Instructor導入前の確認項目|型は中身を保証しない

Instructor導入前の確認項目|型は中身を保証しない

「AIに問い合わせの分類をさせたら、ときどき決めた分類名と違う言葉で返ってきて、取り込みの処理が止まった」「名刺の読み取り結果をCRMに入れたいが、AIの答えが毎回少しずつ違う形で出てくる」——社内のAIを業務システムにつなぎ始めた情シスやマーケティングの担当者から、最初の数週間でよく聞く声です。このつまずきを減らす部品として、海外の開発者の間で広く使われているのが、AIの答えを決まった型に沿わせて受け取るオープンソースのライブラリ Instructor です。GitHub では1万4,000を超える星を集め、2026年9月に v1.17.0 が出た後も、11月に入って修正の取り込みが続いています。ただし、型に沿った答えが返ってくることと、答えの中身が正しいことは、まったく別の話です。この記事では、Instructor を社内のAI連携に入れる前に確かめておきたい項目を、型で防げることと防げないこと、再試行の費用、モデル乗り換えへの耐性、記録とキャッシュ、小さなOSSの保守体制、人が見る範囲、やめ方の順に整理します。


カメ先生カメ先生

AIの答えを型にはめる道具って、入れれば答えが正しくなると思われがちなんだ。でも本当は、項目の名前や数字の形がそろうだけで、書かれている中身が合っているかは別に確かめないといけないんだよ。


カメ子カメ子

形がきれいにそろっていても、中身が間違っていることはある、ということですか。


カメ先生カメ先生

そう。しかも形が整っているぶん、間違いが目立たなくなる。だから型で守る項目と、人が見る項目を先に分けておくのが大事なんだ。それに、型に合わないときは聞き直しが起きるから、その回数がそのまま費用になる。


カメ子カメ子

便利な道具ほど、どこまで任せるかの線を先に引いておく必要があるんですね。


この記事のポイント
  • Instructor はAIの答えを指定した型(Pydantic のデータ定義)に沿わせて取り出し、合わなければ誤りを伝えて聞き直すOSS。MIT ライセンスで、2026年9月に v1.17.0、11月にも修正が続いている
  • 型で防げるのは項目の欠けや形の崩れまで。値が事実として正しいかは保証しないので、根拠の引用を型に入れて機械で照合し、残りは人が見る範囲として先に決める
  • 聞き直しの回数と費用の上限、記録とキャッシュに残るもの、モデルを替えたときの受け取り方、保守が細ったときのやめ方を、本番につなぐ前に決めておく

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

Instructor とは:AIの答えを決まった型で受け取るための部品

Instructor は、大規模言語モデルの答えを、あらかじめ決めた項目と形式に沿ったデータとして受け取るための Python のライブラリです。GitHub で公開され、ライセンスは MIT です。公式の説明は「どのモデルからでも信頼できる JSON を得る」というもので、Pydantic というデータ定義の仕組みの上に作られています。使う側は「会社名は文字列、従業員数は整数、問い合わせの種別はこの5つのどれか」といった型を書くだけで、AIの答えがその型に合っているかを自動で確かめられるのが特徴です。

どこにAIが入るのかを整理しておきます。Instructor 自体はAIのモデルを持っていません。社内で契約している OpenAI、Anthropic、Google などのモデル、あるいは Ollama のように手元で動かすモデルを呼び出し、その答えを受け取る側で型に照らす「受け口」の部品です。公式の説明では主要な提供元に対応しており、提供元の切り替えはモデル名の指定で行う形になっています。Python 版が本家で、ほかの言語向けの移植版もあります。

GitHub の表示では星が約1万4,100、これまでのコミットは1,600件を超え、README は月間300万回を超えるダウンロードと1,000人を超える貢献者をうたっています。ただしこれらの数字は README 自身の記載で、表示時点によって変わります。規模の大きさは、社内で使ってよいかの根拠にはならないので、この記事ではあくまで判断の材料の一つとして扱います。

2026年の動き:8月と9月の版、11月も続く修正

鮮度を確かめるため、公式のリリース一覧を見ておきます。2026年8月27日の v1.16.0 では、聞き直し(再試行)に使うトークンの総量に上限を設ける機能が加わり、Amazon の Bedrock が持つ型に沿った出力の仕組みにも対応しました。続く9月9日の v1.17.0 は、キャッシュの作り方が変わり、既存のキャッシュが当たらなくなると明記された版です。キャッシュは既定で接続先ごとに分けられ、共有したい場合だけ明示して名前を付ける形になりました。

同じ v1.17.0 では安全面の修正もまとまっています。画像・音声・PDF を外部の場所から取りに行く処理が強化され、取りに行ける先は公開された場所に限られ、認証情報を含む指定は拒否され、大きさにも上限が付きました。答えから JSON を取り出す処理にも、大きさと入れ子の深さの上限が設けられています。2026年4月の v1.15.0 では、JSON を返させる方式で使われていた既定の指示文が取り除かれ、振る舞いが変わると告知されました。

11月3日にも、作者を含む開発者による修正がまとめて取り込まれています。生の応答を記録する機能を「明示したときだけ有効」に変える安全面の修正、引用の検証で空の引用や無関係な短い引用を拒む修正、まとめて処理したときに途中で切れた結果を拒む修正などです。作者の所属が変わったとする第三者の記載もありますが、少なくとも2026年11月時点では、開発は止まっていないと公開の履歴から確かめられます。買収や開発終了の告知も見当たりません。

課題:AIの答えの「形の揺れ」が、業務システムでは障害になる

社内のAIを人が読む用途で使っている間は、答えの書き方が多少揺れても困りません。ところが、問い合わせを種別に仕分けて担当チームの列に入れる、受け取った帳票から金額と日付を抜き出して経理の台帳に入れる、名刺やフォームの内容をCRMの項目に登録する、といった使い方を始めると事情が変わります。受け取る側のシステムは決まった項目と形式しか受け付けないので、「種別は営業」と返すはずが「営業部向け」と返った、日付が和暦で返った、金額にカンマが入ったという小さな揺れが、そのまま取り込みの失敗になります。

よくある対処は、指示文に「必ずこの形式で答えて」と書き足すことです。これで揺れは減りますが、ゼロにはなりません。モデルの版が上がった、長い資料を渡した、例外的な問い合わせが来た、といったきっかけで、ある日突然形が崩れます。そして崩れたときに、取り込みの処理が止まるのか、壊れたデータが黙って入るのかが決まっていないと、後から気づいたときの手戻りが大きくなります。

Instructor のような道具は、この「形の揺れ」を受け口で止めるためのものです。型に合わなければ取り込まず、誤りの内容をAIに伝えて答え直させる。それでも合わなければ失敗として扱う。この流れが一つの部品にまとまっていることが価値ですが、止めてくれるのは形の崩れまでだという点が、次の原因の話につながります。

原因1:型に合っていることと、中身が正しいことは別の問題

型による検査が確かめるのは、項目がそろっているか、数字は数字か、選択肢の中から選ばれているか、といった形の条件です。問い合わせの種別が「請求」と返ってきたとき、それが決めた5つの選択肢の一つであれば検査は通ります。しかし、その問い合わせが本当に請求の話だったかどうかは、型からは分かりません。形が完璧にそろった誤分類は、形の崩れた答えよりも見つけにくいのが厄介なところです。

帳票の読み取りでも同じことが起きます。金額の項目に整数が入っていれば型は通りますが、それが税込か税抜か、別の行の数字を拾っていないかは、型では判定できません。Instructor には、値の範囲や組み合わせの条件(たとえば「終了日は開始日より後」)を書き足す仕組みがあり、こうした論理の検査はある程度まで型に押し込めます。それでも、原本と突き合わせなければ分からない誤りは残ります。

さらに、AIに検査させる仕組みもあります。公式の説明では、検査の条件をAIに判定させ、その判定の理由を誤りの文として返させることができます。ただ、これは「AIの答えをAIが確かめる」構造で、検査のたびにモデルの呼び出しが増えます。AIの判定を最終判断にしないという線は、検査の層を重ねても変わりません。

原因2:聞き直しは「直るまで尋ねる」仕組みで、回数がそのまま費用になる

Instructor の中心にあるのが、型に合わなかったときの聞き直しです。公式の説明によると、検査で誤りが出ると、AIが返した答えと誤りの内容を会話に付け足し、「誤りを直して答え直してください」という趣旨の依頼を添えて、もう一度モデルを呼び出します。聞き直しの回数は指定でき、たとえば2回と指定すると、最初の1回と合わせて最大3回モデルを呼び出すと公式の文書は説明しています。

注意したいのは、回数の指定が二重になりやすいことです。モデルの提供元の部品にも、通信の失敗時に自動でやり直す設定があり、公式の文書は Instructor の聞き直しを使うなら提供元の側のやり直しを0にするよう勧めています。両方を有効にしたままだと、上限は掛け算になります。さらに、聞き直しのたびに前の答えと誤りの文も一緒に送るため、回を重ねるほど1回あたりの送信量も増える点も見落とされがちです。

聞き直しをすべて使い切ると、Instructor は専用の例外を出して処理を止めます。この例外には試行の回数と、失敗した試行の履歴が含まれます。逆に言えば、例外を受け取った後にどうするか(人の確認の列に回すのか、取り込みを保留にするのか)は、使う側が決めなければなりません。決めずに放置すると、夜間のまとめ処理が途中で止まり、翌朝に担当者が気づくといった事態になります。

原因3:モデルや提供元を替えると、受け取り方の前提が変わる

Instructor は複数の提供元に同じ書き方で対応していますが、答えを型に沿わせる方式は一つではありません。公式の比較では、道具呼び出しの仕組みを使う方式を多くの場合の既定とし、提供元が型を強制する仕組みを持つ場合はそれを使う方式、どちらも使えない場合は文章の中から JSON を拾う方式、という使い分けが示されています。そして、使える方式は提供元ごとに違うと明記されています。

つまり、モデルを別の提供元のものに替えると、同じ型を使っていても、裏側で答えを受け取る方式が変わる可能性があります。方式が変われば、崩れ方も、聞き直しが起きる頻度も変わります。公式の文書も「実際のデータとモデルで必ず試すこと」と書いています。また、以前の提供元ごとの方式の一部は非推奨になり、使うと警告が出るとされています。古い書き方のまま放置したコードは、版を上げたときに警告や不具合の形で表に出ます。

加えて、版ごとの振る舞いの変化があります。先に触れたとおり、4月の v1.15.0 では JSON を返させる方式の既定の指示文が取り除かれ、9月の v1.17.0 ではキャッシュの作り方が変わりました。モデルを替えなくても、ライブラリの版を上げるだけで答えの傾向や費用が変わりうるということです。モデル乗り換え全般の点検は別の記事で扱っているので、ここでは「Instructor を挟むと、モデルの版とライブラリの版の二つを管理する必要がある」点だけを押さえておきます。

対策1:型で守る項目と、人が見る項目を一枚に分ける

最初の対策は、受け取る項目ごとに「型で守るのか、人が見るのか」を表にしておくことです。型で守れるのは、項目の有無、形式、選択肢、値の範囲、項目どうしの整合までです。原本との一致や、判断の妥当性は人が見る側に置きます。この表がないまま導入すると、型の検査が通ったことを「確認済み」と読み違える人が出てきます。

項目の例型で守れること型では守れないこと人が見る範囲の目安
問い合わせの種別決めた選択肢のどれかであることその種別が内容に合っているか新しい種別が要りそうな問い合わせ、確信度の低いもの
請求書の金額と日付数値・日付の形式、範囲、合計の整合原本の正しい行を読んだか、税込か税抜か一定額を超えるもの、合計が合わないもの
名刺・フォームのCRM登録必須項目の有無、メールアドレスの形式会社名の表記ゆれ、既存の取引先との重複既存の取引先と似た名前が見つかったもの
要約の根拠の引用原文にその文字列が実在すること引用が結論を本当に支えているか結論が引用と食い違って見えるもの

表の右端の「人が見る範囲」は、最初は広めに取り、記録を見ながら狭めていくのが現実的です。最初から全件を自動で通す設計にしないことが、導入後の信頼を守ります。なお、確信度の数値をAIに出させて振り分けに使う方法もありますが、AIが自己申告する確信度は当てにならないことが多いので、振り分けの基準は件数・金額・新規かどうかといった、AIに判断させない条件で決めるほうが安全です。

対策2:根拠の引用を型に入れ、原文にあるかを機械で確かめる

型で中身の正しさは保証できませんが、「根拠を書かせて、その根拠が原文に実在するかを確かめる」ことはできます。Instructor の公式の説明には、検査の際に元の資料を渡し、AIが答えに添えた引用が元の資料に本当に含まれているかを確かめる例があります。引用が原文に存在しなければ検査は失敗し、AIに答え直させるという流れです。

この方法の良いところは、判定が機械的なことです。引用の文字列が原文にあるかないかは、AIに判断させなくても確かめられます。帳票なら「金額を読んだ行の文字列」、問い合わせの仕分けなら「種別を決めた根拠の一文」を型の項目に加えておけば、確認する人も根拠の箇所にすぐたどり着けます。11月3日の修正で、空の引用や無関係な短い引用を拒むように直されたのも、この仕組みが実際に使われている表れです。

ただし限界もあります。引用が原文に実在しても、その引用から結論が導けるかは別問題です。請求の問い合わせの中の「解約」という一語を引用して、種別を解約にしてしまう、といった誤りは引用の照合では防げません。引用の照合は、人が確かめる手間を減らす道具であって、人の確認を置き換えるものではないと位置づけておきます。

対策3:聞き直しに上限を置き、失敗は人の確認の列に落とす

費用の暴走を防ぐには、聞き直しの回数だけでなく、使うトークンの総量にも上限を置きます。8月の v1.16.0 で加わった仕組みでは、聞き直しで使った量の合計が上限に達すると、それ以上の聞き直しをやめて専用の例外を出します。公式の文書は、これは聞き直しの予算であって、1回の呼び出しの上限ではないと注意しており、1回ごとの出力の上限は提供元の設定で別に絞るよう書いています。また、この仕組みは逐次表示しない通常の受け取り方で、提供元が使用量を返す場合に限って使えます。

上限に達したり、聞き直しを使い切ったりした案件は、捨てずに人の確認の列へ落とします。次のような流れを、取り込みの処理の側で決めておきます。

STEP1
回数と量の上限を決める

聞き直しは1〜2回、トークンの総量は1件あたりの想定の数倍までなど、業務の単価から逆算して決めます。提供元の側の自動やり直しは0にして、上限が掛け算にならないようにします。

STEP2
失敗の行き先を決める

例外が出た案件は取り込まずに保留の列へ入れ、元の資料・最後の答え・誤りの内容を一緒に残します。夜間処理の場合は、保留の件数を翌朝の担当者に通知します。

STEP3
保留を人が処理する

担当者が原本を見て手で登録するか、型の定義の誤りなら定義を直します。同じ誤りが繰り返されるなら、指示文ではなく型の側の説明や選択肢を見直します。

STEP4
失敗の率を毎月見る

聞き直しが起きた割合と、使い切った割合を月ごとに記録します。急に増えたら、モデルの版かライブラリの版が変わっていないかを最初に疑います。

公式の文書は、試行の回数はライブラリから見た回数であり、提供元の側で起きた通信のやり直しは数えられないこと、そして「測れていない数字は0ではなく不明として扱うべきだ」と書いています。費用を報告するときは、ライブラリの記録だけでなく提供元の利用明細と突き合わせる、と決めておくと安心です。

対策4:記録とキャッシュに何が残るかを決めておく

Instructor 自体はデータを外部に送るサービスではありません。データが社外に出るのは、呼び出したモデルの提供元に送る部分です。ここは既存の社内AIの利用規程と同じ扱いになります。見落とされやすいのは、社内の側に残るものです。キャッシュ、記録、まとめ処理の結果ファイルには、問い合わせの本文や帳票の中身がそのまま残りえます。

9月の v1.17.0 で、キャッシュは既定で接続先ごとに分けられるようになりました。別の用途どうしで結果が混ざる事故を防ぐ変更ですが、明示して共有した場合は、ある部署の問い合わせの結果が別の用途から引ける状態になります。11月3日には、生の応答を記録する機能を「明示したときだけ有効」にし、記録を保護する修正も入りました。裏を返せば、古い版や独自の設定では、応答の中身が記録に残っている可能性があるということです。

確認しておきたいのは、キャッシュと記録の置き場所、保存期間、誰が読めるか、個人情報を含む案件で無効にするか、の4点です。外部の画像やPDFを取りに行く機能についても、v1.17.0 で公開された場所に限るなどの制限が入りましたが、社内の資料は取りに行かせずに、社内の仕組みで読み込んでから渡すほうが管理しやすくなります。

業務別の線:CRM登録・問い合わせの仕分け・帳票の読み取り

ここまでの対策を、よくある三つの業務に当てはめてみます。CRMへの登録は、誤りが入ると営業の活動記録や配信の対象に広がるため、既存の取引先との突き合わせは型の外で行うのが基本です。AIには項目の抜き出しまでを任せ、重複の判定や既存の取引先への紐付けは、CRMの側の名寄せの仕組みか人が行います。

問い合わせの仕分けは、誤りが出ても人が気づいて付け替えられる業務です。型で選択肢を固定し、根拠の一文を必須にしたうえで、最初の数か月は全件を自動で振り分けつつ、担当チームが付け替えた件数を記録します。付け替えが多い種別は、型の説明文を直すか、選択肢を分けるか、人の仕分けに戻すかを判断します。付け替えの記録がないと、精度がよいのか悪いのかを誰も言えないまま運用が続きます。

帳票の読み取りは、金額が絡むため最も慎重に扱います。合計の整合のような論理の検査は型に入れ、一定額を超えるものや取引先が新規のものは必ず人が原本と照合します。公式の版の記録には、Bedrock 経由では外部の画像やPDFの指定を受け付けない変更が入ったとあり、提供元によって受け付けるファイルの渡し方が違う点にも注意が要ります。

  • 型の検査が通ったことを「確認済み」として、経理の台帳にそのまま取り込む
  • 提供元の自動やり直しと Instructor の聞き直しを両方有効にしたまま、上限を決めずに夜間処理を回す
  • キャッシュを部署をまたいで共有し、誰が何を読めるかを決めないまま運用する
  • AIが自己申告した確信度だけで、人の確認に回すかどうかを決める

小さなOSSの保守体制をどう見るか

Instructor は企業が売る製品ではなく、作者と多数の貢献者が保守するOSSです。社内の業務システムに組み込む以上、保守が細ったときにどうなるかを先に考えておく必要があります。公開の履歴を見る限り、2026年は1月・4月・6月・8月・9月に版が出ており、10月20日と11月3日にも修正が取り込まれています。少なくとも現時点では、保守は活発と言えます。

一方で、見ておきたい点もあります。一つは、版の記録に互換性を壊す変更が年に何度か含まれることです。4月の v1.15.0 では検査の部品の書き方が変わり、9月の v1.17.0 ではキャッシュの互換性が切れました。版を固定して使い、上げるときは検証してから上げる運用が前提になります。もう一つは、主要な提供元自身が、型に沿った出力を強制する仕組みを持ち始めていることです。提供元の純正の仕組みだけで足りる用途なら、ライブラリを挟まない選択肢もあります。

README は、より複雑なエージェントの処理には同じ系統の Pydantic AI を勧めています。Instructor は「1回の呼び出しで型に沿った答えを得る」ことに絞った部品で、複数の段取りを自律的にこなすエージェントの枠組みではありません。社内で求めているのが受け口の部品なのか、エージェントの枠組みなのかを取り違えないことが、選定の最初の一歩です。

社内に入れる前の確認項目

ここまでの内容を、導入の判断に使う確認項目としてまとめます。すべてに答えが出てから、本番の業務システムにつなぐことを勧めます。

  • 受け取る項目ごとに、型で守る範囲と人が見る範囲を表にしたか
  • 根拠の引用を型の項目に入れ、原文に実在するかを機械で照合しているか
  • 聞き直しの回数とトークンの総量に上限を置き、提供元の側の自動やり直しを0にしたか
  • 聞き直しを使い切った案件の行き先(保留の列・通知・担当者)を決めたか
  • キャッシュと記録の置き場所、保存期間、読める人、個人情報の案件での扱いを決めたか
  • ライブラリの版とモデルの版を固定し、上げるときの検証の手順を決めたか
  • 使う提供元で、選んだ受け取り方の方式が使えることを実データで試したか
  • 提供元の純正の仕組みだけで足りないかを、一度比べたか
  • 保守が止まったときに、どの部品に置き換えるかの候補を持っているか

確認項目の多くは、Instructor に限らず、AIの答えを業務システムに流し込むとき全般に当てはまります。そのうえで Instructor に固有なのは、聞き直しの仕組み、版ごとの互換性の変化、キャッシュの扱いの三つです。この三つは、導入した担当者が異動した後も分かるように、設計書に残しておくことが大切です。

  • ライセンスは MIT で、商用利用や社内での改変に大きな制約はありません。ただし、つなぐモデルの提供元の利用規約は別に確認が要ります
  • 数字や版の情報は2026年11月初めに公式の GitHub と文書で確かめたものです。導入の時点で必ず最新の版の記録を読み直してください

やめ方:受け口を差し替えられる形にしておく

小さな部品ほど、やめ方を最初に決めておくと後が楽です。Instructor をやめる理由として考えられるのは、保守が止まった、提供元の純正の仕組みで足りるようになった、エージェントの枠組みに移るので受け口もそちらに寄せる、の三つです。どの場合でも、型の定義そのものは Pydantic のデータ定義として残るので、資産としては無駄になりません。

差し替えを楽にするには、業務のコードから Instructor を直接呼ぶ箇所を一か所にまとめ、「この型で答えを受け取る」という社内の関数を一枚挟んでおきます。聞き直しの上限、失敗時の保留、キャッシュの設定もその関数の中に閉じ込めます。こうしておけば、中身を提供元の純正の仕組みや別のライブラリに替えても、業務の側のコードは変わりません。

やめるときは、新旧の受け口に同じ入力を流して、型の検査を通った割合、聞き直しの率、人の確認に回った件数を比べてから切り替えます。切り替えの判断は、件数の比較を見て人が決めるもので、AIに判断させる種類のものではありません。キャッシュと記録の削除も、やめる手順に含めておきます。

よくある質問

Instructor を入れれば、AIの誤りは減りますか

減るのは形の崩れによる取り込みの失敗です。分類の誤りや読み違いのような中身の誤りは、型だけでは減りません。根拠の引用の照合と、人が見る範囲の設計を組み合わせて初めて、中身の誤りに気づける仕組みになります。

聞き直しの回数は何回にすればよいですか

決まった答えはありませんが、1〜2回から始め、聞き直しが起きた割合を見て調整するのが現実的です。何度聞き直しても直らない案件は、型の定義か業務そのものに無理があることが多く、回数を増やすより人の確認に回すほうが費用も時間も節約できます。

プログラムを書けない部署でも使えますか

Instructor は Python のライブラリなので、使うのは開発の担当者です。業務部署が担うのは、受け取る項目の定義、選択肢の決め方、人が見る範囲の判断、保留の列の処理です。型の説明文は業務の言葉で書くほうが精度が上がるため、定義づくりには業務部署が加わるべきです。

まとめ

Instructor は、AIの答えを決まった型で受け取り、合わなければ誤りを伝えて答え直させる、受け口に特化したOSSです。2026年も8月と9月に版が出て、11月にも修正が続いており、保守は活発です。ただし、型が保証するのは形までで、中身の正しさは保証しません。根拠の引用を型に入れて機械で照合し、聞き直しの回数と量に上限を置き、失敗した案件を人の確認の列に落とし、キャッシュと記録に残るものを決める。そのうえで、版を固定して検証しながら上げ、受け口を一か所にまとめて差し替えられる形にしておけば、小さな部品でも業務システムに安心して組み込めます。AIに判断させる範囲と、人が確認する範囲を先に決めることが、導入の成否を分けます。

※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