住友ファーマ株式会社（以下住友ファーマ）は、医薬品入荷ラベルや書類の確認・入力作業を効率化するためAI技術の導入に取り組んでいます。
2025年10月には株式会社シナモンのAI‑OCR「Flax Scanner」を採用し、多様なフォーマットのラベルを自動で読み取り、システムへ反映する仕組みを構築しました。
本記事では、住友ファーマがFlax Scannerを導入した背景や目的・活用方法・今後の展望について紹介します。
シナモンAI「Flax Scanner」導入の背景と目的
住友ファーマは、医薬品の入荷ラベルや各種書類の確認・処理にかかる手作業を効率化するため、AI‑OCR「Flax Scanner」の導入に踏み切りました。
書類・入荷ラベル処理における従来の課題
以前は医薬品の入荷時にラベルや書類を目で確認し、必要な情報を手入力していました。
ラベルの形式は製品ごとに異なり、作業ごとにチェック方法を変える必要があったため、作業時間が長く、入力ミスも発生しやすい状況でした。
さらに作業の精度は担当者の経験に依存しており、業務の負担が偏ることも課題のひとつでした。
デジタル化・AI活用に向けた方針と目的
参照元：https://aidiver.jp/news/detail/77
住友ファーマは課題を解決するため、書類・ラベルのデジタル化とAI活用を進めました。
導入したFlax Scannerでは、ラベルを写真で撮影するだけでAIが情報を読み取り、自動でシステムに取り込むことが可能です。
Flax Scannerを活用することで作業時間を短縮し、入力ミスの減少につながります。
また、従業員はより重要な業務に集中できるため、全体の生産性と業務品質の向上といった効果も期待できます。
導入の仕組みと活動内容
住友ファーマは現場の書類処理を簡単かつ確実にするために、AIを使った読み取りシステムを導入しました。
帳票の形式に左右されず必要な情報を抽出できる点が大きな特長で、職場業務の省力化と入力精度の向上を実現しています。
Flax Scannerの技術的特長（非定型帳票対応、座標定義不要）
Flax Scannerは、あらかじめ書式を決めておく必要がない読み取り方式を採用しています。
一般的な読み取りでは読み取ってほしい文字の座標を設定しますが、Flax Scannerでは帳票のレイアウトが異なっていても、AIが必要な情報を自動で見つけて取り出すことが可能です。
医薬品の入荷ラベルや箱の状態写真、手書きや図表が混在する文書でも対応できる点がFlax Scannerの大きな特長のひとつであり、住友ファーマが導入を決定した大きな要因となっています。
Flax Scannerの技術的特長によって、書式ごとに設定を作り直す手間が減り、さまざまな現場に導入しても同じ操作で読み取り作業を実行可能です。
現場適用の流れ（ラベル撮影 → AI読み取り → システム連携）
引用元：https://prtimes.jp/main/html/rd/p/000000088.000028252.html
現場での操作は非常にシンプルなものとなっており、大まかには以下のような流れで進めていきます。
- 入荷ラベルや帳票を撮影
- AIによる自動解析を実行
- データの確認と修正
- システムへの自動連携
- 記録の保存と共有
作業員はまず、入荷ラベルや書類をスマートフォンやハンディ端末で撮影します。
撮影した画像をFlax Scannerが読み取って解析し、必要な項目（製品コード・数量・ロット番号など）を自動で抽出します。
抽出したデータは即座に社内の管理システムや製造実行システム（MES）とつながり、突合作業や記録保存が自動で行われます。
結果として、デスクでの追加入力や担当者間の持ち回りが減り、現場で作業が完結する運用へ移行しています。
また、紙ベースで記帳も不要となったため、記録の正確性が高まったほか、過去のデータの追跡もしやすくなりました。
段階的展開の状況
住友ファーマはまず入荷・物流周りの工程にFlax Scannerを適用し、現場での運用確認と精度検証を行っています。
現場での試験運用を通じて運用ルールや連携方法を整え、順次適用の拡大を検討する段階であると発表されています。
公式発表によると、今後は他の書類や帳票への展開も視野に入れているという旨が示されており、現場適合性や運用面の確認を行いながら、段階的に広げていく方針が打ち出されています。
ただし、具体的にどのようなスケジュールで横展開していくのかについては、現時点では公開されてはいません。
Flax Scanner導入時の課題及び解決策
住友ファーマではAI-OCR「Flax Scanner」を導入する際、既存のシステムや作業環境との整合性を重視しました。
導入プロセスでは技術面や現場運用面での課題が明らかになり、それぞれに対して段階的に対応策を講じながら安定稼働を実現しています。
技術的合成の課題
Flax Scannerは非定型帳票にも対応できる柔軟なAI-OCRですが、医薬品ラベルのようにフォーマットが多岐にわたる文書では、文字認識のばらつきや判読精度の課題が生じました。
特に、印字のかすれや手書き記入が含まれる帳票では、AIの認識精度を安定させることが課題となっていました。
対応策
上記課題に対応するため、住友ファーマとシナモンAIは、実際の現場で使われている帳票データを活用してAIモデルを再学習させ認識の精度向上を図りました。
また、誤認識が起きやすい文字や記号を人が補正し、修正データをAIに継続的に学習させる体制を整えています。
対策を実施した結果、実運用に即した高精度な読み取りを実現しています。
システム連携・現場運用の課題
Flax Scannerはクラウドベースで動作するため、既存の業務システムとのデータ連携やセキュリティの確保が重要な検討課題となっていました。
特に現場で取得したデータを安全にクラウドへ送信し、社内システムと整合性を保ちながら運用する仕組みが求められました。
対応策
住友ファーマではアクセス権限や通信経路を明確化し、クラウドと社内システム勘のデータフローを最適化しました。
さらに現場ではAIが抽出したデータを即時に確認できるインターフェースを整備し、人による最終確認とAI処理を並行して行うことで、安全性と作業効率の両立を実現しています。
運用拡大・定着化の課題
Flax Scannerの効果を最大化するためには、技術を導入するだけではなく、現場への定着と継続的改善が必要不可欠です。
導入初期は作業手順や確認フローの変更に対して戸惑いの声もありました。
現場の声を汲み取って対応しなければ新しいシステムは定着しません。
対応策
住友ファーマでは、段階的な導入と並行して、操作研修やマニュアル整備を行い、現場の習熟を支援しました。
また、AIが出力した結果を人が検証し、検証したデータを再学習に活用する人とAIの協働サイクルを構築しています。
上記仕組みにより、AIの精度向上と現場の信頼醸成が進み、安定した運用体制が整いつつあります。
導入効果と今後の展望
書類や入荷ラベルの情報の読み取り作業にAIを導入したことで、社内業務の効率化が進みました。
従来は人の手で行っていた作業をAIが代行することで作業全体の時間が大幅に削減されたほか、誤入力などの人為的ミスも減少し、作業の正確さが高まった点も大きな成果です。
また、Flax Scannerは複雑な形式のラベルにも柔軟に対応可能なため、製品ごとにデザインが異なる医薬品ラベルでも正確に情報を読み取れる点も評価されています。
なお、Flax Scannerの導入は2025年10月であるため、具体的な数値による導入効果は公表されていません。
今後はラベル処理以外の分野にも広げていく計画があると発表されています。
例えば契約関連の書類や申請書、研究で使う資料など、紙や画像で扱うデータなら同様にFlax Scannerによる処理は可能でしょう。
さらにAIが集めた情報を分析して作業の改善点を見つけ出すなど、業務そのものを向上させる仕組みづくりにも力を入れていく方針です。
まとめ
Flax Scannerの導入は、業務の効率化やミスの削減といった大きな成果をもたらす一方で現在はまだ導入初期であり、技jy通面や運用面での課題が生じやすい時期です。
既存システムの整合や現場スタッフの理解促進など、段階的な調整が成功のカギとなります。
導入後も継続的に改善を重ね、利用者の声を反映することでシステムが組織全体に根付き、生産性向上や品質管理の強化につながることでしょう。
Flax Scannerの価値を最大限に引き出すため、住友ファーマでは技術だけでなく「人と運用」両面を重視して導入を進めています。
コメント