財経部門の業務プロセスを変える生成AI活用実証実験の裏側

――実証実験を行った業務内容について教えてください。

高橋　「保証債務台帳」「支払調書」の2つの業務を対象にしました。まず保証債務台帳ですが、様々な取引先から当社に届く保証契約書や、残高証明書、利息の計算書など、多種多様な内容の書類を1つの表形式の保証債務台帳として転記する作業が発生します。

若山　この作業を四半期に1度行っているのですが、書式はもちろん、言語も統一されていない資料と格闘して情報を抜き出さなければいけないため非常に大変です。例えばタイ語などなじみのない言語で書かれている書類では、それが何の書類なのか一目で判断することができません。

　日本語やアルファベット以外の文字は、簡単に入力・検索することもできないので、そういう場合は、その言語が分かる営業担当者のサポートを手掛かりに進めますが、とにかく手間と時間がかかるうえ、その営業担当者の言葉を信じるほかないという状態になってしまいます。

角谷　この課題を解決するため、書類をスキャンしてPDFファイルに変換して、決められたフォルダーに入れるだけで、OCRと生成AIを活用して台帳用のデータ抽出を自動で行う仕組みを構築しました。

――開発にはどれぐらいの時間がかかりましたか。

角谷　実証実験は2024年の4～5月の2カ月間でしたが、前半の1カ月は書類のインプットから、OCRと生成AIによるデータ抽出や経理判断処理、AI処理結果のアウトプットまでを一気通貫で自動化するフローを開発しました。

　そして後半の1カ月は、出力の精度を上げるために「スプリント（短期サイクルの開発プロセス）」を実行しました。週に1回、双方で集まって改善するポイントを話し合い、翌週までに改善を実施して再び確認する作業を繰り返しました。

「Multi-Agent」で精度が飛躍的に向上

――生成AIの処理の精度について、三菱商事側はどう感じましたか。

若山　実験の前半では、精度は50％と高くなかったため心配にはなりました。書類が複雑で種類も多すぎるため、一連の処理の部分を改善していく手立てを考える必要がありました。

　そうした中、PwC税理士法人から「Multi-Agent」という複数のAIが協働する仕組みの構築の提案を頂き、そこから精度が上がっていきました。

角谷　当法人も過去の実装経験から、複雑な書類の読み込みは単純な生成AIの導入だけでは難しいと感じていました。そこで、「Multi-Agent」型の仕組みを導入しようと考えました。

　例えば、1人の人間に100の仕事を同時に与えると、それだけでパニックになってしまうのと同じように、AIも1つのAIに多種多様なデータやタスクを与えるとミスが多くなります。そこで、請求書専用AI、契約書専用AIといったように書類タイプごとにAIを複数並べて、それらを協働させるシステムを作りました。言うならば、個々のAIに別々の「人格」を持たせたようなイメージです。今回のプロジェクトでは、5つほどのAIを用意し、それらを統括する「管理職」的なAIも加えて業務プロセスを自動化しています。

――支払調書を処理する実証実験ではどのような違いがあったのでしょうか。

高橋　こちらは、書類の内容を読み取って、税法上の支払調書に該当するのかを生成AIに判断させる検証を行いました。そのため、書類から情報を抜き出しただけの保証債務台帳よりも一段レベルの高い処理だと思います。

　当初はAIに税法を読み込ませそれを基に判定させたのですが、これだけではいい結果は得られず、インターネット検索の情報などを追加することで精度を上げることができました。

角谷　現在のAIは、まだ税法を正確に解釈して判断することができないケースが多いです。そこで、より具体的な事例を文章に追加したり、ネット検索で得た支払先企業の事業概要などの情報を加えたり、過去にあった類似取引や判定結果を読み込ませたりと、様々なソースからの情報を集約してAIに投入することで精度向上を実現しました。