米マイクロソフト、文書AI「Azure Content Understanding」の根拠付けと信頼度判定の仕組みを公開　人手レビューを約半減

要点

• 米マイクロソフトは2026年10月14日、文書処理AI「Azure Content Understanding」における根拠付け（グラウンディング）と信頼度判定の技術詳細を公開した。

• 抽出フロー深部へのグラウンディング統合により、推論時の平均トークン消費量を最大28%削減しつつ精度を向上させた。

• 正誤判定にはLLM本体ではなく独立した専用モデルを採用し、スコア精度指標のAUROCを最大14%改善した。

• 大手保険会社の実証では、97%超のページ分類精度を記録し、人手レビュー負担の約50%削減と帳票導入期間の75%短縮を達成した。

• 信頼度判定モデルは同社の厳選データのみで学習されており、顧客データは学習に使用されない。

• 米マイクロソフトは2026年10月14日、公式技術ブログ「Microsoft Foundry Blog」において、文書処理AIサービス「Azure Content Understanding」の根拠付けと信頼度判定の仕組みを解説した。AIによる文書抽出を請求書の支払いや保険契約の更新といった実務アクションへ直結させるにあたり、抽出結果の裏付けと信頼性の判定が不可欠になるという。記事では最新アップデートによる性能向上に加え、大手保険会社で人手レビューを約50%削減した実証成果が明かされた。

実務アクションへの適用で求められる根拠と信頼性

AIによる文書処理は、単なるテキスト抽出から請求書支払いや保険金請求の処理といった自律的な実務処理へと適用範囲を広げている。同社によると、実務でAIを活用する際は単に値を取得するだけでなく、「その値がどこから抽出されたのか」「どの程度信頼できるのか」をシステムが判断できなければ安全な自動化は実現できないという。

記事では、信頼性の高い文書理解を実現するためには大規模言語モデル（LLM）を単独で運用するのではなく、根拠付けと信頼度判定という制御機構を組み合わせる設計が必要であると説明している。

抽出元を紐付ける「グラウンディング」とトークン削減

システムが抽出した値の妥当性を確認するため、同サービスは抽出値と元文書の該当箇所を結びつける「グラウンディング（根拠付け）」を備えている。例えば請求合計額を取得した場合、その根拠となった文書内のテキストや領域へのリンクが保持される。

最新リリースではグラウンディング処理が抽出フローの深部へ統合され、推論時の平均トークン（AIが文章を処理する際の計算単位）消費量が最大28%削減されたほか、抽出精度も向上したという。

これにより、実務では以下の利点が得られるとしている。

• レビュー担当者が元文書を探し回ることなく、根拠となった箇所を即座に確認できる。
• 抽出値と証拠を突き合わせた追加検証を行える。
• 業務データから元ページへと遡れる監査証跡を保持できる。

LLMの過信を防ぐ独立型「信頼度モデル」の構造

各抽出フィールドには、結果の信頼性を0から1の範囲で示す「信頼度スコア」が付与される。今回の刷新では、モデルの識別性能を示す統計指標AUROC（受信者操作特性曲線下面積）において、スコア精度が最大14%向上したという。

同社はこのスコアについて、LLM自身が申告する確信度ではない点を強調している。LLMは自身の回答を過信しやすい傾向があり、誤読した場合でも流暢に誤答を説明してしまうためだ。そこで同サービスでは、抽出用LLMとは別に、正誤パターンを学習した独立した専用の信頼度モデルを採用している。

信頼度モデルは、以下のシグナルを総合的に分析してスコアを算出する。

• 文書と証拠：値の記載位置やグラウンディングが特定した裏付け証拠の状態。
• フィールドと結果：フィールドの種類やスキーマ構造上の位置、予測された値の形式。
• ラベル付きサンプル：アナライザーに与えられた事前サンプルとの比較。
• モデル自身の挙動：抽出時に見られた曖昧さや、値とフィールドの不整合を示す診断情報。

これら文脈情報を考慮するため、同一の値であっても単独のフィールドか表内かによって異なるスコアが付与される設計となっている。

顧客データの保護と業務に応じたキャリブレーション

信頼度モデルはマイクロソフトが用意したデータのみで学習されており、顧客データが学習に使われることはない。モデルは全ユーザー共通のサービスレベルモデルとして提供され、同社によって定期的に更新される。

利用企業はモデルを再学習するのではなく、自社データから得た確認済みサンプルを用いてスコアを評価し、業務要件に合致する閾値を設定するキャリブレーション（校正）を行う。スコアをリスクの順位付けシグナルとして活用し、低スコアの結果に人手を集中させることで効率的な確認が可能になるとしている。

大手保険会社の実証：確認作業の半減と帳票導入の高速化

記事では、同社エンジニアリングチームと大手保険組織の協業事例も紹介された。分類、抽出、グラウンディング、信頼度判定を組み合わせ、人間の目視確認が必要な対象を選別するルーティングを構築したという。

その結果、ページレベルの文書分類で97%以上の精度を達成した。エラーの可能性が高い結果へ人手を集中させたことで、人間によるレビュー負担を約50%削減し、新たな帳票の導入期間も従来比で75%短縮したと報告されている。

これらの成果は固定的な単一の閾値によるものではなく、実務データに合わせてスコアを適切に校正したことで実現したと説明している。