三井住友信託銀行、書式バラバラの帳票をAI-OCRで読取り年1,600時間削減へ

座標をあらかじめ定義しない読み取り方式を選んだことが、書式が増えるほど準備作業も増えるという構造そのものを外しました。従来のAI-OCRで主流の座標定義型は、帳票のどこに何が記載されるかを事前に決めておく前提に立つため、発行元ごとに書式が無数に分かれるファンド連絡票とは噛み合いません。これに対して採用されたのは、事前の座標定義を必要としない特徴量学習型で、書類の意味を手がかりに必要な項目を拾い上げます。効いているのは読み取り精度の高さそのものよりも、新しい書式の連絡票が届いても運用側の手間が増えない作り方を選んだ判断のほうでしょう。

抽出はAI、確認は人という役割の切り分けも、この業務を実運用に乗せた要素だと考えられます。資産に関する帳票データは誤りが許されにくく、最初から最後まで機械に委ねる形は取りにくい領域です。負荷が重く単調な読み取り・転記の部分だけを機械へ渡し、人の目は最終的な妥当性の確認に残すことで、精度を担保しながら人手を軽くする配分が成立しています。この切り分けは、熟練者に求められる力を「読み取る力」から「確かめる力」へ移し、教育すべき範囲を狭める効果も併せ持ちます。

読み取り対象の難所に合わせて技術を積み上げてきた点も見逃せません。業界固有の専門用語や図面、難易度の高い写真画像からの情報抽出まで射程に入れた作り込みは、IDP（Intelligent Document Processing＝自動知識抽出技術）と呼ばれる領域で重ねられ、国際的な学会でも論文が採択されています。汎用の読み取りツールをそのまま当てるのではなく、扱う書類の難しさを起点に手法を選ぶ発想が、英文混じりの非定型帳票という条件を成立させています。