【EC・小売】商品画像チェックをClaude Code/Codexで自動化する方法
aikanri-admin
この記事の内容
ECの商品画像チェックは、撮影データ、商品説明文、SKU一覧、モールごとの画像規定を行き来しながら「このまま公開してよいか」を一枚ずつ見ていく作業です。とくに公開前の一次チェック — 必要なカットが揃っているか、説明文と画像が食い違っていないか、古いキャンペーン画像が紛れていないか — は枚数が増えるほど目視の限界が来やすく、撮影・画像担当ひとりに負荷が集中しがちです。AIは画像の合否そのものを決めるものではありませんが、不足カット候補・不一致候補・差し替え候補を先に並べる一次仕分けの補助として使えます。
1SKUあたりの画像公開前チェック (フェリーチェ雑貨店のモデル事例)
本記事では、AI鬼管理 が支援を想定する フェリーチェ雑貨店 (静岡県浜松市・生活雑貨とアパレル小物のEC・月約220SKUを公開) をモデル事例に、Claude Code/Codex で商品画像チェックを「不足カット候補+説明文との不一致候補+差し替え候補」まで一次仕分けする手順を解説します。撮影・画像を越智(おち)さんがほぼ一人で見ていて、1SKUの公開前チェックに約18分かかっていた会社が、商品登録担当の真壁(まかべ)さんも一次チェックを回せるようになり、セール前の画像差し替えラッシュでの公開遅れを減らした流れです。
代表菅澤
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、
- 商品画像チェックで画像担当が抱えている負荷(カット不足の発見・説明文との照合・差し替え管理)が分かる
- Claude Code/Codexで自動化できる3項目(不足カット候補/不一致候補/差し替え候補)が理解できる
- 5ステップでのPoC〜運用の進め方が分かる
- 不足カットと説明文の不一致を見落とさない検出の型が分かる
- モール規定・NG表現を画像でどう確認するか、その観点が分かる
01 PROBLEM 商品画像チェックの現場で起きていること カット不足・説明文との照合・差し替え管理のトリレンマ
問題1: 必要カットの過不足が、画像担当ひとりの記憶に依存する。フェリーチェ雑貨店では、カテゴリごとに「最低限そろえたいカット」が越智さんの頭の中にありました。アパレル小物なら正面・背面・素材アップ・サイズ比較・着用イメージ、雑貨なら正面・パッケージ・同梱物・使用シーン、というように。ところが基準が言語化されていないため、真壁さんが登録した商品は「サイズ比較が抜けている」「裏面がない」が公開直前に見つかり、結局すべて越智さんの最終確認待ちになっていました。
問題2: テキスト登録と画像登録が別担当で、照合が後回しになる。説明文には「ネイビー」と書いてあるのに登録画像は旧ロットの「インディゴ」、「3点セット」と書いてあるのに画像は2点しか写っていない — こうした画像とテキストの不一致は、公開後にお客様からの問い合わせで初めて発覚することが多く、色味や数量の認識違いは返品理由の上位になりがちです。
問題3: 差し替え対象の管理が手作業で、履歴が残らない。セールバナー入りの画像、終了した送料無料の告知、旧パッケージの写真 — これらを「あとで差し替える」とスプレッドシートに手入力していたため、どの画像をいつ・なぜ差し替えたのかが残りませんでした。フェリーチェ雑貨店でも、セール終了後に「まだ"特価"の文字が入った画像が残っていた」という取りこぼしが毎シーズン起きていました。
02 WHAT Claude Code/Codexで何を自動化するか 合否判定ではなく、不足・不一致・差し替えの一次仕分けを自動化
📚 用語解説
一次チェック(一次仕分け)：公開前に「人が最終確認すべき画像」を絞り込むための、最初のふるい分け作業。合否そのものを決めるのではなく、不足カット・説明文との不一致・差し替え対象の"候補"を先に集めることで、画像担当の目視確認を短くするのが目的。最終的に掲載してよいかは人が判断する。
処理1: 不足カットの候補出し。カテゴリごとに定義した「必要カット表」と、実際に登録されている画像ファイルを突き合わせ、「正面はあるが背面がない」「サイズ比較カットが見当たらない」といった不足候補を一覧化します。アパレル小物・雑貨・食品など、カテゴリで必要カットが違う点を前提に並べます。
処理2: 説明文・SKU情報との不一致候補の抽出。商品説明文やSKU情報(カラー名・同梱点数・サイズ表記)と、画像のキャプションやファイル名・代替テキストを照合し、「説明文はネイビーだが画像名はindigo」「説明文は3点だが画像点数が合わない」といった食い違いの候補を出します。最終的な色味や数量は実物資料で人が確認します。
処理3: 差し替え候補の整理。画像内のテキスト(「特価」「送料無料」「期間限定」など)、旧パッケージ、終了したキャンペーン表記の可能性がある画像を差し替え候補として集め、差し替え指示文の下書きまで作ります。この一覧があるだけで、セール終了後の取りこぼしがぐっと減ります。
| 入力情報 | AIが整理すること | 人(画像担当)が確認すること |
|---|---|---|
| 必要カット表 | カテゴリ別の不足カット候補 | 撮り直しの要否、実物との見え方 |
| 商品画像 | ファイル名・代替テキスト・写り込みの説明候補 | 実物の色味・質感、写真の品質 |
| 商品説明文 | カラー名・点数・サイズ表記の不一致候補 | 正しい表記、実物との一致、訂正方針 |
| 画像内テキスト | 「特価」「期間限定」等の差し替え候補 | 掲載期限、広告表示としての可否 |
| 提供元・権利情報 | 出所が不明な画像の確認候補 | 利用許諾・契約条件・二次利用の可否 |
AIの役割は不足カット候補・不一致候補・差し替え候補の整理までです。色味・質感・権利関係・広告表示として問題ないかは必ず画像担当が確認します。とくに「掲載してよいか」の最終判断は人が行う — この線引きを最初に決めておくと、現場が安心してAIを使えます。
03 HOW 具体的な進め方 5ステップ 小さくPoCし、見逃した不一致の理由をチェック表へ戻す
商品画像チェックAI化の5ステップ
アパレル小物・雑貨・食品など、必要カットが違う区分を先に分けて対象を1つ選ぶ
「アパレル小物は正面・背面・素材・サイズ比較・着用を必須」「色名は説明文を正とする」など越智さんの基準を文章化する
不足カット候補・不一致候補・差し替え候補を、合否ではなく確認用ドラフトとして出す
画像担当が直した箇所と「AIが見逃した不一致」をCLAUDE.mdへ戻し、候補の精度を上げる
一次チェックを商品登録担当に任せ、画像担当は実物・権利確認に回る。うまくいったカテゴリから横展開する
5ステップで最も大切なのは、STEP 4の「AIが見逃した不一致を残すこと」です。AIが不一致候補を出せなかったケース — たとえば「画像の色は合っていたが、タグの表記がモール規定に触れていた」 — を見つけたら、その観点をCLAUDE.mdへ戻します。逆に、その理由を戻していけば、AIの一次仕分けは少しずつフェリーチェ雑貨店のチェック基準に近づきます。
04 RESULT 導入後の変化と数値効果(フェリーチェ雑貨店の事例) 画像チェック18分→6分、一次仕分けの属人化を解消
- 登録画像を1枚ずつ見ながら、越智さんが必要カットの過不足を目視で確認していた(1SKU約18分)
- 説明文のカラー名・点数と画像が合っているかを、別画面と見比べて照合していた
- セール後も「特価」「期間限定」入りの画像が残り、終了告知の取りこぼしが毎シーズン発生
- 真壁さんは一次チェックを回せず、画像確認が越智さんに集中して公開が遅れていた
- AIがカテゴリ別の必要カット表と突き合わせ、不足カット候補を一覧化、一次チェックは約6分に
- 説明文・SKUと画像の不一致候補(色名・点数・サイズ表記)を先に提示
- 画像内テキストの差し替え候補と指示文を下書きし、キャンペーン表記の取りこぼしが減少
- 真壁さんが一次仕分けを回し、越智さんは実物・権利確認に専念。セール前の公開遅れが減った
AI鬼管理山崎
05 PITFALL よくある落とし穴3つ 判定・権利・広告表示の扱いを誤らない
AIが読み取る色名・素材・数量・同梱物は、あくまで候補です。実物の色味は撮影条件やモニターで変わり、AIの説明が実物とズレることもあります。カラー名・点数・付属品は商品資料や実物情報で人が確認します。判定を任せると、誤った情報がそのまま公開に乗ります。
メーカー提供画像、モデル着用画像、二次利用した素材は、利用許諾や契約条件の確認が必要です。AIは出所が不明な画像を「確認候補」として挙げられますが、使ってよいかの最終判断はしません。提供元資料や社内ルールに基づいて人が確認してください。
ビフォーアフター、過度な演出、終了したキャンペーンの「特価」「送料無料」表記は、広告表示として確認すべき対象です。AIの差し替え候補は便利ですが、最終的に「掲載してよいか」の線引きは画像担当の責任で行います。
06 DETECT 不足カット・説明文との不一致を検出する型 「足りない画像」と「食い違う情報」は分けて見る
AIの一次仕分けの精度を上げるには、「不足カット(画像が足りない)」と「不一致(画像とテキストが食い違う)」を分けてCLAUDE.mdに書いておくことが効きます。フェリーチェ雑貨店で使っている、商品画像ならではの検出の型を紹介します。
型1: カテゴリ別の必要カット表で「不足」を見る
まず「このカテゴリなら最低このカットは要る」という必要カット表を作ります。たとえばアパレル小物なら正面・背面・素材アップ・サイズ比較・着用イメージの5点、雑貨なら正面・パッケージ・同梱物全点・使用シーンの4点、というように。AIはこの表と登録画像を突き合わせ、「背面カットが見当たらない」「サイズ比較がない」を不足候補として出します。カテゴリを混ぜると基準がぶれて漏れるので、区分を分けて登録するのがコツです。
型2: 「画像が正、説明文が正」の優先順を決めて「不一致」を見る
色名・点数・サイズ表記が画像と説明文で食い違ったとき、どちらを正として扱うかを先に決めておきます。フェリーチェ雑貨店では「カラー名と同梱点数は説明文(商品マスター)を正とし、画像側を疑う」「サイズ感は実物採寸を正とする」と決めています。これを決めておくと、AIは「説明文はネイビーだが画像はインディゴに見える→画像を確認」のように、確認の向きが定まった不一致候補を出せます。
型3: 画像内テキストは「中身」と「期限」を分けて見る
画像に文字が入っている場合、商品仕様の文字(容量・素材・対応サイズ)と販促の文字(特価・送料無料・期間限定)を分けて扱います。前者は説明文との一致を、後者は掲載期限と広告表示の可否を確認します。この切り分けをルール化しておくと、AIは「期限のある販促文言が入った画像」を差し替え候補として優先的に拾えるようになります。
上の型1(不足カット)と型2・型3(不一致・画像内テキスト)を分けてCLAUDE.mdに書いておくと、AIが目的に応じて候補を出し分けます。「足りない画像」と「食い違う情報」を一緒くたにすると見落としが増えるので、検出の軸を分けて登録するのがポイントです。
07 RULES モール規定・NG表現の確認観点(画像編) 同じ画像でも、媒体ごとに通る/通らないが変わる
商品画像のトラブルは、画像そのものの良し悪しより「媒体の規定に合っているか」で起きがちです。同じ画像でも、自社ECでは問題なくてもモールでは差し戻される、ということがあります。フェリーチェ雑貨店が画像チェックで必ず見ている、媒体ごとの確認観点の型を紹介します。なお具体的な規定は媒体ごとに改定されるため、最終的な可否は各媒体の最新ガイドラインと担当者の確認で判断します。
観点1: 1枚目(メイン画像)の規定を分けて持つ
モールでは「1枚目はテキストや枠を入れない」「背景は白基調」といったメイン画像の規定があることが多く、自社ECの自由なメイン画像とは別の基準が要ります。「自社EC用のメイン画像」と「モール用のメイン画像」を別カットとして必要カット表に分けておくと、AIが「モール用なのにテキスト入り画像が1枚目になっている」候補を出せます。
観点2: NG表現になりやすい画像内テキストを観点化する
「No.1」「最安」「完売必至」「効果が出る」のような根拠が必要・断定的な表現が画像内に入っていないかを確認観点にします。AIは画像のキャプションや代替テキストから、こうした断定・最上級表現の候補を拾えます。ただし景品表示法や各媒体ポリシーに照らした最終判断は人が行う前提です。
観点3: 画像比率・テキスト占有率の媒体差を確認する
正方形が基本の媒体、横長が映える媒体、画像内テキストの占有率に上限がある媒体など、比率とテキスト量の規定は媒体ごとに異なります。「媒体別の推奨比率」と「テキスト多めの画像」をAIに候補として挙げさせ、人が各媒体の規定と照らして差し替え要否を判断します。
上の3つの観点を媒体別にCLAUDE.mdへ書いておくと、AIが媒体に応じて「規定に触れそうな画像」の候補を出し分けます。媒体規定は改定されるため、観点は定期的に見直し、最終的な掲載可否は各媒体の最新ガイドラインと担当者の確認で決めるのが安全です。
08 RELATED 関連記事: EC・小売の自動化事例10選(全業務マップ) 商品画像チェック以外の9業務も含めた事例集
本記事はEC・小売の自動化事例10選のうち、事例2「商品画像チェック」を深掘りした内容です。商品登録・問い合わせ対応・在庫発注・レビュー返信など他の業務もあわせてご覧ください。→ EC・小売の自動化事例10選(全業務マップ)
09 ABOUT AI鬼管理について - 商品画像チェックの伴走サービス 属人化した画像チェックを、確認中心の運用へ
本記事を発信している AI鬼管理 は、EC・小売のAI業務自動化をClaude Code/Codexで設計から伴走するサービスです。商品画像チェックは、一次仕分けの属人化を解くことで、公開スピードと差し戻し削減、若手育成に効く打ち手です。
代表菅澤
属人化した商品画像チェック、いっしょに軽くしませんか?
本記事のフェリーチェ雑貨店の例は、雑貨とアパレル小物中心・月約220SKU・画像担当ひとり集中というモデルケースです。貴店の商品カテゴリの構成や出店している媒体によって、最適な進め方は変わります。まずは今の画像チェックのやり方をうかがって、貴店に合った設計をご提案します。
代表菅澤
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code/Codex・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. AIで画像の正誤を確定できますか?
A. 確定はできません。AIは不足カット候補や説明文との不一致候補を出すまでにし、色味・数量・付属品は商品資料や実物を見て画像担当が確認する設計が現実的です。掲載してよいかの最終判断は人が行います。
Q. 画像内のテキストも確認できますか?
A. 確認候補としては抽出できます。容量や素材などの仕様文字は説明文との一致を、「特価」「期間限定」などの販促文字は掲載期限と広告表示の可否を、人が確認します。
Q. 商品画像の権利確認もAIに任せられますか?
A. 任せられません。メーカー提供画像やモデル着用画像、二次利用素材の利用許諾・契約条件は、提供元資料や社内ルールに基づいて人が確認します。AIは出所が不明な画像を確認候補として挙げるまでです。
Q. モールごとに画像規定が違っても対応できますか?
A. 対応できます。媒体別の確認観点(メイン画像規定・NG表現・比率やテキスト量)をCLAUDE.mdに分けて持たせると、規定に触れそうな画像を候補として出し分けられます。最終的な可否は各媒体の最新ガイドラインで確認します。
Q. 料金やプランを教えてください
A. 料金やサポートプランは AI鬼管理のサービスページをご覧ください。貴店向けの個別ご提案は本記事末尾のNEXT STEPからお問い合わせください。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
