AI-OCRの導入を検討されているお客様から、
「読み取りミスを修正したら、その内容を学習して、
次回から自動で直してくれると便利ですよね」
というお声をいただくことがあります。
確かに、同じ修正を何度も繰り返さずに済むなら、
とても魅力的に聞こえます。
一方で、修正内容を自動で蓄積して反映する方式（以下、自動学習）と、
読み取りのルールを指示文で明示する方式（以下、条件明示）とでは、
運用のしやすさ・結果の説明のしやすさ・セキュリティ面の確認事項
が大きく異なります。
本記事では、この2つの方式を対比しながら、
AI-OCRプラグイン for kintoneが
なぜ条件明示の方式を採用しているのかをご紹介します。
なお、本記事でいう「学習」は、
AIモデルそのものを再学習させることではなく、
個別のユーザーが行った修正内容を蓄積し、
次回以降の読み取りに反映する仕組みを指します。
AIエンジンの提供元が、
お客様のデータとは無関係にモデルを改良・更新することはあり得ますが、
それも本記事の「学習」には含みません。
お客様のデータをAIモデルの学習に利用しない点については、
こちらの記事で解説しています。
【この記事を読んでわかること】
・自動学習方式に期待されるメリット
・修正内容の自動蓄積が抱える、2つの構造的な限界
・自動学習方式を検討する際に確認したいセキュリティ面のポイント
・指示文でルールを明示する方式の特長と、正直なトレードオフ
・どのような用途にどちらの方式が向いているか
自動学習とは？期待されるメリット
自動学習は、ユーザーが読み取り結果を修正した内容を、
サービス側が自動で蓄積し、次回以降の類似する帳票の読み取りに反映する仕組みです。
この方式には、確かに魅力があります。
・同じ修正を、何度も繰り返さずに済む
・取引先ごとの書き方の癖など、言葉にしにくい傾向も拾える
・運用開始時に、細かな指示を書く手間が少なくて済む
特に、ルールを言葉で整理しきれない、暗黙のパターンが多い帳票では、
こうしたメリットが活きる場面もあります。
一方で、自動で覚えさせるという性質上、いくつかの構造的な限界も抱えています。
次の2つの小タイトルで、その内容を整理します。
限界①：修正の「理由」までは分からない
自動学習が参照できるのは、
基本的に「修正前の値」と「修正後の値」という差分の情報です。
例えば、ユーザーが「（株）」を「株式会社」に直したとします。
この修正には、次のような理由が考えられます。
・常に略称を正式名称に変換すべき、という社内ルールがある
・この取引先の表記に合わせただけの、一度限りの例外だった
・読み取りミスの修正だった
差分だけでは、これらを区別することができません。
「常にそうすべきルール」として覚えてしまえば、
例外のケースで誤った変換が起きますし、逆に覚えなければ、
同じ修正を繰り返すことになります。
また、複数の担当者が修正を行う場合、修正の基準が人によって異なれば、
まちまちな修正内容がそのまま蓄積され、ノイズになります。
修正の理由を、毎回網羅的に入力して蓄積するのは、
現場の負担を考えると現実的ではありません。
こうした判別の難しさから、
自動で学習する対象の範囲を限定する方式もあります。
限界②：ブラックボックスで、人が試行錯誤できない
もう1つの限界は、
「何が覚えられたのか」「なぜ今回その値になったのか」が、
利用者から見えにくいことです。
読み取り結果がブレたとき、自動学習では、
次のような状況になりがちです。
・どの修正が影響しているのか、特定できない
・直したくても、どこを直せばよいか分からない
・結果として、人が試行錯誤する手がかりがない
特に、自治体や金融機関のように、監査や説明責任が求められる業務では、
「なぜこの値が登録されたのか」を説明できることが重要になります。
仕組みが見えない方式では、この説明が難しくなります。
人が能動的に原因を探り、調整できるかどうか。
これが、業務として継続的に運用する際の、大きな分かれ目になります。
セキュリティ面で確認すべきポイント
自動学習は、修正内容を蓄積する仕組みです。
蓄積する以上、確認すべき点が増えるのは構造上避けられません。
近年、国内外で個人情報の大規模な漏えいが相次いで報じられています。
原因は事案ごとに異なりますが、どのような仕組みであっても、
保有しているデータは、万一の際に漏えいの対象になり得る
という点は変わりません。
修正前後の値は、個人情報や金額を含みうるデータです。
たとえ「学習のための付随的なデータ」であっても、
蓄積されれば、保有するデータの一つになります。
保有するデータが増えるほど、万一の際の影響範囲も広がります。
もちろん、適切に設計・管理されていれば問題ない場合もあります。
ただ、導入を検討する際には、次の5つを確認しておくと安心です。
修正前後の値には、個人情報や金額、取引先の情報が含まれることがあります。
それがどこに、どのくらいの期間、誰が見られる状態で保存されるのかは、
情報システム部門にとって重要な確認事項です。
AI-OCRプラグイン for kintoneは、
お客様ごとの修正内容を蓄積する機能を備えておらず、
弊社側にお客様のデータを保持しません。
読み取り結果は、お客様ご自身のkintone環境にのみ保存されます。
お客様のデータをAIモデルの学習に利用しない設計も含め、
詳細はセキュリティ対策の解説記事をご覧ください。
条件明示という方式：ルールを指示文で書く
条件明示は、読み取りのルールを「ことば」で指示文として明示する方式です。
AI-OCRプラグインでは、次のような指示を、設定画面に書くだけで済みます。
・法人形態の略称を正式名称に変換して回答
・誤字脱字を修正して回答
具体的な設定方法は、こちらの記事でご紹介しています。
参考：kintoneで法人形態の略称を正式名称へ自動変換して入力する方法｜（株）→株式会社へ自動統一【AI-OCR活用】
参考：kintoneでOCR後の文章を自動で校正（誤字・脱字修正）する方法【AI-OCR活用】
この方式の特長は、ルールが文章として設定に残ることです。
・誰でも指示文を読んで、どう処理されるかを確認できる
・担当者が変わっても、同じルールで処理が続く
・結果がブレたとき、指示文を見直して原因を特定し、人が調整できる
生成AIの出力は、指示文を明示しても完全に固定されるわけではありません。
ただし、条件が文章として残っているため、再現しやすく、
ブレたときに人が能動的に直せるという違いがあります。
正直なトレードオフもあります。
・最初に、指示文を書く手間がかかる
・想定していなかった例外が出たときは、気づいて指示文に書き足す運用が必要
後者については、AIが読み取り内容を再チェックし、
不自然な値を検出する機能を使うことで、確認する対象を絞り込めます。
参考：OCRの認識ミスをAIで自動検知！注文番号の桁違いエラーを自動判定【AI-OCR活用】
また、人が修正した項目の割合を項目別に見れば、
修正が多い項目の指示文を重点的に見直すことができます。
自動で覚えさせなくても、運用しながら精度を磨いていくことは可能です。
どちらの方式が向いているか。まずは無料お試しで
2つの方式に、優劣があるわけではありません。
何を重視するかによって、向き不向きが分かれます。
自動学習が向いている傾向のある用途
・ルールを言葉で整理しにくい、暗黙のパターンが多い
・蓄積されるデータの取り扱いに関する要件が、比較的緩やか
条件明示が向いている傾向のある用途
・ルールを文章として整理でき、運用を標準化したい
・結果の説明責任や、監査への対応が求められる
・個人情報や契約情報を扱い、修正データを含めてサービス側に蓄積したくない
「修正内容を自動で覚えてくれる」ことは魅力的ですが、
その裏側には、修正理由が分からない、見えない、
蓄積に伴う確認事項が増えるという構造的な課題があります。
AI-OCRプラグインは、ルールを指示文で明示することで、
結果を人がコントロールでき、説明でき、お客様のデータを弊社側に蓄積しない
運用を実現しています。
帳票の自動入力の具体的な活用例については、
下記のまとめ記事もあわせてご覧ください。
AI-OCR活用方法のまとめ記事はこちら kintoneでOCRを活用したデータ入力・加工の自動化まとめ【AI-OCR活用】
AI-OCRプラグイン for kintoneは30日間の無料お試し利用が可能です。
AI-OCRプラグイン for kintoneを30日間試してみる
実際の帳票で、指示文だけでどこまで調整できるか、
まずは無料お試しで体感してみてください。
製品に関するご質問、ご相談についても
info@kandi-sol.co.jpまで
お気軽にお問い合わせください。
