NaosyEC事業者の商品説明文審査を自動化 ― 景表法違反リスクをゼロに近づけた取り組み
数万SKUの商品説明文を出品前に審査するEC事業者が、AIによる景表法チェックと品質スコアリングで審査工数を80%削減した事例です。カテゴリ別の段階的ルール整備と、2026年のマルチモーダルAIで画像+テキスト同時チェックを実現した取り組みを解説します。
「3万SKUの商品説明文を、出品前に全件チェックしてほしい」――この要求に対して、人手で対応するのは物理的に不可能です。 EC事業者にとって、商品説明文の法令チェックは避けて通れない業務ですが、SKU数の爆発的増加に人的リソースが追いつかないのが現実です。
消費者庁のデータでは、景品表示法に基づく措置命令は年間40〜50件、指導案件はその数倍に上ります。ECモールの出品停止や、SNSでの炎上リスクも加わり、「知らなかった」では済まない状況です。
この記事では、EC事業者D社がAIによる商品説明文の自動審査を導入し、審査工数80%削減と出品リードタイムの大幅短縮を実現した事例を紹介します。
D社の課題 ― 数万SKUの審査が物理的に不可能
D社は自社ECサイトと複数のモール（Amazon、楽天、Yahoo!ショッピング）で約30,000SKUを展開するEC事業者です。カテゴリは食品、美容・健康、家電、ファッションと多岐にわたります。
審査の実態
審査担当者3名で、月間約2,000件の新規出品・更新を処理していました。しかし実態は、全件チェックではなく抜き打ちチェックでした。チェックできていたのは全体の約15%。残り85%はノーチェックで出品されていました。
この状況で発生した問題は以下の通りです。
- 景表法違反の指摘: モールからの出品停止通知が月平均5件。「期間限定」の表記が常態化していたケースや、根拠のない「売上No.1」表記が問題に
- 薬機法リスク: 健康食品カテゴリで「○○に効く」表現が含まれた商品説明文が3件検出された（幸い重大な行政処分には至らなかった）
- 出品リードタイム: 審査待ちで出品まで平均3営業日。セール前の一斉出品時は5営業日以上かかることも
ECの景表法リスク
消費者庁は近年、EC事業者への監視を強化しています。AIを活用したインターネット監視（サイバーパトロール）も導入されており、違反の発見・指摘のスピードが上がっています。「チェック体制がない」こと自体がコンプライアンスリスクになります。
EC商品説明文の審査項目
EC商品説明文で確認すべき法令・規制は多岐にわたります。
景品表示法（景表法）
- 優良誤認: 商品の品質・規格が実際よりも著しく優良であると消費者に誤認させる表示。「世界最高品質」「他社の2倍の効果」など
- 有利誤認: 取引条件が実際よりも著しく有利であると消費者に誤認させる表示。不当な二重価格表示、「今だけ特別価格」の常態化など
- 不実証広告: 合理的な根拠なく効果・性能を表示。消費者庁から根拠の提出を求められた場合に提出できないと措置命令の対象
薬機法（医薬品医療機器等法）
健康食品、化粧品、健康器具カテゴリでは薬機法のチェックが必須です。薬機法チェックのAI活用で詳しく解説していますが、「○○に効く」「治る」「予防できる」といった医薬品的な効能効果を謳う表現は禁止されています。
モール独自のガイドライン
Amazon、楽天、Yahoo!ショッピングはそれぞれ独自の出品ガイドラインを持っています。プラットフォームごとに禁止表現やフォーマット要件が異なるため、同じ商品でもモールごとに説明文を調整する必要があります。
図1: 商品説明文の審査対象 ― 3つの法令・規制領域
導入内容 ― カテゴリ別審査ルール × LLM判定
D社の審査システムは、カテゴリごとに最適化された審査パイプラインを構築している点が特徴です。
カテゴリ別の審査ルール設計
全カテゴリ共通の基本ルール（景表法の明確な違反パターン）に加え、カテゴリ固有のルールを設定しています。
# カテゴリ別審査ルール（例: 健康食品）
category: health_food
base_rules: [common_jtpa] # 景表法共通ルール
category_rules:
- rule: pharma_expression_check
description: "薬機法禁止表現のチェック"
patterns:
- "効く|治る|予防|改善|回復"
- "医学的|臨床的|科学的に証明"
severity: critical
- rule: health_claim_check
description: "機能性表示の適切性"
patterns:
- "機能性表示食品"
validation: "届出番号の存在確認"
severity: highルールベース → LLMの2段階審査
ステージ1（ルールベース）: 禁止表現リスト（約2,000パターン）との照合、価格表示の形式チェック、必須記載事項の有無確認。即座に判定でき、明確なNGを高速にフィルタリングします。
ステージ2（LLM判定）: ルールベースで判定できないグレーゾーンの表現をClaude 4.6 Sonnetで判定します。「このサプリメントで毎朝スッキリ！」のような表現は、文脈によって薬機法違反にも非違反にもなりえます。LLMが商品カテゴリ、前後の文脈、全体の表現トーンを総合的に判断します。
品質スコアリング
法令チェックに加え、商品説明文の「品質」をスコアリングする機能も実装しています。
- 情報充実度（0〜100）: 必要な情報（サイズ、素材、使い方等）がどの程度含まれているか
- 読みやすさ（0〜100）: 文章の長さ、構成、専門用語の使い方の適切さ
- SEO適性（0〜100）: 検索キーワードの自然な含有率、メタ情報の充実度
- コンプライアンス（0〜100）: 法令・ガイドライン違反リスクの低さ
総合スコアが70点以上なら自動承認、50〜69点なら改善提案付きで承認、49点以下はNG判定で修正を要求します。
図2: 商品説明文AI審査パイプラインの全体構成
マルチモーダルAIで画像＋テキスト同時チェック
2026年のD社の最新の取り組みとして、Gemini 3.1 Proのマルチモーダル機能を使った画像とテキストの整合性チェックがあります。
商品画像に表示されているテキスト（パッケージの表記、キャンペーンバナーのキャッチコピー等）と商品説明文のテキストが矛盾していないかを自動チェックします。たとえば、画像には「50%OFF」と表示されているのに説明文では「30%OFF」と記載されているケースや、画像のパッケージに記載のない成分を説明文で謳っているケースを検出します。
成果 ― 審査工数80%削減、出品リードタイム即日化
| 指標 | 導入前 | 導入後 | 改善率 |
|---|---|---|---|
| 審査カバー率 | 15%（抜き打ち） | 100%（全件） | 完全カバー達成 |
| 審査工数 | 3名×フルタイム | 3名×20%＋AI | 80%削減 |
| 出品リードタイム | 平均3営業日 | 即日（平均30分） | 95%短縮 |
| モールからの指摘 | 月5件 | 月0.5件 | 90%削減 |
| 薬機法リスク検出 | 年3件（事後発見） | 月10件（事前検出） | 事前防止に転換 |
図3: 導入前後の比較 ― 抜き打ち15%から全件100%チェックへ
成功のポイント ― カテゴリ別の段階的ルール整備
D社の導入で最も参考になるのは、一度にすべてのカテゴリを対応しなかったことです。
段階的展開のスケジュール
| フェーズ | 期間 | 対象 | 内容 |
|---|---|---|---|
| Phase 1 | 1〜2ヶ月目 | 健康食品・美容 | 薬機法チェックを最優先で実装。リスク最大のカテゴリから |
| Phase 2 | 3〜4ヶ月目 | 食品・飲料 | 食品表示法の審査ルールを追加 |
| Phase 3 | 5〜6ヶ月目 | 家電・日用品 | 景表法の一般ルールでカバー |
| Phase 4 | 7ヶ月目〜 | 全カテゴリ | 残りのカテゴリに展開＋品質スコアリング |
リスクの高いカテゴリ（健康食品・美容）から始め、効果を確認してから範囲を拡大する戦略が奏功しました。Phase 1の成果（薬機法違反の事前検出）が経営陣の信頼を勝ち取り、後続フェーズの予算確保がスムーズに進んだとのことです。
まとめ
EC事業者の商品説明文審査は、AIによる自動化の恩恵が最も大きい領域です。
- 全件チェックを実現: 人手では15%しかカバーできなかった審査を、AIで100%カバー
- カテゴリ別ルール設計: リスクの高いカテゴリから段階的に整備し、成果を見せながら拡大
- 2段階審査で精度と速度を両立: ルールベース（高速・明確なNG）＋LLM（グレーゾーン判定）
- マルチモーダルで画像＋テキスト同時チェック: 2026年の最新技術で整合性チェックの次元が変わる
広告審査AIの活用ガイドで解説した規制対応の考え方を、ECの商品説明文に特化して適用した事例です。品質モニタリングの仕組みと合わせて運用することで、継続的な精度維持が可能になります。
よくある質問
数万SKUの審査をAIで本当に回せますか？
はい。Claude 4.6 SonnetのBatch APIを使えば、1万件の商品説明文を数時間で処理できます。API費用は1万件あたり約5,000〜15,000円（テキスト量による）です。リアルタイムAPI呼び出しではなくバッチ処理にすることで、コストを50%削減しつつ大量処理が可能です。
景表法の判定精度はどのくらいですか？
明確な違反パターン（根拠なしの「No.1」、二重価格の不当表示）はルールベースで98%以上の精度で検出できます。グレーゾーンの表現（「最高級の品質」のような主観的表現）は、LLMで85〜90%の精度です。重要なのは、見逃し（False Negative）を最小化するために閾値を低めに設定し、人間が最終確認する設計にすることです。
出品リードタイムはどのくらい短縮できますか？
D社の事例では、審査待ち3営業日が即日（審査完了まで平均30分）に短縮されました。NG判定の場合は具体的な修正提案がAIから提示されるため、出品者の修正→再審査のサイクルも大幅に高速化されています。
薬機法や著作権のチェックもできますか？
景表法と同様のアプローチで対応可能です。薬機法は禁止表現リストのルールベースチェックが有効で、LLMで文脈を考慮した判定を加えます。著作権はブランド名・商標の無断使用を検出するルールと、商品画像の類似性チェック（マルチモーダルAI）を組み合わせます。カテゴリごとに適用する法令の組み合わせが異なるため、段階的に対応範囲を拡大してください。
この記事の著者
Naosy 編集部
レビュー・校正・審査プロセスの最適化に関する実践的なナレッジを発信しています。
