編集者注: 本記事は、最新のオープン モデル、データセット、トレーニング手法が NVIDIA プラットフォーム上での特化型 AI システムやアプリケーション構築にどう役立つかを紹介する「Nemotron Labs」ブログ シリーズの一部です。各記事では、透明性の高い研究用コパイロットからスケーラブルな AI エージェントまで、オープン スタックを活用して本番環境で価値を提供する実践的な方法を紹介しています。
今日の企業は、レポート、プレゼン資料、PDF、Web ページ、スプレッドシートなど、多種多様な文書に埋もれた貴重な洞察を掘り起こすという課題に直面しています。
多くの場合、チームはファイルを手作業で確認してデータをスプレッドシートに転記し、ダッシュボードを作成し、基本的な検索ツールやテンプレートベースの光学文字認識 (OCR) ツールを用いて、洞察をつなぎ合わせています。こうしたツールでは、複雑なメディアに含まれる重要な詳細が見落とされがちです。
インテリジェント ドキュメント処理は、文書を自動的に読み取り、理解し、洞察を抽出する AI 駆動のワークフローです。AI エージェントや検索拡張生成 (RAG) などの手法を用いて、表、グラフ、画像、テキストなど、文書内の多様な形式を解釈し、マルチモーダルなコンテンツを他のマルチエージェント システムや人間が容易に活用できる洞察に変換します。
NVIDIA Nemotron のオープン モデルと GPU アクセラレーテッド ライブラリを活用すれば、研究、金融サービス、法務ワークフローなどに向けた AI 駆動のドキュメント インテリジェンス システムを構築できます。
これらのオープン モデル、データセット、トレーニング レシピは、多言語およびマルチモーダル検索モデルを評価するベンチマークである MTEB、MMTEB、ViDoRe V3 といったリーダーボードで優れた結果を残しています。チームは、検索や質疑応答などのタスクに合わせて最適なモデルを選択できます。
ドキュメント処理によるビジネス インテリジェンスの効率化
複雑なレイアウトの文書から意味を引き出し、膨大なファイル ライブラリにスケールし、回答の根拠を正確に示せるドキュメント インテリジェンス システムは、重要な判断が求められる環境で非常に役立ちます。このシステムには、以下のような特長があります。
- 豊富な文書コンテンツを理解: 単にテキストを抽出するだけでなく、グラフ、表、図、言語が混在するページから情報を取得し、構造、関係性、文脈を認識することで、人間と同じように文書を理解します。
- 変化する大量のデータに対応: 膨大な文書群を並列に取り込んで処理し、ナレッジ ベースを常に最新の状態に保ちます。
- ユーザーが必要とする情報を正確に特定: AI エージェントがクエリに対して最も関連性の高い文章、表、段落を特定し、精度の高い正確な回答を提供できるよう支援します。
- 回答の根拠を提示: 特定のページやグラフへの引用を示すことで、透明性と監査性を確保します。これは規制の厳しい業界では不可欠です。
これらの機能により、静的な文書アーカイブから、ビジネス インテリジェンス、顧客体験、業務ワークフローを直接支える “生きた” ナレッジ システムへと移行できます。
ドキュメント インテリジェンスの活用事例
NVIDIA Nemotron RAG モデル、Nemotron Parse、アクセラレーテッド コンピューティングを基盤とするインテリジェント ドキュメント処理システムは、すでにさまざまな業界において、文書から洞察を得る方法を変えつつあります。
AI ネイティブなチャージバック管理と異議申立ての最適化
金融サービス業界では、支払いを巡る異議申立てにより、加盟店は大きな収益損失を被るだけでなく、業務も複雑化しています。その主な理由は、対応に必要な証拠が非構造化形式のまま残されているためです。取引ログ、顧客とのやり取りの記録、規約文書はシステム間で分散されがちで、大規模に処理するのが難しいことから、対応は遅く、手作業になり、コストも増大します。
Justt.ai は、チャージバックのライフサイクル全体を大規模に自動化する AI 駆動のプラットフォームを提供しています。このプラットフォームは、決済サービス プロバイダーや加盟店のデータ ソースに直接接続して、取引データ、顧客とのやり取りの記録、規約を取り込み、カード ネットワークや発行会社の要件に沿った、案件別の証拠を自動的に取りまとめます。
Nemotron Parse により実現した、このプラットフォームの AI 駆動の異議申立て最適化機能は、予測分析によってどのチャージバックに異議を唱えるべきか、あるいはどのチャージバックを受け入れるかを判断し、各対応を最適化して正味回収額を最大化します。HEI Hotels & Resorts のような大手ホスピタリティ事業者は、このプラットフォームで各施設の異議申立て対応を自動化し、顧客との関係を維持しながら収益を回収しています。
文書中心のインテリジェンスと意思決定の自動化を組み合わせることで、加盟店は手作業による確認負担を減らしつつ、不当なチャージバックで失われた収益の相当部分を取り戻すことができます。
Justt のチャージバック管理ツールが、どのように財務データを自律的に処理し、加盟店の異議申立て対応を行うのかをご覧ください。
Docusign: 契約インテリジェンスの拡張
Docusign は、インテリジェント契約管理のグローバル リーダーであり、180 万社以上の顧客と 10 億人を超えるユーザー向けに、毎日数百万件に及ぶ取引を処理しています。
契約はあらゆるビジネスの基盤ですが、そこに含まれる重要な情報は、しばしば何ページにも及ぶ文書の中に埋もれています。これらの情報を表に出すために、Docusign には PDF のような複雑な文書から表、テキスト、メタデータを高精度に抽出する機能が必要でした。これにより、組織は義務、リスク、機会をより迅速に把握し、対応できるようになります。
Docusign は、契約を大規模にかつより深く理解するために Nemotron Parse を評価しています。NVIDIA GPU 上で動作するこのモデルは、高度な AI とレイアウト検出、OCR を組み合わせています。このシステムは、複雑な表を確実に解釈し、必要な情報を含む表を再構築できます。その結果、手作業による修正の必要性が減り、極めて複雑な契約でも、顧客が求めるスピードと精度で処理できるようになります。
この基盤をもとに、Docusign は契約リポジトリを、契約の検索、分析、AI 駆動のワークフローを支える構造化データへと変換します。これにより、契約は組織とチームの可視性を高め、リスクを減らし、より迅速な意思決定を可能にするビジネス資産に変わります。
Edison Scientific: 膨大な文献を網羅した研究
Edison Scientific の Kosmos AI Scientist は、研究者が複雑な科学分野を把握し、文献を統合して関連性を見出し、エビデンスを見つけるのを支援します。
Edison には、従来の情報解析手法では扱いを誤りがちな数式、表、図を含む大量の PDF から、構造化情報を迅速かつ正確に抽出する方法が必要でした。
NVIDIA Nemotron Parse モデルを PaperQA パイプラインに統合することで、Edison は研究論文を分解し、主要な概念をインデックス化し、特定の記述に基づく回答を生成できるようになりました。これにより、科学者が利用する際の処理能力と回答品質の両方が向上しました。このアプローチは、広範な研究コーパスをインタラクティブでクエリ可能なナレッジ エンジンへと変え、仮説生成や文献レビューを迅速化します。
Nemotron Parse の高い効率性により、コスト効率の高い大規模な運用が可能になり、Edison のチームはマルチモーダルなパイプライン全体を活用できるようになりました。
NVIDIA のテクノロジを活用したインテリジェント ドキュメント処理アプリケーションの設計
ドメイン特化型の堅牢なドキュメント インテリジェンス パイプラインを構築するには、データを安全に保ち、規制を遵守しながら、データの抽出、埋め込み、再ランク付けを実現できるテクノロジが必要です。
- 抽出: Nemotron の抽出モデルと OCR モデルは、マルチモーダルな PDF、テキスト、表、グラフ、画像を迅速に取り込み、レイアウトと意味を保持したまま、構造化された機械可読なコンテンツに変換します。
- 埋め込み: Nemotron の埋め込みモデルは、文章、エンティティ、視覚要素を文書検索向けに調整されたベクトル表現に変換し、意味に基づいた正確な検索を可能にします。
- 再ランク付け: Nemotron の再ランク付けモデルは、候補となる文章を評価し、大規模言語モデル (LLM) のコンテキストとして最も関連性の高いコンテンツが表示されるようにします。これにより、回答の忠実度を高め、ハルシネーションを低減します。
- 解析: Nemotron Parse モデルは、文書の意味を解読し、正確な空間的グラウンディングと正しい読み取り順に基づいてテキストや表を抽出します。レイアウトのばらつきを克服して、非構造化文書を実用データに変換し、LLM やエージェント型ワークフローの精度を向上させます。
これらの機能は、NVIDIA GPU 上で効率的に動作する NVIDIA NIM マイクロサービスおよび基盤モデルとして提供されます。これにより、任意のクラウドまたはデータセンターの環境内に機密データを保持したまま、概念実証から本番環境へスケールできます。
最も効果的な AI システムでは、最先端モデルと NVIDIA Nemotron のようなオープンソース モデルを組み合わせ、LLM ルーターが各タスクを分析して最適なモデルを自動的に選択します。このアプローチにより、計算コストを管理し、効率性を向上させながら、高いパフォーマンスを維持できます。
NVIDIA Nemotron を活用する
RAG 機能を備えたドキュメント処理パイプラインを構築する方法をステップごとに解説したチュートリアルをご覧ください。Nemotron RAG が、業界ごとに最適化された特化型エージェントをどのように支えるかを紹介しています。
さらに、GitHub や Hugging Face で公開されている Nemotron RAG モデルや NVIDIA NeMo Retriever のオープン ライブラリのほか、Hugging Face の Nemotron Parse もぜひお試しください。
NVIDIA Blueprint for Enterprise RAG を活用して開発を進める開発者コミュニティにもぜひご参加ください。このブループリントは、業界をけん引する 10 社以上の AI データ プラットフォーム プロバイダーに信頼されており、build.nvidia.com、GitHub、NGC カタログで現在利用できます。
NVIDIA AI ニュースを購読し、コミュニティに参加し、LinkedIn、Instagram、X、Facebook で NVIDIA AI をフォローすることで、エージェント型 AI、NVIDIA Nemotron などの最新情報を入手できます。
オンデマンドの動画チュートリアルやライブ配信もご覧ください。