軽くて速い表抽出AI、100倍以上高速化を実現

『パラメータ』って何？数が少ないほどAIが賢くないってこと？

パラメータというのは、AIが学習を通じて調整する数値の塊だと考えるといいです。人間の脳にたとえるなら、シナプス（神経同士のつながり）の強さみたいなもの。数十億あるパラメータを少しずつ変えることで、「この画像は猫だ」「この表はこう読むべき」という判断ができるようになります。 ただ、パラメータが少ない＝賢くないわけではないんですね。むしろ逆説的なんですが、パラメータを減らしながらも同じ精度を出す設計ができれば、それは高度な工夫の証だと言えそうです。POTATRがそれ。表抽出という特定タスクに特化させることで、余計なパラメータを削ぎ落とした。一方、ChatGPTのような汎用モデルは何でも答えられるように数十億個のパラメータを積み上げてる。 たとえるなら、大工さんが木材を引き出しいっぱい持ってるのと、表大工が表張りに特化した道具を厳選してるようなもの。数が少ないほうが実務的には強いこともあるわけです。

銀行や保険会社みたいに毎日大量の書類処理してる部署って、このAIで事務員の仕事が大きく減っちゃうの？

銀行や保険会社の事務処理の現場を見ると、表抽出だけが仕事ではないんですよね。たしかにPOTATRは表を正確に、速く引き出せる。でも現実の書類処理は、その後が長い。抽出した表の数字が本当に正しいのか目で確認する。システムに登録する際にフォーマットを整える。金額の矛盾があれば原書類に戻る。顧客から問い合わせが来たときに説明できるよう記録を残す。こうした「AIが拾った後の判断と責任」は、むしろ人間にしかできません。むしろ事務員の仕事は「単純な転記作業」から「AIの出力を検証・修正する高度な作業」へシフトするのかもしれません。効率化で人員が大幅に減るより、同じ人数でより複雑な案件に対応できるようになる、そんな変化の方が起きやすいと言えそうです。

これまで『表を抽出するなら大きなAIを使わないと正確じゃない』って言われてたのに、なぜ今になって小さいモデルで精度を出せるようになったの？

表抽出という「特定の作業」に限定したことが、小さいモデルで精度を出せるようになった理由なんだと思います。 ChatGPTのような大規模言語モデルは、文章生成から数学問題、翻訳、対話まで、ありとあらゆる任務をこなす汎用エンジンです。だから必然的に膨大なパラメータが必要になる。一方、POTATRは「表を抽出する」という一つのタスクだけに特化させた。 特化させると何が変わるかというと、学習データの「質」を高められるんです。表抽出に最適な学習方法や、表特有のパターン認識（セルの境界、数値の配列、ヘッダー行など）に絞って最適化できる。汎用モデルが広く浅く学ぶ必要があるのに対して、特化モデルは狭く深く学べるということですね。 実は、これは機械学習全体の流れでもあります。昔は「できるだけ大きく、できるだけ多くのデータで」が常識でしたが、最近は「小さいモデルを賢く設計する」という発想が台頭してきた。効率の時代に、むしろ小ささが競争力になってきたのかもしれません。

つまり『性能と効率は両立できない』って思い込みが、実は設計次第で覆せるってことなんじゃないの？

その通りですね。技術開発って往々にして「どちらかを選ぶ」という枠組みで進んでいるんですが、POTATRのような事例を見ると、その枠組み自体が古い可能性が浮かび上がります。 従来は「精度を上げたければパラメータを増やす」というシンプルな因果関係が当たり前でした。だから大規模言語モデルが生まれた。ところがPOTATRは、表抽出という「限定されたタスク」に特化することで、その因果関係を外しました。パラメータを2900万に圧縮しても、むしろ精度が上がってる。 ここの逆転劇のカギは、何に目を向けるかです。汎用性を求めると必然的に重くなる。でも「表を正確に読む」という一点に絞れば、その過程で不要な計算が削ぎ落とせる。余計な学習が除かれるともいえます。 これは規模の問題というより、問題の定義の問題なんですよ。多くの組織や企業では「最高峰のAIを導入する」という思考が先行しがちですが、自分たちのニーズに合わせて機能を絞り込む逆転の発想が、実は現実的で経済的だったりするということかもしれません。

このAIが普及すると、大規模言語モデルを使う企業のビジネスって影響を受けるんじゃないの？

表抽出という限定的なタスクに最適化したモデルの登場は、確かに大規模言語モデルの用途を一つ減らすんですよね。 ただ、ビジネスへの影響を考えると、むしろ市場全体が拡大する方に作用しそうです。いまは「ChatGPTは高い、API呼び出しも重い」という理由で、書類処理の自動化を諦めている中小企業が大量にあります。POTATRのような軽量で安価なツールが出てくると、これまで手作業だった層が初めてAI導入に踏み切る。結果として「表抽出はPOTATR、複雑な分析や判断はChatGPT」というように役割分担が起きる。むしろ全体のAI利用が増えるシナリオです。 大規模言語モデルを提供する企業の視点なら、「すべての処理を自分たちで担おう」という戦略から、「基盤モデルとして信頼されること」に重心を移す流れになるのかもしれません。汎用性を失わずに、得意分野に集中する競争環境が醸成されてきているのだろうと考えられそうです。