Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ドメイン出身エンジニアが最速で_AIプロダクトの顧客価値最大化に挑んだ_リアルな奮闘記

Sponsored · Your Podcast. Everywhere. Effortlessly. Share. Educate. Inspire. Entertain. You do you. We'll handle the rest. →
morry_48
October 26, 2026
160

 ドメイン出身エンジニアが最速で_AIプロダクトの顧客価値最大化に挑んだ_リアルな奮闘記

「巨大産業で新たなプロダクトを“つくれる人”は、AIでどこまで広がるか」
https://enechain.connpass.com/event/406517/
の登壇資料です。

morry_48

October 26, 2026

Transcript

28 slides
  1. 02/28 自己紹介 Yu Moriguchi - morry Software Engineer 鳩胸になりたい⽂⿃ 保税業務‧配送センター業務‧輸⼊通関業務を経験

    後、エンジニアに転⾝。約5年エンジニア経験の後 ShippioにJOIN。ドメインエキスパートに満たない⼀ 般⼈。 https://www.morry48.com/
  2. 07/28 Shippio Clear:貿易書類から申告データを作るシステム OCRで読み取った書類の情報をもとに、輸出⼊の⼿続きに必要な申告データのフォーマットを作ります。 Shippio Clearは2025年9⽉から提供開始した新しいサービス。 私は2026年始頃からプロダクトに関わっております。(当時アクティブユーザーはほぼ0...) ⼊⼒ Shippio Clear

    出⼒ 貿易書類 OCRした情報を 申告⽤に整える 申告データ インボイス、パッキングリス ト、B/Lなど → 読み取った商品情報を、申告に必要な → 輸出⼊の⼿続きに必要なフォー マット(NACCS⽤ファイル) 項⽬と形式にそろえる ここから話すのは、OCR後「書類から商品ごとのレコードを作る」部分の精度改善です。
  3. 10/28 実例① 1対多 インボイスの1⾏が、パッキングリストでは9⾏になる インボイス 品名 1⾏ パッキングリスト 数量 (CTNS)

    商品X 7,227 単価 金額 マスク マスク コンテナ 品名 数量 (CTNS) N.W. (kg) G.W. (kg) 40HC #1 商品X 803 5,925.337 8,432 40HC #2 商品X 803 5,925.337 8,432 40HC #3 商品X 803 5,925.337 8,432 40HC #4 商品X 803 5,925.337 8,432 40HC #5 商品X 803 5,925.337 8,432 40HC #6 商品X 803 5,925.337 8,432 40HC #7 商品X 803 5,925.337 8,432 40HC #8 商品X 803 5,925.337 8,432 40HC #9 商品X 803 5,925.337 8,432 7,227 53,328.033 75,888 TOTAL 803 × 9 = 7,227 で数量は⼀致する。 コンテナごとに9⾏ ただ、インボイスには重量がなく、パッキングリストには⾦額がない。 どの⾏とどの⾏が対応するかを決めないと、⾦額と重量が1つの明細⾏にそろいま せん。
  4. 11/28 実例② セル結合 重量がパレット単位で結合されている パレット 品名 数量 製品A 20 付属品

    4 製品A 20 製品B 2 P-3 製品C 2 部品D 1 TOTAL パッキングリストでよくある書き⽅ 49 重量はパレットごとに1つだけ書かれ、 P-1は2⾏、P-3は3⾏を1つのセルにまと 300 P-1 P-2 重量 (kg) 290 150 740 めています(緑のセル)。
  5. 12/28 実例③ 表記ゆれ 同じ商品なのに、書類ごとに書き⽅が違う ⽚⽅の書類だけ品番の後ろに括弧で補⾜が付いているケース。 インボイス パッキングリスト ITEM-A001 ITEM-A001 (WHITE)

    ITEM-B002 ITEM-B002(SET OF 3) ITEM-C003 ITEM-C003 (FOC) ⽂字列としては⼀致しないので、そのまま⽂字列⽐較では同じ商品として紐づけられません。
  6. 13/28 精度改善活動における初期の進め⽅:FBドリブン 従来:成果物のリレー お客さまのフィードバック AI時代:動くものを軸に会話 1 ↓ 「このPDF、うまくデータ化されない」 要望のまとめ ↓

    仕様書 お客さま‧現場 2 CS(ドメインエキスパート) 対象のPDFと、本来どう読むべきかを連携 ↓ 実装 ↓ 確認 3 ⾃分 プレビュー環境ですぐ直し、動くもので確かめてもらう 書類に対する正解がわかるドメインエキスパートと、すぐ直せるエンジニアが動くものでつながり、報告から修正までが 速く回った。
  7. 17/28 顧客FBを待たずに、システムが失敗を検知する 「正しく読めている状態」を定義し、外れたらSlackに通知する仕組みに切り替えました。 これまで これから 1 顧客定例やメールでお客様から改善FBが挙がる 1 お客様の利⽤中に、失敗が起きる 2

    CS(ドメインエキスパート)が確認する 2 ⾃⼰検知でSlackに通知される 3 エンジニアに届いて、修正する 3 エンジニアが直接確認して、PRを作る 直せるのは、報告がきた分だけ。 起きたその⽇に直せる。
  8. 18/28 AIで作るのを速くした -> 次は伝えるのをなくした AIでどれだけ開発が速くなっても、失敗を認知できなければ、そもそも改善はスタートできない。 プロトタイプドリブン 「動くもの」を挟んで、企画‧仕様策定‧実装を⾼速化 フィードバック → 企画

    → 仕様策定 → 実装 → 検証 ⾃⼰検知 FBを待たず、CSやお客さまが気づいて伝えるコストを削減 ⾃⼰検知(正解との差分を⾃動で⾒つける) → 実装‧検証 精度改善は、エッジケースが⼤量にある。でも、正解はほぼ決まっている。 不確実性が低く何を作るかを企画したり仕様を議論したりする必要がない。正解を⼤体定義しておけば、外れたケースを検知 して、そのまま修正しに⾏ける。
  9. 24/28 結論①:元々つくれる⼈(エンジニア)は、⼯程の⼿前へ広がる ドメイン知識の習得はもちろん、作れる⼈はより抽象度が⾼く、⼿前から⾃分の責任範囲としてとらえる必要がある。 認知 → 企画 → 仕様策定 → 実装

    → これまでのエンジニア プロトタイプドリブン 動くもので企画から‧FBを元にプロトタイプを作ってから議論する ⾃⼰検知 失敗に気づくところから AIで実装が速くなるほど、差がつくのは実装前後の⼯程。 何に気づき、何を解き、何を作り、作らないか。そこまでを⾃分の仕事にする。 検証