DEEP Agentとは何か：文書を読んだ後の業務まで遂行するAIエージェントの完全ガイド

DEEP Agentとは、韓国ディープラーニングが開発したAIエージェントであり、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する製品です。

DEEP Agentが必要とされる背景

値を抽出しても、業務は終わりませんでした。

文書認識と項目抽出を導入した組織でも、担当者の仕事が期待したほど減らないケースが多くあります。抽出された値を見て条件に合うかを判断し、他の書類と照合し、結果を業務システムに登録する作業が、今も人の手に残っているからです。

審査業務を例にとると、必要な書類がすべてそろっているかを確認し、書類ごとに同じ情報が正しく記載されているかを比較し、基準に従って承認するか補完を求めるかを決める、という流れが続きます。文書を読む技術だけで解決できるのは、この連鎖の前半部分だけです。

韓国ディープラーニングの製品構成は、この空白を埋めることを軸にしています。DEEP OCRが文書を読み取り、DEEP Parserが構造を復元し、KIEが必要な項目を見つけます。DEEP Agentは、その結果を受け取り、判断して実行する最後の区間を担当します。

DEEP Agentの正確な定義：対話型AIアシスタントとは何が違うのか

対話型AIアシスタントとDEEP Agentの3つの違い

第一に、開始の起点が異なります。対話型AIアシスタントは、人が質問を入力して初めて動きます。DEEP Agentは、業務システムに文書が届くと、決められた流れに従って処理を開始します。

第二に、成果物が異なります。対話型AIアシスタントは、回答や要約を画面に表示します。DEEP Agentは、判断の結果とその根拠を記録し、ERPや社内システムへ値を登録したり、返信メールを作成したりするところまで進めます。

第三に、判断の基準が異なります。対話型AIアシスタントは、利用者が満足する回答を目指します。DEEP Agentは、組織が定めた業務ルールと検証条件に基づいて判断し、そのルールでは結論を出せない件は例外として切り分けます。

両者は用途が異なります。担当者が資料を探したり整理したりする場合は対話型ツールが便利ですが、毎日繰り返される審査や登録の業務には、決められた流れに沿って最後まで処理するエージェントが適しています。

DEEP Agentを構成する4つの処理段階

判断から実行までつながる4つの段階

第一に、構造化です。OCR、Parser、KIEが生成した結果を、業務で使われる項目と値の形に整理します。この段階が不安定だと、その後の判断も不安定になります。

第二に、推論です。文書の文脈を読み、値が何を意味するのか、書類同士がどのような関係にあるのかを把握します。同じ名前が申請人なのか代表者なのかを見分ける作業は、この段階に含まれます。

第三に、条件の判断です。必須項目がすべてそろっているか、書類間で情報が一致しているか、契約書に危険な条項が含まれていないかを、業務のルールに照らして確認します。

第四に、実行です。判断の結果をERP、文書管理システム、その他の社内業務システムに登録し、必要に応じて補完要請のメールを作成したり、返信を送ったりします。

4つの段階は順番に続きますが、結果が一方向にだけ流れるわけではありません。条件の判断で書類の不足が確認された場合は、実行の段階で補完要請を送り、新しい書類が届けば構造化の段階からやり直します。

DEEP Agentの実際の適用方法

任せる業務を1件単位で決めます

導入は機能の一覧からではなく、業務1件から始めます。加盟店の審査や書類の確認のように、開始と終了が明確な業務を選ぶと、何を自動で完了させ、何を人に渡すかの基準を立てやすく、成果も件単位で測定できます。

最初から複数の業務をまとめて任せると、例外の基準が混ざり合い、運用が難しくなります。1つの業務で自動処理の範囲と例外の基準が安定してから、同じ書類を使う隣接する業務へ広げる順序が現実的です。

判断のルールと根拠をあわせて残します

エージェントの判断は、後から確認できなければなりません。どの値を根拠としたか、どのルールに従って結論を出したかを結果とあわせて記録しておけば、検収者はすばやく確認できます。同じ誤りが繰り返されるときには、ルールを見直す根拠にもなります。

ルールは、担当者が読んで理解できる文章で書いておくとよいでしょう。そうしておけば、業務の基準が変わったときに、誰が何を直すべきかが明確になります。

既存システムとの接続を先に設計します

判断の結果がどこに送られるかが決まっていないと、担当者が結果をもう一度入力することになります。金融業務では、検証を終えたデータが文書管理システムや自動化ツールを経由して基幹システムへつながる構成が一般的であるため、この接続点と入力の形式を導入の初期に確定させます。

連携の区間で誤りが起きたときに元に戻す方法と、再試行のルールもあわせて決めます。登録が途中で止まったまま残ると、担当者が確認すべき作業がかえって増えてしまいます。

国内環境でのDEEP Agent

国内の金融や公共では、外部との通信が制限されている環境が多いため、導入の検討の初期に、設置の方式とモデルの更新の経路を確認する必要があります。判断の根拠、処理の履歴、人が承認した記録を残す構成も、監査の要件として求められます。審査のように高影響AIに該当しうる業務に用いる場合は、人工知能基本法の責務を考慮し、人による管理と監督の手続きを流れの中に組み込んでおくほうが安全です。