Amazon Textract Insights が一般提供開始:自然言語でフィールドを抽出、信頼度スコアとページ位置付き、1ファイル最大3,000ページ
AWSはAmazon Textract Insightsの一般提供を発表しました。自然言語でフィールドを定義し、混在した書類パッケージを処理でき、各値に信頼度スコアとページ位置が付きます。現在は6言語に対応し、東京とチューリッヒの両リージョンではまだ利用できません。
ニュース日: 読了目安 9 分
目次
AWSによると、Amazon Textract Insightsが一般提供(general availability、正式提供)に到達しました。これはAmazon Textract内で新しいAPIを通じて提供される生成AI機能です。利用者は抽出したいフィールドを自然言語で説明するだけで、信頼度スコアとページ位置付きの構造化された結果を得られます。AWSは、住宅ローン、保険金請求、入社書類のパッケージのような混在書類を典型的なシナリオとしています(以上はAWSの説明に基づきます)。
Amazon Textract Insightsは従来の方法と何が違うのか?
AWSによると、チームには通常2つの方法があります。1つ目は、OCR(光学文字認識。スキャン画像内の文字をコンピューターが読める文字に変換する技術)、書類の分割、分類、基盤モデルへのプロンプト、レビュー工程を組み合わせた独自のパイプラインを構築する方法です。2つ目は汎用の大規模言語モデルを直接使う方法で、流暢な回答は得られるものの、元のページを確実に示したり信頼度スコアを提供したりできるとは限りません。AWSは、Textract Insightsがこの流れ全体をTextract上の1回の非同期リクエスト(送信後にバックグラウンドで処理し、完了後に結果を取得する方式)に統合すると述べています。
AWSの説明では、利用者は「blueprint」(抽出テンプレートと考えるとわかりやすいものです)で抽出内容を定義します。これはJSON Schema、つまりデータフィールドの構造を記述する標準形式で書かれています。各フィールドには自然言語の説明と「推論タイプ」があり、値をページから文字どおり読み取るのか、書類の内容から推論するのかを決めます。AWSが公開しているblueprintはW-2、Form 1040、Form 1098、パスポート、出生証明書などに対応しており、利用者が独自に作成することもできます。
混在書類パッケージはどう処理し、どの形式と言語に対応するのか?
混在書類パッケージを処理するには、まず書類の種類ごとのblueprintを同じプロジェクトに追加します。次に、自分のAmazon S3(AWSのクラウドファイルストレージサービス)バケットから単一のファイル(最大3,000ページ)を送信し、分割を有効にします。AWSによると、サービスはファイルを論理的なサブ文書に分割し、適切なblueprintを対応付けてフィールドを抽出し、各値の信頼度スコアと位置情報を返します。
AWSの例では、26ページの住宅ローン申請PDFにW-2、給与明細、銀行取引明細書、ローン担当者の手書きメモが含まれています。StartDocumentInsightsを1回呼び出すだけで、結果が利用者のS3に書き戻されます。各値には信頼度スコアと、元のページおよびバウンディングボックス(ページ上のその値の位置を示す矩形の座標)が付きます。
| 項目 | Textract Insights | Textract Coreの更新 |
|---|---|---|
| 性格 | 新しい生成AI機能、新APIで提供 | 既存の読み取りエンジンの更新、既存APIは変更なし |
| 言語 | 英語、フランス語、ドイツ語、イタリア語、ポルトガル語、スペイン語 | DetectDocumentTextとAnalyzeDocumentが40言語に拡大 |
| リージョン | 東京とチューリッヒではまだ提供されていない | 東京とチューリッヒを追加、合計18リージョン |
| 処理場所 | 利用者の地理的範囲内で自動的にリージョンを選んで推論 | 呼び出したリージョン内で処理 |
| 入力と料金 | PDF、PNG、JPEG、TIFF、ページ単位課金、最低コミットメントなし | 発表では言及なし |
信頼度スコアと位置情報は監査と自動化をどう支えるのか?
AWSの説明では、Insightsは2種類のフィールドを返します。ページから直接読み取る明示的なフィールドと、内容から導き出す推論フィールドです。どちらにも信頼度スコアと、値の取得元のページおよび座標が付きます。そのため、レビュー担当者や監査担当者は元の書類と照らし合わせて、あらゆる結果を確認できます。
AWSは、Symbeo(CorVel傘下)の情報システム担当バイスプレジデントであるVijay Agrawal氏の評価コメントを引用しています。チームは必要なフィールドを平易な言葉で記述でき、信頼度スコアに基づいて信頼度の低いフィールドだけをレビューできるとし、書類分割機能の検証にも期待を示しています。これはベンダーが公表した顧客の発言であり、独立した検証を経たものではありません。
データセキュリティと始め方は?
AWSによると、プロジェクトとblueprintは、既定ではAWS所有のキーで保管時の暗号化(保存されたデータを暗号化しておくこと)が行われます。独自のAWS KMS(AWSの鍵管理サービス)カスタマー管理キーを使いたい場合は、CreateProjectまたはCreateBlueprintの呼び出し時にEncryptionConfigurationで指定できます。分析ジョブの中間処理データも暗号化され、一時的なデータとしてジョブの完了時に削除されます。プロジェクトのキーはそのジョブには適用されません。
- 要件を定義する:AWSの公開blueprintから始めるか、自分のフィールドを自然言語で記述します。
- プロジェクトを作成する:blueprintをプロジェクトに追加します。
- 書類を送信する:Amazon S3から、単一書類または混在書類パッケージを1回のAPI呼び出しで送信します。
- 結果を確認する:信頼度のしきい値を満たした値は受け入れ、残りは人によるレビューに回し、自分の代表的なサンプルでしきい値を調整します。
よくある質問
Amazon Textract Insightsは現在プレビュー版ですか、正式版ですか?
AWSは発表の中で一般提供(general availability)、つまり正式版に到達したと述べています。ただし、リージョンと言語には制限があり、たとえば東京とチューリッヒではまだ提供されていません。
モデルを自分で学習させる必要はありますか?
必要ありません。AWSは、利用者がフィールドを自然言語で記述するだけでよく、モデルの学習は不要だと説明しています。
既存のTextract APIに影響はありますか?
AWSによると、Textract Coreの更新では既存のお客様側で変更を行う必要はなく、既存のAPIは変わりません。
料金はどのように計算されますか?
AWSによると、トークン単位ではなくページ単位の課金で、最低利用コミットメントはありません。発表には具体的な料金は記載されていないため、Amazon Textractの料金ページをご確認ください。
台湾では利用できますか?
AWSの発表には、台湾や各リージョンの完全な提供一覧は示されていません。東京とチューリッヒでInsightsがまだ提供されていないことのみが説明されているため、AWSのドキュメントをご確認ください。
同じテーマの記事
Claude Code 2.1.330:Enterprise Admin Consoleへのログイン、easelグラフモジュール、スケジュールタスクが最長30日に
AnthropicのClaude Code 2.1.330変更履歴には、Enterprise Admin Consoleへのログイン、組み込みグラフモジュールeasel、最長30日のスケジュールタスク、より厳格なrmコマンドの承認が記載されています。
AWS Quick アップデート:チャットでのフロー作成、マルチエージェント連携、Meta ads・Amplitude コネクタを追加。AWS によると全提供リージョンで即日利用可能
AWSが分散KVキャッシュのAgent Skillを公開:AWSは自前LLMのコスト最大40%減、初回トークン遅延最大80%減と説明
Amazon SageMaker HyperPod Slurm にクラスター拡張機能が登場:オブザーバビリティとユーザー管理の2つのマネージド拡張、HyperPod対応の全リージョンで利用可能
出典
上記の参考資料および記載の確認日時点の情報をもとに整理しています。料金・時刻・機能・利用規約は変更される場合があるため、ご旅行や予約・購入の前には該当する公式サイトで最新情報をご確認ください。