大日本印刷（DNP）は12月14日、PDFやWord等の多様なドキュメントを生成AIの学習に適したデータ形式に整形する技術を開発したと発表。本技術により、生成AIの回答精度を向上させることができるという。
急速に普及が進む生成AIが抱える課題に、回答精度の低さがある。その解決策の一つとして、外部から正しい知識・情報・データを与えることが有効とされている。
政府は、生成AIの利用ルール等を議論する「AI戦略会議」で、政府保有のデータを開発者に提供する方針を決めているが、その多くはPDF形式であり、生成AIが効果的に学習・参照できるような構造に情報を整形する必要がある。こうした課題の解決に向けて同社は今回、企業・自治体等が保有する多様なドキュメントを生成AI向けのデータとして整形する技術を開発した。
同社では今年5月に生成AIを活用できる社内環境を構築し、本技術を用いて、社内規定、品質マニュアル、決算短信などのドキュメントのデータを整形し、生成AIに学習・参照させて実証実験を行った。その結果、整形したデータを用いた生成AIは、従来の生成AIと比較して、誤回答を約90%削減することができたという。
本技術は、テキスト・画像・表組等が混在したドキュメントから、独自のAIモデルを使ってタイトルや本文、画像や表の内容・キャプションなどの要素ごとにコンテンツを分割し、生成AIが学習・参照しやすいデータ形式に整形する。データ整形は人手をほぼ介さずに機械処理で行うため、大量の文書も高速に処理できる。
より複雑で異なるレイアウトやドキュメントに対応するためには、ドキュメントの構造を認識する継続したAIモデルの拡充が重要となる。同社が開発したAIモデルは、一般的なディープラーニング（深層学習）のモデルでは数百～数千ページのデータ学習が必要となるところ、数十ページのデータ学習で生成AI向けのデータを整形することができるという。
今回の技術を活用することで、膨大なマニュアルやドキュメントを参照して業務を行う審査やコンタクトセンターの問い合わせ対応などにおいて、高精度な回答につながり、業務効率化を実現できるという。
同社は2024年1月から、本技術を生成AIの導入や活用、生成AIに必要な学習データの加工・収集に課題を持つ企業・団体向けに提供するとしている。
