# #422 AIはその文書を読めない — Valantor CPO Neil Katz が語る、企業AIに欠けている「文書理解」レイヤー

- 番組: [Making Data Simple](https://ai-curator.jp/podcasts/shows/cmv40aty800025j0zuvooimdj)（IBM Big Data & Analytics Hub）
- 元のタイトル: #422 Your AI Can’t Read That — Neil Katz, CPO of Valantor, on Why Document Understanding Is the Missing Layer of Enterprise AI
- 配信日: 2026年10月28日
- 長さ: 44分
- 要約作成日: 2026年10月28日
- トピック: [#RAG](https://ai-curator.jp/topics/RAG) [#文書理解](https://ai-curator.jp/topics/%E6%96%87%E6%9B%B8%E7%90%86%E8%A7%A3) [#ビジョンモデル](https://ai-curator.jp/topics/%E3%83%93%E3%82%B8%E3%83%A7%E3%83%B3%E3%83%A2%E3%83%87%E3%83%AB) [#オンプレミスAI](https://ai-curator.jp/topics/%E3%82%AA%E3%83%B3%E3%83%97%E3%83%AC%E3%83%9F%E3%82%B9AI) [#Human-in-the-loop](https://ai-curator.jp/topics/Human-in-the-loop) [#AI OCR](https://ai-curator.jp/topics/AI%20OCR)
- URL: https://ai-curator.jp/podcasts/cmvrs5w7y00016211ko8jrkcu

## 要約

Valantor の CPO で EyeLevel AI 共同創業者の Neil Katz が、複雑で視覚的な企業文書をAIが扱えるようにする技術と考え方を語った。ビジョンモデルで文書を分割し、小型のオープンソースVLMで処理し、オンプレミスやエアギャップでも動かす設計が中心だ。保険の不正調査や契約書の取り込みなど具体例を挙げ、AIが探して提示し人間が判断する分業と、仕事の未来への楽観論も述べた。

## ポイント

- Katz は、文書内の表・図・テキストブロックを検出するビジョンモデルを約100万ページで学習させ、文書を小さな部品に分けて処理するアプローチを取ったと述べている。
- ベクトル検索は約1万ページを超えると類似チャンクが増えて精度が落ちるという見方を示し、メタデータを付けた「セマンティックオブジェクト」で差別化して対処していると説明した。
- 重要な情報は公開インターネット上にないという信念から、AIをデータの側に持ち込む設計とし、オンプレミス、コロケーション、エアギャップでも動くと述べた。
- 契約書から約150項目を抽出する事例では、正解データとフィールド記述をAIコーディングツールに渡し、精度90%までループさせる。最後の約10%は人間のレビューが必要だとしている。
- 保険不正調査の製品 Fraudex は、約40人時のレビューを約1時間に短縮すると述べ、判断は人間、探索と提示はAIという分担を強調した。
- 過去の技術革新と同様にボトルネックは移動し、人間はその新しい場所を埋めるという立場で、仕事の未来について慎重な楽観を示した。

## 章立て

- [00:00] **Neil Katz の経歴** — デジタルデザイン会社の創業、ジャーナリストとしてのエミー賞4回、IBM Watson と The Weather Company を経て起業するまでを紹介。
- [07:07] **RAG以前からの文書処理アプローチ** — 文書を小さな部品に分けるため、ビジョンモデルを約100万ページで学習させた経緯と、動画向けモデルを使った意外な発見を語る。
- [09:09] **大規模でベクトル検索が劣化する理由** — 1万ページ超で類似物が増え精度が落ちる問題を、赤いビー玉の例えで説明し、セマンティックオブジェクトによる対処を述べる。
- [12:20] **セキュリティとデプロイ、モデル選択** — 規制業界向けにデータの近くで動かす設計、Gemma 4 などのVLM選択、再学習が通常不要である点を説明。
- [15:12] **カスタムワークフローと必要な基盤** — 契約書の項目抽出など「AI OCR」的用途、H100級GPUで足りること、AIコーディングツール用ハーネスによる導入の容易化を語る。
- [20:31] **事例：契約オンボーディングと保険不正調査** — 150項目の抽出を90%まで自動化し最後は人が確認する流れと、Fraudex による調査時間の大幅短縮、人間が判断する意義を紹介。
- [28:43] **仕事の未来とボトルネックの移動** — コンピュータや産業革命の例を引き、仕事は消えず形を変えるという見方と、移行期の痛みへの懸念を議論。
- [37:03] **今後3〜5年の展望とまとめ** — 動物言語や物理科学へのAI応用への期待、非構造化業務の自動化、ワークフロー再設計の重要性を語る。

## 解説記事

Making Data Simple の第422回では、Valantor の CPO で EyeLevel AI 共同創業者の Neil Katz が、司会の Katherine Mayne と対話した。テーマは、表や図、複雑なレイアウトを含む企業文書をAIにどう読ませるか、そしてAIが仕事に与える影響である。

#### 文書を「小さな仕事」に分解する

Katz は元ジャーナリストで、エミー賞を4回受賞している。IBM による The Weather Company 買収を機に Watson 部門で製品を率い、その後 EyeLevel AI を創業した。解きたかったのは、モデルを企業の非公開情報、特に文書につなぐ問題だという。RAG（検索拡張生成）という名称が定着する数年前から取り組んでいたと述べている。

当時の GPT-3 や 3.5 級のモデルは、文書が大きく密で視覚的に複雑なほど、長いコンテキストでもミスや抜け落ちが出やすかったという。そこで「仕事が大きすぎるなら小さくする」方針を取り、約100万ページの文書に表・図・テキストブロックの枠を付けてビジョンモデルを学習させた。約18カ月の退屈な作業だったと振り返る。文書専用の解析モデルは精度が今ひとつで、サッカーボールや自転車に乗る人を検出する動画向けモデルのほうが高精度だったという。検出した要素は、オンプレミスで動く小型のオープンソースVLMに通してAI向けデータにする。

#### 大規模になるほど検索が悪化する問題

Katz が強調したのはスケールの問題である。一般的なベクトル検索は約1万ページを超えると性能が落ちるが、パイロット段階ではそこまで届かないので気づかれにくいという。顧客の保険案件では、1件の請求が1万〜2万ページ、全体では数千万ページになり、企業訴訟の文書も500万ページ規模になりうると述べている。

原因は類似度検索の性質にある。ほぼ同じ内容のチャンクが増えると区別できなくなる。彼は、100万個の少しずつ違う赤いビー玉から「真ん中の赤」を探す例えで説明した。対策として、各チャンクにメタデータを付けて差別化した「セマンティックオブジェクト」を作り、テキスト・ベクトル・グラフ検索を同時に使う。この層を同社は「ビジュアルインテリジェンス」や知覚レイヤーと呼ぶ。

#### データの近くでAIを動かす

Katz は、世界で最も重要な情報は公開インターネットにないという信念を語った。銀行、給与、医療などの規制産業にデータの外部送信を求めるのは非現実的であり、「AIをデータのもとへ持っていく」べきだという立場だ。マネージドクラウド、コロケーション、エアギャップ環境まで同じように動かせるとし、IBM 時代の経験がこの設計思想につながったと述べている。

モデルは顧客が選べる。現時点では Gemma 4 を使う顧客が多く、中国製モデルの採否は顧客に委ねる中立の立場だという。通常は再学習が不要で、航空機の設計図のような特殊な文書の場合だけ自社のビジョンモデルを微調整する。必要な計算資源は H100 級のGPUで足り、旧世代の Tesla チップでも動かした実績があるとした。ただしスマートフォンやノートPCでは動かせず、サーバーが必要だと認めている。

#### カスタムワークフローと人間の役割

顧客の半分は、複雑な文書に対するエンドツーエンドのRAGではなく、本人が「AI OCR」と呼ぶことを好まない文書抽出用途で使っているという。契約書のようにレイアウトがばらばらでも、抽出したい項目は同じことが多い。テンプレート不要でその項目を取り出せるのが売りだ。

金融分野の事例では、オンボーディング担当チームが時間の80%を契約書から約150項目を抜き出す作業に費やしていた。正解データとフィールドの記述を Claude などのAIコーディングツールに渡し、同社のハーネスと MCP を介して、精度90%に達するまでループさせる。1時間ほどで到達するという。残りの約10%は、LLM に自分で採点させる方式では不安定なので、低信頼度の結果を人間が確認する。

保険不正調査の製品 Fraudex では、約5,000ページの請求ファイルの確認が約40人時から約1時間に短縮されると述べている。根拠の箇所をすべて示し、最終判断は人間が行う。Katz は「AIが探して提示し、人間が判断する」と繰り返し、監査でも5%のサンプリングではなく全件を対象にできると語った。

#### 仕事の未来に対する見方

後半は、AIと雇用の議論に移った。Katz は、解雇を前提にしたような大手LLM企業の物言いを批判し、顧客の現場で見ているのは人員削減ではなく、人が価値ある仕事に集中できるようになる姿だという。コンピュータの導入が新しい職を生んだように、ボトルネックは別の場所に移り、人がそこを埋めると見ている。ソフトウェア開発では実装が速くなった分、何を作るかを決める製品側がボトルネックになると例を挙げた。

一方で、産業革命初期の劣悪な労働や環境汚染にも触れ、移行期の痛みを和らげるには社会や法の整備が必要だと指摘した。AIでも大きな事故は起こりうるが、最終的な結果は良いものになりうるという、注意を伴う楽観論である。将来への期待としては、動物の言語を扱うモデルや、物理科学・発明を加速するモデルを挙げた。

#### まとめ

本エピソードの核心は、企業AIの精度は言語モデルの性能だけでなく、文書をどう分解し、構造化し、検索可能にするかにも左右されるという点だ。日本の企業でも、契約書、帳票、図面、保険や監査の資料など、視覚的に複雑な文書は多い。データを外に出せない業界では、オンプレミスや小型モデルで運用する発想も参考になる。

業務設計の面では、正解データを用意してAIに90%まで詰めさせ、残りを人が確認するという現実的な分担が示された。仕事を分解し、どこに人間の判断を置くかを設計する力が重要になるという指摘は、導入を検討する担当者にも示唆が大きい。なお、精度や削減時間の数値は Katz 自身の説明であり、第三者の検証ではない点に留意したい。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Making Data Simple「#422 Your AI Can’t Read That — Neil Katz, CPO of Valantor, on Why Document Understanding Is the Missing Layer of Enterprise AI」