AIでDocument Understandingを革新：スピードと精度を加速

文書データを速く、正確に処理することは、変化するデジタル時代で競争する上で不可欠です。今日の企業にとって、成功は文書データを容易に特定、アクセス、理解できるかどうかにかかっています。文書処理は、企業の規模、業種、焦点を問わず、生産性に影響するビジネスクリティカルなユースケースです。

このブログでは、文書処理の進化を辿ります。まずデジタイゼーションと光学文字認識（OCR）について議論し、次に企業がAIを活用した文書認識でOCRを拡張し、より優れたDocument Understanding機能を通じて価値を生み出せるかを議論します。

始めましょう。

フェーズ1：OCRでオフラインデータをオンラインデータに変換

従来の文書処理プラクティスは苦痛を伴います。多くの企業が、非デジタル化された文書処理から生じる誤ったラベリングや、手作業データ抽出による時間ロスといった課題に今も直面しています。

企業はこうした課題に対抗するためデジタイゼーションに目を向けています。2019年のM-Files調査によると、回答者の41%が紙フォームを電子フォームに置き換えることに注力する予定、70%がボーンデジタル文書への文書処理拡大を計画（2018年は39%のみ）しています。

文書処理を専門とする企業は、デジタイゼーションを採用し、企業の物理文書をデジタルフォーマットに変換するのを支援してきました。これらのプロセスの核心はOCRです。OCR技術は、物理媒体や画像内のテキストを認識し、PDFなどのデジタルファイルに変換します。

OCRを用いたソリューションは、文書処理の悩みを和らげる上で不可欠です。しかし、従来のOCR技術には限界があります。

フェーズ2：オンラインデータを超えて「インテリジェントOCR」へ

文書を撮影したりスキャンしてシステムに取り込んだとしましょう。さて、データの分類と抽出は、スキャンした画像の品質に依存します。なぜこれがOCRを用いた文書処理ソリューションで重要なのでしょうか？

OCRソリューションの効果は、処理対象の基盤となる文書の品質に左右されます。OCRソフトウェアが「3」と「8」、「O」と「D」といった文字を区別できない場合、課題が生じます。OCRソフトウェアを使って避けたいまさにそのエラーが、文書の品質や原本の形態に基づくニュアンスをOCR技術が分析できないとき、新たな頭痛の種になります。

そこでAIを活用した文書認識が登場します。

AI機能の進歩に伴い、企業はOCRに適用するための機械学習（ML）モデルを作成・訓練し始めました。モデルベースOCRエンジン、すなわち「インテリジェントOCR」は、文書とテキストの大規模デジタイゼーションにおいて大幅な改善をもたらし、エラーを削減します。

インテリジェントOCRは、従来のOCRシステムでは課題だった手書き文字、チェックボックス、取り消し線などの文書や画像のデジタイゼーションを支援します。

OCRをAIで拡張することで何が可能になるか、まだ探索の始まりに過ぎません。モデルベースソリューションをデジタイゼーションと文書処理に使い始めると、どのような可能性と成果が実現できるか、いくつか見ていきましょう。

フェーズ3：AIを活用したより良いデータ抽出と文書分類

文書をデジタルフォーマットにすることは、文書自体から価値を引き出すための多くのステップの最初の一歩です。デジタル化されれば、OCRソフトウェアは、どの種類の文書を扱っていて、何が関連するかを理解しなければなりません。

従来のOCRソフトウェアを使う企業は、文書分類の取り組みをスケールさせるのに苦労します。従来のOCRエンジンは、ヘッダー識別のようなシンプルなアプローチで文書タイプを分類します。この種のアプローチは、企業が文書を粒度細かく分類する能力を制限します。

従来のOCRソリューションで文書が分類されると、企業は文書テンプレート、または「レシピ」（デジタイズされたテキストに対する事前定義済みの抽出ルール）と、文書内でそのフィールドを見つけるための「ルール」に縛られることがよくあります。データの再帰パターン、文書内の位置、ロゴのような見つけやすいものに対する相対位置に基づいてルールを作成できます。テンプレートは自然な出発点ですが、静的です。

文書処理の取り組みがスケールするにつれ、企業は初期実装ではカバーされていなかった文書バリエーションに対処するため、テンプレート管理と新規テンプレート作成に投資することになります。

文書分類とデータ抽出にAIを活用すれば、このダイナミクスが変わり、プロセスが容易になります。

データがデジタルフォーマットになれば、訓練済みモデルを用いて文書の奥深くを見て、文書タイプを分類し、関連情報を構造化された形で抽出できます。

モデルベースOCRソリューションは、文書タイプを特定し、ビジネスで使用している既知の文書タイプと照合できます。また、非構造化文書のテキストブロックを解析・理解できます。ソリューションが文書自体についてより多くを知れば、意図と意味に基づいて関連情報を抽出し始められます。そして、文書の変更とバリエーションに対応できます。

テンプレートを作成する代わりに、欲しいフィールド（文書のタクソノミー）を定義し、MLモデルにそれらのフィールドの見つけ方を教えます。モデルは、入ってくる文書に基づいて自己調整し、処理済み文書の人間による検証から学習できます。

これらの能力により、文書処理ソリューションにより大きな柔軟性とスケーラビリティが生まれます。出力は、データそのものでできることを新たな扉を開きます。

フェーズ4：AIで新たなインサイトとアクションをエンパワー

文書分類とデータ抽出にAIを使うことは、組織に自動化され正確な文書処理能力をもたらす旅の大きな一歩です。長期的に見れば、AI能力を活用するロードマップを構築し、抽出したテキストでより多くのことができるようになります。

AIを使えば、複数の文書や様々なバックエンドシステムからのデータを参照してエラーを検証できます。例えば、請求書の金額が間違っているが、それはOCRプロセスのエラーではなかったとしましょう。問題の根本を見つけるために、ロボットを組み合わせて多くの文書タイプとシステムからデータを抽出できます。これにより、データをクロスチェックし、OCRプロセス自体の領域の外にある例外とエラーを一般的に浮き彫りにできます。

また、AI能力をデータセットに時間軸と歴史的文脈を加えて適用し、予測を行い、詐欺を示唆する潜在的異常を特定し始めることもできます。保険金請求処理の例を歩いてみましょう。第一歩は、届いた請求をデジタイズすること。次に、請求から関連情報（請求日、性質、金額など）を抽出。次に、これらのデータポイントを見て、MLモデルを用いて、再発や疑わしい金額といった変数を考慮し、詐欺の可能性がある特定の請求を特定します。

AIが、これらのタイプのタスクの実行を可能にします。

文書処理の至福へ向けた次のステップ

文書処理は苦痛である必要はありません。OCRから始め、AIでOCRを拡張すれば、文書処理をプロセスの中でより価値があり、より面倒でない部分にできます。

私たちは、クライアントがAIを使ってプロセスをシンプルにし、生活を楽にできるよう支援することに情熱を注いでいます。

AIを活用して御社の文書処理プラクティスをシンプル化・強化し、Document Understandingを最適化する方法についてもっと知りたいですか？

ホワイトペーパー「Document Understandingで運用効率を高め、リスクを軽減」の無料コピーをご請求ください。

これらの機能を実際に見たいですか？ Automation Cloud™ for enterpriseの無料トライアルを開始してください。