データ保護

AirparserにおけるAIの役割

Airparserは、チャットモデルの単純なラッパーではありません。抽出処理は、前処理、OCR、構造化抽出モデル、後処理・検証という複数の段階を組み合わせており、AIはこのパイプラインの中で最も価値を発揮する部分——レイアウトや書式が異なるコンテンツを解釈し、お客様のスキーマのフィールドに割り当てる作業——に使用されます。汎用的なチャットインターフェースは存在せず、設定された抽出タスクを超えてお客様のデータを自由にプロンプトすることもありません。

文書が処理される流れ

• 取り込み — 文書はアップロード、メール、API、またはAirparserメールボックスへの連携を通じて到着します。
• 前処理 — ファイルが正規化され、スキャンされたファイルや画像にはOCRが実行されてテキスト層が生成されます。
• 構造化抽出 — 文書は、独自モデルと、委託先ページに記載のプロバイダーをベースに文書データ抽出専用に強化・特化させたモデルを組み合わせた抽出モデルおよびロジックを使用して、お客様のスキーマと照合されます。
• 後処理 — 抽出された出力は、確定される前にスキーマのフィールドタイプに基づいて検証・正規化されます。
• 提供 — 結果はお客様のアカウントに保存され、アプリ、API、または設定済みのエクスポート・Webhookを通じて利用できます。

OCR、AI、後処理を組み合わせる理由

各段階はそれぞれ異なる弱点をカバーします。OCR単体では生のテキストは得られますが、そのテキストが何を意味するのか、スキーマとどう対応するのかは理解できません。AIモデルは意味を解釈し、レイアウトや表現が変化する文書——固定テンプレートでは対応しにくいもの——を扱うのに優れていますが、それ単体では型が整い検証された結果を保証しません。後処理は、データがお客様のアカウントに届く前に型・形式・整合性をチェックすることで、そのギャップを埋めます。この3つを組み合わせることで、単一の手法に頼るよりも信頼性の高い結果が得られます。

埋め込み(エンベディング)と長文書

埋め込みとは、テキストの数値表現であり、システムがステップごとに文書全体を処理することなく、特定のフィールドやクエリに最も関連性の高い部分を特定できるようにするものです。

私たちはこの技術を、非常に長い文書をより効率的に処理する際に活用してきました。現在は選択的に適用されており、すべての抽出処理に標準搭載されているわけではなく、どちらかといえば実験的な位置づけです——今後、成熟度に応じて利用範囲を拡大する可能性があります。

当社の抽出モデル

当社の抽出パイプラインでは、独自モデルと、委託先ページに記載のLLMプロバイダーをベースにした強化・特化モデルを組み合わせて使用しています——これらは一般的なチャットではなく、文書データ抽出に特化して調整されています。

学習とデータ保持

• お客様のデータでモデルを学習・微調整することは決してなく、お客様のデータを販売することもありません。これはプランによって変わるものではなく、恒久的な約束です。
• AI委託先との契約により、抽出のために提出されたデータをモデルの学習に使用することは禁止されています。

暗号化と転送

AI委託先とのすべての通信は暗号化された接続(HTTPS/TLS 1.2以上)を通じて行われます。これは、インフラの他のあらゆる部分に適用しているのと同じ基準です。

データの分離

各Airparserアカウントの文書、スキーマ、結果は、他のすべてのアカウントから論理的に分離されています。あるお客様の文書を処理しても、他のお客様のデータが露出したり混ざったりすることはありません。

お客様の管理下に残るもの

• お客様はデータ管理者であり、AirparserおよびそのAI委託先はお客様の指示に基づいてのみ行動するデータ処理者です。
• いつでも任意の文書、スキーマ、またはアカウント全体を削除できます。
• 設定可能な保持ポリシーにより、処理済みデータを1日から180日の間で自動的に削除できます。