ドキュメントAI

ドキュメントAIはドキュメントインテリジェンスとも呼ばれ、自然言語処理（NLP）などの機械学習（ML）技術を採用した技術分野を指します。^[1]これらの技術は、人間によるレビューに似た方法で文書を分析できる コンピュータモデルの開発に使用されます。

NLPを通じて、コンピュータシステムは文書の内容の関係性や文脈上のニュアンスを理解することができ、情報や洞察の抽出が容易になります。さらに、この技術により、文書自体の分類と整理が可能になります。^[2]

Document AI の用途は、フォーム、表、領収書、請求書、納税申告書、契約書、ローン契約書、財務報告書など、さまざまな半構造化ドキュメントの処理と解析にまで及びます。

Document AI では、機械学習を利用して、デジタル文書と印刷文書の両方から情報を抽出します。このテクノロジーは、さまざまな言語のテキスト、文字、画像を認識し、非構造化文書から洞察を抽出するのに役立ちます。このテクノロジーを使用すると、文書分析における意思決定の速度と品質を向上させることができます。さらに、データ抽出と検証の自動化により、文書分析プロセスの効率が向上します。

ビジネスレターには、テキスト形式の情報だけでなく、テキストの位置などの他の種類の情報も含まれています。たとえば、一般的なレターには、本文の前に 2 つのアドレスが含まれています。一番上 (右揃えの場合もあります) のアドレスは送信者のアドレスです。通常、その後にレターの日付と作成場所が続きます。その後に受信者のアドレスがリストされます。

送信者アドレスと受信者アドレスの区別は、ページ上のアドレスの位置によってのみ伝えられます。つまり、Sender:アドレスの前のようなテキスト表示はありません。

データは通常、空間データと時系列データに区別されます。前者は画像、地図、グラフなどであり、後者は株価や音声録音などです。Document AI は、時間軸を持つテキスト データと、空間軸を持つビジネス レター内の住所の位置などの他の種類のデータを組み合わせます。

歴史的に、機械学習では空間データは畳み込みニューラル ネットワークを使用して分析され、時間データは再帰型ニューラル ネットワークを使用して分析されていました。ディメンション タイプに依存しないトランスフォーマー アーキテクチャの登場により、これら 2 つの異なるタイプのディメンションをより簡単に組み合わせることができるようになりました。Document AI はその一例です。

• 手作業によるデータ入力エラーを削減し、ビジネス情報の信頼性を向上
• AIを活用して既存顧客からの新規請求書の異常を特定する
• 住宅ローンワークフロープロセスの高速化
• 信用リスク管理のためのローンポートフォリオの監視の自動化
• 従業員がより価値の高い業務に集中できるようにする
• 偽造紙幣や不正小切手の検出
• これまでアクセスできなかったドキュメントサイロ内のデータを抽出して分析し、情報に基づいたビジネス上の意思決定を行う
• 世界規模で領収書処理を効率化
• 規制変更による契約への影響評価の自動化を企業に支援
• 不動産分野では、標準化された文書分類と自動情報抽出の開発を支援しています^[3]