バクラクのドキュメント解析技術と実データにおける課題 / layerx-ccc-winter-2024

cvpaper.challenge Conference winter 2024の技術紹介セッションで
「バクラクのドキュメント解析技術と実データにおける課題」
と題して発表させていただきました。
https://research-p.com/event/1972

概要：
LayerXは、バックオフィス業務の効率化を目指したAI SaaS「バクラク」を提供しています。このサービスには、バックオフィス業務に特化した多彩なAI機能を持つ「バクラクAI」が組み込まれています。本発表では、バクラクAIを支える技術的基盤、実際のデータ活用における課題、そして今後の展望について紹介します。

Transcript

1. © LayerX Inc. バクラクのドキュメント解析技術と実データにおける課題 2024/12/14 cvpaper.challenge Conference winter 2024 株式会社 LayerX Naoto Shimakoshi(@nt_4o54)
2. © LayerX Inc. 2 バクラク事業部 AI-OCRグループ Tech Lead/ 機械学習エンジニア 経歴 • 2019/04 京都⼤学⼤学院 ⼯学研究科 修⼠課程修了 • 新卒では、DeNAでタクシー配⾞アプリに関する機械学習 システムの構築や、ライブストリーミングサービスにおけ る推薦システム構築に携わる • 現在 ◦ 株式会社LayerX AI-OCRグループ Tech Lead ◦ バクラク事業部において、AI-OCRの改善や 新しい機械学習システムの構築を担当 ◦ Kaggle Competitions Grandmaster ⾃⼰紹介 島越 直⼈（Naoto Shimakoshi) @nt_4o54
3. ⽬次 Agenda • LayerXについて • Introduction • Bakuraku AIの紹介 • 実データにおける課題 • 今後の展望
4. LayerXについて
5. 5 © LayerX Inc. 「すべての経済活動を、デジタル化する。」をミッションに掲げ、 法⼈⽀出管理サービス「バクラク」や企業内業務のデジタル化を⽀援するサービスを提供しています。 LayerXについて バクラク事業 企業活動のインフラとなる法⼈⽀ 出管理（BSM）SaaSを開発‧提供 Fintech事業 ソフトウェアを駆使したアセットマネジ メント‧証券事業を合弁会社にて展開 AI‧LLM事業 ⽂書処理を中⼼とした、LLMの活⽤によ るプロセスのリデザイン
6. © LayerX Inc. 6 LayerXについて ⽇本の労働需給ギャップは深刻 2040年に労働需給ギャップ 1100万⼈ 出所: リクルートワークス研究所 Works Report: 未来予測2040 労働供給制約社会がやってくる ⽇本全体で必要な⽣産性 +20%
7. © LayerX Inc. 7 バクラクとは バックオフィス(BSM‧HRM)領域のAI SaaS。AIにより業務そのものをなくし、⽣産性を改善 AI-powered Approval Workflow Accounting Automation Compliance Automation
8. © LayerX Inc. 8 バックオフィス業務の特徴 ルール、法律、業種‧業態、社内事情に対応するための複雑な業務 毎⽉、短期間で⼤量の業務を完遂 それを「ミスなく」完遂 複雑‧短期間‧ミスできない
9. © LayerX Inc. 9 バクラクのAI機能群 業務に⾼頻度で潜むアナログな⼿間 • 請求書を1枚1枚スキャンする⼿間 • 領収書をシステムに⼿⼊⼒する⼿間 • 仕訳を作成する⼿間 • カード明細と領収書との突合の⼿間 • 書類の情報を⼊⼒する⼿間 • 請求書をAIが⾃動分割して取り込み • 領収書のデータをAIが⼊⼒ • AIが過去に学習した仕訳を⼊⼒ • 領収書とカード明細をAIが紐付け • AIが書類種別を判定してラベル付け AIにより、アナログな⼿間を無くしていく
10. Introduction ドキュメント解析技術とCV分野の繋がり
11. © LayerX Inc. 11 ドキュメント解析とComputer Vision分野との繋がり Bakuraku AI ⽂字が⼤きい⽅を取りたい？ 表形式で縦と横の 依存関係が混在 ロゴや印影‧ハンコから 認識したい？ 蛍光ペンを 引いてるところを 認識したい？
12. © LayerX Inc. 12 ドキュメント解析とComputer Vision分野との繋がり Bakuraku AI ⽂字が⼤きい⽅を取りたい？ 表形式で縦と横の 依存関係が混在 ロゴや印影‧ハンコから 認識したい？ ドキュメントの内容を理解するには 視覚情報 (Vision)とテキスト情報 (Language)、位置関係 (Layout) を組み合わせて理解する必要がある 蛍光ペンを 引いてるところを 認識したい？
13. © LayerX Inc. 13 PaddlePaddleでは、LLM以前からドキュメント解析を複合的な技術を組み合わせて⾏っている ドキュメント解析とComputer Vision分野との繋がり Bakuraku AI Chenxia Li, et al., PP-structurev2: A stronger document analysis system, arxiv, 2022.
14. © LayerX Inc. 14 近年では、QwenなどのLVLMでDocument画像とBBoxも⽤いて学習されることもある。 ドキュメント解析とComputer Vision分野との繋がり Bakuraku AI Peng Wnag, et al., Qwen2-VL: Enhancing Vision-Language Model’s Perception of the World at Any Resolution, arxiv, 2024
15. Bakuraku AI
16. © LayerX Inc. 16 ⽇常業務の中で⾃然にAIを活⽤いただけるような体験を提供 Bakuraku AI 写真を撮影し、まとめて アップロードするとAIがデータ⼊⼒ 請求書をアップロードした瞬間に、 AIが過去に学習した仕訳を⼊⼒ 領収書をアップロードした瞬間にAIが カード明細情報と照合適切な明細と紐付け 複数枚まとめてスキャンすると、 PDFファイルをAIが⾃動分割 あらゆる種別の書類をまとめてアップロード すると、AIが書類種別を判定し、ラベル付与
17. © LayerX Inc. 17 • PDFや画像といった⾮構造化データからの項⽬抽出や分類 • 情報抽出されたデータや顧客の履歴データなどの構造化データを⽤いた推薦モデル Bakuraku AIに関わる要素技術 Bakuraku AI ドキュメント画像 からの情報抽出 構造化データを⽤いた推薦モデル 画像やPDFからの項⽬抽出タスク 画像やPDFの書類分類 領収書に対してカード明細を推薦 請求書に対して仕訳を推薦 複数の請求書から抽出した情報から 尤もらしい分割点を予測 各社の運⽤に合わせて 項⽬抽出した値を推薦 B社 A社 C社
18. © LayerX Inc. 18 ユーザーに合わせて⾃動学習する次世代のAI-OCR 単純に情報抽出するだけではなく、項⽬抽出した値をパーソナライズすることを実現 パーソナライズドAI-OCR *特許出願準備中 Bakuraku AI A社 C社 B社 複数の値を同時に項⽬抽出  お客様の選択を学習していき、運⽤に最適化していく 1 2
19. © LayerX Inc. 19 項⽬抽出部分はBERT系 (NLPモデル)や、Object Detection (CVモデル)系、 LayoutLM (マルチモーダルモデル)系などを複数検証 パーソナライズドAI-OCR (項⽬抽出モデル) Bakuraku AI Jacov Deblin, et al., BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, ACL, 2019 Zheng Ge, et al., YOLOX: Exceeding YOLO Series in 2021, arxiv, 2021 Yupan Huang, et al., LayoutLMv3: Pre-training for Document AI with Unified Text and Image Masking, ACM, 2022
20. © LayerX Inc. 20 RoBERTa • モデル⼊⼒ ◦ OCRされた⽂書テキスト • モデル出⼒ ◦ Tokenに対応するラベル (Token Classification) • 選定理由 ◦ まずはシンプルな実装で ベースラインを作るのが重要 パーソナライズドAI-OCR (項⽬抽出モデル) Bakuraku AI
21. © LayerX Inc. 21 YOLOXなどのObject Detectionモデル • モデル⼊⼒ ◦ PDFを画像化したもの ◦ 携帯で撮った写真 • モデル出⼒ ◦ 欲しいラベルのBBox ◦ OCR結果と突合して出⼒する • 選定理由 ◦ 画像情報がどれほど重要かを検証 パーソナライズドAI-OCR (項⽬抽出モデル) Bakuraku AI PaymentAmount
22. © LayerX Inc. 22 LayoutLMv3 • モデル⼊⼒ ◦ OCRされた⽂書テキスト ◦ PDFを画像化したもの ◦ 携帯で撮った写真 • モデル出⼒ ◦ Tokenに対応するラベル (Token Classification) • 選定理由 ◦ 当時のSoTAかつToken Classificationの 枠組みで解ける パーソナライズドAI-OCR (項⽬抽出モデル) Bakuraku AI
23. © LayerX Inc. 23 最終的にお客様が欲しいのは、「誰に対して」「いつ」「いくら⽀払った」といった情報。 同じ書類であっても、お客様の運⽤によって変わることがあるため、過去の⼊⼒履歴を活⽤。 パーソナライズドAI-OCR (推薦モデル) Bakuraku AI 会社名が欲しい or 担当者名が欲しい 税込⾦額が欲しい or 税抜⾦額が欲しい 税抜⾦額 税抜⾦額 税込⾦額 会社名 会社名 担当者名 過去の⼊⼒履歴 お客様が欲しい値を推薦 税抜⾦額 会社名
24. © LayerX Inc. 24 LayerXでは、AIを⽤いた際の体験「AI-UX」を重視しており、 間違えた際の気づきやすさ、修正しやすさ、抽出速度などからシンプルなモデルを使⽤。 (どこからその値を抽出したか、などはまだ⽣成モデルより既存モデルの⽅が強い。) ⾃社ドメインの⼤量データで学習する際は、精度的にも既存モデルの⽅が⾼いことも多い。 また、パーソナライズ部分などもICLより既存の推薦技術の⽅がシンプルで扱いやすい。 (余談) Why not LLM ? Bakuraku AI
25. © LayerX Inc. 25 AI-OCRで抽出した取引先名や⾦額‧⽇付などの情報を元に • 「クレジットカードの明細」と「領収書ファイル」の紐付けや • 「仕訳」と「請求書」の紐付けを⾃動化。 証憑マッチング‧仕訳推薦 Bakuraku AI 過去の仕訳情報を 候補として推薦 未処理のカード明細を 候補として推薦
26. © LayerX Inc. 26 請求書を取引ごとに管理するため、取引ごとにお客様が書類を分割してスキャンすることが必要だった AI-OCRで抽出した情報を特徴に、分割点を予測。 PDF分割 Bakuraku AI ページ前後の特徴から 分割する場所を予測する
27. 実データにおける課題 パーソナライズドAI-OCRを例に
28. © LayerX Inc. 28 実際のプロダクトでのユースケースを加味する必要があるため、ドメインにDeepDiveする必要がある 例) パーソナライズドAI-OCRの場合、以下のようなことを加味したラベル設計をしなければいけない。 • 領収書の場合、法律的に屋号でも運営会社名でも取引先として抽出して⼤丈夫。 • 新幹線の領収書は、購⼊⽇なのか乗⾞⽇を取りたいかがサービスによって変わる。 実データにおける課題 訓練ラベルの設計
29. © LayerX Inc. 29 • お客様が増えていく中で、書類の多様性なども⽇々増えていくが、 全ての書類に対してアノテーションできるわけではない。 ◦ 間違えやすい書類をどのように集めてアノテーションに回すか。 ◦ お客様のFBをどのように次の学習に活⽤するか。 • 修正してくれるお客様とそうでないお客様が存在する中、ラベルノイズの影響をどう減らすか。 これらをプロダクトをリリースする前に設計し、必要なログなどを仕込む必要がある。 機械学習モデルの開発はデプロイして終わりではない。 実データにおける課題 フィードバックサイクルの設計が重要 AI アウトプット 人 Feedback・改善 DB Model UI/UX
30. © LayerX Inc. 30 • ラベルの作り⽅に間違った仮定が⼊ってなかったか • 想定していなかった運⽤のお客様が増えていないか • 実際にお客様に話を聞きにいくのも重要 実データにおける課題 デプロイした後も常にモニタリングし、再設計し続ける 急激な精度変化の検知 精度が⽐較的低いお客様で 何が起きているのかの分析 ※グラフはダミーデータです
31. © LayerX Inc. 31 • 経費精算の際に台紙に領収書を複数貼って提出する運⽤。 ◦ AI-OCRは⼀つの画像に複数の取引先名が⼊っていることを想定していないため、精度劣化。 • ⼀つの請求書の合計⾦額ではなく、明細の⾦額を⽤いて複数の仕訳に分割したい。 ◦ AI-OCRは合計⾦額だけを読み取っていたが、明細の⾦額も読み取る必要が出てきた。 実データにおける課題 実際に出てきているユースケース
32. 今後の展望
33. © LayerX Inc. 33 実際に出てきているユースケースを元にデータ抽出パイプラインを再設計し、 後段で様々なユースケースでの活⽤を⾏っていきたい。 今後の展望 ドキュメント解析パイプラインの改善
34. まとめ
35. © LayerX Inc. 35 • ドキュメントという⾮構造化データを起点に CVやNLP、推薦などの複合的な技術を⽤いて、お客様の課題を解決しています。 • モデルを作成する技術はもちろんですが、継続的に改善をするために、 ログの設計やFBサイクルの設計などのMLOps的要素をモデル作成時から考える必要がある。 • 今後、さらに多様なユースケースを解決していくために、 様々な技術を⽤いてお客様の体験を「バクラク」にしていきます。 まとめ LayerXでは様々な技術を組み合わせてお客様の課題を解決しています
36. © LayerX Inc. 36 LayerXでは毎週機械学習関連の勉強会を⾏っており、内容を全て公開しています。 話題になった論⽂などの紹介を⾏っているので、ぜひご覧ください！ [宣伝] LayerX Machine Learning勉強会