用語集
Your Guide to the Agentic Era.
エージェンティックAI、オントロジー、RAG、LLMなど、企業のAI革新を導く技術と概念をやさしく明確に確認できます。
- 用語
- 54
- カテゴリー
- 5
基本概念
10AIワーカー
AIワーカー
文書やデータを読んで構造化し、判断まで行って、人が担っていた業務を代わりに行うAIです。質問に答えるAIと違い、結果を既存の業務システムに入力するところまで責任を持ちます。
詳細Zero-Touch
ゼロタッチ
正常に処理できる件はAIが完了させ、例外の件だけを人が確認する運用の仕組みです。人が手を触れる件数そのものを減らすことが目標で、3 Zero AI Worker戦略ではZero Reviewとしてこの軸を扱います。
詳細非構造化データ
UNSTRUCTURED DATA
表の形に整理されていない文書、画像、ファックス、スキャンなど、そのままではシステムに登録できないデータです。企業が保有するデータの大部分がこれに当たり、業務の自動化はこのデータを読み取る地点から始まります。
詳細ドキュメントAI
文書AI
文書を認識し理解するAI技術のカテゴリを指す言葉です。文字認識から項目抽出までを含みます。文書を読む段階までを扱う概念なので、読んだ後に業務を実行する領域はAIワーカーとして分けて説明します。
詳細IDP
INTELLIGENT DOCUMENT PROCESSING
文書の受付から認識と抽出、検証までを一つの流れにまとめて処理する、インテリジェント文書処理の仕組みです。個々の機能を組み合わせるのではなく、業務プロセス単位で設計してこそ、実際の処理量が減ります。
詳細3 Zero AIワーカー
3ゼロ AIワーカー
Zero Training、Zero Hallucination、Zero Reviewを軸に文書業務の自動化を設計する戦略です。反復学習、根拠のない判断、全件の目視検査という3つの負担をなくし、成果は人が介入せず処理した割合で測ります。
詳細文書自動化
文書業務の自動化
人が文書を開いて内容を確認し、業務システムに書き写していた作業をAIが代わりに行うことです。認識結果を画面に表示するだけで止まると、自動化ではなく確認作業が一つ増えたことに近くなります。
詳細DEEP Agent
DEEP AGENT
韓国ディープラーニングのAIエージェントで、非定型データを理解し、業務ルールと文脈に基づいて判断したうえで、審査、確認、システム登録といった実際の業務を遂行します。抽出後に人が判断して再入力していた区間を担います。
詳細AX
AI TRANSFORMATION
AIトランスフォーメーションの略で、人が担ってきた業務の一部をAIが実際に遂行するよう、業務フロー、システム、運営方式をあわせて変える組織の転換です。AIツールを入れても処理時間と人の役割が変わらないなら、まだAXではありません。
詳細文書AX
文書AIトランスフォーメーション
文書の受付、読み取り、判断、システム登録を行う業務にAXを適用し、人がつないでいた工程をAIが最後まで遂行するように変える転換です。文書を電子化した後も、担当者がファイルを開いて読み、書き写しているなら、文書AXが必要な状態です。
詳細
業務とプロセス
8RPA
ROBOTIC PROCESS AUTOMATION
決まった画面操作や入力の手順を、ソフトウェアが繰り返し実行する自動化ツールです。ルールが固定された区間で力を発揮するため、文書を読み取る前段はAIが担当し、その後の入力区間をRPAが担当する組み合わせが一般的です。
詳細EDMS
電子文書管理システム
企業が文書の原本と処理履歴を保管し、検索できるようにするシステムです。抽出されたデータがEDMSに格納されてこそ、その後のRPAや基幹系システムへ業務がつながります。
詳細STP
無介入率
受け付けた件のうち、人が介入せずに最後まで処理された割合で、無介入率とも呼ばれます。認識精度よりもこの指標が実際の人員削減効果を正確に示し、業務がシステム登録まで完了したかどうかは業務完了率で別に確認します。
詳細Human-in-the-Loop
人による確認の介入
AIの処理結果のうち、確信度の低い案件だけを人が確認するように設計する方式です。全件確認と無確認の間で運用リスクを管理する、現実的な選択肢です。
詳細例外処理
例外の取り扱い
定められた規則で判断できない案件を、別の流れに切り分ける処理です。自動化の成否は、正常な案件の処理速度よりも、例外の案件をどれだけ狭く定義したかで分かれます。
詳細FTE削減
FULL-TIME EQUIVALENT
同じ業務量を処理するために必要な人員を、常勤換算で比較する指標です。文書業務の自動化投資の効果を説明する際に、最も頻繁に求められる数値です。
詳細業務完了率
TASK COMPLETION RATE
受け付けた業務の件のうち、判定、システム登録、処理結果の記録までが業務の流れの中で完了した件の割合です。自動処理件数は増えたのに、担当者が結果を書き写したり書類を再度依頼したりしている場合は、まずこの指標を確認する必要があります。
詳細エージェンティック文書処理
エージェンティック文書処理
AIエージェントが文書を読み、何を確認しどのツールを使うかを自ら決め、定められた目標と権限の範囲で業務を最後まで進める方式です。提出書類の組み合わせが案件ごとに異なり、規則を足し続けているなら検討するときです。
詳細
技術と構成
13OCR
光学文字認識
画像の中の文字をテキストに変換する技術です。活字を読むことと、実際の業務文書を読むことは別の問題です。手書き文字、表、印鑑が1枚に混ざると、難しさは大きく変わります。
詳細VLM
VISION LANGUAGE MODEL
画像とテキストを一緒に理解するモデルで、文字だけでなく文書の配置や文脈も解釈します。規則ベースのOCRが見逃していた結合セルやチェックボックス、低解像度のファックス文書で、性能の差が大きく開きます。
詳細ドキュメントパーシング
文書の構造化
文書の見出し、表、リスト、図といった構成要素と階層を分析し、機械が利用できるデータに変換する作業です。テキストだけを抽出すると構造が失われるため、その後のRAGや検索の品質はこの段階で決まります。
詳細KIE
KEY INFORMATION EXTRACTION
文書の中から業務に必要な項目だけを選び、キーと値の組として抽出する技術です。OCRが何が書かれているかに答えるのに対し、KIEはその文字が業務上何を意味するかに答えます。
詳細レイアウト分析
レイアウト分析
ページの中でタイトル、本文、表、ヘッダーなどの領域を見分け、読む順序を決める処理です。段組みや表の中の表のように、人でも迷う構造で精度の差がはっきり表れます。
詳細文書分類
文書の分類
受け付けたファイルがどの様式かを判別し、必要であれば文書単位に分ける処理です。複数の書類が1つのPDFに結合されて届く金融業務では、この段階が自動化全体のボトルネックになります。
詳細表認識
TABLE RECOGNITION
表の行と列、結合されたセルの構造をそのまま生かして、データへ移す処理です。セルの値だけを読んで構造を失うと、項目と金額のつながりが切れ、業務で使えなくなります。
詳細クロスドキュメント検証
CROSS VALIDATION
1件の業務を構成する複数の文書から同じ項目の値を取り出して照合し、一致するかどうかを判定する処理です。1枚の文書の認識精度がどれほど高くても、書類同士で代表者名や口座番号が食い違えば業務は進まないため、審査の自動化はこの段階で完成します。
詳細エージェントワークフロー
エージェントワークフロー
文書の分類と情報抽出、文書間の検証、条件判断、担当者の承認、システム実行までを1つの業務フローにつないだ自動化の設計です。機能を別々に置くと区間ごとに人が橋渡しをすることになるため、1件が最後まで届くかどうかを基準に設計します。
詳細AIエージェント
エージェント
目標を受け取り、必要なツールを自ら選んで使い、複数の段階を続けて進めるAIです。文書業務では、抽出されたデータをもとに条件を判断し、システムに登録する実行の段階を担います。
詳細抽出スキーマ
抽出の規格
文書からどの項目を、どの名前と形式と条件で抽出するかを定めた規格です。抽出結果を業務システムがすぐに使える構造に合わせる基準です。抽出された値を人が形式に合わせて移し替えているなら、まずスキーマを定める必要があります。
詳細エージェンティックAI
エージェンティックAI
目標が与えられると手順を自ら計画し、ツールを選んで実行し、結果を確かめて次の行動を調整するAIです。AIの回答を受けたあと、人が照会と登録を1段階ずつつないでいる業務なら、検討する価値があります。
詳細LLM OCR
大規模言語モデルOCR
大規模言語モデルが文書画像やOCRの結果を受け取り、文脈を根拠に文字を判読して、必要な項目を決まった形式に整理する方式です。初めて見る書式にも対応できますが、原本にない値を作ることがあるため、根拠の確認と相互検証が必要です。
詳細
データと品質
10完全一致率
完全一致の割合
抽出した値が正解と一文字ずつ完全に同じである割合です。最も厳格な基準であるため、実際の運用目標は業務が許容する誤差を反映して別に定めます。
詳細Fuzzy Similarity
類似度ベースの精度
スペースや記号の違いを考慮して、2つの文字列がどの程度一致するかを測る指標です。人が読んで同じ値と判断するケースを反映するため、体感精度に近い数値になります。
詳細TEDS
表構造類似度
抽出した表が、原本の表の構造とどれだけ一致しているかを測る指標です。テキストの精度が高くても、この値が低ければ、表が中心の文書ではデータがずれてしまいます。
詳細個人情報の非識別化
DE-IDENTIFICATION
文書の中から個人を特定できる項目を隠したり、別の値に置き換えたりする処理です。公共データを学習や検索の用途に移す際には、事実上の前提条件になります。
詳細ファインチューニング
FINE-TUNING
事前学習済みのモデルを、特定の文書群と業務ルールに合わせて追加で学習させる工程です。様式が固定された企業文書では、汎用モデルとの性能差が大きく開きます。
詳細ハルシネーション
HALLUCINATION
モデルが根拠のない値をもっともらしく生成してしまう現象です。文書にない金額や日付が生成されると、すぐに業務事故になるため、値の根拠位置をあわせて返し、確信度の低い項目は生成しない設計が必要です。
詳細正解データ
GROUND TRUTH DATA
文書の各項目や質問について人が確定した正しい値を集めたデータで、AIの結果を採点し、バージョン間の性能を比較する基準です。モデルや基準を変えた後で、良くなったかどうかを数件の目視で判断しているなら、まず正解データを作る必要があります。
詳細データドリフト
DATA DRIFT
運用環境に入るデータの特性や分布が、モデルを作成し評価した当時と変わる現象で、AIの性能を少しずつ低下させます。モデルを変えていないのに例外件や特定項目の誤りが増えているなら、まず疑うべき原因です。
詳細信頼度スコア
CONFIDENCE SCORE
AIが抽出または判定した結果が正しい可能性を、1件ごとに数値で表した値です。自動処理する件と人が確認する件を分ける基準になります。スコアを使う前に、スコアが高かった件が実際に正しかったかを正解データで確認しておく必要があります。
詳細AIレディデータ
AIレディデータ
AIが検索、判断、処理にすぐ使えるよう、構造、出典、品質、利用条件を整えたデータで、生成AIとAIエージェント導入の出発点です。AIの回答で表が崩れたり出典が見えなかったりするなら、この段階が抜けています。
詳細
導入と運用
13AI Ops
AI運用
AIモデルとエージェントを実際の業務に配備したあと、品質、コスト、遅延時間、バージョンと変更履歴を継続的に管理する運用の仕組みです。モデルだけでなく、プロンプト、ツールの連携、評価基準などAIサービス全体を運用の対象として扱います。
詳細DEEP Ops
DEEP OPS
文書AIの導入後に変わる抽出基準や業務に合わせてAIを自ら変更し、性能を検証できる韓国ディープラーニングの文書AI運用プラットフォームです。変更前後の比較とバージョン管理で、運用中の修正の負担を減らします。
詳細MLOps
機械学習運用
機械学習モデルの開発から、デプロイ、監視、更新までの全過程を体系的に管理する運用の方法論です。モデルを作るだけで終わらず、実際の環境で性能を安定して維持し、改善し続けることに重点を置いています。
詳細オンプレミス
オンプレミス
外部のクラウドではなく、顧客企業の社内サーバーにモデルとシステムをインストールして運用する方式です。文書の原本が外部に出せない金融や公共の環境では、選択肢ではなく要件になります。
詳細ネットワーク分離
ネットワーク分離
業務ネットワークとインターネット用ネットワークを物理的または論理的に分離する、韓国の情報セキュリティ規定です。外部APIの呼び出しが遮断されるため、導入できるソリューションの範囲がこの地点で分かれます。
詳細OCR API
OCR API
文書の画像を送ると認識結果が返ってくる方式で、機能をシステムに連携するためのインターフェースです。初期の検証には素早く使えますが、セキュリティ要件のある組織は構築型との併用が可能かどうかも合わせて確認する必要があります。
詳細RAG前処理
RAG前処理
検索拡張生成に使う文書を、構造と意味が保たれるように整理する事前作業です。回答の品質が低い原因は、モデルよりもこの段階で文書が損なわれている場合が多くあります。
詳細チャンキング
CHUNKING
長い文書を検索と生成に適したサイズに分ける作業です。段落や節の構造を無視して文字数だけで区切ると、表や条項が途中で切れてしまいます。
詳細VLMOps
VISION LANGUAGE MODEL OPERATIONS
1つの業務で検証したモデル、プロンプト、抽出スキーマ、品質基準を運用資産として蓄積し、バージョンで管理し、評価してから運用に反映する仕組みです。様式が変わっても、再学習ではなく抽出基準の変更で対応します。
詳細BMT
BENCHMARK TEST
実際の業務文書を使い、候補となるソリューションの性能を同じ条件で比較する検証です。公開されているベンチマークスコアと自社文書での性能は異なるため、導入の判断はこの結果をもとに行います。
詳細高影響AI
HIGH-IMPACT AI
人の生命と身体の安全、基本的権利に重大な影響を及ぼすか、危険を招くおそれがあるAIを指すAI基本法上の概念です。提供事業者にはリスク管理、説明、人による管理と監督といった責務が伴います。
詳細AgentOps
エージェント運用
AIエージェントがツールを呼び出しシステムに入力する過程を記録し、権限と承認、業務単位の評価、停止と復旧を管理する運用の仕組みです。誤って入力した1件を元に戻す手順がなければ、まだ業務を任せる段階ではありません。
詳細LLMOps
大規模言語モデル運用
大規模言語モデルを業務に導入した後、プロンプト、モデルのバージョン、検索データ、回答の品質とコストを合わせて管理し、結果を一定に保つ運用の仕組みです。答えが変わった理由をすぐに示せないなら、まだ整っていません。
詳細




