Document AIとは何か：どこまでを指す表現かを整理した完全ガイド

Document AIとは、文書を読み取りその中の構造と意味を把握する一連の技術をまとめて呼ぶ範疇の表現であり、文字認識から構造化と項目抽出に至る領域を包括します。

技術一つでは文書業務が解けなかった

技術一つでは文書業務が解けませんでした。

文書を扱う技術は長らく文字認識という名前で呼ばれてきました。画像から文字を取り出すことがすべてだったためです。ところが実際の業務に付けてみると、文字だけでは何もできませんでした。

表の構造が分かって初めて値が意味を持ち、様式を判別して初めて何を取り出すかが定まり、項目と値をつないで初めてシステムへ入れられます。これらの技術はそれぞれ名前が異なりますが、一つの流れの上にあります。Document AIはその流れ全体を指すために生まれた表現です。特定の製品や方式を意味する言葉ではなく、範疇を指す言葉であるという点が重要です。

Document AIの正確な定義：AI Workerと何が違うのか

Document AIとAI Worker、三つの軸の違い

第一に、範囲が異なります。Document AIは文書を読んで理解する段階までを扱います。AI Workerは読んだ結果で判断しシステムへ登録する実行の段階までを扱います。前者が技術の束であるとすれば、後者は業務の単位です。

第二に、目標が異なります。Document AIの目標は文書を機械が扱えるデータへ変えることです。AI Workerの目標はそのデータで業務を完結することです。

第三に、成果指標が異なります。Document AIは認識精度と構造復元の精度、項目抽出の精度で評価します。AI Workerは人の介入なしに処理された比率と一件あたりの処理時間で評価します。前者の指標が良くても後者の指標が改善されない場合が実際によくあります。

二つの概念は対立しません。Document AIはAI Workerが立っている土台です。ただし導入の議論で二つの表現を混ぜて使えば期待と結果が食い違うため、どこまでを任せる話なのかをまず定めるほうが適切です。

範疇の中に入る4つの技術領域

範疇を構成する4つの技術領域

第一に、文字認識です。画像から文字を見つけてテキストへ変える領域であり、文書の状態の補正と手書きの処理がここに含まれます。

第二に、構造解析です。見出しと本文、表、図といった構成要素を判別し、読む順序と階層を定める領域です。

第三に、項目抽出です。業務に必要な値を選んで項目と対応づけて出力する領域であり、検証のルールが併せて付きます。

第四に、文書判別です。受け付けたファイルがどの様式かを見分け、必要であれば文書の単位に分ける領域です。

この四つは順に続くのではなく互いに噛み合います。判別ができて初めて何を抽出するかが定まり、構造が取れて初めて値が意味を持ち、認識が正確であって初めて残りが成立します。

Document AIの実際の検討方法

どこまで扱う製品かをまず確認します

Document AIという表現を掲げる製品でも、実際に扱う範囲は大きく異なります。文字認識のみを提供する製品、構造化まで提供する製品、項目抽出と検証まで提供する製品がいずれも同じ名前で呼ばれます。

したがって検討の際には四つの領域のうちどこまでを提供するかを項目別に確認してください。範囲が狭い製品を選んだ場合、残りの領域を別の製品や内製で埋めることになり、その接続が新たな負担になります。

導入の議論で用語を揃えます

社内の議論で範疇の表現と業務の単位が混ざると、期待と結果が食い違います。文書を読むところまでを求めるのか、業務の完了までを求めるのかを最初に定めてください。

読む段階までを求めるのであれば認識と構造化の精度が判断の基準になり、業務の完了までを求めるのであれば人の介入なしに処理された比率が基準になります。基準が違えば選ぶ製品も変わります。

国内環境におけるDocument AI

韓国の業務文書には固有の条件があります。韓国製ワープロ文書が広く用いられ、官公庁様式には多層の表と丸数字の項目番号が入り、ファクスの受付分が依然として残っています。

したがって四つの技術領域それぞれについて、国内の文書で測定した値をお求めください。海外の公開ベンチマークで良い成績を出した製品が国内文書で同じ性能を示すとは限りません。

よくあるご質問