ドキュメント処理
表の抽出
列を定義するか、必要な内容を自然言語で説明するだけ。AI が文書を読み、抽出し、すべてのセルを逐語照合します。
表の抽出
表がどのように処理されるか
このツールが出力するすべてのセルは、それが由来するページのテキストレイヤーと照合されます。モデルが表を読み値を書き、検証器が「この文字列は文書内にそのまま存在するか」をセルごとに問います。確認できたセルは通常の値として納品され、確認できないセルは印を付けられ、納品全体も「警告あり」として扱われます。きれいな成功として報告されることはありません。
この検査が必要な理由は具体的です。表の転記を求められたモデルは、ときに「改善」します。弊社のテストでは、循環貸款というセルが循環貸款等に変わりました。一文字増えただけで、流し読みでは気づかず、しかし誤りです。スキーマ検証では捕まりません。列は列のまま、型は型のままだからです。原文と比較して初めて見つかります。
出力列は自分で定義できますし、一文で要件を説明して構造を推論させることもできます。説明モードはまず無料の構造プレビューを返すので、クレジットを使う前に正しく理解されたかを確認できます。検出された表はそれぞれワークブックの別シートになります。
よくある質問
- スキャンで文字がぼやけて読めない場合はどうなりますか？
- 未確認として印を付けます。もっともらしい値を黙って推測し、事実として納品することはしません。表の中の「正しそうな誤った数値」は、目に見える欠落より有害だからです。該当セルを確認できるよう、納品に警告が付きます。
- どのセルが未検証かはどう分かりますか？
- 結果には対象の表を示す警告が付き、文書で確認できなかったセルは個別に報告されます。未確認セルを含む納品は「成功（警告あり）」となり、きれいな成功にはなりません。結果そのものが確認を促します。
- 元の表の行と列の構造は保たれますか？
- 保たれます。レイアウトは元ファイルの幾何情報から読み取るため、結合セルや行のまたがり、読み順が維持され、一列に潰れることはありません。表ごとに別シートになるので、複数の表がある文書でも混ざりません。
- どのくらい大きい文書をアップロードできますか？
- 1 ファイルあたり最大 50MB です。表はページ単位で読むため、長い報告書でも 2 ページ目の表と 200 ページ目の表でコストは変わりません。巨大なスキャンは小さく分割したほうが通常は速く終わります。
- OCR ソフトとの違いは何ですか？
- OCR は読解順に文字を返し、正しいかどうかの判断はあなたに委ねます。ここでは表の構造に加えて、セルごとに原文と照合した結果を返し、確認できなかったセルを明示します。読み直しが必要なテキストの壁ではなく、監査できるワークブックを納品します。
- どの形式で返ってきますか？
- 検出した表ごとに 1 シートを持つ Excel ワークブックと、元のページ数・チェックサム・警告を記録した JSON マニフェストです。マニフェストがあるため、どの実行がどのファイルを生んだかを記憶に頼らず後から説明できます。
このツールができないこと
スキャンを修復はしません。元ファイルで本当に判読できない値は、どの処理でも復元できません。数値をでっち上げず、未確認として伝えます。
数式は作りません。スキャンで見える値は転記しますが、元ファイルが行っていた計算を再構成はしません。
「確認済み」は、その文字列が文書のテキストレイヤーに存在するという意味であり、意図どおりに表を解釈したという意味ではありません。存在しない列を定義しても、ツールが作ることはできず、納品にそれが現れます。