製造業

酒蔵の製造記録・酒税帳簿をClaude Codeで効率化する実装パターン

清酒を製造した場数1,104場と減少が続く酒蔵で、もろみ日誌の構造化・酒税法46条の帳簿下書き・特定名称酒のラベル表示チェックをClaude Codeで効率化する実装パターンを解説。想定モデルの試算・プロンプト例付き。

酒蔵の製造記録・酒税帳簿をClaude Codeで効率化する実装パターン

結論:酒蔵の「もろみ日誌の転記・酒税帳簿の集計・ラベル表示の確認」は、様式が法令と告示でほぼ固定された定型業務の塊であり、Claude Codeでスクリプト化することで事務所側の作業時間を大きく圧縮できる余地があります(本記事は想定モデルケースの試算です)。

  • 要点1:紙とExcelに散らばる仕込記録・もろみ日誌は、まずJSONに構造化してから帳票化する。この2段構えが品質の分かれ目
  • 要点2:酒税法第46条の帳簿(製造・貯蔵・移出)は、タンク台帳と出荷データからの機械集計+人間承認の型に載せやすい
  • 要点3:特定名称酒のラベル表示は「清酒の製法品質表示基準」との突合チェックリスト化で、校正漏れを目視の前段で潰せる

対象読者:酒蔵の蔵元・製造部門・事務担当者、酒類製造業のDXを支援するエンジニア・PM

今日やること:直近1造り分の仕込記録・もろみ日誌をスキャンまたはCSVで1つのフォルダに集め、後述の「構造化プロンプト」を1本試す

事例出典:想定シナリオ(モデルケース)
本記事は、複数業界での導入支援経験をもとに構成した想定モデルケースです。登場する会社・数値はすべて仮想のモデルであり、実在企業の実測値ではありません。効果の数値はすべて「試算」です。

清酒製造業は、静かに規模縮小が続いている業界です。国税庁「清酒の製造状況等について(令和6酒造年度分)」によると、令和6酒造年度(令和6年7月〜令和7年6月)に清酒を製造したと回答した場数は1,104場で、前年度からさらに13場減少しました。吟醸酒・本醸造酒・一般酒を造る場数は軒並み減少傾向が続いています。

現場の人手不足はよく語られますが、導入支援の文脈で意外と見落とされがちなのが「事務所側」の業務負荷なんです。杜氏や蔵人が書くもろみ日誌・仕込記録のExcel転記、酒税法第46条で義務付けられた帳簿(製造・貯蔵・移出に関する事実の記載)の集計、月々の移出数量をもとにした酒税申告の準備、そして商品ごとに異なるラベル表示の校正。造りの繁忙期には、蔵元自身が深夜にこれらの書類仕事を抱え込んでいる蔵は珍しくありません。

本記事では、特定名称酒を中心に製造する従業員20名規模の中小酒蔵(想定モデル)を題材に、Claude Codeでこの事務負荷をどう圧縮するか、実装レベルで解説します。「法定帳簿×現場記録の突合」という骨格は産業廃棄物処理業のマニフェスト管理の効率化事例と共通ですが、酒蔵には「酒税」と「表示基準」という国税庁所管の論点が2つ重なる点が特徴です。

導入前の状況:紙のもろみ日誌とExcel台帳の二重管理

想定モデルの酒蔵A社(仮)の業務フローはこうです。

  • 製造記録:仕込みごとに紙の仕込配合表・もろみ日誌(品温・ボーメ・日本酒度・アルコール分の推移)を蔵人が手書き。事務担当が後日Excelに転記
  • タンク管理:貯蔵タンク約30本の在庫(原酒・割水後・火入れ済み)をExcelのタンク台帳で管理。移動のたびに手入力
  • 酒税関係:製造・貯蔵・移出の帳簿を月次で整理し、移出数量を集計して酒税申告の準備。数字はタンク台帳・出荷伝票・瓶詰記録の3か所から手作業で拾う
  • ラベル・商品管理:商品ごとの表示事項(特定名称・精米歩合・原材料・製造者名など)をWordの校正紙で目視チェック。新商品や年度切替のたびに全項目を確認

ボトルネックは明確でした。もろみ日誌の転記に週およそ5時間、月次の帳簿整理と移出数量の集計に月およそ12時間(3つのデータ源の突合と検算込み)。そしてラベル校正は1商品あたり45分かけても、精米歩合の年度更新漏れのような「去年の数字がそのまま残る」系のミスが年に数回は起きていました。酒税の帳簿は酒税法第46条による法定義務、ラベル表示は国税庁告示「清酒の製法品質表示基準」への適合が求められる領域なので、どちらも「忙しかったので雑になりました」が許されません。

Claude Codeに任せた4つの役割

A社モデルでは、Claude Codeに次の4つを担当させる設計にしました。

  1. 仕込記録・もろみ日誌の構造化 — スキャンOCR済みテキストや蔵人のスマホメモを読み込み、仕込号数・タンク番号・日付・品温・分析値をJSONに正規化。表記ゆれ(「一号タンク/T-1/タンク1」)を吸収
  2. 酒税帳簿・移出集計の下書き生成 — タンク台帳・瓶詰記録・出荷データを突合し、製造・貯蔵・移出の帳簿ドラフトと月次移出数量の集計表を生成。確定と申告は蔵元+税理士の承認制
  3. ラベル表示の機械チェック — 商品マスタと「清酒の製法品質表示基準」のチェックリストを突合し、必要記載事項の漏れ・特定名称と精米歩合の不整合を検出
  4. 分析値の推移レポート — もろみごとの日本酒度・酸度・品温経過をグラフ化し、過去造りとの比較レポートを生成。杜氏の判断材料を整える

実装スタックとリポジトリ構成

特別なインフラは使いません。事務所のPC1台で完結する構成です。

  • Claude Code(CLI。ターミナルから claude で起動)
  • Python 3.12(CSV前処理・帳票出力・グラフ生成。Claude Codeに書かせる)
  • 既存資産:もろみ日誌のスキャンOCRテキスト、Excelのタンク台帳(CSV化して使用)、出荷データ、商品マスタ
kura-ops/
├── CLAUDE.md              # 業務ルール・用語集・出力規約
├── inbox/                 # 日誌OCR・出荷データの投入口
├── data/
│   ├── tanks.csv          # タンクマスタ(タンク番号・容量・用途)
│   ├── products.csv       # 商品マスタ(特定名称・精米歩合・原材料)
│   └── moromi/            # 構造化済みのもろみ記録JSON
├── templates/             # 帳簿・月次集計のテンプレート
├── reports/               # 生成された帳簿ドラフト・分析レポート
└── scripts/               # Claude Codeが生成・保守するPython

肝は CLAUDE.md です。酒蔵は独特の用語と単位(石・キロリットル、ボーメ・日本酒度)が混在するので、用語集と換算ルールを最初に固めておくと出力が安定します。

# CLAUDE.md(抜粋)
## このリポジトリの目的
仕込記録の構造化・酒税帳簿ドラフト生成・ラベル表示チェックを行う。

## 絶対ルール
- 酒税に関わる帳簿・集計は必ず「ドラフト」として出力し、末尾に
  「※本書は下書きです。確定前に蔵元・税理士の確認が必要」と入れる
- 数量の単位はリットルに統一する。石で書かれた入力は換算して
  換算式を注記する(1石=180.39L)
- 取引先名・従業員名は出力しない。取引先コード・担当者IDで扱う
- 判断に迷う記録(数量の不一致・日付の逆転・欠測)は勝手に補完せず
  「要人間確認」フラグを付けて別ファイルに退避する

## 用語の正規化
- 一号タンク / T-1 / タンク1 → 「T01」
- 上槽 / 搾り / しぼり → 「上槽」
- 火入 / 火入れ / HI → 「火入れ」

実装の核心:日誌の構造化から帳簿ドラフトまで

Step 1:もろみ日誌をJSONへ

まずは手書き日誌(OCR済みテキスト)の構造化です。Claude Codeにそのまま投げます。

inbox/moromi_ocr_202607.txt を読み、もろみ1本ごとに次のJSONに
構造化して data/moromi/2026-07.json に保存してください。

{ "shikomi_no": "R8BY-012", "tank": "T0x",
  "date": "ISO8601", "day": 仕込からの日数,
  "temp_c": 品温, "baume": ボーメ, "nihonshudo": 日本酒度,
  "alcohol": アルコール分, "memo": "40字以内",
  "needs_human_review": true/false }

ルール:
- CLAUDE.mdの用語正規化と単位換算を適用する
- OCRの読み取りが怪しい数値(前日比で不自然に飛ぶ品温など)は
  勝手に直さず needs_human_review を true にする
- 解決できない行はスキップせず unresolved.json に理由付きで分ける
- 不足している情報があれば、最初に質問してから作業を開始してください

ポイントは「怪しい数値を勝手に直させない」ことです。OCRは「7」と「1」の誤読が定番で、品温7度と1度では造りの判断がまるで変わります。異常値は退避させて人間が原本を見る、を型にします。実運用では、Claude Codeがこの処理用のPythonスクリプトを書いて scripts/ に保存するため、2回目以降は数秒で終わるようになります。

Step 2:タンク台帳×出荷データから帳簿ドラフトへ

data/tank_ledger_202606.csv(タンク移動記録)と
inbox/shipping_202606.csv(出荷データ)、
inbox/bottling_202606.csv(瓶詰記録)を突合し、
templates/ledger.md の様式で6月分の帳簿ドラフト
(製造・貯蔵・移出)を reports/draft/ledger_202606.md に生成してください。

ルール:
- 3つのデータ源で数量が一致しない箇所は、差異一覧を冒頭に出す
- 移出数量の集計には、集計元ファイルと計算式を必ず注記する
- 数字と固有名詞は、根拠(出典/計算式)を添えてください
- 仮定した点は必ず"仮定"と明記してください

「差異一覧を冒頭に出す」が実務上いちばん効きます。手作業の突合では差異の発見に時間の大半が溶けますが、機械突合なら差異の説明(瓶詰ロスなのか記帳漏れなのか)に人間の時間を使えます。月次の帳簿整理が「数字探し」から「差異の裁定」に変わるイメージです。

Step 3:月次サマリと申告準備メモ

reports/draft/ledger_202606.md を集計し、税理士に渡す月次サマリを
作成してください。含める内容: 品目別の移出数量、前月比、
要確認事項(差異・イレギュラー移動)の一覧。
税額の計算はしないでください。数量の集計と論点整理までが範囲です。

あえて「税額の計算はしない」と範囲を切るのがこの設計の肝です。税率の適用判断や申告書の作成は税理士の領分として残し、AIは「正確な数量と論点が揃った状態」を作ることに徹します。責任の線引きが明確になり、税理士側のレビューも速くなります。

ラベル表示の機械チェック:表示基準をチェックリスト化する

酒蔵ならではの旨味があるのがここです。清酒のラベルは国税庁告示「清酒の製法品質表示基準」で、必要記載事項・任意記載事項・表示禁止事項が定められています。特定名称(吟醸酒・純米酒・本醸造酒など8種類)を名乗る場合は製法品質の要件(例:吟醸酒は精米歩合60%以下、大吟醸酒は50%以下、本醸造酒は70%以下、いずれもこうじ米の使用割合15%以上)を満たし、原材料名の表示に近接する場所に精米歩合を表示する義務があります。

この基準を data/label_rules.md としてチェックリスト化しておき、商品マスタと突合させます。

data/products.csv(商品マスタ: 商品名・特定名称・精米歩合・
原材料・アルコール分・製造者表示)と data/label_rules.md を突合し、
全商品についてラベル表示の適合チェックを実行してください。

検査項目:
1. 特定名称を表示する商品の精米歩合が要件を満たしているか
   (吟醸60%以下 / 大吟醸50%以下 / 本醸造70%以下 など)
2. 精米歩合の表示が原材料名の近くに記載される設計になっているか
3. 必要記載事項(原材料名・製造者名等)に空欄がないか
4. 特定名称酒でない商品に、特定名称に類似する用語が使われていないか
結果はNG→警告→適合の順で reports/check/label_check.md に出力し、
各判定に根拠(rules.mdの該当項目)を添えてください。

注意してほしいのは、これは目視校正の置き換えではなく前段だという点です。告示は改正されます(例えば令和4年の改正では製造時期表示が必要記載事項から任意記載事項に変わりました)。チェックリスト自体を年1回、国税庁の最新の告示・通達と突合してメンテナンスする運用までがセットです。適合判断に疑義があれば所轄税務署に確認してください。

分析値の推移レポート:杜氏の判断材料を整える

data/moromi/2026-*.json から仕込号数 R8BY-012 の品温・ボーメ・
日本酒度の推移をグラフ化し、過去2造りの同じ配合の仕込みと
重ねて reports/analysis/R8BY-012.md にまとめてください。
経過の違いは事実として記述し、原因の断定はしないでください。

もろみの経過判断そのものは杜氏の領分です。AIがやるのは「過去造りとの比較を、聞かれた瞬間に出せる状態にしておく」ことで、これは経験の浅い蔵人の育成資料としても機能します。技能伝承のドキュメント化という意味では製造業の作業手順書・技能伝承の効率化事例と同じ構図です。

段階的導入のロードマップ

Phase 1(1〜2ヶ月):もろみ日誌の構造化だけに絞る。CLAUDE.mdの用語集と単位換算ルールを育てる期間。並走レビュー(従来のExcel転記とAI構造化の突合)で精度を確認する。

Phase 2(3〜4ヶ月):タンク台帳・出荷データの突合と帳簿ドラフト生成へ拡大。税理士に月次サマリの様式をレビューしてもらい、承認フローを固める。

Phase 3(5〜8ヶ月):ラベル表示チェックと分析値レポートを定常運用化。年度切替(BY切替)時の商品マスタ一斉更新をチェック付きで回す。

想定効果(試算)

以下はA社モデル(従業員20名・貯蔵タンク約30本・事務担当2名)における試算値です。実在企業の実測値ではありません。

指標 導入前(想定) 導入後(試算) 改善(試算)
もろみ日誌の転記 週5時間 週1時間(確認のみ) -80%
月次の帳簿整理・移出集計 月12時間 月3時間(差異の裁定のみ) -75%
ラベル校正 45分/商品 10分/商品(機械チェック後の目視) -78%
過去造りとの比較資料づくり 都度2〜3時間 数分(生成済みを参照) 杜氏の判断材料が常備化

効果はプロンプト単体ではなく、用語集・単位換算の整備、命名規則の統一、並走レビュー期間の設定という運用の仕組み化とセットで初めて成立する数字である点に注意してください。

製造記録とセットで求められる衛生管理は「HACCP衛生記録の運用」で扱っています。

【要注意】よくある失敗パターンと回避策

失敗1:酒税の帳簿・申告まで「自動化」しようとする

❌ 帳簿の確定から税額計算・申告書作成までAIに一気通貫でやらせる
⭕ AIの範囲は「集計・突合・下書き」までと最初に線を引き、確定・申告は蔵元+税理士の承認制にする

なぜ重要か:酒税法上の記帳義務(第46条)・申告義務の責任は酒類製造者自身にあります。責任の所在が曖昧な自動化は、効率化ではなくリスクの増幅になります。

失敗2:OCRの誤読をAIに「いい感じに」補正させる

❌ 「読み取りミスっぽい数値は文脈から推測して直して」と指示する
⭕ 異常値は補正させず「要人間確認」で退避し、原本の日誌を人間が見る

なぜ重要か:もっともらしく補正された品温や日本酒度は、手書きの誤字より発見が困難です。製造記録は品質管理と帳簿の両方の根拠になるため、「静かな捏造」を仕組みで防ぐ必要があります。

失敗3:ラベルチェックのルールを作りっぱなしにする

❌ 一度作ったチェックリストを数年間そのまま使い続ける
⭕ 年1回、国税庁の最新の告示・通達とチェックリストを突合する棚卸しをカレンダーに固定する

なぜ重要か:表示基準は現に改正されています(令和4年改正で製造時期表示が任意化されるなど)。古いルールで「適合」と判定するチェックは、無いより危険です。

失敗4:タンク番号・仕込号数の命名がバラバラなまま始める

❌ 「一号タンク」「T-1」「タンク1」が混在するデータを直接投げ続ける
⭕ 最初の1週間で命名規則を決めてCLAUDE.mdに固定し、正規化はAIに任せる

なぜ重要か:表記ゆれの解決を毎回その場のAI判断に委ねると、月をまたいだ集計で同じタンクが別物として数えられる事故が起きます。ルールは1か所に固定し、判断は再現可能にします。

適用余地のある業界・規模

「手書きの製造記録×法定帳簿×表示規制」という三点セットは、清酒に限らず酒類製造業全般(焼酎・ワイン・クラフトビール)でほぼ同じ骨格が通用します。ワイナリーなら果実酒の帳簿、ブルワリーなら発酵管理記録に読み替えるだけです。また、月次の集計と税務レビューの分業設計は会計事務所・税理士法人のClaude Code活用ガイドで扱った受け手側の実装と対になっています。従業員10名前後の小さな蔵でも、帳簿整理とラベル校正だけに絞れば投資対効果は出やすいはずです。

まとめ:今日から始める3つのアクション

  1. 今日やること:直近1造り分のもろみ日誌をスキャンして1フォルダに集め、Step 1の構造化プロンプトを1本流してみる(数値の補正はさせない設定で)
  2. 今週中:タンク・仕込号数・工程名の表記ゆれを10個書き出し、CLAUDE.mdの用語集の初版を作る
  3. 今月中:先月分の帳簿を題材に、タンク台帳×出荷データの機械突合を1回実行し、出てきた差異一覧を税理士と共有してみる

FAQ

Q1. 酒蔵でClaude Codeは具体的に何に使えますか?

もろみ日誌・仕込記録の構造化、酒税帳簿(製造・貯蔵・移出)の下書き集計、特定名称酒のラベル表示チェック、分析値の推移レポートが代表例です。いずれも最終確認は人間が行う補助ツールとしての活用です。

Q2. ITに詳しい人がいない酒蔵でも導入できますか?

自然言語で指示できるため、Excelで台帳を触れる事務担当者1名からでも始められます。ただし命名規則の統一など前処理の設計は必要で、初期は外部の導入支援を併用する例が多い印象です。

Q3. 酒税の帳簿や申告をAIに任せて大丈夫ですか?

記帳義務・申告義務の責任は酒類製造者自身にあります。AIは集計と下書きまでにとどめ、確定・申告は蔵元と税理士が承認する運用にしてください。迷ったら所轄税務署(酒類指導官)へ相談を。

Q4. 導入コストはどのくらいかかりますか?

本記事のモデルケースでは月数万円程度のプラン・API費用+初期の台帳整理工数という試算です。料金は改定されるため、必ずAnthropic公式サイトで最新情報を確認してください。

Q5. ラベル表示のチェックをAIでやって問題ありませんか?

表示基準への適合判断の責任は製造者にあります。AIチェックは目視の前段の機械検査と位置づけ、基準の改正を年次で反映し、疑義は所轄税務署に確認してください。

参考・出典


著者:佐藤傑(さとう・すぐる)
株式会社Uravation代表取締役。X(@SuguruKun_ai)フォロワー約10万人。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』(SBクリエイティブ)。SoftBank IT連載7回執筆。

酒類製造業に限らず「製造記録×法定帳簿×表示規制」まわりの自動化のご相談は、お問い合わせフォームからお気軽にどうぞ。

Next Step

この事例を、自社の業務に置き換える。

対象業務、利用データ、評価基準、社内展開の順番まで整理すると、AI開発ツール導入の失敗を減らせます。

導入を相談する