Document AI: インテリジェントドキュメント処理 (IDP) の次世代進化 @llama_index は「Document AI」を正式に提案し、これが従来の IDP の完全な進化形であると信じています。つまり、「厳格なテンプレート + ルール」から、考え、自己修正し、自律的に決定を下すことができる真にインテリジェントなエージェント システムへとアップグレードするものです。 従来の IDP の最大の問題点は、固定テンプレートに極度に依存していることです。サプライヤーが請求書の形式を変更すると、請求書は実質的に役に立たなくなります。 抽出できるのはプレーンテキストのみで、表、グラフ、手書きのテキスト、画像にはほとんど役に立ちません。 • 合格率（完全に自動化された処理の割合）は通常 60～70% に過ぎず、残りの 30～40% は手動による介入が必要です。 • 新しいドキュメント タイプが登場するたびに、モデルの再トレーニングやルールの追加に数週間から数か月かかり、メンテナンス コストが非常に高くなります。 従来の IDP/RPA と比較した場合、Document AI の最大のメリットは、ほぼすべての主要な指標において質的に飛躍的進歩を遂げていることにあります。 • 完全自動化パススルー率：従来の60～70% → Document AI 90%以上（人間の介入率は30～40%から10%未満に削減） • テンプレート要件：従来必須で、頻繁にメンテナンスが必要 → Document AI はサンプル数ゼロで全く新しいフォーマットに対応します。 • マルチモーダル理解：従来、事実上存在しない → Document AI は複雑な表、グラフ、写真、手書きのメモなどをネイティブにサポートします。 • エラー処理：従来、エラー発生後にクラッシュし、手動による介入が必要 → Document AI は不確実な部分を自動的に診断し、複数回再試行し、自己修正を行い、さらにはプロアクティブに説明を求めます。 • 新しいドキュメントタイプのリリースにかかる時間：従来、数週間から数か月かかります → Document AI は通常、数分から数時間で完了します。 • 全体的な精度：従来、80～85%（テンプレート照合時） → Document AI は常に95%以上を達成しています。 最も一般的な買掛金請求書のシナリオを例に挙げてみましょう。以前は、毎月数千通の請求書のうち30%は手作業による確認が必要でした。Document AIを導入した後は、通常10%未満しか人間による確認が必要なくなり、時間とコストを大幅に削減できます。 Document AIの2つの主要な技術的柱 1. エージェントOCR システムは視覚言語モデル（VLM）を用いて、ページ全体のレイアウト、表のロジック、グラフの意味を動的に理解します。また、抽出中に自己採点を行い、不明な場合は自動的に再試行します。 2. エージェント型ワークフロー ハードコードされたルールを LLM 駆動型のマルチエージェント コラボレーションに置き換えると、コンテキストを記憶し、外部ツール (データベースのクエリ、税金の計算、一貫性の検証) を呼び出し、競合が見つかった場合にデータを推論して補完することもできます。 LlamaIndex は、すぐに使用できるツールチェーンである LlamaParse を提供します。これは、レイアウト対応の Markdown を直接出力するエンタープライズ グレードの PDF パーサーです。 • LlamaExtract: データ構造を定義するだけで、エージェントがフォームに自動入力します。 • Workflows + LlamaAgents: 請求書、契約書、10-K財務諸表、フォームなどに対応したテンプレートが組み込まれた、すぐに使えるマルチエージェントワークフローフレームワークです。
