紙のヒヤリハット報告書をAI-OCRでデータ化する手順と3つの注意点

「紙のヒヤリハット報告書は毎月それなりの枚数が集まっている。だが誰も集計していない」。こう打ち明ける経営者・管理職は少なくない。

紙の報告書は現場に馴染む一方で、ファイリングされた瞬間から情報として死ぬ。原因の傾向を見たくても、キャビネットを1枚ずつめくる作業に見合わないからだ。

この記事では、その紙をAI-OCRでデータ化する具体的な手順を解説する。ただし技術の説明を先にはしない。導入して失敗する理由を先に書く。読み取り精度・個人名の扱い・原本の保管という3つの注意点を押さえてからでないと、データ化は「作業が増えただけ」で終わる。

紙で集めたヒヤリハットを、AIで匿名化・4M分類まで一気に済ませたい方へ — 安全ポスト＋の管理画面には「紙から取り込み」機能がある。撮影した画像やPDFをアップロードするだけで、AIが匿名化した本文を作成し、QR報告と同じ4M分類までつなげる。

紙のヒヤリハット報告書が死蔵される理由

紙の報告書の死蔵とは、記入され提出されているにもかかわらず、集計・分析に使われないまま保管され続ける状態を指す。書く手間はかけているのに、活かす手間がかけられていない。

原因は大半の現場で共通している。

転記する人手が足りない：Excelに手入力する担当が決まっておらず、月末にまとめて処理しようとして積み上がる
分類の基準がばらつく：同じ「はさまれ」の事例でも、記入者や集計者によって4Mのどれに当たるか判断が割れる
原本しか残らない：ファイルに綴じられた紙は検索できず、傾向を見るには結局全部読み直すしかない

厚生労働省は、ヒヤリ・ハット活動を「重大な災害には至らなかったが、紙一重のところで災害になる恐れがあったというような場合」を集め、災害防止に結びつける取り組みと位置づけている（職場のあんぜんサイト）。

集めること自体は多くの現場で定着している。課題は、集めた後の「活かす」工程が紙の運用のままになっている点だ。

AI-OCRとは

AI-OCRとは、画像内の文字を読み取る従来のOCR(光学文字認識)技術に、AIによる文脈判断を組み合わせ、手書き文字や崩れたレイアウトへの対応力を高めた技術のことである。

従来型のOCRは活字の読み取りには強いが、手書き文字や罫線のズレに弱い。AI-OCRは前後の文脈や字形のパターンを学習しているため、多少の癖字や薄い筆跡でも一定の精度で認識できる。

ただし「一定の精度」という表現には幅がある。OCRベンダーのPFUは、自社の手書きOCR製品についてフリーピッチの手書き文字を95.5%以上の精度で認識するという検証結果を示している（PFUジャーナル、注：特定製品・特定条件下での実績値）。

一方で、崩し字や重なった文字、汚れた紙面ではこの水準に届かないケースも一般に指摘されている。AI-OCRは万能ではない。読み取れなかった箇所は人が確認・修正する前提で運用するのが実務的だ。

取り込みの手順

安全ポスト＋の「紙から取り込み」機能を例に、実際の流れを見ていく。

撮影またはスキャン：紙のヒヤリハット報告書をスマートフォンで撮影するか、スキャナーでPDF化する
管理画面にアップロード：JPG・PNGの画像、または複数ページのPDFをそのままアップロードする。PDFはページごとに1件の報告として取り込まれる
AIが下書きを作成：AIが匿名化した本文を作成する。この時点ではまだ「ドラフト」であり、確定はしていない
その場で確認・修正：読み取り結果を画面上で確認し、誤読や不足があれば手直しする
登録：内容を確定させると、通常のQR報告と同じ扱いでケースとして登録される

1枚あたりの処理は独立しており、1枚の読み取りに失敗しても他のページの取り込みは止まらない。通信断など一時的な失敗は、その1枚だけ再試行できる。

なお月あたりに取り込めるページ数には、契約プランごとに上限が設けられている。まとめて大量の紙を移行する計画がある場合は、事前に上限を確認しておくとよい。

読み取り精度を上げる紙の書き方

AI-OCRの読み取り精度は、紙の状態と書き方に左右される。100%にはならない前提で、精度を上げる工夫をしておくと手直しの手間が減る。

黒か濃紺のペンで書く：鉛筆や薄い色のペンは、影や照明の反射でかすれて読み取られやすい
1マス1文字を意識する：文字同士が接触・重なると、AIでも文字の境界を判断しにくくなる
枠からはみ出さない：記入欄の罫線をまたぐ文字は、レイアウト認識の精度を下げる要因になる
折り目・汚れを避けて撮影する：折れた紙は影が入りやすく、シミや汚れは文字と誤認されることがある
正面から明るい場所で撮影する：斜めからの撮影や逆光は歪みの原因になる。真上から均一な光で撮る
崩し字・当て字を避ける：現場独自の略字や当て字は、AIだけでなく人が読んでも誤読しやすい

これらは特別な準備を必要としない。次に配布する用紙のひな形に一言添えるだけでも、現場の書き方は変わる。

AIが匿名化まで済ませるから、確認作業が減る

読み取った文章をそのまま社内共有すると、個人が特定できる書き方が残ってしまうことがある。安全ポスト＋は取り込み時にAIが匿名化した本文だけを保存する設計にしており、確認担当者が個人名を消す作業を別途する必要がない。

👉 4Mなぜなぜ深掘りを無料で試す（登録不要）

個人情報の扱いで先に決めること

紙の報告書には、記入者の名前や筆跡といった個人を特定しうる情報が含まれることが多い。データ化に着手する前に、この扱いを決めておく必要がある。

個人情報保護法は、事業者に対して個人データの安全管理のために必要かつ適切な措置を講じる義務、および個人データを取り扱う従業者への監督義務を課している（個人情報保護委員会）。詳細な法解釈は専門家の確認が必要だが、少なくとも「誰が」「どこまで」個人情報に触れるかを事前に整理しておく姿勢が前提になる。

ここで最も見落とされがちなのが、誰が書いたか分かる状態でデータ化してしまうことだ。集計担当者が原文をそのまま社内に共有すると、書いた本人が特定される。「あれを書いたのは自分だと分かってしまった」という経験が一度でも広がると、次から報告そのものが止まる。

そのため、取り込みの設計段階で次を決めておきたい。

匿名化のタイミング：データ化と同時に匿名化するのか、社内共有の直前で匿名化するのか
原文へのアクセス権：読み取った生のテキストを誰が見られる状態にするか。見られる人を最小限にする
報告者への説明：紙に名前を書く欄があっても、集計後は匿名化される旨をあらかじめ周知しておく

安全ポスト＋の設計では、AIが匿名化した本文だけを保存し、読み取った原文(OCRの生テキスト)はサーバに保存しない。社内情報の性格が強い領域だからこそ、あえてそう作ってある。

もう一つ決めておくべきなのが、原本をどうするかである。取り込んだら破棄するのか、一定期間は保管するのか。この判断は、紙のヒヤリハットに保存義務があるかどうかとも関わってくる。この点は紙のヒヤリハットの保存年限と移行の優先順位で扱っている。

取り込んだ後の4M分類

紙から取り込んだ報告も、QRコードから届いた報告と同じ扱いで4M(人・機械・材料・方法)に自動分類される。取り込んだ瞬間から、他の報告と同じ土俵で集計・分析できるということだ。

これまで紙は紙、QR報告はQR報告と、集計先が分かれてしまっている現場は多い。データ化の本当の価値は、読み取りそのものよりも、この「同じ集計軸に乗る」ことにある。

分類された後は、なぜなぜ分析で深掘りする工程に進める。実際にどう深掘りされるかは、4Mなぜなぜ深掘りデモで登録なしに試せる。事象を入力するだけで、AIが原因を掘り下げ、対策まで提案する流れを体感できる。

導入前のチェックリスト

紙のデータ化に着手する前に、次の項目を確認しておくと運用でつまずきにくい。

匿名化のタイミングと、原文を見られる人の範囲を決めたか
記入者に「集計後は匿名化される」ことを周知したか
取り込んだ後の原本を破棄するか保管するかを決めたか
保管する場合、保管期間と保管場所を決めたか
誰が撮影・アップロード作業を担当するかを決めたか
月あたりの取り込みページ数の上限を確認したか
読み取り精度が完璧ではないことを、確認担当者に共有したか

これらは一度決めてしまえば、あとは運用に乗せるだけの項目ばかりだ。着手前の整理を面倒がらないことが、結局は近道になる。

よくある質問

Q. 手書きの文字はどこまで正確に読み取れるか

書き方や紙の状態によって変わる。OCRベンダーのPFUは自社製品でフリーピッチ手書き文字を95.5%以上の精度で認識するとしているが（PFUジャーナル）、これは特定条件下の実績値であり、崩し字や汚れた紙面ではこの水準に届かないこともある。読み取り結果はその場で確認・修正できる前提で運用するのが実務的だ。

Q. PDFで複数ページの報告書をまとめて取り込めるか

できる。安全ポスト＋の「紙から取り込み」機能は複数ページのPDFに対応しており、ページごとに1件の報告として取り込まれる。JPG・PNGの画像ファイルも利用できる。

Q. 読み取った原文はサーバに保存されるか

保存されない。安全ポスト＋では、AIが匿名化した本文だけを保存し、読み取った原文(OCRの生テキスト)は保存しない設計にしている。社内情報としての性格が強いことを踏まえた仕様だ。

Q. 取り込んだ後に内容を修正できるか

できる。取り込んだ内容はその場で確認・修正してから登録する流れになっており、AIの読み取り結果を確定前に手直しできる。

Q. 過去に溜まった紙をすべてデータ化すべきか

必ずしもすべてを移す必要はない。直近の分と重大な事例を優先し、古いものは段階的に判断するという考え方もある。優先順位のつけ方は紙のヒヤリハットの保存年限と移行の優先順位で解説している。

本記事は一般的な参考情報であり、法的・専門的な助言を提供するものではありません。個人情報の取り扱いに関する解釈・適用は、弁護士や個人情報保護に詳しい専門家、または個人情報保護委員会にご確認ください。記載内容は執筆時点の情報に基づきます。

まとめ

紙のヒヤリハット報告書のデータ化は、読み取り技術の話である以前に、運用設計の話である。

読み取り精度は100%にならない前提で運用する — 紙の状態と書き方に左右されるため、確認・修正の工程を組み込む
個人名の扱いを先に決める — 誰が書いたか分かる状態でデータ化すると、報告そのものが止まる
原本をどうするかを決める — 破棄するのか保管するのか、保存年限の考え方と合わせて判断する
取り込んだ後は同じ集計軸に乗せる — QR報告と同じ4M分類にまとめることで、紙とデジタルが別々の集計先になる状態を解消する

技術的にはアップロードするだけで完結するように見えるが、実際に運用が続くかどうかは、着手前にこの3つを決めておけるかで決まる。

現場改善に役立つ関連アプリ

アプリ名	概要	こんな課題に
安全ポスト＋	QRコードでログイン不要・匿名のヒヤリハット報告、紙から取り込みでAIが匿名化・4M自動分類	紙とQRで報告の集計先が分かれてしまっている
AnzenAI	KY活動記録・安全書類の作成を効率化	ヒヤリハット以外の安全書類もデジタル化したい
WhyTrace＋	なぜなぜ分析で災害の根本原因を究明	データ化した後の原因分析まで深掘りしたい