受発注メールをAIで自動仕分けする受注処理の作り方

取引先からの注文メールが1日に何十通も届き、担当者が1通ずつ開いて「これは新規注文」「これは納期の問い合わせ」と振り分けている。そんな受注処理の入口に、時間も神経もすり減っていませんか。

この記事では、受発注メールをAIで自動仕分けし、受注処理の最初の交通整理を仕組みに変える方法を、手を動かせる手順まで落として解説します。何をどの順番で準備し、AIに何を渡し、出てきた結果をどう確認するのか。明日から自社で試せるところまで具体的に書きます。

「AIに全部任せて大丈夫なの」という不安にも、率直にお答えします。結論から言うと、任せていい範囲と人が握るべき範囲をきちんと分ければ、受注処理はぐっと楽になります。

Contents / 目次

1. 受発注メールのAI自動仕分けは「全自動」ではなく「分業」で作る
2. AI自動仕分けの作り方。5つのステップで手を動かす
3. 仕組み化で得られる効果と、成果を出す会社の共通点
4. よくある失敗と回避法。現場でつまずく3つのパターン
5. 導入前に知っておきたい落とし穴と、現場のリアルな妥協点
6. よくある質問（FAQ）
7. まずは「メール1本・分類だけ」から相談してみませんか

受発注メールのAI自動仕分けは「全自動」ではなく「分業」で作る

受発注メールのAI自動仕分けで最初に押さえるべき結論は、全自動を目指さないことです。AIがメールを読んで分類し、下ごしらえまでやる。その結果を人が最終確認して受注システムに登録する。この「AIが仕分け・人が確認」の分業で組むのが、失敗しない作り方の芯になります。

なぜ全自動にしないのか。AIによる文字や意図の読み取りは、精度が上がってきたとはいえ100%にはなりません。注文の数量や納期をわずかに読み違えれば、そのまま出荷ミスや欠品につながります。だからこそ「AIに任せる=人がゼロになる」ではなく、「人の作業を、判断が要る部分だけに絞る」と考えるのが正解です。

AI自動仕分けとは、届いたメールの件名や本文をAIが読み取り、あらかじめ決めた区分に振り分ける仕組みのことです。たとえるなら、郵便物を最初に「請求書の山」「注文書の山」「問い合わせの山」に分けてくれる優秀な仕分け係を、24時間働かせるイメージです。中身の最終判断は人がしますが、山を作るところまでをAIが肩代わりしてくれます。

このテーマで押さえるべきポイントは、次の3つに集約されます。

• 仕分けと処理を分ける：まず「分類だけ」をAIに任せ、登録・返信は段階的に広げる
• ルールを言葉にする：ベテランが頭の中でやっている振り分け基準を、AIが読める文章に落とす
• 確認を工程に組み込む：AIの出力を人がチェックする一手間を、最初から標準工程にする

手作業とAI仕分けの違いを、先に一覧で見ておきましょう。自社のどこが変わるのかをイメージしてから、手順に進むと理解が早くなります。

項目	従来の手作業	AIによる自動仕分け
仕分けの速さ	1通ずつ開いて判断	受信と同時に自動で分類
見落とし	繁忙期に埋もれやすい	重要区分を自動でラベル化
属人化	ベテランの勘に依存	基準を文章化して誰でも同水準
深夜・休日	翌営業日まで放置	時間外も自動で仕分け済み
ミスの責任	担当者の集中力頼み	人は確認に集中でき精度が安定

最初の一歩。いきなり全チャネル・全自動を狙わず、「メール1チャネル・分類だけ」から始めるのが、現場で定着させるコツです。小さく回して手応えを掴んでから広げましょう。

AI自動仕分けの作り方。5つのステップで手を動かす

AI自動仕分けの作り方は、5つのステップに分けて進めます。順番に手を動かせば、AIに詳しくなくても受注メールの交通整理の仕組みが組み上がります。ここが記事の主役なので、各ステップで「何を・どう決めるか」まで具体的に見ていきましょう。

ステップ1。受注チャネルと形式を棚卸しする

最初にやるのは、受注がどこから・どんな形で来ているかの棚卸しです。ここを飛ばすと、後で「FAXの注文が仕組みから漏れていた」といった抜けが起きます。

具体的には、1週間分の受注を紙に書き出して、次の項目を埋めていきます。

• チャネル：メール・FAX・電話・Webフォームのどれで届くか
• 届く形式：本文べた書き・PDF添付・Excel添付のどれか
• 件数：1日あたり何件くらい来るか
• 書き方のクセ：取引先ごとの言い回しやフォーマットの違い

これで「どこから何件、どんな形式で来るか」の全体像が見えます。

まずはメール本文と件名だけで判断できる注文から着手するのがおすすめです。PDFや手書きFAXの読み取りは、後述するAI-OCRという別の技術が絡んで難易度が上がるため、二歩目に回します。

ステップ2。仕分けの分類ルールを言葉にする

次に、メールをどの区分に分けたいかを言葉にします。ベテランが無意識にやっている振り分けを、AIが読める文章にするのがこのステップの肝です。

分類は多くても4〜5区分に絞ると運用が安定します。増やしすぎると、AIも人も迷います。受注処理でよく使う区分を、定義とセットで表にしておきましょう。

分類名	どんなメールか	優先度
新規注文	品番・数量・納期を含む発注依頼	高
変更・キャンセル	既存注文の数量変更や取消の連絡	高
納期・在庫の問合せ	まだ発注ではない確認・相談	中
その他・要人間判断	クレーム、あいまいな内容、判断が割れるもの	要確認

ポイントは「その他・要人間判断」という逃げ道を必ず用意することです。AIが自信を持って分けられないメールを無理にどこかへ押し込むと、そこがミスの温床になります。迷ったら人へ回す、という区分があるだけで安全性が大きく変わります。

ステップ3。AIに渡す指示（プロンプト）のたたき台を作る

分類ルールが決まったら、AIへの指示文を用意します。いまのAIは、ざっくり頼めば自分で指示を整えてくれるので、作り込んだ長文は不要です。短いたたき台（seed）を用意し、あとはAIと対話しながら自社の言い回しに合わせて詰めていきましょう。

あなたは受注メールの仕分け担当です。
次のメールを「新規注文／変更・キャンセル／納期・在庫の問合せ／その他・要人間判断」
のいずれか1つに分類してください。

・判断に迷う、情報が不足していると感じたら必ず「その他・要人間判断」にすること
・分類名と、そう判断した理由を1行で返すこと

件名：［ここに件名を貼る］
本文：［ここに本文を貼る］

このseedをClaudeやChatGPTなどのチャット画面にそのまま貼り、手元の実際のメールで10通ほど試すのが最初のおすすめです。分類がずれたら「この場合はこう分けてほしい」と会話で伝えれば、AIが指示を修正してくれます。この対話でルールを磨くこと自体が、仕組みづくりの下ごしらえになります。

ステップ4。受信から振り分けまでを自動でつなぐ

手元での分類が安定したら、受信と同時に自動で振り分ける流れを組みます。やり方は大きく2通りあり、社内のスキルに合わせて選べます。

• ノーコードでつなぐ：メール受信を起点に、AIで内容を判定し、ラベル付けやチャット通知まで画面操作で組む方法。プログラミング不要で始めやすい
• スクリプトで組む：Google Apps Scriptなどで、受信メールをAIに渡してラベルを付ける処理を自作する方法。細かく作り込めて自由度が高い

スクリプトで組む場合のイメージをつかめるよう、Gmailの未読メールをAIで分類してラベルを付けるたたき台を載せます。これは出発点なので、そのまま本番投入せず、自社の分類名や検索条件に合わせて調整してください。

// 【前提】Google Apps Script（script.google.com）で新規プロジェクトを作成し、
// スクリプトプロパティに ANTHROPIC_API_KEY を登録してから実行します。
// Gmailの受信トレイの未読メールを取得し、AIで分類してラベルを付けます。
// 時間主導トリガーで数分おきに動かす想定です。

function classifyOrderMails() {
  const apiKey = PropertiesService.getScriptProperties().getProperty('ANTHROPIC_API_KEY'); // ［スクリプトプロパティに設定］
  const threads = GmailApp.search('is:unread newer_than:1d', 0, 20); // ［検索条件は自社に合わせて変更］

  threads.forEach(function(thread) {
    const messages = thread.getMessages();       // getMessages() はメッセージの配列を返す
    const msg = messages[messages.length - 1];   // スレッドの最新メッセージを対象にする
    const subject = msg.getSubject();
    const body = msg.getPlainBody().slice(0, 2000); // 長い本文は先頭2000文字までに制限

    const category = askAI(apiKey, subject, body); // AIに分類させる
    const label = GmailApp.createLabel('受注_' + category); // ［ラベル名の付け方は自社ルールに変更］
    thread.addLabel(label);
    thread.markRead(); // 【重要】処理済みは既読化する。これを省くと数分おきのトリガーで同じ未読を毎回再処理し、ラベル重複とAPIコールの無駄が発生する
  });
}

function askAI(apiKey, subject, body) {
  const prompt = '次のメールを「新規注文／変更キャンセル／納期問合せ／その他」のいずれか1語で分類し、分類名だけ返す。\n件名：' + subject + '\n本文：' + body;

  const res = UrlFetchApp.fetch('https://api.anthropic.com/v1/messages', {
    method: 'post',
    contentType: 'application/json',
    headers: { 'x-api-key': apiKey, 'anthropic-version': '2023-06-01' },
    payload: JSON.stringify({
      model: '［ここに利用可能なモデル名を入れる（公式ドキュメントで確認）］',
      max_tokens: 20,
      messages: [{ role: 'user', content: prompt }]
    }),
    muteHttpExceptions: true
  });

  const data = JSON.parse(res.getContentText());
  return (data.content && data.content[0]) ? data.content[0].text.trim() : '未分類';
}

このたたき台は未読メールを対象にし、処理し終えたスレッドを markRead() で既読化しています。既読化を省くと、数分おきのトリガーが同じ未読メールを毎回拾い直し、ラベルの重複付与やAPIコールの無駄（コスト増）につながります。処理済みを既読にする、専用ラベルの有無で除外するなど、二重処理を防ぐ仕組みは必ず入れてください。

コードの各ツールの画面上の操作名（メニュー名やボタン名）や、指定できる最新のAIモデル名は変わることがあります。さらに、APIの送信先URL・リクエストヘッダー・返ってくるデータの構造も、提供元の仕様変更で変わります。

正確な名称や仕様は、利用するツールやAIの公式ドキュメントで必ず確認してください。仕組みとしては「メールを取得→AIに渡す→返ってきた分類でラベルを付ける」という流れを押さえておけば十分です。

ステップ5。人の確認プロセスを工程に組み込む

最後に、AIが仕分けた結果を人が確認する工程を必ず入れます。ここを省くとミスがそのまま流れるため、自動化の中で一番大事な仕上げです。

おすすめは、AIが付けたラベルごとにメールを並べ、担当者が上から目視で確認して受注システムに登録する運用です。とくに「新規注文」と「変更・キャンセル」は数量・納期・品番を人が指差し確認します。「その他・要人間判断」は当然ながら人がゼロから読みます。

確認のときに見るべき点を、チェックリストにしておくと抜けが防げます。

• 分類は妥当か：AIの区分が明らかにずれていないか
• 数量・単位：「10」と「10ケース」など単位の取り違えがないか
• 納期の解釈：「月末」「至急」があいまいなまま登録されていないか
• 取引先の特定：社名や担当者名が正しく紐づいているか
• 要人間判断の滞留：その他区分が放置されず必ず誰かが見ているか

仕組み化で得られる効果と、成果を出す会社の共通点

受注メールのAI仕分けで得られる一番の効果は、担当者が「分類する時間」から解放され、「判断する時間」に集中できることです。単純な振り分け作業が減り、本当に人の目が必要な注文に力を注げるようになります。

効果をイメージしやすいよう、仮の試算をしてみましょう。前提は「1日100件の受注メールを、1件あたり平均3分で仕分け・下読みしている」ケースです。

• 現状：1日で約5時間、月20営業日で約100時間がこの作業に消えている計算です
• AI導入後：AIが一次仕分けと下ごしらえを担い、人の作業を確認中心の1件1分に短縮できれば、単純計算で作業時間は3分の1ほどに縮みます

もちろん実際の削減幅は、メールの複雑さや取引先ごとのクセで大きく変わります。あくまで考え方の目安として、自社の件数に置き換えてみてください。

時間だけでなく、見落としの防止や、深夜・休日に届いた注文が翌朝には仕分け済みになっている、といった効果も現場では大きく効きます。属人化していた「あの人しか捌けない」状態から抜け出せるのも見逃せません。

成果を出している会社には、はっきりした共通点があります。それは「小さく始めて、確認で品質を担保している」ことです。いきなり全チャネル全自動を狙うのではなく、まずメール1本・分類だけをAIに任せ、人が確認する工程を残したまま、精度を見ながら少しずつ範囲を広げています。

こうした業務のデジタル化は、国としても中小企業の重要テーマに位置づけられています。中小企業庁の2026年版 中小企業白書でも、デジタル化への取り組みが取り上げられています。 受注処理の仕分けは、その第一歩として着手しやすい業務です。

受注の周辺業務も同じ発想で仕組み化できます。届いた注文に対する返信文の下書きづくりはGmailの返信下書きをAIで用意する手順が、請求・検収まわりは請求書と検収の照合を自動化する仕組みが参考になります。

よくある失敗と回避法。現場でつまずく3つのパターン

AI仕分けの導入でつまずくパターンは、だいたい決まっています。ここでは現場で実際によく見かける3つの失敗を、起きる状況と防ぎ方のセットで紹介します。先に知っておくだけで回避できるものばかりです。

失敗1。確認工程を省いて「全自動」にしてしまう

一番多いのが、AIの精度を過信して人の確認を外してしまう失敗です。導入直後は調子が良く見えるため、つい「もう確認いらないのでは」と省きたくなります。

ところが読み取り精度は100%にはならないため、数量や納期の読み違いがそのまま出荷や欠品につながります。防ぎ方はシンプルで、AIが抽出・分類した結果を人が確認する工程を、最初から標準の作業として組み込んでおくことです。とくに新規注文と変更・キャンセルは、当面すべて目視確認を残すのが安全です。

失敗2。あいまいな指示のまま自動で回し続ける

2つ目は、分類ルールがあいまいなまま自動運転を続けてしまう失敗です。自動化ツールは、間違った基準でも文句を言わずに動き続けます。だからこそ、最初のルールが甘いとミスを延々と量産します。

この状態はブラックボックス化を招き、「なぜかいつも同じ取引先の注文だけ分類が変」といった不具合の原因追跡も難しくなります。防ぐには、ステップ2で決めた分類の定義を文章として残し、週に一度は「AIが間違えたメール」を数通見返して、指示を微調整する運用にします。AIが判断を誤る仕組みそのものを知っておくと修正が早くなるので、生成AIのハルシネーションが起きる理由と業務での防ぎ方もあわせて押さえておくと安心です。

失敗3。既存の受注・販売管理システムと切り離して考える

3つ目は、AI仕分けだけを単体で導入し、既存の販売管理システムとの連携を後回しにする失敗です。仕分けはできても、結局そのデータを人が手入力で基幹システムに打ち直していては、削減効果が半減します。

導入前に「仕分けた後、どのシステムにどう渡すか」まで描いておくのが回避策です。CSVでまとめて取り込むのか、既存システムのAPI連携やRPAでつなぐのか。現在の業務フローに無理なく差し込める形を先に決めておけば、仕分けから登録までが一本の流れになります。既存の販売管理システムがある場合は、そのシステムがCSV取り込みや外部連携に対応しているかを、導入前に必ず確認しておきましょう。

導入前に知っておきたい落とし穴と、現場のリアルな妥協点

ここからは、教科書には載りにくい「使う側のリアル」を率直にお伝えします。AI仕分けは便利ですが、万能ではありません。向き不向きと妥協点を正直に知っておくことが、結果的に失敗を防ぎます。

まず、メール本文べた書きの注文は仕分けと相性が良い一方で、PDF添付や手書きFAXの注文書は難易度が一段上がります。これはAI-OCR、つまり画像や紙の文字をAIが読み取ってデータ化する技術が別途必要になるためです。

フォーマットが取引先ごとにバラバラだと、読み取り精度の調整にそれなりの手間がかかります。「メールは今日から、FAXは第二段階」と割り切るのが現実的です。

次に見落としがちなのがコストの考え方です。ツールの月額だけを見て安いと判断すると、実態を見誤ります。実際には、月額以外にも次のような「時間という名のコスト」がかかります。

• 初期の分類ルール作り：どのメールをどう分けるかを言語化する手間
• 確認フローの整備：人が目視でチェックする工程を作り込む手間
• 社内への周知・教育：担当者に運用を浸透させる手間

AI内製ツールの運用コストを見える化する試算手順のように、月額以外の見えないコストまで含めて考えるのがおすすめです。

内製と外注の切り分けも、悩みどころです。分類のたたき台づくりや小規模なノーコード連携までは、社内で十分回せます。

一方で、基幹システムとのAPI連携や、複雑なフォーマットの読み取り精度を安定させる作り込みは、専門知識がないと沼にはまりがちです。この線引きを間違えて全部内製しようとすると、担当者が疲弊して頓挫する、というのが現場でよく見る結末です。

受注メールには取引先名・数量・単価など、外に出せない情報が含まれます。生成AIに業務データを渡す際は、利用範囲と入力禁止情報を社内ルールで明確にしてから始めてください。公的な指針としては、デジタル庁が公開している行政の進化と革新のための生成AIの調達・利活用に係るガイドライン（第2.0版）のような考え方も参考になります。

最後に本音を言えば、AI仕分けが本当に向いているのは「受注件数がそれなりに多く、パターンがある程度決まっている業務」です。1日数件で、しかも毎回イレギュラーという業務なら、無理に自動化せず人が見たほうが速いこともあります。自社がどちらかを冷静に見極めることも、大事な判断です。社内ルール作りの土台としてはAIに入力してはいけない個人情報と社内ルールの作り方も役立ちます。

よくある質問（FAQ）

まずは「メール1本・分類だけ」から相談してみませんか

ここまで読んで、やることは分かったけれど自社のシステム連携やルール作りまで手が回らない、と感じた方も多いはずです。株式会社コレットラボ（大分・福岡を拠点にAI業務システム化を支援）では、受注処理のどこをAIに任せ、どこを人が握るかの設計から、既存システムとの連携まで伴走します。 いきなり契約ではなく、現状の受注フローを一緒に整理するだけでも大丈夫です。気になった方はAI業務システム化の詳細はこちらからお気軽にご相談ください。