すべてのカテゴリ

AI-OCRは「それっぽく間違う」— 便利なOCRの条件を考えて、Mistralと読み比べてみた話こんにちは。書類の写真から欲しい項目を取り出すAPI(いわゆるAI-OCR)を個人開発しているエンジニアです。今日は、AIで領収書や請求書を読み取るときにハマりがちな落とし穴と、それをどう設計で解決したか、そして海外の有名AI(Mistral)と同じ写真で読み比べた実測結果をご紹介します。開発者の方はもちろん、「紙の書類の入力作業をなんとかしたい」という方にも読んでいただける内容にしたつもりです。■ デモは魔法、本番は……AIモデルに領収書の写真を渡すと、店名・日付・明細・合計がきれいなデータになって返ってきます。初めて見たときは魔法のようです。「もう解決済みの分野なんだな」と思いますよね。ところが本番で使い始めると、ある日「数量 1」が「7」になって返ってきます。単価がいつのまにか隣の行にずれていることもあります。怖いのは、エラーが出ないことです。JSONの形は完璧で、数字だけが静かに間違っている。応答のどこを見ても「間違えました」というヒントがありません。請求書や納品書のように会計ソフトに入っていくデータだと、「それっぽく間違った数字」は「読めませんでした」よりずっと危険です。その数字のせいで、誰かが間違った金額を支払ってしまうからです。■ 「便利なOCR」の3つの条件このAPIを作るとき、ずっと頭にあった言葉は「便利」でした。宣伝文句としてではなく、すべての設計判断を照らし合わせるテストとして、です。本気で考えてみると、「便利」は3つの約束の積み重ねだと気づきました。1. つ