Abbyy、phoenixにドキュメント専用の生成aiレイヤーを追加

企業は自動化プロセスでドキュメントを活用しようとしていますが、請求書、契約書、フォームは必ずしも均質な構造を持っていません。ABBYYは特定のモデルを必ずしも訓練せずにこれらの変動を処理することを目指しています。このソリューションは従来のドキュメント処理技術と生成モデルを組み合わせ、編集者によって管理された環境で動作します。

2024年にリリースされたPHOENIXの進化版

PHOENIXは2024年のABBYY Ascendイベントで発表されました。当初は小型言語モデル（SLM）を用いたマルチモーダルアプローチに基づき、ドキュメントタスクに特化したAIを目指していました。主な目的はデータラベリングの簡素化と抽出モデルの準備の高速化でした。このソリューションは編集者のAI技術を集約するPurpose-Built AI Centerの一部として位置づけられていました。

PHOENIX Plusは単なる初期モデルの新バージョンではありません。より広範なアーキテクチャPHOENIXの一部であり、決定論的ドキュメント処理基盤であるPHOENIX Coreと補完的な生成レイヤーであるPHOENIX Plusに区別されます。前者はOCR、レイアウト解析、分類、抽出の従来機能をまとめ、後者はABBYYが選定・最適化した生成モデルを活用し、従来のルールや事前学習モデルが不十分な場合に介入します。

事前訓練なしで抽出と解釈

発表された主な特徴の一つはzero-shot抽出で、未知または非常に変動するドキュメントから専用モデルの訓練用データセットを作成せずに情報を取得可能にします。プレスリリースによれば、サプライヤー契約の場合、求める情報は文書ごとに異なる条項に記載されることがあります。PHOENIX Plusは事前定義された指示から関連要素を検出し、期待される構造で結果を返すことができます。

このソリューションは初期抽出後に自由テキストの解釈、情報の照合、不整合の検出、業務プロセスの次段階への推奨生成にも対応します。ABBYYは単なるフィールドの読み取り・転記を超えた用途を目指しています。編集者にとって、このハイブリッドアプローチは確立されたルールに基づく決定論的技術と、より柔軟なコンテンツに対応する生成技術を共存させます。この構成はデータ検証、信頼度閾値、原文書までのトレーサビリティ、人間による検証依頼の可能性に基づいています。

ABBYYは物流業界の顧客が手書きと印刷文が混在する複雑なフォームで初回処理時に99％の精度を達成したと述べています。ただしこれは提供者からの報告であり、製品性能の一般的な結論を導くものではありません。実用的な価値は文書の複雑さ、利用可能なデータの質、必要な検証レベルに依存します。

ホスティング、料金、提供状況

PHOENIX PlusはVantageに統合されABBYYがホスティングします。編集者によると、データは顧客のVantage環境と同じリージョンで処理され、結果返却後はサービス側で保持されません。経済面では、ABBYYはモデルプロバイダーとの別契約やトークン（モデルが処理するテキスト単位）消費に基づく課金を避けるため、Vantageのサブスクリプションに年間固定費で追加する予定です。オプション料金は発表されていません。

顧客は引き続きVantageのBYOM（Bring Your Own Model）オプションを利用してOpenAI、Google、Anthropic、Mistralなどの独自モデルを接続可能です。この場合、企業はモデルを選択し、選択したプロバイダーの条件を考慮する必要があります。PHOENIX PlusはVantageの一部顧客に限定的に提供されており、編集者は関心のある組織に対し利用資格の確認を呼びかけています。公開情報には他のドキュメント抽出ツールや汎用モデルとの比較を可能にする独立したベンチマークは含まれていません。