文書 AI ソフトウェアを買うか、カスタムの LLM パイプラインを作るか:規制対象企業はどう決め、両方をどう試すのか

文書を自社の境界（自社が管理するサーバー、ネットワーク、クラウドアカウント）の外に出せない場合、境界の内側に導入できる文書 AI ソフトウェアを買うことも、エンジニアリング会社に依頼して、境界の内側に言語モデルを中心としたカスタムパイプラインを作ってもらうことも、その二つを組み合わせることもできる。決め方は、買うものも作るものも含めたすべての候補を、境界の内側で受け入れセットを使って採点することだ。受け入れセットとは、自社の実際の文書に、自社の社員がすべてのフィールドの正しい値を書き込んだものである。作る道を選ぶなら、クライアントの境界の内側で本番に導入したシステムを見せられるエンジニアリング会社を候補に残す。各社には、契約の前に自社の文書で採点されることにも同意してもらう。

何と何のどちらを選ぶのか

文書 AI ソフトウェアは、ベンダーがインテリジェント文書処理（IDP）と呼ぶもので、ライセンスを受けて使う製品である。届いた文書を種類ごとに仕分け、日付や金額のようなフィールドを抽出し、不明瞭な文書を人に回す。中には自社の境界の内側に導入できるものもあるが、コードはベンダーが保持する。

カスタムパイプラインは、エンジニアリング会社が自社の文書の種類とルールに合わせて書くコードである。その段階の一つが大規模言語モデル（LLM）、つまり大量のテキストで学習したモデルだ。LLM は各文書を読み、指定したすべてのフィールドについて値を返す。ほかの段階では、その値を自社のルールに照らしてチェックし、疑わしいものは社員に回し、残りを自社のシステムに渡す。

自社の境界の内側で動かせる文書 AI ソフトウェアはどれか

まずこれを確かめる。文書 AI ソフトウェアの中には、ベンダーのクラウドでサービスとして販売されているものがあり、その場合、送ったページはすべて自社の境界の外に出るからだ。2026年10月15日に閲覧した Amazon Textract の FAQ は、Textract を利用できる AWS リージョンを挙げているが、自分でインストールできる版については何も説明していない。

同じ FAQ によれば、Textract は自社の AWS ネットワークからのプライベート接続（AWS PrivateLink）経由で呼び出しを受け付けるので、「パブリックインターネットの使用を回避」できる。それでも、ページを処理するのは Amazon のサービスである。FAQ はまた、オプトアウトしない限り、Amazon の機械学習サービスを改善するために「Amazon Textract が処理したコンテンツの一部が別の AWS リージョンに保存される場合がある」とも述べている。

ほかのベンダー各社は、同じ日に閲覧したそれぞれのページで、自社のソフトウェアを顧客の境界の内側で動かせると述べている。ここで名前を挙げるのは推奨ではなく、この一覧も網羅的ではない。

Microsoft は Azure Document Intelligence をクラウドサービスとして販売しているほか、一部のモデルについては、コンテナ、つまり自社のマシンで動かすパッケージ化されたソフトウェアとしても提供している。切断コンテナ（disconnected containers）についての同社のページによれば、これらのコンテナは「コンテナの実行にクラウドとの接続を必要としないシナリオを想定したもの」である。利用するには「まず申請フォームに記入して提出し、コミットメントプランを購入する必要がある」。

ABBYY の Vantage プラットフォームのページは、「Vantage はクラウドファーストのプラットフォームとして設計されている」と述べたうえで、こう付け加えている:「あるいは、Vantage をオンプレミスで、または Microsoft Azure 上の自社のプライベートクラウドインスタンス内で実行するための柔軟なデプロイの選択肢も用意されている。」Hyperscience の Hypercell プラットフォームのページは、デプロイの選択肢として、オンプレミスでのデプロイ（自社のサーバー上）と「顧客専用のプライベートテナント（AWS、Google、Microsoft Azure）」を挙げ、同社が AWS または Google Cloud でホストする版である Hyperscience SaaS と並べている。

自社の境界の内側で動く機能の一覧は、書面でもらう。同じベンダーのページどうしでも記述が食い違うことがあるからだ。Microsoft の FAQ は「切断コンテナは Document Intelligence のカスタムモデルと請求書モデルで利用できる」と述べている一方、切断コンテナのページには Read、Layout、ID document（身分証明書）、receipt（領収書）などのコンテナが並んでいる。

自社の文書のうち、どれが購入するソフトウェアに向き、どれにカスタムパイプラインが必要なのか

買うのが合うのは、処理量の大半が、請求書や本人確認書類のように、ソフトウェアがすでに読める種類の文書で占められている場合だ。それらの種類についての自社のルールが、ほかの企業のルールに近いことも条件になる。そうであれば、何かを開発するために費用を払う前に、ソフトウェアの出来合いのモデルを自社の文書で試せる。

カスタムパイプラインが向くのは、社内の書式、取引相手からの書簡、自由記述のサポートチケットのように、自社に固有の種類の文書だ。結果が自社にしかないルールに従わなければならない場合や、どのベンダーも接続していないシステムに結果を渡さなければならない場合にも合う。パイプラインはそうしたルールをコードとして持つが、購入したソフトウェアでは、ベンダーのツールが許す範囲でしかルールを設定できない。

組み合わせた構成では、文書の種類ごとに仕事を分ける。ソフトウェアは自分が知っている標準的な書式を読み、カスタムパイプラインは自社独自の種類、自社のルール、そして自社のシステムへの受け渡しを担う。どの種類をどちらに回すかは、テスト結果で決める。二つのシステムをつなぐ部分には、契約で名指しした責任者が必要だ。そこには、各文書の行き先を決める段階、レビューキュー（人の確認を待つ文書の一覧）、そして監査記録、つまり各文書に何が起きたかのログが含まれる。

契約の前に、自社の文書で両方をどう試すのか

受け入れセットは、ベンダーに会う前に作る。スキャンやスマートフォンの写真も含め、実際に届いているのと同じ比率で最近の文書を集め、自社の社員にすべてのフィールドの正しい値を書き出してもらう。ソフトウェアに読ませるつもりの種類と、カスタムパイプラインに任せるつもりの種類の両方を入れておけば、一つのセットですべての道を採点できる。

テストはすべて境界の内側で行う。ソフトウェアはライセンスする予定の版をトライアルとして動かし、会社のプロトタイプは自社が管理するアカウントのもとで動かす。

それでも、トライアルがベンダーに接続することはある。Microsoft の切断コンテナを使うには、先に申請の承認とコミットメントプランが必要なので、コミットメントを結ぶ前のテストは接続コンテナ（connected containers）で動かすことになる場合がある。同社の FAQ によれば、接続コンテナは「分析対象の画像やテキストなどの顧客データを Microsoft に送信しない」が、「課金情報を Azure に送信するためにインターネット接続が必要である」。その接続を許可するかどうかは、自社のセキュリティチームが決める。

誰かがセットを見る前に、それを二つに分ける。ベンダーとエンジニアリング会社は一つ目の部分を自分たちのシステムの設定に使ってよく、二つ目の部分は自社の手元にとどめる。最終的なスコアは、その二つ目の部分だけから、次の四つの尺度で出す:

• 文書の種類ごと、フィールドごとの精度。たとえば契約書の日付や請求書の金額
• 同じ合格ライン（人が確認しないフィールドについて自社が受け入れる最低の精度）のもとで、各候補が人に回す文書の割合
• レビュアーの時間。自社の社員が各候補のレビュー画面でサンプルを確認するあいだ、タイマーで計測する
• 斜めから撮った写真や見慣れない種類の文書のように、候補が読めない文書がどうなるか。それぞれが人のもとに届くかどうか、そして誤った値がいくつ警告なしに通り抜けるか

合格ラインは、テストを始める前に合意しておかなければならない。候補は、より多くの文書を人に回すことで、より正確に見せられるからだ。レビュアーの時間の計り方と合格ラインの決め方は、上でリンクした、COO が尋ねるべきことについての記事が扱っている。

それぞれの道で、何に費用を払うのか

買う道では、ライセンスに費用を払う。Microsoft は切断コンテナを年単位のコミットメントティアで販売しており、切断コンテナのページの言葉を借りれば「固定料金で」提供している。ティアは、事前構築済み（そのまま使える）モデル用、カスタム抽出用、そして同社のテキスト認識モデルである Read 用に分かれている。

2026年10月15日に閲覧した Microsoft の料金ページには、年間最大120万ページ、月あたりにして10万ページを見込んだ事前構築済みモデルのティアが載っている。同社の公開価格表では、このティア「Commitment Tier Pre-Built Disconnected 100K」は、Central US リージョンで年8,640ドルとなっている。

2026年1月2日に最終更新され、2026年10月15日に閲覧した ABBYY の一般サブスクリプション条件によれば、サブスクリプション期間は「12か月の更新期間ごとに、回数の制限なく自動的に更新される」。ただし、見積書に別段の定めがある場合や、いずれかの当事者が現在の期間が終わる少なくとも45日前までに書面で通知した場合は、この限りではない。購入した量を超える利用については、条件によれば、見積書に別段の定めがない限り、ABBYY は「サブスクリプション期間の終了時に、購入したボリュームユニットを超える量について、その後に支払うべき金額をライセンシーに請求する」。

購入したソフトウェアも、文書が届く場所と自社のシステムにつなぐ必要がある。監視、レビューキューを担う人員、そして自社の側の責任者も必要になる。だから、契約の前にその作業の見積もりを取っておく。

会社がパイプラインを作る場合は、そうした作業を契約に書き込んでおくべきだ。費用はまず開発にかかり、その後はサーバーと、使う場合は GPU（モデルを動かすプロセッサ）、システムを見守る人員、そして文書やモデルが変わったときの更新にかかる。購入したソフトウェアも自社のサーバーで動く。Microsoft の切断コンテナのページは、掲載している各コンテナについて、8つのプロセッサコアと 24 GB のメモリを推奨している。

道を比べるには、すべてのベンダーと会社に、同じ量の前提（月あたりの文書数、文書1件あたりのページ数、種類の構成）を書面で渡し、それぞれに3年間の費用を出してもらう。その費用には、自社のサーバーと、社員がレビューに費やす時間も含めるべきだ。

それぞれの道の最後に、何が自社のものになるのか

買った場合に自社のものになるのは、ライセンスが有効なあいだソフトウェアを使う権利である。文書の種類、フィールド、学習済みモデルといった自社の設定はベンダーの形式のまま残るので、エクスポートできるかどうかを尋ねる。

ライセンスは、自社の境界の内側であっても、ソフトウェアを動かなくすることがある。Microsoft の切断コンテナにはライセンスファイルが必要で、Microsoft によれば、このファイルには「有効期限も含まれており、それを過ぎるとライセンスファイルはコンテナの実行に使えなくなる」。ABBYY の条件は、購入したボリュームユニットを超えた利用分を支払わない場合、「ライセンシーは ABBYY ソフトウェアの機能を利用できなくなる」と定めている。

カスタムパイプラインのコードは、契約で譲渡されれば自社のものになる。だから、契約が何を除外しているかを読む。その会社の再利用可能なコンポーネント（会社がプロジェクトをまたいで使い回すコード）がその例だ。どの道を選んでも、受け入れセットとすべてのテスト結果が自社に帰属することを書面にしておく。それがあれば、後でどんな後継の候補も同じ文書で採点できる。

ソフトウェアベンダーとエンジニアリング会社に、何を尋ねるべきか

ソフトウェアベンダーには:

• 当社がライセンスするのはどの版か。その版のどの機能が当社の境界の内側で動くのかを、書面で列挙してもらえるか
• ライセンス、アップデート、利用状況の報告、サポートのために、ソフトウェアのいずれかの部分が当社の境界の内側からそちらに接続するか
• トライアルを、当社がライセンスする予定の版で、当社の境界の内側で動かし、当社の受け入れセットで採点できるか
• 更新しなかった場合に何が動かなくなるのか。そして、当社の設定と学習済みモデルはどんな形式でエクスポートできるのか

エンジニアリング会社には:

• クライアントの境界の内側でシステムを本番に導入したことがあるか。そして、それについて何を見せてもらえるか
• 当社の境界の内側で、当社が管理するアカウントのもとでプロトタイプを作り、受け入れセットのうちそちらが見ていない部分で採点を受けてもらえるか
• 当社の文書のうち、どの種類についてはソフトウェアを買うことを勧めるか。そして、それはなぜか
• ローンチ後は誰がシステムを運用するのか。契約は当社に何を譲渡し、どの再利用可能なコンポーネントを名前を挙げて除外しているのか

amBrain はどこに位置づけられるか

amBrain が公に説明している言語モデルのプロジェクトは、次の一件だ:「私たちは、顧客の FinTech 環境の境界内で LLM の統合を本番稼働させた:ブローカーや取引施設から届く非構造化の通知 ― コーポレートアクション、銘柄や証拠金の変更 ― を抽出・正規化し、トレーディングシステムが取り込む構造化された記録にするものだ。」

この記事は事例紹介ではなく、クライアントの名前も挙げない。引用した一文は、そのプロジェクトが購入した文書 AI ソフトウェアを使ったかどうかも、モデルがどこで動いたかも、上で挙げたやり方のうちどれを使ったかも述べていない。そのプロジェクトであれほかのプロジェクトであれ、amBrain が文書 AI ソフトウェアとカスタムパイプラインを比較したとは、ここでは一切述べておらず、請求書、本人確認書類、サポートチケットのためのシステムを構築したとも述べていない。amBrain の価格、期間、そしてプロトタイプや契約前のテストの条件も示さない。

amBrain は2019年からソフトウェアを作っている。顧客との仕事の進め方を一行でこう説明している:「三つの形態:フルデリバリー、専任チーム、あるいはあなたのチームに入るエンジニア。」所有権についての一文はこうだ:「顧客は、プロダクトとコードの完全な所有権を保持する。ただし、私たちの再利用可能なコンポーネントは除く。」amBrain が候補リストに入っているなら、ほかのどの会社とも同じ受け入れセットと質問を渡し、そのコンポーネントを名前で列挙した一覧を求めること。