AWS、Bedrock AgentCoreを用いた「自己改善型」文書処理システムを解説 テンプレート不要で自律学習
要点
-
米AWSが、Amazon Bedrock AgentCoreを活用した自己改善型のインテリジェント文書処理（IDP）システムの構築手法を公開した。
-
従来の固定テンプレート方式が抱える保守負担やレイアウト変更への脆弱性を、AIエージェントの自律学習によって解消する。
-
8つの特化型エージェントが連携し、最短20分未満でのデプロイや新規フォーマットへの自動対応を実現するという。
-
オープンソースSDK「Strands Agents」やAmazon Textract、Amazon S3 Vectorsを組み合わせた仕組みが示されている。
-
米Amazon Web Services（AWS）は2026年10月14日、公式ブログ「AWS ML Blog」において、エージェント構築基盤「Amazon Bedrock AgentCore」を活用した自己改善型インテリジェント文書処理（IDP）システムの設計手法を公開した。従来の固定テンプレートに依存した処理パイプラインが直面していた運用課題を解消し、AIエージェントがビジネス文書のレイアウトを自律的に学習・適応する仕組みを解説している。人間の介入を最小限に抑えながら、請求書や発注書といった多様な文書処理を効率化できるアプローチだという。
従来型ドキュメント処理が抱えるコストと3つの課題
企業の日常業務において、文書処理の非効率は大きなコスト要因となっている。記事が引用したIDCの調査によると、文書関連の課題によって組織は情報労働者1人あたり年間19,732ドルのコストを強いられ、生産性が21.3パーセント低下しているという。また、スタッフは業務時間の最大30パーセントを文書関連業務に費やしており、手動データ入力のエラー率は1〜4パーセントに上ると指摘されている。
特に多数のサプライヤーから請求書を受領する組織では、発行元ごとのレイアウト違いや予告のない書式変更が頻発する。従来のIDP（AIなどを活用した文書の自動認識・抽出技術）ソリューションでも一定の効率化は図れるものの、フォーマットごとに入念な事前設定が必要であり、レイアウトが異なると処理が破綻しやすい。
元記事では、従来のルールベースおよびテンプレート型システムが抱える核心的な課題として以下の3点を挙げている。
- テンプレートの硬直性（Template rigidity）: フォーマットごとに手動設定が必要で、軽微なレイアウト変更でも抽出失敗につながる。
- 学習機能の欠如（No learning）: 過去の修正から知識を保持しないため、類似文書で同じ抽出エラーが繰り返される。
- スケーリングに伴う保守負担（Scaling burden）: 文書の種類や取引先が増えるほど保守工数が雪だるま式に増加し、継続的な運用コストが発生する。
Bedrock AgentCoreによる自律学習型アプローチ
こうした課題に対し、AWSはAIエージェントによる自己改善型のアプローチを提示している。基盤となる「Amazon Bedrock AgentCore」は、任意のフレームワークや基盤モデルを組み合わせて大規模なエージェントを構築、接続、最適化するためのプラットフォームである。
本システムでは静的なテンプレートを使わず、複数のAIエージェントが文書を分析して抽出指示を生成し、結果を検証して修正内容から自動的に学習する。処理を重ねることでフォーマットに関する知識がナレッジベースとして蓄積され、学習済みのフォーマットと同種の文書であれば、再トレーニングなしで直接抽出処理に進めるようになるという。
これにより、サプライヤー請求書や発注書、保険金請求書、ローン申請書といった新しい文書フォーマットにも自動対応が可能となる。記事によれば、このマルチエージェントIDPシステムは多くの場合20分未満でデプロイでき、手動でのテンプレート設定なしに運用できると説明されている。
8つの専門エージェントと識別ワークフローの構成
本ソリューションのアーキテクチャでは、役割ごとに特化された8つのエージェントが、Amazon Bedrock AgentCore上で動作する2つのグラフ型ワークフローを通じて協調動作する。エージェントワークフローの構築には、オープンソースSDKである「Strands Agents」が採用されている。
記事内では、処理の起点となる「識別ワークフロー（Identification workflow）」の具体的な動作が紹介された。同ワークフローでは、まず「Analyzer（アナライザー）」エージェントがテキスト抽出サービス「Amazon Textract」を利用してテキストを抽出し、文書の種類と送信者を特定する。続いて「Matcher（マッチャー）」エージェントが、クラウドストレージ「Amazon S3」のベクトル検索機能「Amazon S3 Vectors」を用いて類似度検索を行い、過去に処理した類似文書を素早く特定する仕組みとなっている。
補足
企業間取引における帳票類は取引先ごとに仕様が異なり、フォーマットの統一が困難であることから、文書処理の自動化と保守運用の両立は多くのシステム開発現場で長年の課題となっている。