ドキュメントAIにおけるキー情報抽出（KIE）とは？

最終確認日: 2026-08-31 · 対象: ドキュメントAI / データ抽出 / OCR評価

キー情報抽出 (KIE) は OCR ではなく、ドキュメント分類でもありません。OCR は「ページにどの文字があるか」に答え、分類は「これはどの種類のドキュメントか」に答え、KIE はその間の問いに答えます。このドキュメントにはどの具体的な情報が含まれ、それは何か。

キー情報抽出 (KIE) とは、請求書番号、日付、合計金額などの特定のデータフィールドをドキュメント画像や PDF から自動的に識別し、構造化された機械可読なレコードとして抽出するプロセスです。

キー情報抽出の仕組み

KIE は入力と出力の契約に基づいて動作します。非構造化または半構造化されたドキュメント画像を入力とし、構造化されたキーと値のペアおよびエンティティを出力します。請求書、領収書、発注書、保険請求書などの受領書類では、コンテンツは予測不能なレイアウトに散在していますが、下流システムが必要とする情報は有限のフィールド群です。請求書番号、日付、ベンダー ID、金額、明細行のセット。KIE は視覚的なページをまさにこれらのフィールドに変換するレイヤーです（Rombach & Fettke, 2025）。

従来のパイプラインでは、これは4つの段階で行われます。第一に、文字認識によってコンテンツが機械可読になります。OCR がスキャンされたピクセルをテキストに変換するか、デジタル PDF から直接テキストを取得します（この入力レイヤーの詳細な説明については、OCR リファレンスを参照してください）。第二に、レイアウト理解が読み取り順序と領域構造を再構築し、エンジンは「Total: $1,249.99」がフッターにあり、「Invoice #1234」がヘッダーにあることを把握します。第三に、意味的フィールド分類が各テキスト領域を、その位置ではなく意味に基づいて読み取ります。「1234」を請求書番号として、「$1,249.99」を合計金額として認識します。たとえこれらのフィールドがベンダーごとのレイアウトで移動しても変わりません。最後に、グループ化とキーと値の組み立てが関連する値を構造化された単位にリンクします。CORD benchmark などの古典的な例は、明細行（名前、単価、数量）を3つの孤立した文字列ではなく1つのレコードとして理解することです。この最後の段階が、単なる認識と抽出を区別するものです。エンティティを識別してもそのグループ化を行わないモデルは、使用可能なレコードのないキーを生成します（Khang et al., 2025）。

OCR との決定的な違いは意味レベルです。OCR はすべての文字が正しいときに正しいと言えます。KIE はすべてのフィールドが正しいときに正しいと言えます。そして9桁の請求書番号の1文字が間違っているだけで、フィールド全体が間違いになります。だからこそ KIE の精度は文字レベルではなくフィールドレベルで測定されます。この違いはフィールド対文字の精度リファレンスで詳しく説明されています。

現代のシステムは、OCRステップを完全に省略することが増えています。読者はこの流れを、固定テンプレートの衰退の中で以前にも見てきたはずです。フィールドを座標にマッピングするルールは、ベンダーがレイアウトを変更した瞬間に破綻します。今日のビジョンベースモデルはレイアウトとセマンティクスを同時に読み取り、これまで見たことのないドキュメントタイプからフィールドを抽出します。これはAIがドキュメントを読む仕組みガイドで説明されているセマンティック（位置ベースではない）アプローチです。しかし、参照となるタスク定義はメカニズムに関係なく同じです。重要なフィールドを特定し、構造化された形式で再現することです。このタスクの正規の学術的定義はICDAR 2019 SROIEコンペティションであり、領収書ごとにちょうど4つのフィールドでKIEを採点しました — 会社名、日付、住所、合計金額（Huang et al., 2019）。

キー情報抽出が重要な理由

KIEが重要なのは、それが生成するデータこそが下流システム — ERP転記、支払実行、請求 adjudication — が実際に消費するものであり、代替手段は人間が手作業でフィールドを入力することだからです。その手動ステップのエラー率は無視できません。独立したヒューマンファクター研究によると、訓練を受けたスタッフでも転記中に1～4%のフィールドを誤ります（Panko, 2008–2015）。買掛金のベンチマークでは約2%に達しています（IOFM、手動データ入力エラー率の参考資料より）。

この1～4%という数字は、エラーがフィールド間で複合するため、実際の問題を過小評価しています。1%のフィールドあたりのエラー率では、20フィールドの請求書1枚でも少なくとも1つの誤った値が含まれる確率は約18%あります — だからこそAP部門は手動処理された請求書の約3分の1でエラーを報告しています。これらのエラーはすべて下流の摩擦となります。誤って転記された支払、却下された請求、一致したが誤った契約日などです。KIEは入力ステップを抽出に置き換えるため、手動プロセスが複合させるフィールドエラー率が低下します — これはまさに、公開されているエラー率ベンチマークで定量化されたワークフローです。

KIEはまた、弱い抽出を露呈する数値も生み出します。SROIEベンチマークでは、24の単語レベルOCR手法のうち7が90%のHmeanを超えました — しかしフィールドレベルのKIE手法では18のうち1つだけが達成し（90.49%）、半数以上が80%を下回りました（Huang et al., 2019）。同じドキュメントで、まったく異なる2つのスコア：テキストの認識は正しいフィールドの抽出よりもはるかに簡単です。ベンダーが「99%の精度」と言うとき、KIEが問うのはどのレベルが測定されたかです — これはフィールドレベル精度のページで繰り返される評価テーマです。この分野に不慣れな読者はドキュメント抽出初心者ガイドから始められます。KIEはそのガイドが繰り返し立ち返る中核能力です。

キー情報抽出が使われる場面

KIEは、安定して繰り返し取得すべきフィールドを持つドキュメントが大量に届くあらゆる場面に導入されています。特に影響が大きい5つの応用領域は次のとおりです。

買掛金／財務：仕入先の請求書からベンダー、請求書番号、請求日、支払期日、明細行の合計を抽出し、発注書と照合したうえでERPに登録します。これは、この分野を牽引する請求書処理ベンチマークにおける抽出段階です（Rombach & Fettke, 2025）。
医療：保険請求書のフィールド（請求者ID、医療機関、診断・処置コード、請求金額）を、請求添付書類、EOB、受付フォームから抽出します。多くは手書きであるため、KIEの上流でICRクラスの認識が必要になります。
銀行：銀行・クレジットカードの明細、ローン申込書、口座開設フォームを、顧客オンボーディングや照合ワークフローへ抽出します。パスワード保護されたPDFや複数ページの明細は、抽出に加えて取り込みの複雑さを増します。
法務：契約条件（当事者、発効日、更新条項、責任上限）を契約書やリースから抽出し、義務管理システムへ取り込みます。条項は埋もれた文章ではなく、検索可能なレコードになります。
貨物・物流：運送状、梱包明細、通関申告書には、出荷、荷受人、申告価額のフィールドがあり、追跡・請求システムに連携されます。

5つすべてに共通するパターンは同じです。ほぼ同一のドキュメントが流れてくるなかで、変動するのはフィールドセットではなくレイアウトであり、そのレイアウトのばらつきを扱えるかどうかが、ワークフローをタッチレスで回せるか、すべてをレビューキュー経由にするかを決めます。だからこそ、「データ抽出ソフトウェアとは何か」という広い問いとKIEは、抽象度が異なるだけで同じ問いなのです（ABBYY glossary、キーと値のペア抽出）。

よくある誤解

誤解：「KIEは単にOCRの上位版にすぎない」
実際：OCRはKIEの入力層であり、KIEそのものではありません。OCRはピクセルを文字に変換し、KIEはその文字のうちどれが特定のフィールドを構成するかを識別して構造化データとして再現します。クラウド事業者もまさにこの線引きをしています。AWSはKIEを、重要なデータポイントを識別・抽出するIDPの「基本的な構成要素」であり、認識層の上に位置すると説明しています（AWS, 2025）。システムはすべての文字を完璧に読み取っても、正しい値を誤ったフィールドに入れてしまえばKIEとしては失敗します。これは文字精度では測定すらできない構造的エラーです。
誤解：「KIEと固有表現抽出（NER）は同じものだ」
実際：NERはトークン列を人名・組織名・場所・日付・金額といった定義済みカテゴリとしてラベル付けする、テキストレベルのNLP技術です（IBM）。KIEは画像を入力とし、構造化されたキーと値のペア（場合によってはレコードにグループ化）を出力とするドキュメントレベルのタスクです。学術的な定義は明確です。KIEは「ドキュメント画像から情報を構造化データに変換する」ものであり、レイアウト理解、エンティティ分類、グループの組み立てを必要とします。NERはエンティティのラベル付けという一部分のみを担い、視覚的なページ上ではなくプレーンテキスト内で動作します（Khang et al., 2025）。NERはKIEパイプラインの構成要素にはなり得ますが、KIEそのものではありません。
誤解：「KIEにはドキュメント種別ごとにテンプレートまたは固定レイアウトが必要だ」
実際：テンプレートベースの取り込みは2020年以前のアプローチであり、ベンダーがレイアウトを変更すると破綻します。SROIEのデータはその深刻さを数値化しています。単一の領収書レイアウトファミリーであっても、フィールドレベルの提出の半数以上がF1スコア80%を下回りました（Huang et al., 2019）。現代のビジョンベースのKIEは位置ではなく意味に基づいて抽出するため、見たことのないレイアウトにも汎化します。位置ベースから意味ベースへの抽出の移行は、AIがドキュメントを読む仕組みガイドの主題です。
誤解：「KIEとIDPは同じものだ」
実際：KIEはより広範なIDPカテゴリ内の抽出サブタスクです。IDPは取り込み、分類、抽出、検証、下流システムへの統合を含むプラットフォームの総称であり、KIEは特に識別・抽出の段階を指します。優れたKIEを実行しても、結果を検証したり例外を人間にルーティングしたりする仕組みがなければ、IDPとしては失敗します。クラウド事業者も同じ入れ子構造を明示しています。「IDPの領域において、KIEは基本的な構成要素として機能する」（AWS, 2025）。

よくある質問

キー情報抽出（KIE）とは何ですか？

キー情報抽出（KIE）とは、請求書番号、日付、合計金額などの特定のデータフィールドをドキュメント画像やPDFから識別し、構造化された機械可読なレコードとして抽出する自動化プロセスです。非構造化または半構造化ドキュメントをキーと値のペアやエンティティに変換し、下流のシステムが直接利用できるようにします。クラウドプロバイダーの分類では、KIEはより広範なIDPスタック内のDocument AIサービスの抽出コンポーネントです（AWS, 2025）。

KIEとOCRの違いは何ですか？

OCRは文字を読み取り、KIEは情報を抽出します。OCRはテキストの画像を意味を理解せずに機械可読な文字に変換します — 「ページに何が書かれているか」に答えるものです。KIEはさらに進み、どのテキストが特定のフィールド（請求書番号、合計金額）を構成するかを識別して構造化します — 「このドキュメントにはどのような情報が含まれ、どこに属するか」に答えるものです。OCRは通常、KIEパイプラインの前段階であり、その代替ではありません（Rombach & Fettke, 2025）。

KIEと固有表現認識の違いは何ですか？

NERはテキストレベルのラベリング技術であり、KIEはドキュメント画像レベルの抽出タスクです。NERはテキストのスパンを事前定義されたカテゴリ（人物、組織、日付、金額）としてタグ付けし、プレーンテキストに対して動作します（IBM）。KIEはドキュメント画像に対して動作し、その出力は構造化されたキーと値のペア — 時には明細行のようなレコードにグループ化される — であり、テキストのみのNERにはないレイアウト理解を必要とします。NERはKIEパイプライン内の一コンポーネントとして登場することがありますが、両者は互換性がありません（Khang et al., 2025）。

KIEはインテリジェントドキュメント処理（IDP）と同じですか？

いいえ — KIEは抽出のサブタスクであり、IDPは完全なプラットフォームです。 IDPはドキュメントの取り込み、分類、抽出（KIEの段階）、ビジネスルールに対する検証、ERPや請求システムへの統合までをカバーします。KIEはそのチェーンの中間にある識別と抽出を担います。KIEが強力でも、IDPとして機能するには分類、検証、ルーティングが必要です。だからこそストレートスルー処理のような自動化指標は抽出だけでなくスタック全体を測定します（AWS, 2025）。

KIEの精度はどのように測定されますか？

フィールドレベルで — フィールドは正しく抽出されるか失敗するかのどちらかであり、1文字の誤りでフィールド全体が失敗となります。 標準的な指標は対象フィールドに対するフィールドレベルF1です。代表的なSROIEベンチマークでは、18のフィールドレベル手法のうち90%のF1を超えたのは1つだけで、半数以上が80%未満でした。これは抽出がテキスト認識よりも難しいことを示しており、KIEを評価する際は文字や単語の精度ではなく、自社のドキュメントでのフィールドレベル精度を求めるべきです（Huang et al., 2019、フィールドレベルと文字レベルの精度の比較を参照）。

KIEはどのような種類のドキュメントを扱いますか？

半構造化および非構造化ドキュメント — 領収書、請求書、発注書、契約書、銀行明細、保険請求書 — スキャン、撮影、デジタルPDFの形式で。 半構造化ドキュメントは、レイアウトが異なっても共通のフィールドセットを持ちます（どの請求書にも請求書番号があります）。非構造化ドキュメント（契約書、手紙、手書きメモ）には固定レイアウトがまったくありません。KIEは両方を扱いますが、レイアウトのばらつきが大きいほど、抽出は位置ではなく意味理解に依存する必要があります（Ding & Han, 2025）。

出典

Rombach, A.M. & Fettke, P. —「Deep Learning Based Key Information Extraction from Business Documents: A Systematic Literature Review」、ACM Computing Surveys 58(2) (2025)。KIE分野の査読済み系統的レビュー：定義、手法ファミリー（グラフベース、シーケンスベース、グリッドベース、生成ベース）、および請求書・領収書の業務ドキュメント文脈を扱う。定義および業務ワークロードにおけるKIEという主張の主要出典。
Huang, Z., et al. —「ICDAR2019 Competition on Scanned Receipt OCR and Information Extraction」、IEEE ICDAR (2019)。SROIEベンチマーク：タスク3は4つの対象フィールド（会社名、日付、住所、合計）でKIEを定義。フィールドレベル採点では、24のOCR手法のうち7つがHmean >90%であるのに対し、18のKIE手法のうちF1 >90%はわずか1つ。フィールドレベル精度の根拠および標準的なKIEタスク定義の主要出典。
Khang, D., et al. —「KIEval: Evaluation Metric for Document Key Information Extraction」(2025)。Document KIEを、Document Understanding分野において、ドキュメント画像から構造化されたキー・バリューペア（およびグループ化されたレコード構造）を抽出するものとして正式に定義。グループ化・エンティティの契約および画像入力の定義に関する主要出典。
AWS —「Document intelligence evolved: Building and evaluating KIE solutions that scale」(2025)。金融、医療、法務、サプライチェーンにわたるIDPの領域において、KIEを抽出コンポーネント（「a fundamental component」）として位置づけるクラウドプロバイダーの技術記事。IDPにおけるKIEという枠組みの主要出典。
IBM —「What is named entity recognition?」。NERに関する独立した業界定義：MUC-6以降、テキスト内の事前定義されたエンティティカテゴリをラベル付けするNLP技術。KIEとNERの境界に関する出典。
ABBYY — Document AI Glossary（「Key-value pair extraction」）。キー・バリューペア抽出を、キー（例：「Date」）とそれに対応する値（例：11/1/2024）を認識するものとして定義する業界用語集。入出力の契約を裏付ける。
Panko, R.R. — Human Error Research, University of Hawaii (2008–2015)。人間の転記エラー率に関する査読済みの集計：単純な認知タスクで1～5%、機械的精度は99.5～99.8%であるのに対し、複雑な転記は95～98%。手作業によるフィールドエラーの基準値および複合計算の出典。
Ding, Y. & Han, S.C. —「Deep Learning Based Visually Rich Document Content Understanding: A Survey」、Artificial Intelligence Review (2025)。KIEのアプローチとベンチマークの進化を網羅する、視覚的にリッチなドキュメント理解に関する査読済みサーベイ。ドキュメントタイプの網羅性に関する主張の出典。

Intelligent Document Processing (IDP)とは？: KIEが属するプラットフォームの総称 — KIEは、取り込み・分類・抽出・検証・統合という広範なIDPカテゴリの中の抽出サブタスクです。
Optical Character Recognition (OCR)とは？: KIEの下にある文字読み取り入力層 — OCRは文字を認識し、KIEはさらに一段上のセマンティックレベルで情報を抽出します。
Intelligent Character Recognition (ICR)とは？: OCRの手書き文字読み取り版 — OCRと同様、文字を認識するもので情報は認識しないため、手書き文字は認識が成功した後にのみKIEに渡されます。
文字単位ではなくフィールド単位で抽出を採点する: KIEの精度がどのように測定されるかを定義する指標の枠組み — 抽出は文字単位ではなくフィールド単位で採点されます。
Regex vs LLM Field Extraction: フィールド抽出が実際にどう機能するかに関する証拠の本体 — ルールベースのKIEが回収するものとLLMベースの抽出を定量化します。

キー情報抽出（KIE）とは？