Fisentの書類判定がぶれる原因と対策|人の確認と承認の置き場

Fisentの書類判定がぶれる原因と対策|人の確認と承認の置き場

「試験では申込書の読み取りがほぼ合っていたのに、本番に入れたら同じ様式の書類で判定が日によって違う」「現場が自分で流れを作れるのは便利だが、いつ誰が何を変えたのか、情シスからは見えなくなった」——生成AIで書類の仕分けや読み取りを始めた会社の情シスと業務部門の責任者から、ここ半年で増えている相談です。原因はAIの賢さが足りないことではありません。判定がぶれる多くの場合、流れの変更・モデルの差し替え・信頼度の閾値という三つを、誰も承認していないことが根にあります。この記事では、業務部門が自分で書類の流れを組めるようにした Fisent BizAI を例に、契約書・申込書・点検報告書・注文書などの非定型の書類をAIに分類・抽出・照合させるとき、どこに人の確認の関門を置き、何を誰が承認するかを、課題・原因・対策の順に整理します。


カメ先生カメ先生

書類を読むAIの精度は、モデルを良いものにすれば上がり続けると思われがちなんだ。でも本当は、同じモデルでも流れの組み方や指示の一文、どのモデルに回すかで結果が変わる。業務部門が自分で流れを直せるようになると、その変化がいつ起きたのか分からなくなるんだよ。


カメ子カメ子

判定がぶれるのは、AIの気まぐれではなく、誰かが変えたものの影響かもしれないということですか。


カメ先生カメ先生

そう。Fisent は信頼度の表示や確認の関門、版の管理を用意していると説明している。ただ、どの点数なら人が見るか、変更を誰が認めるかは、導入する会社が決めることなんだ。


カメ子カメ子

仕組みがそろっていても、使い方の線を引かないと、ぶれの原因は追えないままなんですね。


この記事のポイント
  • Fisent BizAI は非定型の書類を分類・抽出・照合・分析し、業務部門が自然文の指示から流れを組める
  • 判定のぶれは、流れの変更・モデルの差し替え・信頼度の閾値が承認されないまま動くことで起きやすい
  • 人の確認の関門は項目の重さで置き、モデルの差し替えは自社の書類で評価してから承認する

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Fisent BizAIとは:非定型の書類を読み、仕分けから照合までを担う基盤

Fisent BizAI は、カナダの Fisent が提供する、生成AIで書類やデータを読み取り、業務の流れに乗せるための基盤です。公式サイトの会社紹介では、金融の業務とシステムの経験が長い創業者が2021年に会社を立ち上げ、いまも最高経営責任者を務めています。発表はトロントを発信地として出しており、公式には大手企業の顧客が本番で使っているとしています。

公式の説明では、BizAI の中心は六つの動作の部品です。書類の種類を見分ける分類、ひとまとまりの書類を区切る分割、必要な項目を取り出す抽出、表計算の表をそろえる表の整形(Tabulate)、取り出した値を決められた条件と突き合わせる照合、内容を読んで答えや見立てを返す分析です。これらを組み合わせて、メール・手書き・画像・音声を含む非定型の入力を、業務システムが受け取れる整った形のデータに変えると説明しています。公式の例には、住宅の点検報告書、保険の請求、注文書、契約書、申込書が並びます。

顧客は銀行・保険・資産運用が中心ですが、公式サイトは医療の事前承認、人事の応募書類、物流の契約や請求書も代表的な用途として挙げています。この記事も金融の話にはせず、業種を問わない書類業務で、判定をどう安定させるかに絞ります。紙をデータにする仕組みの一般論や、受注入力・経理計上に特化した製品の話は別の記事で扱っているので、ここでは繰り返しません。

2026年の動き:BizAI Studio、表の整形、資金調達と Pega との関係

2026年5月12日、Fisent は BizAI Studio を発表しました。公式発表では、これまで技術者がAPIの設定で組んでいた流れを、利用企業の業務担当が自分で設計・試験・管理できる画面にしたものです。目玉は、目的を自然文で一つ書くと、複数の動作をつないだ流れを30秒足らずで組み立てる設計のエージェント。そのほかに、設計から試験、本番展開までを確認の関門・版の管理・追跡の記録のある環境で扱えること、モデルの評価の仕組みを流れの中で使えること、信頼度の表示などの機能を切り替えで有効にできることを挙げています。

これに先立つ2026年3月には、表の整形の機能を発表しています。公式発表によれば、数千行に及ぶ表計算の書類は生成AIの読み込める量を超えやすく、出力が不安定になりがちなため、日付の書式や数値のゆれをそろえる処理は生成AIに推論させず、直接の変換で行うといいます。そのぶん処理が速く、結果が決まった形になりやすいと説明しています。生成AIに任せる部分と、決まった処理に任せる部分を分けるという考え方は、後で触れる判定のぶれの話にもつながります。

2026年8月11日には、投資会社が主導する430万ドルの資金調達を発表し、業務自動化の基盤を提供する Pegasystems が戦略投資家として引き続き参加したとしています。公式のパートナー紹介によれば、Fisent は Pega の独立系ソフトウェアのパートナーで、Pega は複数の段階で出資しています。2026年には、Westinghouse が Pega の業務の流れと BizAI を組み合わせて注文処理を速めた事例を発表し、そこでも例外的な書類は人が確認する形だと紹介されています。買収や事業終了の報道は見当たりません。

よくある誤解:信頼度が「高」なら、人が見なくてよい

書類を読むAIを入れたとき、最初に起きやすい誤解がこれです。点数や段階の表示が出ると、それが「正しい確率」のように見えます。けれども Fisent 自身が、信頼度の機能を発表した際に、この手法は正確さではなく確からしさを予測するものだと明記しています。自信のあるモデルでも、元のデータに誤りがあれば間違えうる、という説明です。

Fisent の信頼度は、主な手法として複数のモデルの一致度を使うと公表しています。基準のモデルが出した答えを、ほかの同等以上のモデルの答えと比べ、多くが一致すれば高く、ばらつけば低く出す仕組みです。つまり、複数のモデルがそろって同じ読み違いをすれば、信頼度は高いまま誤った値が流れます。たとえば、書類の中に似た名前の当事者が二人いて、どちらが契約者かを全モデルが取り違えたような場合です。

だからこそ、信頼度は「人が見る書類を絞るための目安」であって「人が見なくてよい証明」ではないと位置づけ直す必要があります。公式発表も、信頼度が低いときは人の確認など追加の手当てを取るべき合図だと説明しており、判断を自動で確定させる道具としては描いていません。

課題:同じ種類の書類なのに、判定が日によってぶれる

冒頭の相談のような「ぶれ」は、現場ではいくつかの形で現れます。先月まで「申込書」に分類されていた書類が「変更届」に回る。点検報告書から取り出す設備の型番が、ある日から別の欄の番号になる。注文書の照合で、通っていた取引先の書類が急に差し戻される。どれも、書類そのものは変わっていないのに結果だけが変わる、という点が共通しています。

厄介なのは、ぶれが一件ずつ見ると小さく、気づくのが遅れることです。業務部門の担当者は「AIだからたまに間違える」と受け止めて手で直し、情シスには報告が上がりません。数週間たって集計の数字が合わなくなってから、ようやく原因を探し始めます。そのときに、いつ、誰が、何を変えたのかの記録がなければ、原因を特定できないという壁に当たります。

次の節から、ぶれの原因を四つに分けて見ていきます。いずれも Fisent に固有の欠陥ではなく、業務部門が自分で流れを組めるようにした書類AI全般で起きることです。ただ、BizAI Studio のように設計を現場に開いた製品ほど、原因が増えやすいという点は押さえておく必要があります。

原因1:業務部門が自作した流れに、変更の承認がない

設計のエージェントは、目的を自然文で書けば流れを組み立ててくれます。この手軽さは、裏返すと変更も手軽にできてしまうということです。「備考欄も拾ってほしい」と一文を足しただけで、抽出の指示全体の読み方が変わり、それまで正しく取れていた項目の位置がずれることがあります。生成AIは指示の文面に敏感で、小さな変更が思わぬ範囲に影響します。

さらに、組み立てを担当するエージェントの出力そのものも、毎回まったく同じ流れになるとは限りません。同じ目的の文から作り直した流れが、以前のものと微妙に違う動作の順番になっていることもありえます。Fisent は版の管理と追跡の記録を用意していると説明していますが、それを本番に反映する前に誰が見るかを決めていなければ、変更は記録されるだけで止まりません。

  • 業務担当が試験環境で直した流れを、そのまま本番に反映している
  • 設計のエージェントに作り直させた流れと、以前の流れの違いを誰も読んでいない
  • 流れの変更と判定の変化を突き合わせる記録がなく、ぶれが出ても原因の候補を挙げられない

原因2:モデルの差し替えが、評価を通らずに行われる

Fisent は、利用企業がモデルと、そのモデルを動かす先を選べることを強みにしています。公式の質問集では、Fisent が用意するモデルは Amazon・Google・Microsoft Azure といった大手のクラウドで動く企業向けのモデルで、利用企業が自社の環境に置いたモデルを使うこともできると説明しています。また、新しいモデルが出るたびに用途ごとの評価を行い、効果がはっきり上がるときは顧客に提案するとしています。

選べることは利点ですが、モデルを替えれば、同じ流れ・同じ指示でも結果は変わるという前提を忘れると、ぶれの大きな原因になります。新しいモデルは全体としては賢くても、自社の書類の特定の欄では前のモデルより弱いことがあります。評価の点数が平均で上がっていても、取引先名の表記ゆれや手書きの数字といった、自社にとって重い項目で下がっていれば、業務上は後退です。

問題は、この差し替えを誰が承認するのかが曖昧になりやすいことです。提供元の提案を受けた業務担当が切り替えるのか、情シスが判断するのか。BizAI Studio ではモデルの評価の仕組みを流れの中で使えるとされていますが、評価の結果を読んで差し替えを認める人が決まっていなければ、切り替えは「よさそうだから」で進みます。

原因3:信頼度の重みづけと閾値を、誰も決めていない

Fisent は信頼度について、項目の重要度に応じて重みづけできると公表しています。公式発表の例では、住宅ローンの書類なら取引価格や借り手の氏名は高い確からしさを求め、重要度の低い情報はそれほど求めない、といった設定です。また、数値ではなく「とても低い」から「とても高い」までの段階で示し、読み手が解釈しやすくしているといいます。

この設計は理にかなっていますが、重みと閾値を決めるのは利用企業です。どの段階以上なら自動で次へ流し、どの段階以下なら人に回すか。どの項目を重く扱うか。これを業務担当が個人の感覚で設定すると、担当が替わるたびに基準が動き、人に回る件数が増えたり減ったりします。判定の結果がぶれて見える原因が、実はAIではなく閾値の変更だった、ということは珍しくありません。

公式発表は、見逃しの損失を小さくしつつ、確認する件数が多すぎて生産性が落ちないよう調整すると説明しています。この「見逃しと確認の手間の釣り合い」は、技術の問題というより業務の判断です。どこまでの見逃しなら許せるかは、書類の種類と、誤った値が流れた先で起きることの重さで決まるからです。

原因4:書類の受け口が広く、想定外の書類が混じる

Fisent は、書式や言語を問わず、学習のし直しなしにあらゆる書類を扱えることを、従来の読み取り製品との違いとして強調しています。公式の質問集では40以上の言語を扱えるとしています。受け口が広いのは便利ですが、裏を返すと、想定していない書類も黙って処理されてしまうということでもあります。

たとえば、申込書を処理する流れに、取引先が誤って別の様式の書類や、古い版の申込書を送ってきたとします。様式が決まった読み取りなら「読めない」として止まるところを、生成AIは書類の意味を読もうとして、それらしい値を返します。分類の段階で弾く設計になっていなければ、本来は人が見るべき書類が、通常の書類と同じように流れていきます。これも、結果だけ見ると判定のぶれに見えます。

  • 公式の説明は「どんな書類でも処理できる」ことを強みにしているが、それは処理してよいかどうかとは別の話
  • 受け付ける書類の種類と版を先に決め、それ以外は分類の段階で人に回す設計にしておく
  • 日本語の縦書き・押印・手書きの数字が多い書類は、公式の対応言語の説明だけで判断せず、自社の書類で確かめる

対策1:人の確認の関門を、項目の重さで置く

ここから対策です。最初に決めるのは、人の確認をどこに置くかです。Fisent の公式の質問集は、BizAI は人の手を介さない自動処理を目指して作られているとしつつ、すべての顧客に、まず人の確認を挟む運用から始めることを強く勧めると書いています。本番で信頼性が十分に確かめられてから、人を介さない処理を選べるようにする、という順序です。この順序は守るべきですが、問題は「十分に確かめられた」を誰が何で判断するかです。

おすすめは、書類単位ではなく項目単位で関門を置くことです。同じ申込書でも、氏名・金額・契約期間のように誤ると後で取り返しのつかない項目と、担当部署名のように誤っても後で直せる項目があります。前者は信頼度にかかわらず当面は人が見る、後者は信頼度が低いときだけ人が見る、と分けておけば、確認の手間を抑えながら重い誤りを止められます。

項目の重さ例人の確認自動に移す条件
重い(誤ると取り返しがつかない)当事者名・金額・期日・契約期間当面は全件確認数か月の確認記録で誤りがほぼ出ないことを責任者が認めた後、段階が最上位のときだけ
中程度(誤ると手戻りが出る)品目・型番・住所・取引先の番号段階が中以下なら確認照合の条件で突き合わせられる項目から順に
軽い(後で直せる)担当部署・備考・分類の補助情報段階が低いときだけ確認抜き取りの確認で足りると判断できた時点
想定外の書類様式違い・古い版・別の書類の混入常に人に回す自動に移さない

Fisent の質問集では、人の確認は通常、担当者がふだん仕事をしている業務アプリの側に組み込むと説明しています。つまり、確認の画面は BizAI の中ではなく、Pega などの業務基盤や自社のシステムに作ることになります。関門の場所を決めるのは利用企業の業務設計だという点を、導入の最初に共有しておくと、後で「確認する画面がない」という事態を避けられます。

対策2:モデルの選定と差し替えは、自社の書類で評価してから承認する

Fisent は、モデルの評価の仕組みとして GEF(生成AIの効果を測る枠組み)を用意しています。公式の説明では、正確さ・速さ・一貫性・費用といった指標でモデルと設定の組み合わせを比べ、用途ごとに最も効果のあるものを選ぶための試験の仕組みです。導入前と導入後の両方で出力の正確さを追い、社内の基準を満たしているかを確かめられるとしています。

この仕組みを生かすには、評価に使う書類の束を利用企業が持つことが欠かせません。過去の書類から、典型的なもの、読み取りが難しかったもの、過去に誤りが出たものを選び、正しい答えを人が付けておきます。モデルを差し替えるときは、この束で新旧を比べ、重い項目で一件でも後退していれば差し替えない、といった基準を事前に決めておきます。評価の結果をAIに判断させるのではなく、人が読んで決めることが前提です。

STEP1
評価用の書類の束を作る

典型・難所・過去の誤りを含む書類を集め、各項目の正解を業務部門の担当者が付ける。個人情報は必要に応じて伏せる。

STEP2
新旧のモデルを同じ束で比べる

全体の正答率だけでなく、重い項目ごとの誤りの件数と、信頼度の段階の分布を並べて見る。

STEP3
差し替えの可否を責任者が承認する

業務部門の責任者が業務上の影響を、情シスがデータの流れと費用を確かめ、両者がそろって初めて本番に反映する。

STEP4
切り替え後の数週間を重点的に見る

人に回る件数と、確認で直された件数の推移を追い、想定と違えば前のモデルに戻す。

対策3:業務部門が作る範囲と、情シスが持つ範囲を分ける

BizAI Studio の狙いは、業務を知っている人が自分で流れを組み、改善を回せるようにすることです。この利点は残しつつ、流れを作る自由と、本番に反映する権限は分けるのが現実的です。業務部門は試験環境で流れを組み、評価用の束で結果を確かめるところまでを担い、本番への反映は情シスまたは業務の責任者が承認する、という線です。

情シスが持つべきなのは、モデルとその動かし先の選択、業務基盤との接続、利用者の権限、記録の保管先です。特に、どのモデルにどの書類を渡してよいかは、契約書や個人情報を含む書類を扱う以上、業務部門の判断だけにしないほうが安全です。逆に、抽出する項目の定義や照合の条件は、業務を知っている部門が持つほうが正確です。持ち主を項目ごとに書き出しておくと、変更の承認が滞りません。

持ち主の分担の例
  • 業務部門:抽出する項目の定義、照合の条件、評価用の書類の束と正解、確認の関門での判定
  • 業務部門の責任者:信頼度の閾値と項目の重み、人を介さない処理に移す判断
  • 情シス:モデルとその動かし先、業務基盤との接続、権限、記録の保管先、本番への反映
  • 情シスと業務部門の責任者の両方:モデルの差し替え、記憶機能の有効化

書類はどこを通るか:モデルの置き場、記憶機能、根拠の保管先

書類をAIに読ませる以上、その中身がどこを通るかは必ず確かめます。Fisent の公式の説明では、BizAI は処理した顧客のデータを保持せず、学習にも使わない設計で、残すのは処理時間や件数といった利用の計測だけだとしています。使うモデルの提供元との契約でも同じ方針を取っていると説明し、保存時の暗号化と通信の暗号化、SOC 2 のタイプ2の審査、第三者による侵入試験を挙げています。

それでも確かめるべき点が三つあります。一つ目は、Fisent が用意するモデルを使うのか、自社の環境に置いたモデルを使うのかで、書類が通る経路が変わることです。前者なら、どのクラウドのどの地域で処理されるかを契約前に確認します。二つ目は、記憶の機能です。公式の質問集によれば、顧客が求めた場合に限り、過去に処理した出力を使って新しい処理を補う機能を有効にできます。有効にすれば、過去の結果がどこかに蓄えられることになるため、その保管先と消し方を確かめ、有効化は情シスと業務の責任者がそろって承認する事項にしておきます。

三つ目は、AIが出す根拠の保管先です。Fisent は、すべての出力に、何を見てどう判断したかの短い説明を付け、それは利用企業のアプリ側に保存されると説明しています。監査や原因の追跡には非常に役立ちますが、保管するのは自社です。根拠の記録を、どのシステムに、どれだけの期間、誰が読める形で残すかを決めておかなければ、せっかくの説明も、ぶれが起きたときに探せません。

誤りが出たときの止め方と、根拠の記録

どれだけ準備しても、誤りは出ます。大事なのは、誤りに気づいたときに流れを止められる人と手順を決めておくことです。人の確認で同じ種類の誤りが続けて見つかったら、その流れを人を介さない処理から外し、全件を人の確認に戻す。この切り替えを、業務部門の責任者が判断できるようにしておきます。止める権限が情シスにしかないと、現場は誤りを手で直し続けるだけになります。

止めた後は、原因を三つの記録で追います。流れの版の履歴、モデルの切り替えの履歴、信頼度の閾値の変更履歴です。BizAI Studio は版の管理と追跡を備えていると説明されていますが、閾値やモデルの変更が同じ記録に残るかは、導入時に確かめておく必要があります。加えて、出力ごとの根拠を読めば、AIが書類のどこを見て値を取ったのかが分かり、取り違えの原因が書類の側にあるのか、指示の側にあるのかを切り分けられます。

記録は、誤りの直し方の判断にも使います。指示の一文を直すのか、評価用の書類の束に難しい例を足すのか、その項目だけ人の確認に戻すのか。AIに原因を推測させて直させるのではなく、記録を人が読んで決めることが、同じぶれを繰り返さないための前提です。

費用の増え方と、試すときの確かめ方

公式サイトには料金の公表がなく、費用は個別の見積もりです。そのうえで、費用が増える要因はある程度見通せます。一つは処理する書類の量です。もう一つは、信頼度の仕組みです。複数のモデルの答えを比べる以上、信頼度を有効にすれば一件あたりに呼ぶモデルの数が増える可能性があり、その費用が誰の負担になるのかを確かめておく必要があります。逆に、表の整形のように、決まった変換で済む処理を生成AIに推論させない設計は、費用を抑える方向に働くと公式は説明しています。

導入の期間について、公式の質問集は典型的な導入を5〜7週間とし、計画に1〜2週間、設計と構築に2〜3週間、試験に2週間、本番開始は利用企業の開発手順と統制の手続き次第としています。試すときは、この試験の2週間に、自社の評価用の書類の束を必ず持ち込みます。提供元が用意した見本の書類でうまく動くことと、自社の書類でうまく動くことは別だからです。

やめ方も先に確かめます。Fisent は顧客のデータを保持しないと説明しているため、書類と結果はもともと自社側に残ります。持ち出しで確かめたいのは、自社で作った流れの定義、抽出の項目、照合の条件、評価用の束と評価の結果です。これらを別の製品でも使える形で取り出せるかを、契約前に確認しておくと、乗り換えの判断がしやすくなります。

よくある質問

従来の読み取り製品と、何が違うのですか

Fisent の説明では、従来の読み取り製品は特定の様式の書類から決まった位置の値を取り出すために学習させるもので、様式が変わると学習のし直しが要る、一方 BizAI は生成AIで書類の意味を読むため、学習なしに様式や言語の違う書類を扱える、としています。ただし、受け口が広いぶん、想定外の書類も処理されてしまう点は、この記事の原因4で触れたとおりです。

信頼度が低い書類は、すべて人が見るべきですか

原則はそうです。ただし、信頼度が高くても誤りはありうるため、重い項目は信頼度にかかわらず当面は人が見る、という組み合わせをおすすめします。信頼度は人が見る対象を絞る目安として使い、正しさの証明としては扱いません。

Pega を使っていない会社でも使えますか

公式には Pega との結びつきが強く、事例も Pega との組み合わせが目立ちますが、BizAI はAPIで呼び出す形の部品として説明されており、Pega が前提とは書かれていません。どの業務基盤と組み合わせるにしても、人の確認の画面と根拠の保管先を自社側に用意する必要があります。対応する接続の範囲は、導入前に提供元に確認してください。

業務部門だけで導入を進めてもよいですか

流れの設計と評価は業務部門が担えますが、モデルの選択、データの流れ、本番への反映、記憶の機能の有効化は情シスと一緒に決めることをおすすめします。業務部門が自由に組めることと、誰の承認もなく本番が変わることは、分けて考える必要があります。

まとめ

Fisent BizAI は、非定型の書類を生成AIで分類・抽出・照合し、業務部門が自然文の指示から流れを組めるようにした基盤です。2026年には BizAI Studio で設計を現場に開き、表の整形や信頼度の表示、モデルの評価の仕組みをそろえています。そのうえで、同じ書類で判定がぶれる原因は、多くの場合、流れの変更・モデルの差し替え・信頼度の閾値が、承認されないまま動くことにあります。対策は、人の確認の関門を項目の重さで置くこと、モデルの差し替えを自社の書類で評価してから承認すること、業務部門が作る範囲と情シスが持つ範囲を分けること、そして根拠と変更の記録を自社で残し、人が読んで直すことです。AIに判断を確定させず、人が確認する範囲を先に決めてから広げていけば、書類の自動化は安定して定着します。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次