株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
物流会社の通関書類作成をAIで効率化する方法｜商品情報からHSコード自動分類・申告書ドラフト生成まで
物流会社・通関業者にとって、通関書類の作成は国際物流の根幹を成す専門業務です。約1万ある税番（HSコード）の中から正確なコードを特定し、輸出入申告書を作成する——この高度に専門的な業務をAIで効率化する動きが加速しています。NECは生成AIを活用したHSコード判定支援ツールを開発し、Shippioは貿易書類のAI自動転記機能を追加するなど、通関DXが実用段階に入っています。
業務の詳細フロー（現状の手作業）
ステップ1：商品情報の確認
輸出入する商品のインボイス、パッキングリスト、商品説明書等から、商品名、材質、用途、成分、原産国等の情報を確認します。通関に必要な情報が不足している場合は、荷主や輸出者に問い合わせます。
ステップ2：HSコード（税番）の特定
商品情報を基に、HSコード（Harmonized System Code）を特定します。日本の関税定率法に基づく約1万の税番の中から、商品の特性に最も適合するコードを選定します。この作業は通関士の専門知識と経験に大きく依存します。
ステップ3：関税率・規制の確認
特定したHSコードに基づく関税率（基本税率、WTO税率、EPA税率等）を確認します。輸入規制（食品衛生法、薬機法、ワシントン条約等）の該当有無も確認します。
ステップ4：申告書の作成
NACCS（通関情報処理システム）に輸出入申告データを入力します。申告書には、申告者、荷主、商品名、HSコード、数量、価格（CIF/FOB）、原産国、関税額等を記載します。
ステップ5：申告・検査対応・許可取得
NACCSを通じて税関に申告し、必要に応じて税関検査（書類審査、現物検査）に対応します。許可が下りると輸出入が可能になります。
課題・ペインポイント
- HSコード特定の難度：約1万の税番から正確なコードを選定するには深い専門知識が必要で、誤分類は追徴課税や輸入差止めのリスク
- 通関士の人材不足：通関士試験の合格率は低く、専門人材の確保が困難
- 書類作成の反復作業：同一商品でもインボイスの記載方法が荷主ごとに異なり、毎回手動でのデータ変換が必要
- 規制確認の複雑さ：HSコードに紐づく輸入規制が多岐にわたり、確認漏れのリスクがある
- 迅速な処理要求：サプライチェーンのスピード向上に伴い、通関処理の迅速化が求められるが人手では限界がある
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 商品情報：インボイスの品名、材質、用途、成分情報（OCRで自動抽出）
- HSコード体系：関税定率法の税番リストと各税番の分類基準
- 過去の通関実績：同一商品・類似商品の過去の税番特定実績（RAGで参照）
- 関税率表：HSコード別の関税率（基本税率、WTO税率、EPA税率等）
- 輸入規制データ：HSコード別の輸入規制（食品衛生法、薬機法等）の該当情報
処理パイプライン
- インボイスの自動読み取り：AI-OCRがインボイスから品名、数量、単価、原産国等を自動抽出し、構造化データに変換（出典：日経 "Shippio AI自動転記"）
- HSコードの自動分類：LLMが商品情報と関税定率法の分類基準を照合し、HSコードの候補を自動提案。過去の通関実績もRAGで参照（出典：Xexeq "NEC HSコード特定支援"）
- 関税率・規制の自動確認：特定されたHSコードに基づき、関税率と輸入規制の該当有無を自動チェック
- 申告書ドラフトの自動生成：OCRで抽出したデータ＋HSコード＋関税率をNACCS入力用のフォーマットに自動変換
- 異常値・不整合の自動検出：申告内容の不整合（価格と数量の矛盾、原産国とEPA税率の不整合等）を自動検出
人間が判断すべきポイント
- HSコードの最終確定：AIの候補提案を参考にしつつ、最終的な税番の決定は通関士が行う。誤分類の法的責任は申告者にある
- グレーゾーンの分類判断：「この商品は○○類と△△類のどちらに該当するか」の境界事例の判断は通関士の専門知識が必要
- 事前教示の申請判断：分類に確信が持てない場合の税関への事前教示の申請判断
- 税関検査への対応：税関からの質問・検査要請への対応は通関士が行う
他業種の類似事例
- 銀行の貿易金融書類審査：L/C・船荷証券のOCRデータ抽出→条件照合の自動化（本シリーズ参照）
- 保険会社の募集文書審査：保険業法チェックリストに基づくLLM自動審査（本シリーズ参照）
- 製薬会社の承認申請書類：規制要件に基づく申請書のLLMドラフト生成（本シリーズ参照）
導入ステップと注意点
ステップ1：過去の通関実績のデータベース化（2〜4週間）
過去の通関実績（商品名→HSコードの対応関係）をベクトルデータベースに格納し、類似商品のHSコードをRAGで参照できるようにします。
ステップ2：HSコード分類プロンプトの設計（2〜4週間）
関税定率法の分類基準をLLMのプロンプトに落とし込みます。主要な商品カテゴリ別にプロンプトテンプレートを設計します（出典：Xnova "HS Code AI Classification Guide 2025"）。
ステップ3：パイロット運用（4〜8週間）
高頻度の商品カテゴリからAI分類を試行し、通関士の判断との一致率を検証します。一致率が高いカテゴリから段階的に自動化範囲を拡大します。
注意点
- 法的責任：HSコードの誤分類は追徴課税、ペナルティの対象。AIの提案は参考にとどめ、最終判断は通関士が行うこと
- HS番号の改正対応：WCOによるHS番号の定期改正（5年ごと）に対応し、分類基準DBの更新が必要
- 国ごとの差異：6桁のHSコードは国際統一だが、それ以降の桁は国ごとに異なるため、輸出先国の分類体系も考慮が必要。なお、海外事例の導入に際しては日本の関税法制との違いに注意が必要
Renue視点：専用ツールではなく汎用LLMで実現する理由
通関書類作成の「商品情報を読み→HSコードを特定し→申告書を作成する」というプロセスは言語処理の連鎖です。NECのHSコード特定支援のような専用ツールも存在しますが、汎用LLMに関税定率法の分類基準と過去の通関実績をRAGで参照させれば、自社の取扱商品に特化したHSコード提案が可能です。通関士の「この商品はこの条件だからこのコード」という暗黙知を言語化してプロンプトに落とし込むことが、AI化の第一歩です。
まとめ
物流会社の通関書類作成は、インボイスOCR→HSコード自動分類→関税率/規制自動確認→申告書ドラフト生成→異常値自動検出のパイプラインでAIによる大幅な効率化が可能です。NECのHSコード特定支援やShippioのAI自動転記など、業界での実装が進んでいます。ただし、HSコードの最終確定、グレーゾーンの分類判断、税関検査への対応は完全に通関士の専門性と法的責任の領域です。