「100㎏」だったり、「10/15」が「10/15」と書かれているのか「10月15日」なのかが文脈で判断しなければならないケースだ。

ベテランの鈴木さんは、15年の経験でこれを瞬時に判断できた。しかし新人が同じことをやろうとすると、1枚のFAX処理に5分以上かかることもあった。

電話対応の「取りこぼし」問題

朝の受注ラッシュ時間帯（9:00〜11:00）は、3回線ある電話が同時に鳴ることも珍しくない。担当者2名では対応しきれず、月に15〜20件の取りこぼしが発生していた。取りこぼした顧客が再度かけ直してくれれば良いが、「繋がらないから他の業者に頼んだ」という声も複数件あった。

山田さんは試算した。「1件の受注の平均単価が約3万円。月20件の取りこぼしとしたら、月60万円、年間720万円の機会損失です。これ、ずっと見て見ぬふりをしてたんです」

入力ミスによるクレームのコスト

月8件のクレームの内訳を分析すると、65%が入力ミス（数量間違い・品番間違い・納品日間違い）に起因していた。1件のクレーム対応にかかる時間は平均2時間。謝罪対応、再配送手配、報告書作成——これだけで月16時間が「ミスの後始末」に消えていた。

AIツールの選定——「安易に飛びつかなかった」理由

山田さんが最初にやったのは、展示会への参加だった。2023年10月、東京ビッグサイトで開催されたIT展示会を訪れ、20社以上のベンダーと話した。しかし、そこで気づいたことがある。

「どのベンダーも『うちのシステムを入れれば全部解決します』と言う。でも、うちのFAXが手書きだということ、取引先が300社いて書き方がバラバラだということ、既存の受注システムとの連携が必要なことを話すと、急に歯切れが悪くなる。結局、現場を知らないシステムを売りたいだけなんだと思いました」

山田さんが最終的に選んだのは、以下の組み合わせだ。

FAX受信・OCR処理：クラウドFAXサービス「eFax」＋Google Cloud Vision API
AIテキスト解析・構造化：ChatGPT API（GPT-4o）
AI電話応答：AIコールセンターSaaS「IVRy（アイブリー）」
在庫連携・データ管理：既存の受注システム（FileMaker）とのAPI連携
クレーム対応メール生成：ChatGPT API＋社内メールシステム連携

選定の決め手は「段階的に導入できること」だった。一気に全システムを刷新するのではなく、まずFAXのOCR処理から始め、効果を確認しながら次のステップに進む——この「小さく始める」アプローチが、中小企業には現実的だと判断した。

初期費用は約150万円（システム構築・API連携費用）、月額ランニングコストは約8万円（各種SaaS費用＋API利用料）。「正直、高いと思いました。でも、受注担当者を1人採用したら年間400万円以上かかる。それを考えれば安い」と山田さんは語る。

打ち手1：FAXのOCR＋AI自動入力——「魔法みたいだった」

導入ステップ

まず、クラウドFAXサービス「eFax」に切り替えることで、受信したFAXが自動的にPDFとしてクラウドに保存されるようにした。次に、Google Cloud Vision APIでPDFをテキストデータに変換。そのテキストをChatGPT APIに渡して、受注データとして構造化する。

実際に使ったプロンプト（一部抜粋）

以下はFAXから読み取ったテキストデータです。このデータから受注情報を抽出し、JSON形式で出力してください。
抽出項目：会社名、担当者名、商品名、数量、単位、希望納品日、特記事項
注意事項：
日付は「YYYY-MM-DD」形式に統一すること
商品名は以下のマスタリストと照合し、最も近いものに変換すること（マスタリスト：りんご、みかん、バナナ……）
読み取れない箇所は「要確認」とフラグを立てること
数量の単位が不明な場合は「単位不明」と記載すること
FAXテキスト：{ocr_text}

このプロンプトの肝は「要確認フラグ」だ。AIが自信を持って判断できない箇所に自動でフラグを立てることで、担当者は全件確認する必要がなく、フラグのついた案件だけを確認すれば良くなった。

導入後の変化

導入初月の結果は衝撃的だった。120枚/日のFAXのうち、91%は自動処理が完了し、担当者の確認が必要なのは残り9%（約11枚）だけになった。手入力時間は1日あたり約12時間（4名×3時間）から約2時間に削減された。

打ち手2：AI電話応答システムの導入——最初は「取引先が怒った」

IVRy（アイブリー）の設定

受注専用電話番号に「IVRy」を導入した。設定は意外とシンプルで、管理画面から「受注受付の音声フロー」を設定するだけ。「〇〇社の田中です。りんご100kg、10月15日納品でお願いします」と話すと、AIが音声を認識してテキスト化し、受注データに変換する。

ただし、ここで大きな問題が発生した。

失敗談：「機械に注文させるな！」

導入から3日後、老舗の取引先・佐藤商店の佐藤社長から山田さんに直電が入った。

「山田さん、うちが電話したら機械が出た。これはどういうことですか。35年の付き合いで、機械に注文させるんですか」

山田さんは顔が青ざめたという。「事前に告知はしていたんですが、年配の取引先の方には届いていなかった。特に電話で注文することに慣れている方には、AIが出ることへの心理的抵抗が強かった」

その後、山田さんが取った対応は以下の通りだ。

取引先300社を「デジタルリテラシー高」「中」「低」の3グループに分類
「低」グループ（約80社）には従来通り担当者が対応する専用回線を維持
「高」「中」グループ（約220社）にはAI電話を適用
AI電話の冒頭メッセージを「ただいまAIが受注を承ります。ご不明な点は0番を押すと担当者に繋がります」に変更

この「逃げ道を用意する」設計変更で、取引先からのクレームはほぼゼロになった。

打ち手3：在庫確認の自動化——「LINEで在庫確認できる」衝撃

取引先からの問い合わせで最も多いのが「〇〇の在庫、今どのくらいある？」という確認だ。これまでは担当者が在庫システムを開いて確認し、電話やメールで返答していた。1件あたり5〜10分かかっていた作業が、1日に30〜40件あった。

LINEチャットボット＋在庫システム連携

取引先向けのLINE公式アカウントを作成し、在庫システム（FileMaker）とAPIで連携させた。取引先がLINEで「りんご在庫確認」と送ると、リアルタイムの在庫数量と「本日出荷可能かどうか」が自動返信される。

返信メッセージの例：

【在庫確認結果】
商品名：りんご（青森産・特選）
現在庫：200kg
本日出荷：可能（13:00締め切り）
翌日出荷：可能

ご注文はこちら→ [注文フォームURL]
※在庫状況は30分ごとに更新されます

このシステムを導入したところ、在庫確認の電話・メールが月400件から約60件に激減した。さらに想定外の効果として、在庫確認から直接注文フォームに誘導できるようになり、注文フォーム経由の受注比率が12%から31%に上昇した。

打ち手4：発注書の自動生成——「週1時間の作業が10分になった」

受注データが蓄積されると、次の課題は「仕入れ先への発注」だ。従来は担当者が受注データを見ながら手動で発注書を作成していた。週に1回、約1時間かかっていた作業だ。

実際のプロンプト

以下は今週（10月14日〜10月18日）の受注データです。これをもとに、来週の仕入れ発注書の下書きを作成してください。
条件：
各商品の発注量は「今週の受注合計×1.15（安全在庫係数）」で計算すること
現在庫（別添データ）を考慮し、実際の発注量を算出すること
発注先は商品マスタの「優先仕入れ先」を使用すること
発注量が通常の2倍以上になる商品には「要確認」フラグを立てること
受注データ：{order_data}
現在庫データ：{stock_data}
商品マスタ：{product_master}

このプロンプトで生成された発注書の下書きを担当者が10分でチェックして承認するだけになった。「完璧ではないですよ」と山田さんは言う。「たまに季節商品の需要予測がずれたり、特定の仕入れ先の欠品情報が反映されていなかったりする。でも、ゼロから作る必要がなくなっただけで、圧倒的に楽になった」

打ち手5：クレーム対応の初期対応自動化——「謝罪文に30分かけていた時代」

食品卸売業では、品質クレームや納品遅延のクレームは避けられない。従来、クレームメールへの初期対応文を作成するのに担当者は平均30分かけていた。「言葉を選ばないといけないし、事実関係を確認しながら書くのが大変で、後回しにしてしまうこともあった」と担当の中村さんは振り返る。

クレーム対応プロンプトの設計

以下のクレームメールに対する初期対応メールの下書きを作成してください。
トーン：誠実、丁寧、具体的な対応策を示す
文字数：300〜400文字
必須要素：①お詫び、②事実確認中である旨、③次のアクション（いつまでに何を連絡するか）、④再発防止への言及
注意：断定的な原因説明は避けること（事実確認前のため）
クレーム内容：{complaint_text}
取引先情報：{customer_info}

このプロンプトで生成された下書きを担当者が5分で確認・修正して送信する。作業時間は30分から5分に短縮された。

ただし、山田さんは一点だけ絶対に守るルールを設けた。「AIが生成した文章を、絶対に無確認で送らないこと。最終送信は必ず担当者が目を通してから」。これは品質管理の問題だけでなく、「クレーム対応は人間の誠意が伝わることが大事。AIの文章をそのまま送ったら、それが伝わらない」という山田さんの信念でもある。

ぶつかった壁——「思っていた3倍、大変だった」

壁1：既存システムとのAPI連携

最大の技術的ハードルは、既存の受注システム（FileMaker）とのAPI連携だった。FileMakerは古いバージョンを使っており、API連携の機能が限定的。外部のシステム開発会社に依頼したが、「これは想定外の工数がかかります」と言われ、当初見積もりの1.5倍のコストがかかった。

壁2：OCRの精度問題

手書きFAXの認識精度が想定より低かった。特に問題になったのが「数字の7と1の誤認識」「kg・gの単位誤認識」「会社名の略称問題」（「佐藤商店」が「サトウ商店」と書かれているケースなど）だ。

対策として、ChatGPTへのプロンプトに「よくある誤認識パターン」を追記し、修正ルールを学習させた。また、300社の取引先名を全て「表記ゆれ辞書」として登録し、どんな書き方をされても正しい会社名に変換されるようにした。この辞書作りだけで担当者が2日間かかった。

壁3：従業員の抵抗

「仕事を奪われる」という不安から、ベテラン担当者の一部がAIシステムに非協力的になった。特に入力作業のベテランだった田中さんは「このシステムは間違いが多い」と、ちょっとしたエラーを大げさに報告するようになった。

山田さんの対応は「田中さんをシステムの監視役・改善担当に任命すること」だった。「AIのミスを見つけて報告してくれると助かる。田中さんの経験があってこそ、このシステムは完成する」と伝えた。これが功を奏し、田中さんは最終的にシステム改善の最大の貢献者になった。

最終的な成果——導入から6ヶ月後の数字

AI導入から6ヶ月後、マルヤマフーズの業務は以下のように変化した。

受注業務の工数：60%削減（4名×3時間/日 → 2名×1.5時間/日）
入力ミスによるクレーム：月8件 → 月1件以下（87%減）
電話取りこぼし：月15〜20件 → 月2〜3件（85%減）
在庫確認対応：月400件 → 月60件（85%減）
クレーム初期対応時間：30分 → 5分（83%減）
受注業務担当者：4名 → 2名（削減した2名を営業に再配置）
売上：前年比120%（営業強化の効果）

ROI（投資対効果）を試算すると、初期費用150万円＋年間ランニングコスト96万円（合計246万円）に対し、工数削減効果（人件費換算）と機会損失削減効果を合わせると年間約480万円のコスト削減・売上増。投資回収期間は約6ヶ月だった。

山田さんが最も嬉しかったのは数字ではなく、別のことだという。

「受注入力から解放された田中さんが、先月初めて新規顧客の開拓に行って、契約を取ってきた。彼女は20年間、ずっと電話とFAXの前に座っていた。その能力が、ようやく外に向けられた。これが一番の成果です」

同じ課題を抱えるあなたへ——始め方の「正解」

マルヤマフーズの事例から学べる最大の教訓は、「完璧なシステムを最初から目指さないこと」だ。

山田さんが振り返る。「最初から全部やろうとしたら、絶対に失敗していた。FAXのOCRから始めて、効果を確認して、次のステップに進む。この順番が大事でした」

卸売業でAI導入を検討している経営者に向けて、山田さんが勧める「最初の一歩」は以下の通りだ。

ステップ1：まず1週間、受注業務の時間を計測する。何に何分かかっているかを数値化する
ステップ2：「最も繰り返し発生している作業」を1つ選ぶ。マルヤマフーズならFAX入力だった
ステップ3：その1つの作業だけをAI化する。他は触らない
ステップ4：効果を数値で確認し、従業員に見せる。「AIは仕事を奪うのではなく、楽にするもの」を体感させる
ステップ5：次の課題に進む

「AIは魔法じゃない」と山田さんは言う。「導入すれば全部解決するわけじゃない。でも、正しく使えば、確実に現場は変わる。うちがそれを証明できた」

FAXの山と電話の鳴り止まない受注現場——それは、変えられる。技術はもう、そこにある。あとは「最初の一歩を踏み出す勇気」だけだ。