- 自然言語で項目を記述するだけで抽出でき、モデル訓練は不要
- 混在パケットを最大3,000ページの1ファイルで投入し、自動で分割・照合
- 各値に信頼スコアと出典ページ・座標が付き、監査やレビューに使える
何が発表されたのか
Amazon Web Services(AWS)は、Amazon Textractの新しい生成AI機能「Amazon Textract Insights」が一般提供(GA)になったと発表しました。提供形態はAmazon Textract内に追加された新しいAPIで、既存のTextract APIとは別の機能として位置づけられています。
利用者は欲しい項目を自然言語で記述し、単一の文書または種類の異なる文書が混在したパケットを投入します。返ってくるのは構造化された結果で、各値には信頼スコアとページ単位のグラウンディング(どのページのどこから取ったかを示す情報)が付きます。モデルの訓練は不要とされています。
背景としてAWSは、金融サービス・保険・医療・公共部門の文書処理では、正確な文字抽出だけでなく「必要な情報を自分の言葉で指定し、監査可能な答えを得たい」という需要が高まっていると説明しています。
ブループリントと混在パケット
抽出したい項目は「ブループリント」と呼ぶJSON Schemaで定義します。各フィールドには自然言語による説明と、値をページから逐語的に読み取るのか文書内容から推論するのかを決める推論種別を持たせます。W-2、Form 1040、Form 1098、パスポート、出生証明書といった文書タイプ向けのAWS公開ブループリントが出発点として用意され、自社固有の文書向けに自作もできます。
実際の業務では、1つのファイルに複数種類の文書が混在するケースが多くあります。AWSは住宅ローンの例を挙げ、W-2、給与明細、銀行口座の明細、手書きメモが1つのスキャンにまとまって届くと説明します。こうした混在パケットでは、期待する文書タイプのブループリントを同じプロジェクトに追加し、分割を有効にして、S3バケットから最大3,000ページの1ファイルを投入します。
サービスはパケットを論理的なサブ文書に分割し、それぞれを適合するブループリントに突き合わせて項目を抽出します。AWSの例では、26ページのPDFをStartDocumentInsightsの1回の呼び出しで投入し、結果をS3バケットに書き出します。各値には信頼スコアと、抽出元のページおよびバウンディングボックスの座標が付きます。
監査可能な自動化への狙い
Amazon Textract Insightsが返すフィールドは2種類です。ページから直接読み取った明示的なフィールドと、文書内容から導いた推論フィールドで、どちらも信頼スコアとグラウンディングを伴って返ります。値が原本までたどれるため、レビュー担当者や監査担当者は結果を元の文書と照合できます。
AWSはこの性質により、従来は人手のレビューに回していた文書まで自動化の範囲を広げられると説明しています。判断が必要な箇所には人を残す前提です。医療請求書や各種フォームを多様な提供元から受け取っているというSymbeo(A CorVel Company)のVijay Agrawal氏は、提供元ごとにレイアウトが異なり抽出ルールが流用しづらい課題に対し、平易な言葉で項目を記述でき、信頼スコアの低い項目にレビューを集中できる点を評価しています。
読み取りエンジン側の更新
あわせてAWSは、Textractの読み取りエンジン「Amazon Textract Core」を更新したと説明しています。精度の改善、密な表や手書きへの対応強化、DetectDocumentTextとAnalyzeDocumentのAPIにおける対応言語の40言語への拡大が含まれます。既存のTextract APIは変わらず、利用者は変更なしでこれらの改善を受けられるとされています。
リージョン面では、Textract Coreがアジアパシフィック(東京)とヨーロッパ(チューリッヒ)で新たに一般提供され、リージョン内処理の対象は合計18のAWSリージョンになりました。ただし、Textract Insightsはこれらのリージョンではまだ利用できません。
現時点の制約と注意点
対応する入力形式はPDF、PNG、JPEG、TIFFで、処理できる言語は英語、フランス語、ドイツ語、イタリア語、ポルトガル語、スペイン語です。課金はトークン単位ではなくページ単位で、最低契約はないとされていますが、具体的な料金はTextractの料金ページを参照する形で、原文に単価の記載はありません。
暗号化については、プロジェクトとブループリントはAWS所有キーで保存時に暗号化され、CreateProjectまたはCreateBlueprintの呼び出し時にEncryptionConfigurationでカスタマーマネージドキー(AWS KMS)を指定できます。解析ジョブの中間データは一時的なもので、ジョブ完了時に削除されます。出力バケットにはそのバケットの既定の暗号化が適用され、プロジェクトのキーはジョブには適用されない点に注意が必要です。
また、推論リクエストは地理的な範囲内で最適なリージョンに自動ルーティングされます。AWSは米国発のリクエストは米国内で処理されると説明していますが、その他の国・地域ごとの扱いについては原文に記載がありません。
| 項目 | Amazon Textract Core | Amazon Textract Insights |
|---|---|---|
| 主な用途 | テキスト抽出、表・手書きの解析 | 自然言語で指定した項目の抽出 |
| 対応言語 | 40言語(DetectDocumentText / AnalyzeDocument) | 英語・フランス語・ドイツ語・イタリア語・ポルトガル語・スペイン語 |
| 東京リージョン | 提供(今回追加) | 未提供 |
With Amazon Textract Insights, we can describe the fields we need in plain language, and the service identifies and extracts the corresponding data.
Amazon Textract Insightsを使えば、必要なフィールドを平易な言葉で記述でき、サービスが該当するデータを特定して抽出してくれます。
今後の見通し
日本企業にとっての判断材料になるのは、Textract Insightsの日本語対応と東京リージョンへの展開時期とみられます。現時点では対応言語に日本語が含まれず、東京リージョンでも未提供のため、国内の帳票処理にそのまま適用するのは難しい状況です。ページ単価が公開されれば、自前パイプラインの運用コストと比較できるようになります。また、実際の文書での信頼スコアの校正具合が公開されれば、自動受理のしきい値をどこに置けるかの見当がつきます。
日本の開発者・IT企業にとっての意味
金融・保険・医療・公共など、帳票やスキャン文書を扱う日本のIT企業にとって、これは「自前パイプラインを組むか、マネージドAPIに寄せるか」という選択肢が増える話です。従来はOCR、文書分割、分類、基盤モデルへのプロンプト、レビューを自社で統合・運用する必要がありました。ワンAPIで分割から抽出まで賄え、値ごとに出典ページと座標が返る点は、内部統制や監査対応が求められる業務システムと相性が良いと考えられます。ただし現時点では日本語が対応言語に含まれず、東京リージョンでも未提供です。まずは英語文書を扱う海外拠点の業務や、Textract Coreの精度改善・東京リージョン追加の恩恵を確認する形で、評価を始めるのが現実的とみられます。
気になる点
- 日本(東京リージョン)でも使えますか
- 東京リージョンではAmazon Textract Coreが今回新たに提供されていますが、Textract Insightsはまだ利用できません。AWSは推論リクエストを地理的な範囲内で処理し、米国発のリクエストは米国内で処理すると説明しています。日本発のリクエストの扱いは原文に記載がなく、現時点では公表されていません。
- 料金はいくらですか
- トークン単位ではなくページ単位の課金で、最低契約はないと説明されています。具体的なページ単価は原文に記載がないため、Amazon Textractの料金ページで確認する必要があります。現時点では公表されていないと表現するのが正確です。
- 既存のTextract利用者は移行が必要ですか
- 不要とされています。Amazon TextractのAPIは変更されておらず、既存顧客は変更なしで読み取りエンジンの精度改善や対応言語の40言語への拡大といった恩恵を受けられます。Textract InsightsはStartDocumentInsightsを使う別機能として追加されたものです。
用語解説
- グラウンディング
- 抽出した値がどのページのどの位置から得られたかを示す情報。座標付きで返るため原本と照合できる。
- ブループリント
- 抽出したい項目をJSON Schema形式で定義したもの。各項目に自然言語の説明と推論種別を持たせる。
- 基盤モデル
- 大規模なデータで事前学習された汎用の機械学習モデル。生成AIの土台となる。
- 信頼スコア
- 抽出値の確からしさを示すスコア。しきい値で自動受理と人手レビューを振り分ける。
- 非同期API
- 処理開始のリクエストを送り、結果は指定した出力先で受け取る方式。大きな文書に向く。
出典
Announcing Amazon Textract Insights: Verifiable generative AI for documents
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する