2026年11月20日、Amazon Web Services は公式ブログで、Amazon Textract の新機能 Textract Insights の一般提供を開始したと発表しました。欲しい項目を平易な言葉で伝えるだけで、モデルを訓練することなく、山積みの書類から構造化データを抽出できます。しかも抽出したすべての項目に、元のファイルのどこから来たのかという位置情報と信頼度が付いています。
一度に3000ページまで処理できる
Textract Insights は混ざり合った書類のパックを対象に、3つの手順で処理します。
- 分解:最大3000ページの混合ファイルを自動で個別の書類に分割し、テンプレートに照合します。
- 項目の定義:欲しい項目を自然言語で説明するか、JSON Schema で定義します。モデルの訓練は不要です。
- 追跡:すべての結果に信頼度、出典ページ、位置枠が付き、人の確認と監査がしやすくなります。
提供開始時点では英語、フランス語、ドイツ語、イタリア語、ポルトガル語、スペイン語の6言語に対応し、ページ単位の課金です。すでに Textract を使っているユーザーはインターフェースを変更する必要はなく、新しい API を直接呼び出せます。
売りは「読めること」ではなく「検証できること」
文字を読むだけの従来の OCR とは異なり、Textract Insights が目指すのは項目の意味の理解です。請求書の金額、契約書の日付、経費精算書の宛名。抽出した後に「この数字はどのページのどの位置から来たのか」を証明できなければなりません。金融、保険、法務といった規制業種にとって、まさにこれが必須条件です。監査できる結果でなければ業務フローには入れられません。境界もはっきりさせておきます。中国語は最初の6言語に含まれていません。Insights は東京とチューリッヒの2つの新リージョンにはまだ届いていません。Textract Core は18リージョン、40言語に拡大しましたが、新機能はもう少し待つ必要があります。スキャン品質の悪い書類では、重要な項目は引き続き人の確認が必要です。
次に注目すべきは2点です。中国語対応の時期と、新リージョンの提供開始時期です。すでに Textract で請求書の照合や契約書、経費精算書を処理しているチームは、まず中国語以外のファイルで試し、信頼度と追跡情報が社内の監査要件を満たすか確かめてから、本番への導入を判断できます。