AIがついに手書きを読めるように——企業が注目する理由

人工知能のデータ取り込みパイプラインは、言語、数値、表形式データへの需要が高まる一方で、非構造化ドキュメントという未開拓の領域が企業AIアプリケーションの重要なボトルネックとなっています。Valantor社はこの度、非構造化情報RAG専門企業EyeLevelを買収し、エンタープライズビジュアルインテリジェンスプラットフォームを正式に立ち上げました。このプラットフォームは、企業内に存在するスキーマレスで自由形式、未整理の膨大な情報を接続することを目的としています。

EyeLevelのCEO兼共同創業者Benjamin Fletcher氏によると、企業知識の約80％は視覚的に複雑なPDF、PPTX、DOCXファイルに保存されており、これらの情報はあらゆる大規模言語モデルのコンテキストウィンドウの容量をはるかに超え、LLMやエージェントから事実上アクセス不可能です。さらに、手作業で構築された「黄金データセット」には通常10～25％のエラー率が含まれているにもかかわらず、同じチームがAIに対して自社スタッフよりもはるかに高い基準を求めるという皮肉な現状があります。

請求書処理やクレーム処理などのトランザクションワークフローでは、文書の視覚的な複雑さと多様性のため、企業は依然として人間による処理に依存しており、それは遅く、高コストで、エラーが発生しやすいものです。Valantorは、ほとんどのAI企業がモデルに注力する中、同社は「モデルが見えない情報」、つまり文書、契約書、図面、報告書などに閉じ込められた貴重なデータに焦点を当てていると述べています。

主力プラットフォーム製品であるGroundXは、データが存在する場所（プライベートクラウド、主権インフラ、オンプレミス、完全なエアギャップ環境）で動作します。GroundXは非構造化ドキュメントの取り込みと検索レイヤーであり、すべての機能はREST API、SDK、MCPを通じて公開されます。買収の一環として、ValantorはGroundX Studioも発表しました。これにより、開発者は既存のインフラ内でエンタープライズ知識を活用した安全なAIアプリケーションを構築でき、ビジネスユーザーは大規模なカスタム開発なしにAI駆動のワークフローを作成できます。

データ取り込みによるレイテンシーとコスト増加の懸念に対し、Fletcher氏は、決してファイル全体を言語モデルに送信するのではなく、ビジョンモデルが各ページをまず要素に分割し、処理は複数のパスで並行して実行されるため、最小処理時間はあるがページ数に比例してスケールしないと説明します。各エージェントは小さなタスクを実行するため、より安価なモデルで十分であり、チームはHelmを使用して自社のハードウェアでスタック全体を実行しコストを制御できます。

手書き認識に関して、Valantorは、100万ページ以上のエンタープライズ文書で微調整された独自のビジョンモデルが、人間のようにページを認識し、テーブル、段落、図形を識別すると主張しています。手書きのマークはページ要素としてレイアウトコンテキストを保持したままキャプチャされ、狭いエージェントが各要素を検索およびLLM補完に適したコンテキストオブジェクトに蒸留します。

実際の事例として、Air France-KLMはGroundXを使用して数千のポリシードキュメントでトレーニングされたAIカスタマーサービスアシスタントを開発し、複雑なポリシー関連の質問で96％以上の精度を達成しました。AskVetはこのプラットフォームを活用して10年以上の独自獣医データを運用化し、顧客問い合わせの最大85％を自律的に解決し、業務効率を大幅に向上させました。

ドキュメント管理は依然として「野菜を食べる」ように捉えられるかもしれませんが、AIツールが企業が長年蓄積してきた非構造化情報の分析を始めるにつれ、この分野はますます重要性を増しています。