京畿道庁の生成AIプラットフォームは、なぜOCRではなくDEEP Parserを選んだのか

生成AIプラットフォームの成否は、結局のところ、文書をどれだけ正確なデータに変えられるかにかかっています。 京畿道庁は、単なる文字認識（OCR）を超えて、文書の構造と意味を復元するDEEP Parserを選び、AIがそのまま活用できる形へ行政文書を構造化しました。

生成AI時代、公共機関の業務はなぜ今も遅いのか

公共機関の仕事は、その多くが「文書の上で」動いている

公共機関の業務を詳しく見ていくと、システムよりも文書のほうがはるかに大きな影響力を持っていることが分かります。政策の検討は報告書から始まり、会議は会議資料と議事録として残り、行政判断の根拠は常に文書として積み重なっていきます。つまり公共機関の業務の流れは、人ではなく文書がつないでいる構造に近いのです。

問題は、これらの文書の多くが人を基準につくられているという点です。HWPやPDFは読むには便利ですが、コンピューターが理解するには構造情報がほとんどない状態です。見出しと本文、表と説明、段落間の階層は画面には見えても、データとしては消えてしまいます。そのため公共機関の内部では、すでに存在する資料であるにもかかわらず「もう一度探して読み、もう一度整理し、もう一度作成する」作業が繰り返されます。文書が積み重なるほど、行政は速くなるどころか、かえって遅くなっていきます。

生成AIを導入しようとしたが、現実は違った

こうした問題を解決するために、公共部門でも生成AIの導入が急速に進められました。質問すれば答えてくれるAI、文書を要約するサービス、社内資料の検索チャットボットまで、さまざまな試みが続きました。しかし実際の現場の反応は、期待ほど熱いものではありませんでした。

理由は単純です。AIに渡される文書が「理解できる形」になっていなかったからです。理解できる形でなかったために、文書をきちんと学習できなかったのです。 生成AIは賢そうに見えても、整理されていない文書の山を前にすると、何もできません。表が崩れたテキストや、段落の順序が入り乱れたデータは、AIにとっても混乱のもとです。結局のところ問題は、AIの性能ではなく、AIが読むべき文書の状態にあったのです。

OCRの次の段階が必要になった理由

OCRは「文字を書き写す技術」に近かった

OCRを分かりやすく言えば、人が見てタイピングしていた作業を自動で肩代わりしてくれる技術です。紙に書かれた文字を、コンピューターが読めるテキストに変えてくれるだけでも、確かに大きな進歩でした。手作業の入力が減り、検索ができるようになったからです。

しかしOCRの成果物は、あくまで文字のリストに近いものです。表の中の数字が何を意味するのか、見出しと本文がどんな関係にあるのか、段落がなぜこの順序で並んでいるのかは教えてくれません。そのためOCRだけを適用した文書は、人がもう一度読まなければ意味を把握できず、AIは依然として「目はあっても理解はできない」状態にとどまります。

→ OCRとは？PDF OCRプログラムからディープラーニングまで、強力になった文字認識技術

文書を理解するとは、何が違うのか

人が文書を読むときのことを思い浮かべると、その違いははっきりします。私たちは文書を見るとき、まず見出しを見て、表を一つのかたまりとして認識し、段落間の流れを自然に追っていきます。つまり、文字を読むと同時に構造と文脈をあわせて理解しているのです。

文書理解（Parsing）とは、まさにこの過程をAIにもできるようにすることです。 表は表として、段落は段落として、見出しは見出しとして認識されてこそ、その後の要約や検索、質問応答が正しく機能します。この段階が抜け落ちると、AIはどれほど優れたモデルであっても、表面的な回答を繰り返すだけになってしまいます。

文書を「画像と言語」でともに見るVLM方式

この問題を解決するために注目されている方式が、VLM（Vision Language Model）です。VLMは文書を単なるテキストファイルとしてではなく、画像と言語を同時に備えた対象として認識します。分かりやすく言えば、文書を写真のように見ながら、同時に内容を読む方式です。

このアプローチは、公共の行政文書に特によく合います。書式がばらばらで、表と説明が複雑に絡み合った文書でも、人のように全体を一度に見渡して構造を把握できるからです。OCRが文書を「切り分ける技術」だったとすれば、VLMは文書を「理解する技術」に近いと言えます。

京畿道庁の生成AIプラットフォームにおける技術的な選択

全国初となる広域自治体の生成AI事例の出発点

京畿道庁は、2025年の生成AIプラットフォーム構築事業を通じて、総額131億ウォン規模のプロジェクトを推進しました。これは単なる試験的な事業ではなく、広域自治体の行政全般に生成AIを実際の業務ツールとして適用しようとする、全国初の試みでした。

このプロジェクトで最初に提起された問いは、「どのAIモデルを使うか」ではありませんでした。「AIに実際に仕事をさせるには、何から変えるべきか」が核心でした。その答えは意外にも、システムではなく文書だったのです。

文書の90%を占めていたHWPとPDFの問題

京畿道庁の内部文書の90%以上は、HWPとPDFの形で存在します。これは、ほとんどの公共機関が共通して抱える現実です。問題は、これらの文書がAIにとってはほとんど「閉じた箱」に近いという点です。開いて見ることはできても、中に何がどう入っているのかは分かりにくいのです。

この状態では、どれほど優れた生成AIを導入しても、活用できる範囲は限られてしまいます。そこで京畿道庁の生成AIプラットフォームは、まず文書構造を解決する方向で設計されました。

DEEP Parserは文書をどう違うふうに扱うのか

文書を「文字」ではなく「構造」として見る

DEEP Parserの核心は、文書を文字単位で分解しないという点です。その代わりに、文書を意味単位で分解したうえで、もう一度組み立て直します。 表は一つの表として、結合されたセルはつながった情報として、段落は階層構造を保ったまま認識します。

このように構造が生きているデータは、AIがそのまま活用できます。文書の要約でも重要な段落を中心にまとめられ、政策の比較でも文脈を保った分析が可能になります。

AIエージェントがそのまま活用できる理由

生成AIが正しく機能するには、質問への答えを見つけられる整えられた知識空間が必要です。DEEP Parserがつくった構造化文書データは、まさにこの役割を果たします。単なる検索ではなく、質問の意図を理解し、関連する文書を結びつけて答えられる基盤になるのです。

だからDEEP Parserは、単独のソリューションではなく、生成AIプラットフォームの中核インフラに近い存在です。文書が構造化されなければ、AIエージェントも成り立たないからです。

数値で確かめられた信頼性の意味

DEEP Parserは、自社テスト基準で文書項目の認識精度97.3%、データ抽出精度96%を記録しました。この数値は、単なる技術PR用の指標ではありません。公共機関のように誤りの許容範囲が非常に狭い環境では、これくらいの精度があってはじめて、実際の業務への適用が可能になります。

文書が変わると、行政はどう変わるのか

Alt text： AIによる行政自動化と公共サービス革新を表現した画像

公務員の役割が「整理」から「判断」へと移る

文書の構造化が実現すると、公務員の一日は大きく変わります。資料を探して整理するのに使われていた時間が減り、政策の判断や意思決定にもっと多くの時間を使えるようになります。AIが繰り返しの業務を処理し、人は判断に集中する。そんな構造が生まれます。

検索ではなく「質問応答」する行政への転換

これまでは、文書を探すためにキーワードを検索する必要がありました。構造化された文書データの上では、質問そのものが検索になります。「この政策と似た事例は？」といった質問に対して、AIが関連する文書をつなぎ合わせて答える方式です。これは、行政業務のスピードと質を同時に変えます。

公共文書が知識資産になる瞬間

この変化の本質は、効率化ではありません。公共文書が単なる保管の対象ではなく、継続的に活用できる知識資産へと変わるという点です。これは今後、政策分析や市民サービスの改善、AIによる行政革新の出発点になります。

この事例が、他の公共機関にとって重要な理由

なぜ「全国初の広域自治体事例」なのか

京畿道庁の事例は、一つの機関の成功にとどまらず、その後に導入する機関が参考にできる基準モデルを示したという点で、大きな意味があります。何から始めるべきか、どんな技術が必要かという問いに、答えを提示してくれるのです。

他の機関にもそのまま適用できる構造

DEEP Parserは特定の書式に依存しないため、中央省庁、基礎自治体、公共機関全般へと拡張して適用できます。これは、公共部門における生成AIの普及の、現実的な条件を満たすものです。

2026年、AIプラットフォームを完成させる運用プラットフォームDEEP Ops

文書をデータに変えたあとの課題は、その基準を維持し、改善し続けることです。2026年にリリースされた韓国ディープラーニングの運用プラットフォームDEEP Opsは、導入後に担当者が自ら抽出基準を自然言語で変更し、同じ文書で従来のバージョンと性能を比較・検証しながらバージョンを管理できるようにします。規定や書式が頻繁に変わる公共・行政の環境で、AIプラットフォームを外部の開発に頼らず、内部で高度化できるということです。

あわせて読みたい記事：DEEP Parserによる行政文書の構造化事例

よくある質問（FAQ）

Q1. OCRとDEEP Parserは何が違うのですか。OCRは文字を読み取り、DEEP Parserは文書の構造や表・項目の関係まで復元して、AIがそのまま使えるデータにします。

Q2. 公共機関では、なぜ文書の構造化が先に必要なのですか。生成AIの回答の品質は、結局のところ入力する文書の品質に左右されるからです。

Q3. 規定や書式が変わるたびに、再開発しなければならないのですか。いいえ。運用プラットフォームDEEP Opsを使えば、再開発なしに自然言語で基準を変更し、検証できます。

まとめ：生成AIの成否は、結局のところ文書で決まる

AIモデルより先に設計すべきもの

生成AIの導入で最初に設計すべき対象は、モデルではなく文書です。文書が理解されなければ、AIも仕事はできません。

京畿道庁の事例が示した、明確なメッセージ

韓国ディープラーニングのDEEP Parserと京畿道庁の事例は、一つの事実をはっきりと示しています。

生成AIは、「理解できる文書」の上でこそ、はじめて正しく機能する。