ドキュメントAIにおけるキー情報抽出（KIE）とは？

最終レビュー: 2026-08-31 · 対象: ドキュメントAI / データ抽出 / OCR評価

キー情報抽出はOCRでも、文書分類でもありません。OCRは「ページにどのような文字があるか」に答え、分類は「これはどのような文書か」に答えます。そしてKIEはその間の問いに答えます：この文書にはどのような特定情報が含まれ、それらは何か？

キー情報抽出（KIE）とは、文書画像やPDFから請求書番号、日付、合計金額などの特定データフィールドを自動的に識別・抽出し、構造化された機械可読なレコードに変換するプロセスです。

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の文書画像を入力とし、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。買掛金の対象となる請求書、領収書、発注書、保険請求書などは、予測不能なレイアウトにコンテンツが散在していますが、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、明細行のセットなどです。KIEは、視覚的なページをまさにそれらのフィールドに変換するレイヤーです（Rombach & Fettke, 2025）。

古典的なパイプラインでは、これは4つの段階で行われます。まず、文字認識がコンテンツを機械可読にします — スキャンしたピクセルをテキストに変換するOCR、またはデジタルPDFからの直接テキストアクセスです（この入力レイヤーの詳細な説明はOCRリファレンスを参照）。次に、レイアウト理解が読み順と領域構造を再構築し、エンジンが「Total: $1,249.99」がフッターに、「Invoice #1234」がヘッダーにあることを認識できるようにします。第三に、意味的フィールド分類が各テキスト領域を位置ではなく意味で読み取ります — 「1234」を請求書番号として、「$1,249.99」を合計金額として認識し、それらのフィールドがベンダーごとに異なるレイアウトで移動しても対応します。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などのベンチマークでの典型的な例は、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、抽出を単なる認識と区別するものです：エンティティを識別してもグループ化しないモデルは、利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解です。KIEはすべてのフィールドが正しいときに正解です — そして9桁の請求書番号の1文字の誤りがフィールド全体を誤りにします。そのため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。この区別はフィールド対文字精度リファレンスで詳しく説明されています。

現代のシステムでは、OCRステップを完全にスキップすることが増えています。読者は、固定テンプレートの衰退というこれまでの流れをすでに見てきました。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機能しなくなります。今日のビジョンベースのモデルは、レイアウトと意味を一緒に読み取り、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 — 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意味的（位置的ではない）アプローチです。しかし、参照タスクの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。そのタスクの標準的な学術的定義は、ICDAR 2019 SROIEコンペティションであり、領収書ごとに正確に4つのフィールド — 会社名、日付、住所、合計 — でKIEを評価しました（Huang et al., 2019）。

キー情報抽出（KIE）が重要な理由

KIEが重要なのは、それが生成するデータが下流システム — ERP転記、支払い実行、請求処理 — が実際に消費するものであり、その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、訓練されたスタッフでも転記中に1〜4%のフィールドで誤りが発生します（Panko, 2008–2015）。買掛金ベンチマークでは約2%に近い値が出ています（IOFM、手動データ入力エラー率リファレンス経由）。

この1〜4%という数字は、エラーがフィールド間で複合的に発生するため、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エラー率でも、20フィールドの請求書1枚には約18%の確率で少なくとも1つの誤った値が含まれます。そのため、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になります。誤転記された支払い、拒否された請求、一致したが誤った契約日などです。KIEはキー入力ステップを抽出に置き換えるため、手動プロセスがエラーを複合させる箇所で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ているワークフローです。

KIEはまた、抽出の弱点を露呈させる数値も生み出します。SROIEベンチマークでは、24件中7件のワードレベルOCRメソッドが90% Hmeanを超えましたが、フィールドレベルKIEメソッドでは18件中わずか1件（90.49%）で、半数以上が80%未満でした（Huang et al., 2019）。同じドキュメントで、2つの非常に異なるスコア。テキストを認識することは、正しいフィールドを抽出することよりはるかに簡単です。ベンダーが「99%の精度」を謳う場合、KIEが要求する質問はどのレベルが測定されたのかです — これはフィールドレベル精度ページの繰り返し登場する評価テーマです。この分野に不慣れな読者は、ドキュメント抽出入門ガイドから始めることができます。KIEはそのガイドが繰り返し言及する中核機能です。

キー情報抽出が使用される領域

KIEは、安定した反復可能なフィールドセットを持つドキュメントが大量に届き、その値を捕捉する価値がある場所に展開されます。最も影響度の高い5つの適用領域は以下のとおりです。

買掛金・財務: 仕入先請求書からベンダー、請求書番号、請求日、期日、明細行の合計を抽出し、発注書と照合した上でERPに転記します。これは、この分野を牽引する請求書処理ベンチマーク内の抽出ステージです(Rombach & Fettke, 2025)。
ヘルスケア: 保険請求のフィールドが、請求書の添付書類、EOB、受付フォームから抽出されます。これらは手書きであることが多く、KIEの上流でICRクラスの認識に処理が振り分けられます。
銀行: 銀行・クレジットカード明細、ローン申請書、口座開設フォームから、顧客オンボーディングおよび照合ワークフローにデータが抽出されます。これには、パスワード保護されたPDFや複数ページの明細が含まれ、抽出に加えて取り込みの複雑さをもたらします。
法務: 契約条項が契約書やリース契約から抽出され、義務追跡システムに送られます。これにより、条項が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、出荷情報、荷受人、申告価額のフィールドが含まれており、追跡・請求システムにデータが供給されます。

これら5つの領域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次々と届き、そのばらつきはフィールドセットではなくレイアウトにあるという点です。レイアウトのばらつきに対応するツールこそが、ワークフローをタッチレスで運用できるか、すべてをレビューキューに回すかを左右します。このため、より広い問いである「データ抽出ソフトウェアとは何か」とKIEは、抽象度の異なる同じ問いなのです。

よくある誤解

誤解：「KIEは単により高度なOCRだ」
現実：OCRはKIEの入力層であり、KIEそのものではない。OCRはピクセルを文字に変換する。KIEは、それら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、構造化データとして再現する。クラウドプロバイダーもまさにこの線引きをしている。AWSはKIEを、認識層の上に位置し、重要なデータポイントを識別・抽出するIDPの「基本コンポーネント」と説明している（AWS, 2025）。システムが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ることでKIEに失敗することがある。これは、文字精度では測定すらできない構造的エラーである。
誤解：「KIEと固有表現認識（NER）は同じものだ」
現実：NERは、トークンのスパンを人物、組織、場所、日付、金額などの定義済みカテゴリにラベル付けするテキストレベルのNLP技術である（IBM）。KIEはドキュメントレベルのタスクであり、入力は画像、出力はレコードにグループ化される可能性のある構造化されたキーと値のペアである。学術的な定義は明確で、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、グループ組み立てを必要とする。NERはエンティティのラベル付け部分のみを処理し、視覚的なページではなくプレーンテキスト内で動作する（Khang et al., 2025）。NERはKIEパイプラインのコンポーネントになり得るが、KIEそのものではない。
誤解：「KIEにはドキュメントタイプごとのテンプレートまたは固定レイアウトが必要だ」
現実：テンプレートベースのキャプチャは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機能しなくなる。SROIEデータはその深刻さを定量化している。単一の領収書レイアウトファミリーであっても、全フィールドレベルの提出の半分以上がF1スコア80%未満だった（Huang et al., 2019）。最新のビジョンベースのKIEは、位置ではなくセマンティクスに基づいて抽出するため、これまで見たことのないレイアウトにも汎化する。位置ベースからセマンティックベースの抽出への移行は、AIがドキュメントを読む方法ガイドの主題である。
誤解：「KIEとIDPは同じものだ」
現実：KIEは、より広いIDPカテゴリ内の抽出サブタスクである。IDPはプラットフォームの包括的な概念であり、取り込み、分類、抽出、検証、および下流システムへの統合を含む。KIEは、具体的には識別・抽出の段階である。システムが優れた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しなければ、IDPとしては失敗する。クラウドプロバイダーも同じ入れ子構造を明示している。「IDPの領域内で、KIEは基本コンポーネントとして機能する」（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、文書画像やPDFから請求書番号、日付、合計金額などの特定のデータ項目を自動的に識別・抽出し、構造化された機械可読なレコードに変換するプロセスです。非構造化または半構造化文書をキーと値のペアやエンティティに変換し、下流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に位置づけられます（AWS、2025年）。

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はテキスト画像を機械可読な文字に変換するだけで、意味は理解しません。「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項目（請求書番号、合計金額）を構成するかを識別して構造化し、「この文書にはどのような情報が含まれ、どこに属するのか」に答えます。OCRは通常、KIEパイプラインの前段階であり、KIEの代替ではありません（Rombach & Fettke、2025年）。

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は文書画像レベルの抽出タスクです。NERはテキストのスパンを定義済みカテゴリ（人名、組織、日付、金額）にタグ付けし、プレーンテキストに対して動作します（IBM）。KIEは文書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であり、明細行などのレコードにグループ化されることもあります。テキストのみのNERにはないレイアウト理解が必要です。NERはKIEパイプライン内の1つの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年）。

KIEはインテリジェント文書処理（IDP）と同じですか？

いいえ — KIEは抽出サブタスクであり、IDPは完全なプラットフォームです。 IDPは、文書の取り込み、分類、抽出（KIEステージ）、ビジネスルールに対する検証、およびERPや請求システムへの統合に及びます。KIEは、そのチェーンの識別と抽出の中間部分をカバーします。導入環境が強力なKIEを持っていても、IDPとして機能するには分類、検証、ルーティングが依然として必要です — そのため、ストレートスループロセッシング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年）。

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文字の誤りでもフィールド全体が失敗します。 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。標準的なSROIEベンチマークでは、18のフィールドレベル手法のうち1つだけが90% F1を超え、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を評価する際には、文字または単語の精度ではなく、自社の文書に対するフィールドレベル精度を求める必要がある理由です（Huang et al.、2019年; フィールドレベル精度と文字レベル精度の比較リファレンスを参照）。

KIEはどのような種類の文書を処理しますか？

半構造化および非構造化文書 — 領収書、請求書、発注書、契約書、銀行明細、請求書/保険請求書 — スキャン、写真、またはデジタルPDF形式で。 半構造化文書は、レイアウトが異なっていても認識可能なフィールドセットを共有します（すべての請求書には請求書番号があります）。非構造化文書（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は両方を処理します。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年）。

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). 査読付きのKIE分野の体系的なレビュー：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・領収書の業務文書コンテキストを網羅。定義とKIEの業務ワークロードにおける位置づけに関する主要な出典。
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。フィールドレベル精度の評価では、OCR手法24件中7件がHmean>90%に対し、KIE手法18件中1件のみがF1>90%を達成。フィールドレベル精度のエビデンスとKIEタスクの標準的定義に関する主要な出典。
Khang, D., et al. — 「KIEval: Evaluation Metric for Document Key Information Extraction」 (2025). Document KIEを、文書画像から構造化されたキーと値のペア（およびグループ化されたレコード構造）を抽出するタスクとして形式的に定義。Document Understanding分野の一部と位置づける。グループ化・エンティティ契約と画像入力の定義に関する主要な出典。
AWS — 「Document intelligence evolved: Building and evaluating KIE solutions that scale」 (2025). クラウドプロバイダーの技術記事。KIEをIDP環境における抽出コンポーネント（「基本コンポーネント」）として位置づけ、金融、ヘルスケア、法務、サプライチェーンにわたる適用を解説。KIEとIDPの関係性に関する主要な出典。
IBM — 「What is named entity recognition?」. NERに関する独立した業界定義：MUC-6以降のテキスト中の定義済み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（例：「日付」）と対応する値（例：11/1/2024）を認識するキーと値のペア抽出を定義する業界用語集。入出力契約を裏付ける出典。
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付き研究のまとめ：単純な認知タスクで1〜5%、機械的精度99.5〜99.8%に対し複雑な転記では95〜98%。手動フィールドエラーのベースラインと複合計算に関する出典。
Ding, Y. & Han, S.C. — 「Deep Learning Based Visually Rich Document Content Understanding: A Survey」, Artificial Intelligence Review (2025). 視覚的にリッチな文書理解に関する査読付きサーベイ。KIEアプローチとベンチマークの進化を網羅。文書タイプのカバレッジに関する主張の出典。

インテリジェント文書処理（IDP）とは？: KIEが内包されるプラットフォームの総称 — KIEは、取り込み、分類、抽出、検証、統合というより広いIDPカテゴリの中の抽出サブタスクです。
光学文字認識（OCR）とは？: KIEの下層にある文字読み取りの入力レイヤー — OCRは文字を認識し、KIEはその一段上の意味レベルで情報を抽出します。
インテリジェント手書き文字認識（ICR）とは？: OCRの手書き文字読み取り版 — OCRと同様に文字を認識するだけで情報は認識しないため、手書き文字がKIEに渡されるのは認識が成功した後です。
文字単位ではなくフィールド単位での抽出スコアリング: KIEの精度の測り方を定義するメトリクスの枠組み — 抽出は文字単位ではなくフィールド単位でスコアリングされます。
Regex vs LLMフィールド抽出: 実際のフィールド抽出の性能を裏付けるメカニズムの実証 — ルールベースのKIEが回収できる量とLLMベースの抽出を定量化します。

キー情報抽出（KIE）とは？