HOME
連携
FLOW
見積
依頼書
クレーム
受注
同時転記
制作DB
校正
表示AI
AI店長
取引先
ナレッジ
ダッシュボード／ 経営ダッシュボード
AI業務OS 稼働中
基幹・既存連携
業
業務管理部
久留米本社
印刷業界に特化したAI業務OS ─ 商談後の「重い後半戦」と「見積の属人化」をAIで軽くします
丸信様の重心＝商談後（デザイン依頼書→デザイン→見積→手配）。見積AI・デザイン依頼書AI・クレーム活用AI（Salesforce MCP）・受注OCRが稼働中。「AI研修」ではなく、御社の見積ロジック・過去ナレッジを言語化して成果物（自動化）が残る現場密着型。本日 42件 の定型作業をAIが自動処理しました。
本日
5分
デザイン依頼書 1件あたり
15〜20分 → 確認5分
全社
42
本日AIが下書きした依頼書・見積
営業約80名の下処理を肩代わり
見積
属人化 解消
見積の原価ブレ（新人↔ベテラン）
割高計算・NG工程を自動チェック
品質
数年分 活用
Salesforceの過去クレーム
MCPで見積・依頼書に自動反映
AI処理ライブフィード LIVE
業務別 削減効果（月）
デザイン依頼書の作成
▲最大
印刷見積の作成
▲42h
受注処理（FAX/メール）
▲38h
制作データ手配
▲26h
校正進行・督促
▲28h
食品表示チェック
▲34h
月間 合計削減（試算）
約240時間
※ デモ用の概算値。デザイン依頼書の作成が最大の削減源（1件15〜20分・1日約60件・営業約80名規模）。実数値は業務量ヒアリング後に精緻化します。
デザイン依頼書AI 今回の目玉
商談録音→要約→依頼書ドラフトを自動生成。基幹の類似品サイズ・紙も自動参照。人が最終確認
印刷見積AI 属人化解消
面付け→原紙→機械選定を学習。新人の割高計算・選んではいけない工程をアラート
クレーム活用AI Salesforce MCP
数年分の過去クレームをフリーテキストで検索。ベンダー発注なしで見積・依頼書に反映
システム連携マップ
丸信様の基幹（NEC Explanner＋シールアドオン／PiCSYS／式加工システム）はそのままに、n8nを「統合HUB」として中央に置き、AI処理（見積・デザイン依頼書・クレーム活用・受注OCR）を後付けで束ねます。基幹を入れ替える提案ではありません。基幹への書込はAPI／CSV取込／RPAのいずれか。3年後のPiCSYSWeb版統合にもそのまま乗せ替えられます。
入力 / 受信
商談録音 / 要約
Gemini×Salesforce
FAX / 複合機
発注書・校正戻し
メール / 添付
発注・入稿データ
EC / 通販サイト
ラベル小ロット受注
AI処理（新規・後付け）
印刷見積AI
面付け/機械/NG工程
デザイン依頼書AI
要約→依頼書ドラフト
クレーム活用AI
Salesforce MCP
受注AI-OCR
商品名→品番特定
制作データ集約AI
最新版→工場手配
n8n 統合HUB
セルフホスト / 全業務を束ねる
既存基幹（活用）
Explanner＋シール
NEC販売管理/オンプレ
PiCSYS
箱もの基幹
式加工システム
後加工・オンプレ
Salesforce
CRM・クレーム蓄積
アウトプット
受注/発注データ
基幹へCSV/API登録
依頼書/見積書
ドラフト自動生成
担当者へ通知
要確認のみ人へ
n8n自動化ワークフロー
代表例「FAX受注の自動処理」。ノードをデータが流れる様子をご覧ください。下段に「RPA・AIエージェントではなくn8nを選ぶ理由」と「基幹システムへの繋ぎ方（API／CSV／RPA）」を整理しています。n8nはAIではなく、既存ツールをデータ・APIでつなぐ基盤です。
受注AI-OCRフロー（n8n）
AIノード内蔵
n8n セルフホスト稼働中
FAX受信
複合機→PDF
AI-OCR読取
手書きも認識
品番突合AI
カタログマスタ照合
人の確認
要確認のみ
基幹へ登録
CSV/API
担当へ通知
完了/例外
なぜ「RPA」ではなく「n8n」で置き換えるのか
商談トーク用
RPAは「人間の画面操作を録画して再生」する仕組み、n8nは「システム間をデータ・APIで繋ぐ」仕組みです。丸信様の業務は「FAXの商品名→品番への変換」「食品表示の判定」などAIの読取・判断が主役のため、AIを内蔵できるn8nが適しています。
RPA（WinActor / UiPath 等）
画面操作の再現が中心。クリック・入力を録画して動かす
OCRやAI判断は苦手（別ツールを継ぎ足す必要）
画面レイアウトが変わると止まる＝脆い／保守が属人化
ロボット台数ライセンス課金が積み上がる
シナリオは基本1本ずつ作り直しで資産が積み上がりにくい
n8n（PFS推奨基盤）
データ・APIで連携。読取・判断・文章生成までを一気通貫
AI（OCR・LLM）がネイティブ。品番変換・表示チェックが得意
データ層で動くので画面変更に強い・壊れにくい
セルフホストで台数課金なし。横展開してもコストが増えない
ノードの組合せが自社資産化。1業務から繋ぎ広げられる
棲み分けの整理： 汎用的なチャット・議事録・社内FAQ＝汎用GenAI、受注・見積・表示チェックのような業務特化＝n8n。RPAの単純な置き換えではなく「AI時代に合った自動化基盤への移行」という位置づけです。
「AIエージェント」ではなく「ワークフロー」を勧める理由
商談トーク用
同じ成果物でも、業務を分解して作ったものを n8n で繋ぐ「ワークフロー」の方が、自律的に動く「AIエージェント」よりシンプル・安い・速い・壊れにくい。エージェントは行ける範囲が限られ（例：ツールによってはGoogle Workspaceに入れない等）、繋ぎ込みの工夫が要りますが、ワークフローは既存ツールをつなぐだけ。レガシーな社員でも「AIが始まった感」なく、昨日までの作業がなくなります。
AIエージェント（自律実行）
自律的に動く分、習熟・運用の負荷が大きい
到達できる範囲・連携先に制約が出やすい
「AIを使いこなす」前提で抵抗勢力が出やすい
用途が合えば作成も可。並行採用もします
n8nワークフロー（PFS推奨）
工程を分解→繋ぐだけ。安い・速い（1業務2週間規模）
既存ツールに乗るので繋ぎ込みを意識せず使える
能動的に「AIを開く」必要なし＝抵抗が出にくい
昨日までの作業が消える＝純粋に楽になる
進め方：一大DXで数百万〜数千万を一括投資するより、1業務ずつ安く速く。まず業務フローを丸信様と一緒に可視化し、ワークフロー候補を多数ご提案、優先度の高いものから作っていきます（要件定義は伴走に含みます）。
基幹システム（Explanner＋シール／PiCSYS／式加工）への繋ぎ方
3年後Web版統合も見据える
基幹は入れ替えません。各プロセス（依頼書ドラフト・見積・OCR読取など）を個別に作り、それを n8n が繋ぎます。PiCSYSはAPI標準がないため当面はCSV取込／画面自動操作、3年後のPiCSYSWeb版統合時にAPI連携へ乗せ替えます。基幹の改造（ベンダー依頼が必要な部分）を避け、営業単独で回せる範囲から着手します。
API（理想）
APIがあればほぼ楽勝でデータ連携。最も安定・高速。
CSV取込
APIが無い場合、基幹のCSV入庫機能向けにCSVを自動生成して流し込み。
RPA（最終手段）
それも無ければRPAで画面入力。ただし起点は人でなくAIワークフローが自動発火。
受注AI-OCR 自動化の最有力
FAX・メールの発注書をAIが読取り、商品名・略称→正式品番をカタログマスタと突合。担当者は要確認だけ見て承認、基幹へ自動連携します。
FAX発注（フジ食品様）
メール発注（九州ベーカリー様）
受信トレイ 12
受信FAX原本
AI読取り済
御 発 注 書
FROM: フジ食品 株式会社
TEL 0942-XX-XXXX / FAX 0942-XX-XXXX
2026年6月13日 09:14 受信
株式会社丸信 御中　　いつもお世話になっております。
下記の通り発注いたします。納期厳守でお願いします。
品名数量納品希望
イチゴジャム　ラベル　（前回と同じ）20,0006/20
ブルーベリーJAM　ラベル15,0006/20
ギフト箱　中　白8006/25
※ジャムラベル、いつもの原反でお願いします。箱は前回の色校了品で。
フジ食品
承認印
AI抽出フィールド
1
発注元
フジ食品株式会社
99%
2
明細①
イチゴジャム ラベル 20,000
97%
3
明細②
ブルーベリーJAM 15,000
88%
4
明細③
ギフト箱 中 白 800
96%
5
納期
6/20・6/25
90%
品番自動突合（カタログマスタ照合）
FAX上の表記AI特定 品番数量判定
イチゴジャム ラベルLB-FJ-1021
原反:アート紙/4色
20,000 確定
ブルーベリーJAMLB-FJ-1044?
候補2件・要確認
15,000 確認
ギフト箱 中 白BX-GIFT-M-W
前回色校了品 流用
800 確定
「前回と同じ」「いつもの原反」をフジ食品様の過去発注履歴から解決。3明細中2件を自動確定、1件のみ人へ。
同時転記（ワンストップ登録） 成果物をプレビュー/PDFで確認
確定した1件の受注データを、n8nが複数システムへ同時に転記（二重入力ゼロ）。丸信様の場合＝Explanner＋シール／PiCSYS／式加工／Salesforce／製造手配シート。各システムに実際に転記された成果物を、この画面からプレビュー・PDFで確認できます。
転記元（確定受注・1入力）
AI-OCR確定済
取引先
フジ食品株式会社
受注番号
JC-20260613-014（FAX受信）
品番品名数量納期
LB-FJ-1021イチゴジャム ラベル20,0006/20
LB-FJ-1044ブルーベリーJAM ラベル15,0006/20
BX-GIFT-M-Wギフト箱 中 白8006/25
この1件を、下の5つのシステムへ同時転記します。ラベルはExplanner＋シール、箱はPiCSYS、ニス加工は式加工、記録はSalesforce、現場は手配シートへ振り分けます。
n8nが自動で振り分け
n8n 統合HUB
1入力 → 5系統へ同時転記
品番・仕様で振り分け
転記後は各システムにそのまま登録された状態になります。営業・事務が同じ内容を何度も入力する必要はありません。基幹に触れない案件はCSV取込、Salesforce/シートはAPI連携で書き込みます。
転記先システムと成果物
未実行
制作データ一元管理 営業部門の二重入力を解消
引き合い〜打ち合わせで作るデザインデータ・CADデータ・木型/葉型を案件単位で集約。注文確定時に「どれが最新版か」をAIが判定し、工場手配に必要な一式を自動で揃えます。今は基幹・顧客管理と切り離されている制作データを横串でつなぎます。
いまの状態（二重入力・属人）
  • デザイン／CAD／木型データがバラバラの場所に点在
  • 注文が来たら営業が最新版を全員にばらまく
  • 「どれが最新か」を人が集めて工場へ手配
  • 制作データが顧客管理と完全に分断されている
AI集約後（一元管理）
  • 案件単位でデザイン／CAD／木型を自動集約
  • 更新日・校了フラグから最新版をAIが判定
  • 工場手配に必要な一式をワンクリックで束ねて通知
  • 顧客プロファイル・受注・見積と横串で連動
案件：フジ食品｜春limitedラベル 注文確定
最新版をAI判定
種別ファイル更新状態
デザインFJ_spring_label_v4.ai6/28 17:02 最新・校了
デザインFJ_spring_label_v3.ai6/25 11:20旧版
CADFJ_diecut_60x80.dxf6/26 09:40 最新
木型木型No.MK-1187（流用）2025/09 登録既存流用
デザインFJ_spring_label_営業修正.ai6/29 20:15 要確認
v4が校了・最新ですが、6/29に営業修正版が後から追加されています。どちらを工場手配に使うか1点だけ確認すれば、残りは自動で束ねます。
工場手配パッケージ（AI生成）
「最新版を判定して工場手配」を押すと、必要データ一式を束ねます
連動先
基幹（PiCSYS／シール＝Explanner）：品番・工程と紐付け
取引先プロファイル：定番品番・指定原反
校正進行：校了フラグを自動反映
印刷見積AI 本提案の主役
仕様を入れると、面付け→原紙メーター→機械選定まで丸信様の原価計算ロジックでAIが概算。ベテランと新人で原価がブレる属人化（新人の割高計算・選んではいけない工程＝クレーム化）を解消し、選んではいけない紙×工程はアラートします。営業が簡素化画面で単独見積→CSVで基幹連携できます。※MブースターはあくまでAI見積の他社事例（丸信様の基幹はPiCSYS/シール）。
進め方 ─ 見積AIは「地味な要件定義」から始まります
商談トーク用
印刷の見積はニッチで、原価計算に数式が複雑に入り、「この機械でやる／この機械じゃダメ」は営業の頭の中の知識です。だからこそ、まず御社のロジックを理解・言語化し、それをAIに教え込みます（Mブースター・建設業の見積AIと同じ進め方）。魔法ではなく、実態を勉強して再現する工程です。
見積ロジックの理解
面付け・原紙メーター計算、機械選定の判断基準、加工費の積み方を要件定義でヒアリング。営業が複数なら複数名の知恵を集約。
マスター・ロジックを言語化
原紙単価・歩留り・機械パターンをマスター化（建設業の部材マスターと同じ発想）。AIが下書き→「これで合ってますか？」で確定。
AIに実装・学習
汎用の有名LLM＋御社ロジックで実装。営業の手直しを再学習し精度を上げ続けます。基幹（Explanner＋シールアドオン）の計算式も学習元に。
属人化を解消（一人前まで3年→誰でも一定品質）
中村様の最重要
新人が作ると
  • 紙を大きく取れず割高な原価になりがち
  • 選んではいけない工程を組んでしまう
  • それがクレームにつながる
AI見積なら
  • ベテランの面付け・紙選びを再現
  • NG工程を事前アラート（下の判定に表示）
  • 誰が作っても一定品質の見積
営業が単独で見積 → 基幹へ（3年後Web版も見据えて）
上萩様のご要望
基幹は入力項目が多く、改造は「営業→システム部門→ベンダー」とワンクッション。簡素化画面で営業が単独で見積を作り、基幹には触らずCSVで取込む形から始めます。API標準がないPiCSYSにも安全に接続でき、3年後のPiCSYSWeb版統合時はAPI連携へ乗せ替えます。
API（3年後・理想）
Web版統合時に本命
CSV取込（当面）
基幹に触らず安全
画面自動操作
最終手段・起点はAI
仕様入力
お客様要件（原材料・加工が決まる）
抜き加工 冷凍対応（耐久） 箔押し（金） ラミネート
AI自動判定（入力に追従）
面付け：—
シート数：—
原紙：—
推奨機械：—
金額・面付けはデモ用の概算ロジックです。実際は丸信様の原紙単価表・歩留り・機械選定基準を学習させます。
AI見積結果
左で仕様を入力し「AIで見積を生成」を押してください
デザイン依頼書AI 今回の目玉・後半戦を軽くする
丸信様の重心は商談後。営業がデザイナー部署へ書くデザイン依頼書（1件15〜20分・1日約60件・営業約80名規模）を、商談録音の要約から自動ドラフト。基幹（PiCSYS/シール）の類似品サイズ・使用紙も自動参照し、お客様への要アナウンスまで付記します。全自動にせず最後は必ず人が確認します。
いまの状態（後半戦が重い・属人）
  • 商談後、営業がデザイン依頼書を手作業で作成（1件15〜20分）
  • 類似品のサイズ・紙を基幹から手で引っ張る必要がある
  • 「この紙にこの工程はNG」等の注意点は担当者しか知らない
  • 1日約60件 × 営業約80名 → 全社で膨大な下処理時間
AIドラフト後（確認するだけ）
  • 商談録音の要約（Gemini×Salesforce）から依頼書を自動ドラフト
  • 基幹の類似品サイズ・使用紙をAIが自動で引用
  • 過去クレームからお客様への要アナウンスを自動付記
  • 営業は確認・修正して送るだけ（15分→約5分）
商談要約（Gemini×Salesforce・PoC進行中）
自動要約済
御社では既に商談録音→Salesforce自動要約のPoCが進行中。この要約を起点に、次の「デザイン依頼書」までAIがつなぎます。
デザイン依頼書ドラフト（AI生成）
未生成
「商談要約から依頼書を生成」を押すと、依頼書ドラフトを作成します
処理の流れ（人の確認を必ず挟む設計）
ハレーション防止
商談録音
要約(Gemini)
依頼書ドラフト
AIが項目化
基幹から参照
類似品 サイズ/紙
人が確認
要アナウンス含む
デザイナー部署へ
Salesforce記録
全自動化はハレーションの元。依頼書ドラフト作成までをAIが担い、最終確認は人が行う設計にします（中村様のご要望）。基幹からの類似品参照はハードルが高い部分のため、まずは参照候補を提示→人が選ぶ形から始めます。
クレーム活用AI Salesforce MCP
Salesforceに数年分たまった過去クレーム（例：冷凍倉庫用シールで剥がれた等）を、MCP＝生成AIとSalesforceの間に差し込む賢い中間層で活用。ベンダー発注なしでフリーテキスト検索でき、「この紙×この用途はNG」を見積AI・デザイン依頼書AIへ随時反映して精度を上げ続けます。
従来（データはあるのに使えない）
  • クレームは顧客・商品コード紐付けのみで、紙×用途に紐付いていない
  • 過去データを引くにはSalesforceベンダーへ都度発注が必要
  • 対応した本人しか知らず、新人が同じ失敗を繰り返す
MCP導入後（フリーテキストで引ける）
  • 間にMCP（賢い中間層）を立て、聞きたいことを日本語でそのまま質問
  • ベンダー発注不要。保守代理店に頼めば構築できる規模
  • 引き出した注意点を見積AI・依頼書AIに反映して精度が育つ
過去クレームを聞く（デモ）
MCP接続
冷凍倉庫用シールの注意点は？ ユポ紙のクレーム履歴は？ フジ食品の注意点は？ 箔押しの注意点は？
Salesforceの過去クレームをMCP経由で検索します。紙・用途・取引先などを含めて聞いてください（例：冷凍倉庫で使うシールの注意点）。
MCPの位置づけ
Salesforce
数年分のクレーム・商談・顧客
MCP（賢い中間層）
フリーテキストで聞ける／発注不要
見積AI・デザイン依頼書AI
注意点を自動反映して精度UP
進め方
まずクレームのメンテナンス（紙・用途との紐付け整理）から着手
Salesforce MCPを構築（保守代理店と連携）
見積AI・依頼書AIの注意喚起ロジックに接続
校正進行管理AI
入稿〜初校〜色校〜校了の進行をAIが可視化。滞留案件を自動検知して督促ドラフトを作成、校了前にはAIが版差分を点検します。
入稿待ち 2
フジ食品｜春limitedラベル
入稿データ未着 / デザイン確認中
営業1課納期 6/28
有明海苔｜のり箱 改版
原稿待ち
営業2課納期 7/3
初校 2
九州ベーカリー｜食パン袋
3日 滞留 客先確認待ち
営業1課納期 6/22
ひのもと製菓｜焼菓子ラベル
初校送付済
営業3課納期 6/30
色校 1
筑後ハム｜ギフト化粧箱
色校立会 6/16 予定
営業2課納期 7/5
校了 → 製造 2
フジ食品｜イチゴJAMラベル
校了済 製造手配済
完了納期 6/20
九州ベーカリー｜定番5種
校了済
完了納期 月末
AI進行アシスト
「九州ベーカリー｜食パン袋」が初校で3日滞留しています。客先の確認が止まっている可能性 → 右上「督促ドラフト」で丸信の文体に合わせたメールを自動作成します。
「筑後ハム｜ギフト化粧箱」は色校前。AI版差分チェックで、前回校了データとの文字・バーコード・配置の差分を自動抽出できます。
食品表示・衛生チェックAI 丸信の強みを強化
食品ラベルの原材料・アレルゲン・食品表示法・景品表示法をAIが自動点検。刷り直し・表示ミス流出をゼロに近づけます。丸信様の「食品衛生・表示サポート」をAIで武装化。
校正中ラベル（フジ食品｜イチゴジャム）

名 称 ／ いちごジャム

原材料名いちご（国産）、砂糖、ゲル化剤／酸味料、香料
アレルゲン（記載なし）
内容量200g
賞味期限枠外上部に記載
保存方法直射日光を避け常温保存
製造者フジ食品株式会社　福岡県久留米市…
栄養成分100gあたり エネルギー250kcal…
※ 校正中データ（デモ）。下線部はAI指摘箇所
AI指摘リスト
未チェック
「AIチェック実行」を押すと、表示法・アレルゲンの観点で点検します
AI店長（社内ナレッジ）
見積ロジック（機械選定・面付け・原紙計算）・仕様・規格・過去案件・表示ルールを、ベテランの代わりにAIが即答。「この数量だと輪転機？平打ち？」「あの品番の原反は？」がチャットで解決し、属人化を解消します。
丸信AI店長
社内ナレッジ・過去案件・表示ルールを参照
オンライン
機械選定（輪転/平打）は？ 面付け・原紙計算は？ LB-FJ-1021の仕様は？ 冷凍対応の原反は？ NG工程（紙×工程）は？ フジ食品の注意点
こんにちは。丸信AI店長です。品番の仕様、原反・色数、最小ロット、納期目安、食品表示ルール、取引先ごとの注意点などをお答えします。上のボタンか、下の入力欄からどうぞ。
取引先プロファイル
取引先ごとの定番品番・原反・文体・過去の指摘事項をAIが束ね、受注OCRや見積・表示チェックの精度を底上げします。
ナレッジベース
見積ロジック（機械選定・面付け・原紙計算）・原反/加工の規格・食品表示ルール・トラブル事例を整理。要件定義で言語化した内容が、印刷見積AI・AI店長・表示チェックAIの参照元になります。
すべて
見積ロジック
原反・規格
表示・法令
トラブル事例
DEMO ─ 株式会社丸信 様 / PeaceFlat