【要約】書類の整合性検証をAIで効率化してみた [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
自治体の申請書や契約書のように、フォーマットが統一されていない書類において、記入ミスや情報の矛盾を検知することは困難である。従来のルールベースの手法では、あらゆる書式のパターンを網羅的に定義することができず、手動での検証コストが大きな課題となっていた。
// Approach
PDFをPNG画像へ変換し、Document Intelligenceで文字や選択肢の構造情報を抽出する。これら画像データと構造化データをAzure OpenAIにマルチモーダル入力として渡し、プロンプト制御によって指摘事項をJSON形式で出力させることで、整合性チェックを自動化するパイプラインを実装した。
// Result
記入形式のミスや整合性の矛盾を自動的にリストアップすることに成功した。現在は画像処理を介しているが、今後はDocument Intelligenceの構造情報を直接LLMに渡すことで、処理の高速化と精度の向上、および画像変換プロセスの省略を目指すとしている。
Senior Engineer Insight
> 実用的なプロトタイプだが、プロダクション環境への投入には課題が残る。LLMの出力の非決定性に対し、正規表現によるパースという泥臭い解決策に頼っている点は、スケーラビリティと信頼性の観点から懸念だ。また、画像変換とマルチモーダル入力の組み合わせは、レイテンシとコストの両面で重い。今後の展望にある『構造情報の直接入力』へのシフトは、計算リソースの最適化と精度の安定化において極めて合理的な判断である。実戦では、LLMの出力を検証するバリデーション層の追加が必須となるだろう。