ENTRY

◀︎ AI NEWS TOPへ

ユニリーバ、メールやPDFで届く注文をAIで読み取り、試験の11市場で最初の処理が15〜20分から約90秒に

2026.10.28
ユニリーバ、メールやPDFで届く注文をAIで読み取り、試験の11市場で最初の処理が15〜20分から約90秒に

英国の消費財の会社ユニリーバ(Unilever)は、メールやPDF、紙の写真などで届く注文を、AIで読み取って入力する仕組み「ノバ(NOVA)」をマイクロソフトと作りました。マイクロソフトが2026年10月26日に出した記事で、ユニリーバの担当者は、試験をしている11の市場で注文の最初の処理が15〜20分から約90秒になったと話しています。注文の95%は人の手を通らずに済み、足りない情報や例外は人が見ます。数字は会社の説明で、何件で測ったかや、AIの読み間違いの数は出ていません。

この記事はマイクロソフトの英国向けの記事(10月26日)と、米国の消費財の業界誌の記事(9月28日)、AIの導入を請け負う会社マーク・デジタル(Maak.Digital)の整理(10月26日)にもとづきます。

何が困っていたか

ユニリーバはダヴ(Dove)などの商品を作る会社です。スーパー、卸、通販の会社など、直接の取引先は約30万あります。マイクロソフトの記事では、受ける注文は年に約2000万件です。業界誌の記事では約2300万件とされています。

注文の多くは、すでに会社どうしの仕組みの間で、データのままやりとりされています。残りの約200万件はメール、PDF、表計算のファイル、紙の注文書の写真など、形がばらばらです。世界各地の拠点で、社員がこれを読み、社内の仕組みに手で打ち込んでいます。

ユニリーバは、取引先に書式をそろえてもらうのではなく、届いた形のまま受けることにしました。受注から入金までを担当するディーパロク・ロイ・チョードリー(Deepalok Roy Chowdhury)氏は、「客がこちらの技術に合わせるべきではない」と話しています。

何をしたか

ノバはマイクロソフトのAIの開発基盤(Microsoft Foundry)の上で作った、5つのAIの役の組み合わせです。

1. 4つの役が届いたメールを読み、何の注文かをとらえ、注文の中身を抜き出します2. 5つ目の役がその結果を確かめます3. 足りない情報がある注文や、いつもと違う注文は、人に回します

業界誌の記事によると、ノバは読み取った注文を、会社の基幹の仕組み(SAP)に入れます。使っているAIのモデルの名前は、どの記事にも書かれていません。

ユニリーバは作る前に、顧客業務を分析している社員に聞き、確かめと打ち込みのうち、どの作業に一番時間がかかっているかを調べました。最初の数か月は仕組みの形を探すのに使ったといいます。

返金などの申し立てを確かめる作業にも、同じ技術を使っています。こちらは、マイクロソフトの技術者が加わり、8週間たらずで作って試しました。

試した結果

数字は、ユニリーバで顧客業務の技術をまとめるフランシス・カストロ(Francis Castro)氏が話したものです。

測ったこと ノバを使ったあと 比べたもの
⏱️ 注文を受けてから入金までの、最初の段階の時間 約90秒試験をしている11の市場 使う前:15〜20分
✋ 人の手を通らずに済んだ注文の割合 95%例外は人が見る —
🚀 注文の処理の速さ 8倍速い 使う前
📦 本番で処理した注文 数千件 —

数字は、ユニリーバのフランシス・カストロ氏がマイクロソフトの記事(2026年10月26日)で話したもの。—=比べたものの記載なし。

返金の申し立ては2倍速く処理でき、新しい取引先の登録にかかる時間は90%短くなったとも話しています。ただし記事は、このうちどこまでがノバによるものかを書いていません。

ユニリーバはノバを50を超える市場に広げる計画です。業界誌の9月の記事では、最大の市場である北米で、まもなく使い始めるとしていました。

まだ確かめられていないこと

もとになった記事は、ノバを一緒に作ったマイクロソフトが出したものです。

📢 公表されている説明 ⚠️ こちらで確認できていないこと
最初の段階が15〜20分から約90秒になったユニリーバの説明 ⚠️ 何件の注文で測ったか、平均か中央値か
⚠️ 使う前の15〜20分と、同じ条件で比べたか
⚠️ 「8倍速い」との関係(15〜20分を90秒で割ると10〜13倍になり、合わない)
注文の95%が人の手を通らないユニリーバの説明 ⚠️ AIが読み間違えた注文の数と、あとで直した手間
⚠️ 95%が11の市場すべての合計か、一部の市場の数字か
返金の申し立ては2倍速く、新しい取引先の登録は90%短くなったユニリーバの説明 ⚠️ どこまでがノバによるものか、ほかの取り組みの分か
50を超える市場へ広げるユニリーバの計画 ⚠️ いつまでに広げるか、北米のほかにどの市場か(記載なし)

凡例:📢=当事者が公表している説明 ⚠️=出典に書かれておらず、またはこちらで確認できていない点
説明は、マイクロソフトの記事(2026年10月26日)による。

マーク・デジタルは、90秒は11の市場での最初の段階の数字で、全世界の平均や、注文から入金までの全体の時間ではないと書いています。

誰に関係するか

形のばらばらな書類を受け取り、人が読んで打ち込んでいる仕事に関係します。たとえば、手書きやPDFで届く申請書を受け付ける市役所の窓口で働く人、写真で届く修理の見積書を確かめる保険会社の担当者、保護者から紙やメールで届く申込書をまとめる学童保育の職員です。

小さな職場で試すときも、読む役と確かめる役を分け、合わないものは人に回す形にできます。先に1件の入力にかかる時間と打ち間違いの数を測っておけば、AIに任せたあとで、速さだけでなく読み間違いの数でも比べられます。

まとめ

ユニリーバが変えたのは、取引先の書式ではなく、自社の受け取り方でした。約90秒は11の市場での試験で、最初の段階にかかった時間です。読み間違いの数が出るまでは、速さの数字だけでは、使える仕組みかどうかを決められません。

参考文献

  • Unilever’s multi-agent creating customer value at global scale(Microsoft UK Stories、2026-10-26)https://ukstories.microsoft.com/features/unilevers-multi-agent-creating-customer-value-at-global-scale/
  • How Unilever Scales AI, From Predictive Models to Agentic Workflows(Liz Dominguez、Consumer Goods Technology、2026-09-28)https://consumergoods.com/how-unilever-scales-ai-predictive-models-agentic-workflows
  • AI order intake from email and PDF: Unilever NOVA(Maak.Digital、2026-10-26)https://maak.digital/ai-in-practice/unilever-nova-order-automation
  • NOVA(Unilever)https://novaprod.unilever.com/

Tags

タグ一覧へ ▶︎

Kamone
著者 Kamone

30歳で学者志望からITエンジニアに転身。通信・金融業界におけるインフラ領域を中心に、オンプレミスからクラウドまで幅広く経験。AWS学習コミュニティでは公認メンターとして教材制作や講師を務める。現在はリツアンSTCにて事業推進に携わり、AI活用とエンジニア支援の高度化に取り組んでいる。

Kamone
著者 Kamone

株式会社リツアンSTC社員。

1984年 東京都中野区生まれ。

大学中退後、工場や警備員などを経て、何もスキルが身についていないことに危機感を覚える。
2014年 何か手に職をつけなければと思い、電子専門学校からエンジニアになった弟を見て「コイツにできるなら俺もできる」と安易な考えで未経験からIT業界に飛び込む。
そこは「まともな案件に入れなければ営業としてこき使われるか中国に送られるらしい」と恐ろしい噂が飛び交う会社だった。
「とんでもないところに来てしまった…」と戦慄するも、運よく大手新聞社系のインフラチームから声がかかり、エンジニアとしてのスタートを切る。

その後、SESを転々としながら通信・金融業界のオンプレ・クラウド案件を中心にインフラエンジニアとして経験を積む。

2021年 AWS学習サービス「Cloudtech」に参加し、公認メンターとして書籍出版プロジェクトや教材制作・講師などのコミュニティ・サービス運営に関わる。

2023年 ゆとりーマンのYoutube動画で新興SESの闇とリツアンの存在を知り、転職。(当時所属していたSES企業が動画で紹介されていた特徴に当てはまっていて愕然)
その後、CloudTechとリツアンの橋渡し役を担い、合同プロジェクト「テラコヤテック」の運営に関わる。
2025年 リツアンの「エンジニアに一円でも高い報酬を」「会社は社員に使われるためにある」「出入り自由」といったスタンスに共鳴。エンジニアから転向し、リツアンの事業推進に参画。
現在に至る。

他人の文体を真似たり、他人が書いた文章を手直しするのが得意、という若干嫌な気持ちにさせる特技を持つ。
AI活用を鋭意研究中。
(リツアンいいとこ一度はおいで。)

今すぐわかる。報酬シミュレーション