ささげ自動化のやり方｜16商品の後工程を自動にして誤りを数えた結果
セントラルオフィス編集部公開日 約8分で読めます
スマートトリミングAIを開発している株式会社セントラルオフィスです。
ささげ業務のうち、撮影や採寸そのものより、その後の「写真の名前を付け替えて、大きさをそろえて、登録用のCSVに書き写す」作業に時間を取られている店も多いのではないでしょうか。
ささげの仕組みを作るSAiも、自社のブログで、作業を自動にして手間を減らした事例を紹介していました。
ただ、自動にしたときに速くなるのは分かるとして、人が打ち間違えた数字や撮り違えた写真まで機械が止めてくれるのでしょうか。
そこで、架空の16商品で後工程を一通り自動にし、わざと誤りを10件仕込んで、どこまで拾えるかを数えてみました。
ささげの手作業を減らしたい方や、自動化ツールを入れる前に何を任せられるか知りたい方は参考にしてください。
結論：形をそろえる作業は自動に 中身は人が見る
結論から言うと、ささげの後工程で自動にしてよいのは「決まった形にそろえる作業」と「形の崩れを見つけるチェック」です。
16商品の名前付け・画像合わせ・寸法表・CSVは3秒で終わり、空欄や桁の打ち間違いのような形の崩れは仕込んだ7件すべてを拾えました。
ところが、写真の入れ違いと、ありえる範囲に収まった数字の誤りは、1件も止まりませんでした。
なので、そろえる作業は機械に任せ、写真と商品の対応と、タグや採寸表との数字の照合だけは人が見るのがおすすめです。
手順は次の5つで、どれも課金のないローカルの処理だけで組めます。
- 撮ったままの写真を、台帳の撮影順に合わせて
品番_色_01.jpgに付け替える - 写真を1000px四方に置き直し、服の長い辺が画像の84%になるようにそろえる
- 台帳の採寸から、商品ごとの寸法表の画像を作る
- 商品名・カラー・サイズ・素材・画像名を、登録用のCSVに書き出す
- 書き出す前に、空欄・範囲外の数字・サイズ順・組成の合計・色名・写真の有無・端の見切れを確かめる
コツは、チェックの基準を「その商品として正しいか」ではなく「形として崩れていないか」に絞ることです。
身幅は25〜80cm、袖丈は10〜90cmのように項目ごとの範囲を決めておくだけで、640cmのような桁の誤りは確実に止められます。
試した条件
架空の16商品（Tシャツ・デニム・ニット・コート・ワンピースなど）の台帳を作り、写真は当社のサンプル生成スクリプトで作った服の画像を使いました。
台帳には品番・商品名・カテゴリ・色・組成・サイズ・採寸を入れ、写真は IMG_2101 から撮影順に並んでいる想定です。
処理は Python の画像ライブラリ（Pillow と NumPy）だけで書き、実施日は2026年11月3日、手元の Mac で動かしました。
同じ処理を2回流し、1回目は正しい台帳で誤検出が出ないか、2回目は誤りを10件仕込んだ台帳でどこまで拾えるかを見ています。
結果：16商品は3秒で終わった
正しい台帳で流すと、16商品の写真16枚の付け替えと画像合わせが2.85秒、寸法表とCSVまで含めて3.06秒で終わりました。
チェックにかかったのは0.001秒で、正しい台帳に対して誤って止めた項目は0件です。
寸法表は台帳の数字をそのまま表にしただけですが、手で作ると商品ごとに罫線や列の順がずれやすい部分でもあります。
CSVは、楽天RMSのような一括登録に流し込める形を想定して、文字化けしにくいBOM付きのUTF-8で書き出しています。
仕込んだ誤り10件のうち7件を拾えた
次に、実際のささげで起きそうな誤りを10件、台帳と写真にわざと入れました。
拾えた7件は、どれも「形」が崩れていたものです。
MとLの着丈を入れ違えると、66・72・69のようにサイズ順に増えなくなるため、ここで止まりました。
色名を「マスタード」ではなく「からし」と書いたものは、店で使う色名の一覧にないので、ここで止まります。
写真のほうでは、コートの裾が画面からはみ出したものを、服が画像の端から2px以内に掛かっているかで見つけました。
素通りした3件はどれも「正しく見える誤り」
拾えなかった3件は、どれもチェックの範囲には収まっていました。
いちばん怖いのは、撮影順が1つずれて、キャミソールとワイドパンツの写真が入れ違ったケースです。
写真は撮影順で品番に結びつけているので、順番がずれると、ずれたまま正しい名前が付いてしまいます。
忙しい日に一覧を流し見しただけなら、ページに出るまで誰も気づかないかもしれません。
残りの2件は、Mの着丈75cmを77cmと書いたものと、綿97%・ポリウレタン3%の商品を綿100%と書いたものでした。
77cmはSの72cmとLの78cmの間に収まり、綿100%も組成の合計は100になるので、形のチェックでは止めようがありません。
考えてみれば当然で、正しい値を知っているのはタグと採寸表だけなので、機械にできるのは「ありえない値」を止めるところまでです。
人が見るのは2か所に絞れる
逆に言えば、人が見る場所は「写真と商品名の組み合わせ」と「タグ・採寸表との数字の照合」の2つしかありません。
写真の入れ違いは、CSVと縮小画像を1行ずつ並べた確認用の一覧を作れば、商品名と写真を横に見比べるだけで済みます。
撮影の段階で1枚目に品番の札を写し込んでおけば、順番のずれにも後から気づけるはずです。
撮影のカットの決め方は、ささげ撮影のやり方で1型あたりの枚数から確かめています。
数字の照合は、原稿を生成AIに任せる場合にも残る作業です。
照合のもとになる採寸の測り方は、ささげの採寸のやり方で店ごとの違いを数えました。
原稿づくりを生成AIに渡したときに何が崩れたかは、ささげ業務とはの「原稿を生成AIに任せて誤りを数えた結果」で数えています。
すでにある自動化ツール
自分で組まずに済ませたいなら、工程ごとのツールを使う手もあるでしょう。
| 工程 | ツールの例 | 自動にできること |
|---|---|---|
| 画像加工 | SAI SOON（ニコンシステム） | 白抜き・傾きと色の補正・部位のアップ |
| 採寸 | SAI SOON | 服の種類の判別と自動採寸・CSV出力 |
| 着用画像 | SASAGE.AI（メイキップ）・SASAGE.APP（グラムス） | 平置きの写真からモデル着用画像を作る |
| モール登録 | 楽天RMSのCSV一括登録 | 台帳から商品ページをまとめて登録する |
料金を公開しているものは見つからず、どれも見積が必要でした。
今回の試しで分かったとおり、どのツールを入れても写真と商品の対応だけは人の確認が残るので、導入の前に「入れ違いをどう見つけるか」を聞いておくと比べやすくなります。
画像の大きさをそろえる工程だけなら、正方形にトリミングする無料ツールでも試せます。
まとめ
ささげの後工程は、名前の付け替え・画像合わせ・寸法表・CSVまで自動にでき、16商品なら3秒で終わりました。
空欄や桁の誤りのような形の崩れは仕込んだ7件すべてを拾えたものの、写真の入れ違いと範囲内の数字の誤りは素通りしています。
まずは項目ごとの範囲と色名の一覧を決めてチェックを置き、写真と商品の対応、タグとの数字の照合の2か所だけを人が見る形から始めるのが現実的です。
商品写真の大きさや位置をそろえるコツは、アパレルの商品画像のトリミングでも詳しくまとめています。
タグや採寸表から原稿のどの欄へ写すかは、ささげの原稿の書き方で欄ごとに整理しました。
参考情報源
- SAi「ささげ業務とは？外注の相場と、作業を9割減らした実例」（2026-11-03 取得）
- ニコンシステム「SAI SOON」（2026-11-03 取得）
- メイキップ「SASAGE.AI」（2026-11-03 取得）
- グラムス「SASAGE.APP」（2026-11-03 取得）
