手書きFAXのAI-OCR一致率を33%から93%へ上げる方法

SaaSや高額な月額費用を払っているにもかかわらず「うちの書類は読み取れない」と諦めているなら、それはシステム設計の最適化で解決できる問題です。多くの企業が固定費として払い続けているAI-OCRサービスには限界がありますが、技術を正しく組み合わせれば、そのコストを抑えつつ実用的な精度を確保できます。重要なのは「どの製品が良いか」という選択ではなく、書類の種類に合わせて「規則による処理」と「生成AIによる推論」を使い分ける設計にあります。

私は1995年から業務システム開発に従事し、パッケージの販売やオフショア開発の経営も経験してきました。その中で痛感したのは、現場の課題は「作れないから借りている」システムで解決しようとすると、結局コストだけがかさむという点です。AIで一人でも高度なものが作れるようになった今、私はあえて買い切りやソース同梱、自社サーバーで動く仕組みを追求しています。今回の手書きFAXの検証でも、印刷物のような定型処理には生成AIを使わず規則で100%の精度を出し、逆に難度の高い手書きFAXには画像から直接推論させる生成AIを組み合わせることで、一致率を33%から93%まで引き上げました。

このアプローチのMeritは、あらかじめ「どの書類にどのエンジンを使うか」という設計図を描くことで、無駄な計算リソースやコストを削れることにあります。私が開発したKurage OCR Workでは、PaddleOCRやTesseractといったオープンソースをベースにしつつ、gemma4などのローカルモデルを組み合わせています。これにより、データを外部クラウドに送らずに自社サーバー内で完結させることが可能です。

結局のところ、AI-OCRで大切なのは魔法のような一発解決を待つことではなく、実測に基づいた「読み方の使い分け」をシステムとして組み込むことです。私はこれからも、現場の固定費を削りながら、技術で実用的な解を導き出すプロダクト作りを続けていきます。

この記事は、次の動画をつくったときに考えたことです。

動画: https://kurage.exbridge.jp/kuragev.php?id=b1e3af39686f4008

出典: https://note.com/tokoname/n/nc808ea3c1de6