バックオフィス向け toB SaaS バクラクにおけるレコメンド技術活用 / recommender-systems-in-layerx-bakuraku

2025年4月17日 Recommendation Industry Talks #6 (https://recommendation-industry-talks.connpass.com/event/349427/) における発表資料です。

一見、推薦システムとは関係が薄そうなバックオフィス向け toB SaaS バクラクにおいて、レコメンド技術がどのように活用されているのかについてお話ししました。

Transcript

1. © LayerX Inc. 2025/04/16 Recommendation Industry Talks #6 株式会社LayerX Yuya Matsumura(@yu-ya4) バックオフィス向け toB SaaS バクラクにおけるレコメンド技術活⽤
2. © LayerX Inc. 2 バクラク事業部 AI‧機械学習部 部⻑ / 機械学習エンジニア 経歴 2018/3：京都⼤学⼤学院 情報学研究科 修⼠課程修了 2018/4：ウォンテッドリー株式会社 ⼊社 • ⼀⼈⽬データサイエンティストとして推薦システム開発チーム の⽴ち上げなど • その後、テックリードやEM、PdMなどを兼任 • 退職後は機械学習領域の技術顧問に就任 2022/10：株式会社LayerX ⼊社 • 機械学習とかLLMとかAgentとかやってます その他、⼤学にて⾮常勤講師やスタートアップの技術⽀援等 画像を入れてね ⾃⼰紹介 松村 優也（Yuya Matsumura） @yu__ya4
3. AI×バクラク
4. バクラクは、稟議、経費精算、法⼈カード、請求書受取、請求書発⾏、 勤怠管理などの業務を効率化するクラウドサービスです。 最先端のAIを組み込むことで、⼿⼊⼒や紙の管理などの業務から解放し、 従業員⼀⼈ひとりがコア業務に集中できる新しい働き⽅を創造します。 中⼩企業から⼤企業まで、10,000社を超えるお客様の働きやすい 環境づくりと事業成⻑を⽀援しています。 バックオフィスから 全社の⽣産性を⾼める。 © LayerX Inc.　 4
5. © LayerX Inc.　 5 「バクラク」シリーズラインナップ ‧AIが請求書を５秒でデータ化 ‧仕訳 / 振込データを⾃動作成 ‧電帳法‧インボイス制度にも対応 仕訳‧⽀払処理効率化 ‧年会費無料で何枚でも発⾏可能 ‧カード利⽤制限で統制を実現 ‧すべての決済で1%以上の還元 法⼈カードの発⾏‧管理 ‧帳票の⼀括作成も個別作成も⾃由⾃在 ‧帳票の作成‧稟議‧送付‧保存を⼀本化 ‧レイアウトや項⽬のカスタマイズも可能 請求書発⾏ ‧スキャナ保存データも直接取込み  ‧AI-OCRが書類種別を判定＆データ化 ‧[取引先][取引⽇][取引⾦額]での検索 帳票保存‧ストレージ ‧AIが各種申請書の作成をサポート ‧スマホからも申請‧承認可能 ‧柔軟な通知設定 / 承認の催促機能あり 稟議‧⽀払申請 ‧直感的UIで従業員の負担を軽減 ‧Slack連携で打刻や⾃動リマインド可能 ‧わかりやすい残業 / 休暇管理レポート 勤怠管理 ‧AIが領収書を5秒でデータ化 ‧スマホアプリとSlack連携あり ‧領収書の重複申請などミス防⽌機能 経費精算
6. © LayerX Inc. 6 「業務そのものをなくす」 LayerX / バクラクは “業務の完全⾃動運転” の実現を⽬指す
7. © LayerX Inc. 7 出張予定をカレンダーに登録さえすればすべてが終わる世界がくるかもしれない 出張予定がカレンダーに登録される 登録された期間や場所、業務‧イベント内容などから事前の出張申請をAIが⾃動で作成 出張内容に適しており社内規定にも沿った交通⼿段や宿泊施設をAIがレコメンド AIが⾃動で予約や決済を完了 （Level 5 では⾶⾏機が⽋航してしまうなどの不測の事態にも対応） 出張期間中の経費精算や社内規定に沿った⽇当に関する事後の申請もAIが⾃動で作成 ⼈間は出張に⾏って帰ってくるだけ。本来やるべきことに集中できる！ たとえば“業務の完全⾃動運転” in 出張業務 「業務そのものをなくす」
8. © LayerX Inc. 8 業務の完全⾃動運転に必要なAI機能群を開発しています 「業務そのものをなくす」
9. 推薦（レコメンド）システムとは
10. © LayerX Inc. 10 推薦（レコメンド）システムとは It is often necessary to make choices without sufficient personal experience of the alternatives. In everyday life, we rely on recommendations from other people either by word of mouth, recommendation letters, movie and book reviews printed in newspapers, or general surveys such as Zagat’s restaurant guides. Recommender systems assist and augment this natural social process. [Resnick+ 97] ⾃分の経験からのみではあまりよくわからないものの中から、どうしてもどれか を選ばなければならないということはよくある。このような際わたしたちは、⼝ コミ、推薦状、 新聞の書評や映画評、レストランガイドなどの他⼈からの推薦に 頼ることを ⽇常的に⾏っている。 推薦システムとは、こうした社会で普通に⾏わ れている⼀連の⾏為を補助したり、促進したりするものである。 [Resnick 97] P. Resnick and H. R. Varian. Recommender systems. Communications of the ACM, Vol. 40, No. 3, pp. 56–58, 1997.
11. © LayerX Inc. 11 推薦（レコメンド）システムとは Recommenders: Tools to help identify worthwhile stuff [Konstan+ 03] 推薦システム：どれに価値があるかを特定するのを助ける道具 [Konstan 03] J. A. Konstan and J. Riedl. Recommender systems: Collaborating in commerce and communities. In Proc. of the SIGCHI Conf. on Human Factors in Computing Systems, Tutorial, 2003.
12. © LayerX Inc. 12 推薦（レコメンド）システムとは “推薦システムの分野の⼤きな⽬標は，ユーザに（オンライ ン）意思決定⽀援を⾏うシステムを構築することである．” 共⽴出版『情報推薦システム⼊⾨』より
13. © LayerX Inc. 13 推薦（レコメンド）システムとは “複数の候補から価値のあるものを選び出し、 意思決定を⽀援するシステム” オライリー‧ジャパン『推薦システム実践⼊⾨』より
14. © LayerX Inc. 14 推薦（レコメンド）システムとは “複数の候補から価値のあるものを選び出し、 意思決定を⽀援するシステム” オライリー‧ジャパン『推薦システム実践⼊⾨』より UX （ユーザー体験） アルゴリズム
15. © LayerX Inc. 15 推薦（レコメンド）システムとは 推薦システムを⽀えるアルゴリズムやUX（ユーザー体験）を実現する技術が バクラクでどのように活かされているのかという話をします
16. レコメンド技術×バクラク
17. © LayerX Inc. 17 推薦（レコメンド）×バクラク 経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始 フォームを選択 主要項⽬の⼊⼒ 内訳の選択 その他情報の⼊⼒ 経費申請をするぞ！ と決⼼（激ムズ） 申請内容に応じた フォームを複数の候 補から選択 ⽇付‧⾦額‧⽀払先 を領収書などの情報 をもとに⼊⼒ 内訳（経費の種類）を 複数の候補から選択 申請内容に応じて追加で 必要な情報を⼊⼒する e.g. 適切な部署をマスタ から選択、会⾷の参加者 ⼈数や⽒名、タクシーの 乗⾞区間や乗⾞理由の記 述などなど
18. © LayerX Inc. 18 推薦（レコメンド）×バクラク 経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始 フォームを選択 主要項⽬の⼊⼒ 内訳の選択 その他情報の⼊⼒ 経費申請をするぞ！ と決⼼（激ムズ） 申請内容に応じた フォームを複数の候 補から選択 ⽇付‧⾦額‧⽀払先 を領収書などの情報 をもとに⼊⼒ 内訳（経費の種類）を 複数の候補から選択 申請内容に応じて追加で 必要な情報を⼊⼒する e.g. 適切な部署をマスタ から選択、会⾷の参加者 ⼈数や⽒名、タクシーの 乗⾞区間や乗⾞理由の記 述などなど
19. © LayerX Inc. 19 請求書や領収書などの帳票に記載された項⽬（⽀払期⽇や⽀払⾦額、取引先‧⽀払先名など）を抽出。 • 対応枚数が数⼗、数百枚と増えるにつれ、 ミスが起こりやすくなる • 帳票のフォーマットは多種に渡り、 ⽬視で必要な項⽬を探すのは⼿間がかかる • ミスが許されないため、ダブルチェック等の 確認作業にも追加でコストが必要 AI-OCR機能：⼈間が帳票をもとに⼿⼊⼒でデータ化するという業務を無くす 主要項⽬の⼊⼒
20. © LayerX Inc. 20 帳票には様々な⾦額‧⽇付‧取引先が存在 従来のAI-OCR機能の課題
21. ホテルの領収書で読み取りたいのは チェックアウト⽇ or 決済⽇ CASE.1 請求書で読み取りたいのは 税抜請求⾦額 or 税込請求⾦額 CASE.2 運⽤⽅法や業務の⽂脈など、顧客ごとのユースケースによって読み取りたい値が変わる 従来のAI-OCR機能の課題
22. パーソナライズド AI-OCR *特許出願中 従 来のAI-OCRでは難しかった、ユースケースに 合わせて値を読み取ることが可能に。 お客様ごとの運⽤に合わせて学習します。 複数の値を同時に読み込み AIが推薦 STEP.1 お客様の選択を学習していき 運⽤に最適化していく STEP.2 お客様ごとの業務運⽤ルールに即した新しいAI-OCR
23. © LayerX Inc. 23 1. 項⽬ごとに候補となる値を帳票から抽出（Candidate Generation） 2. お客様が求めているであろう順に並び替えてレコメンド（Reranking） Two-Stage Recommender アーキテクチャを採⽤ パーソナライズドAI-OCRの裏側 ‧ ‧ ‧ ‧ ‧ ‧ ‧ ‧ ‧
24. © LayerX Inc. 24 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 項⽬抽出モデル（Candidate Generation） パーソナライズドAI-OCRの裏側 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
25. © LayerX Inc. 25 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ため、過去の⼊⼒履歴を活⽤。 推薦モデル (Reranking) 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 パーソナライズドAI-OCRの裏側
26. © LayerX Inc. 26 ※説明のため検証⽤のシステムの画⾯を利⽤。実際のプロダクトとは異なります。 推薦結果をリスト（ランキング）形式でユーザーに表⽰ パーソナライズドAI-OCRの裏側 ‧ ‧ ‧ ‧ ‧ ‧ ‧ ‧ ‧ 正解を上位に出せ るほど体験が良い 候補は帳票上の位 置と紐づく “何番⽬がクリックさ れたか”が分かるログ の取得
27. © LayerX Inc. 27 ユーザーの修正をもとに学習の feedback loop を回す パーソナライズドAI-OCRの裏側 ‧ ‧ ‧ ‧ ‧ ‧
28. © LayerX Inc. 28 推薦（レコメンド）×バクラク 経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始 フォームを選択 主要項⽬の⼊⼒ 内訳の選択 その他情報の⼊⼒ 経費申請をするぞ！ と決⼼（激ムズ） 申請内容に応じた フォームを複数の候 補から選択 ⽇付‧⾦額‧⽀払先 を領収書などの情報 をもとに⼊⼒ 内訳（経費の種類）を 複数の候補から選択 申請内容に応じて追加で 必要な情報を⼊⼒する e.g. 会⾷の参加者⼈数や ⽒名、タクシーの乗⾞区 間や乗⾞理由など
29. © LayerX Inc. 29 内訳の選択 経費精算の種類をマスタから選択する 会社ごとに任意のマスタを設定しており、単純に「この領収書ならこの内訳」という解き⽅は難しい 経費精算時に従業員が分かりやすいように 会社ごとに名前をつけたもの 経理の方が経理業務で使用する 法律で決まっている値
30. © LayerX Inc. 30 内訳の選択 内訳推薦 過去に「どの取引先で」「どういう内訳を選択してきたか」の履歴データ等を利⽤して学習‧推薦 パーソナライズドAI-OCR同様、リスト（ランキング）形式で候補をユーザーに表⽰
31. © LayerX Inc. 31 推薦（レコメンド）×バクラク 経費申請業務（超簡略版）に含まれる様々な “選択”‧ “意思決定” 申請業務を開始 フォームを選択 主要項⽬の⼊⼒ 内訳の選択 その他情報の⼊⼒ 経費申請をするぞ！ と決⼼（激ムズ） 申請内容に応じた フォームを複数の候 補から選択 ⽇付‧⾦額‧⽀払先 を領収書などの情報 をもとに⼊⼒ 内訳（経費の種類）を 複数の候補から選択 申請内容に応じて追加で 必要な情報を⼊⼒する e.g. 会⾷の参加者⼈数や ⽒名、タクシーの乗⾞区 間や乗⾞理由など
32. © LayerX Inc. 32 申請業務を開始 ユーザーに申請業務の開始を促す仕組み カードを利⽤したら slack で push。レコメンド同様、ユーザーが欲しいときにpushできるように様々な コンテキストを利⽤（したい）
33. © LayerX Inc. 33 申請業務を開始 （今後）ユーザーのアクションなしで申請業務を開始するAIエージェント メールで帳票が送られてきたら勝⼿にダウンロードして経費精算開始、カレンダーに予定が登録されたら 勝⼿に出張申請開始。業務の起点を押さえ、そもそもユーザーにアクションさせない。
34. ⼀般的な(？)toC アイテム推薦サービスとの違い
35. © LayerX Inc. 35 • バクラクは累計導⼊社数 15,000 超。１社あたりN⼈のユーザーがいるが、ToCと⽐べるとユーザー 数はかなり少ない。アイテム数も少ない。利⽤頻度もToCより遥かに少ない。 • データのばらつきが⼤きい。従業員数が数名の会社から万の会社まで。ユーザーごとの利⽤頻度の ばらつきも⼤きく、経理の⽅はヘビーユーザーだが、⼀般従業員は⽉数回。 ◦ この性質を理解した上で裏側を作るのがミソ。腕の⾒せ所！ ◦ 従業員数の多いエンプラ企業様の利⽤が開始する際は緊張感が⾛る。腕の⾒せ所！ • ABテストとかはあまりしない。事前のオフライン検証 + リリース後のモニタリング。 ◦ サンプル数が少ないので正しいオンライン検証を⾏うコストが⾼い。 ◦ 正解が決まっているという性質上、オフライン検証との相関も強い。 データ量 ⼀般的な(？)toC アイテム推薦サービスとの違い toCサービスのユーザー数、アイテム数、インタラクション数と⽐較すると⼩さい。
36. © LayerX Inc. 36 • toBのお客様は実際に⾃⾝が業務で困っているため、課題を解決したいという想いがとても強い。 ◦ 機能開発のためのヒアリングやデータ提供などにも積極的に協⼒いただける⽅も多く、語弊 を恐れずに⾔うと、お客様と⼀緒にプロダクトを開発している感覚になる。 • 機能をリリースできたり、AI系システムの精度が改善した際にめちゃくちゃ嬉しいFBをいただけ ることも多い。XなどSNSに投稿いただけることも多く、バックオフィスtoBサービスがSNSで褒 められるって意外だった（バクラクは割と特殊な⽅かも）。 ユーザーとの距離 ⼀般的な(？)toC アイテム推薦サービスとの違い 実はtoCサービスよりユーザー（お客様）との距離が近いかも
37. © LayerX Inc. 37 • お客様への提供価値から計算する。いかに業務をなくせたか？ ◦ AIの精度がx%上がると、⼿⼊⼒業務がy分なくなる。従業員の時給換算するとz円分の価値と なる。といった計算が可能。プライシングも基本的にはこのような考え⽅。 • バックオフィス系toBサービスのデジタル化はまだまだこれから。AI化は⾔わずもがな。 ◦ 世の中にないものを作っている。ある機能があるから導⼊してくれるというケースも多い。 ◦ 特に今が熱い！AI時代だからこその新しい価値を創り出すチャンス！ • 先ほども触れた通り、toBのお客様は実際に⾃⾝が業務で困っているため、課題を解決したいとい う想いがとても強い。解決できた際の喜びもとても⼤きい。⼈の役に⽴つことをしている感覚がと ても強いです。 ビジネスインパクト ⼀般的な(？)toC アイテム推薦サービスとの違い CVRがx%上がるとy億円売り上げが、、、という直感的に分かりやすいロジックではない
38. © LayerX Inc. 38 AIの精度が上がった際に⼈が本当に幸せになっているのか？ 余談 Amazonを事例に、“利益を最⼤化する” ことによる環境問題‧⼤量消費への問題提起を⾏うドキュメン タリー。おすすめ。 https://www.netflix.com/jp/title/81554996
39. おわりに
40. © LayerX Inc. 40 おわりに 推薦システム開発で培った技術や経験は、 分かりやすいToC アイテム推薦サービス以外でも活かせます！
41. © LayerX Inc. 41 おわりに わたしはたくさん⾯談や⾯接をするのですが、レコメンド畑の⽅で分かりやす いtoC アイテム推薦サービスにこだわっている⽅がけっこう多い印象
42. © LayerX Inc. 42 おわりに 推薦システム開発楽しいもんね！わかる！ とはいえ、思い込みから可能性を狭めてしまっているとするともったいないな と思うので、あえて違う世界に⾶び込んでみるのもありかもしれません！意外 となんとなかります！私もそうでした！
43. © LayerX Inc. 43 「業務そのものをなくす」 ⼀緒に “業務の完全⾃動運転” の実現を⽬指しましょう！