用語集をすべて見る

基本概念

3 Zero AIワーカーとは: 学習・検証・再入力を減らす戦略の完全ガイド

Korea Deep Learning作成

3 Zero AIワーカーとは、文書業務の自動化の成否を認識精度ではなく、人が繰り返し抱え込む3つの負担に求め、反復的な学習、根拠のない判断、全件の目視検査をそれぞれなくす方向で設計する戦略です。

3つの負担に注目する理由

導入は終わったのに、仕事は変わらないという場合があります。

文書AIを導入した組織からよく聞かれる話があります。認識はうまく行くのに、担当者の業務時間は期待ほど減っていないというものです。原因をたどると、精度ではない別のところにあります。

第一に、新しい様式や部署が追加されるたびに、最初から作り直していました。第二に、結果に根拠がないため、担当者が原本と照合する必要がありました。第三に、どの案件が安全かわからないため、すべてを確認していました。この3つが残っている限り、認識精度がどれほど高くても、人の仕事は減りません。

3 Zeroは、この3つの負担にそれぞれ名前を付け、なくすべき対象として位置付けた戦略です。Zero Trainingは反復的な構築を、Zero Hallucinationは根拠のない判断を、Zero Reviewは全件の目視検査を対象とします。

3 Zeroの正確な定義: 精度中心のアプローチとの違い

精度中心のアプローチと3 Zeroの3つの軸の違い

第一に、対象が異なります。精度中心のアプローチは、モデルの出力を対象とします。3 Zeroは、導入後に組織に残る業務を対象とします。モデルが何%正解したかではなく、担当者が何件手を加えたかを見ます。

第二に、目標が異なります。精度中心のアプローチの目標は誤りを減らすことです。3 Zeroの目標は、人の介入が必要な箇所そのものを減らすことです。そのため、確信度の低い案件は、無理に精度で当てにいくのではなく、例外として切り分けます。

第三に、成果指標が異なります。精度中心のアプローチは文字精度や項目精度で測ります。3 Zeroは、人の介入なしに処理された割合である無介入率と、業務が最後まで完了した割合である業務完了率で測ります。認識が正確でも、後工程で人が再入力しているなら、無介入率は上がりません。

両者は代替関係ではありません。認識精度は3つの目標の前提条件です。ただし、精度を上げるだけでは3つの負担は消えないため、運用の構造も一緒に設計する必要があります。

3 Zeroを成り立たせる3つの軸

3 Zeroの3つの軸

第一に、Zero Trainingです。新しい文書や業務が追加されたとき、モデルのパラメータを再学習させずに対応することを目標とします。ある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ておき、新しい部署や業務では必要な部分だけを調整して適用します。この資産を管理する仕組みがVLMOpsです。

第二に、Zero Hallucinationです。文書に存在しない値が生成され、後続のシステムに流れ込まないようにすることを目標とします。テキストや構造を認識する技術と、文脈や業務上の意味を理解する技術を組み合わせた二重の検証構造を設け、定められた形式から外れた結果や信頼度の低い結果は自動的に切り分けます。値とともに、原文中の根拠の位置を返す設計もここに含まれます。

第三に、Zero Reviewです。正常な案件の全件検査をなくし、例外の案件だけを人が確認するようにすることを目標とします。正常な案件は後続の業務まで自動で処理され、信頼度が低い案件や別途判断が必要な案件だけが担当者に回されます。検査そのものをなくすのではなく、検査の対象を絞ることが要点です。

3つの軸には順序があります。Zero Hallucinationが確保されてはじめて、どの案件が安全かを判定できます。そのうえで、Zero Reviewが成り立ちます。Zero Trainingは、この構造を別の業務に移すときのコストを決めます。

3 Zeroの実際の適用方法

運用資産を先に定義します

Zero Trainingの出発点は、何を資産として残すかを決めることです。1つの業務を自動化する過程で生まれる成果物のうち、再利用できるものを選び、形式をそろえて保管します。

実務では、資産として扱うものは4つあります。どのモデルを使ったか、どの指示で抽出の方向を定めたか、どの項目をどの形式で抽出するか、そしてどの水準を合格基準とするかです。この4つが文書として残っていれば、次の業務では違う部分だけを調整すれば済みます。

例外を定義して流れを分けます

Zero Reviewは、例外をどれだけ狭く定義できるかで決まります。例外が広すぎると、検査の負担がそのまま残ります。狭すぎると、本来取り除くべき案件が通ってしまいます。

基準は3つに分けて設定します。値の信頼度が基準を下回る場合、文書間の照合で不一致が出た場合、そして業務規則上、人の判断が必要な場合です。前の2つは自動で判定し、最後の1つは業務上の方針として決めます。

無介入率で評価します

3 Zeroの成果は、認識率ではなく運用の指標で見ます。人の介入なしに処理された割合である無介入率と、業務が最後まで完了した割合である業務完了率が基準になります。

この指標を使うと、改善の方向がはっきりします。無介入率が低い場合は、例外に回される案件が多いということなので、認識と検証を見直します。無介入率は高いのに業務完了率が低い場合は、システム連携が途切れているということなので、連携を見直します。

国内環境での3 Zero

国内の金融と公共分野では、監査と内部統制の要件が同時にかかります。自動で処理したという事実だけでは不十分で、どの根拠でそう判断したか、誰がいつ承認したかが記録として残っている必要があります。

そのため、承認済みの結果を既存のシステムと連携するときは、判断の根拠と履歴を一緒に管理する構成が必要です。実際の運用では、ERP、CRM、電子文書管理システム、自動化ツールが連携先になります。

さらに、ネットワーク分離の規定がかかります。3つの目標はすべて社内ネットワークの中で達成しなければならないため、モデル、資産管理の仕組み、ワークフローがすべてオンプレミスで動作するかを確認する必要があります。

よくある質問

Zero Trainingは、まったく学習をしないという意味ですか?

いいえ。顧客が新しい業務を追加するたびに再学習させる負担をなくすという意味です。抽出の基準とスキーマを調整して対応する構造を指します。

Zero Hallucinationは、誤りが一切ないという意味ですか?

いいえ。根拠のない値が生成され、後続のシステムにそのまま反映されないようにする構造を指します。信頼度の低い結果は自動的に切り分けられます。

Zero Reviewは、検査をなくすという意味ですか?

いいえ。正常な案件の全件検査をなくし、例外だけを確認するように対象を絞ることです。人の判断が必要な箇所は、そのまま残ります。

無介入率と認識精度はどう違いますか?

認識精度は、モデルがどれだけ正解したかを見ます。無介入率は、誰も手を加えずに終わった案件の割合を見ます。実際の人員削減効果は、後者の指標のほうが正確に示します。

3つを一度に適用しなければなりませんか?

順序があります。根拠に基づく検証が定着して初めて、どの案件が安全かを判定できます。そのあとに、例外中心の検査が成り立ちます。

現在の業務の無介入率も一緒に計算いたします。文書の種類と処理手順を1つお知らせください。

お問い合わせ