メインコンテンツへスキップ
ABBYY Vantage の手動確認は、オペレーターが抽出された文書データを手動で検証し、認識された情報が正確で、定義されたルールに準拠していることを確認するためのアプリケーションです。 修正が行われるたびに、システムはそのフィードバックから学習して精度を向上させ、今後の文書処理におけるエラーや手動確認の必要性を減らします。

​
手動確認の仕組み

ドキュメント検証ワークフローを最適化するために、手動確認は複数のステージに分け、異なるユーザーが担当するように構成できます。確認作業をステージごとに分けることで、各オペレーターは自分の専門性に合った作業に集中できます。経験の浅いオペレーターは第 1 ステージで定型的なタスクを迅速に処理し、ルール違反や抽出結果の信頼度が低いとしてフラグが付けられたドキュメントは、後続のステージでより経験豊富なレビュアーへエスカレーションされます。これにより、全体的な処理時間が短縮され、エラーが見逃されるリスクも低減されます。 テナント管理者は、カスタマイズされたアクセス権を持つ Manual Review Operator ロールを、特定の Skill とステージ、または利用可能なすべての Skill とステージに対して割り当てることができます。付与された権限に応じて、オペレーターはプロセス全体にわたって作業する場合もあれば、その一部に限定して作業する場合もあります。 手動確認プロセスは、大まかに次のステップに従って進みます。
  1. タスクの割り当て Manual Review Operator がアプリケーションを開くと、自動的に判別された文書タイプと抽出データ付きの、1つ以上のドキュメントからなるタスクが割り当てられます。
  2. データの検証 オペレーターは文書タイプ、認識されたデータ、および抽出されたfieldの値を確認します。必要に応じて、文書タイプを変更したり、抽出されたfieldを修正したり、ドキュメント画像上でfield領域を直接変更したりできます。
  3. タスクの完了またはエスカレーション 確認が完了したら、オペレーターはタスクを確定します。たとえば、より経験豊富なレビュアーによる追加の検証が必要な場合、オペレーターはタスクを次のオペレーターまたはステージに回送できます。
オペレーター向けの完全な手順については、ドキュメントの手動確認 を参照してください。

​
手動確認と他の機能の関係

手動確認は、分類と抽出の実行後、文書処理パイプラインの最後に位置します。ABBYY Vantage の他のいくつかの機能によって、オペレーター が クライアント で何を確認し、どのような操作を行うかが決まります。
  • Skills は、どの文書タイプを処理し、どの field を抽出するかを定義し、オペレーター が確認するデータを決定します。
  • Rule verification は、どの抽出結果に確認フラグを付けるかを決定します。通常、より上位のステージへのエスカレーションのきっかけとなるのは、ルール違反です。
  • データ カタログ は、確認時に field に入力される値や、field に適用される制約の参照元となる値を提供します。
  • Online Learning は、クライアント で行われた修正を収集し、それを分類と抽出の精度向上に継続的に反映します。
手動確認中に field の値が変更されると、データ カタログ ルックアップ ルールが再度実行されます。一致する record が見つかった場合、その field は読み取り専用になります。

​
よくある誤解

手動確認クライアントと手動確認アクティビティの違い。 手動確認クライアントは、オペレーターが抽出データを確認して修正するためのランタイムアプリケーションです。手動確認アクティビティは、Skill Designer で設定するプロセスステップで、文書をクライアントに送ります。両者は連携して動作しますが、別物です。アクティビティは、タスクをいつ手動確認に回すかを決定し、クライアントは、オペレーターが実際に作業する場所です。

タスクの操作

手動確認クライアントでタスクを受け取り、再開し、取り下げます

文書の手動確認

抽出データを確認し、テーブル列をカスタマイズし、タスクをエスカレーションします

文書画像の操作

確認時に文書画像を切り抜き、回転し、復元します

文書タイプの変更

文書に割り当てられた文書タイプが誤っている場合や信頼度が低い場合に更新します

field エラーの修正

ホットキーを使用してデータ フォームの書式エラーとルール エラーを修正します

タスクの完了

タスクを完了するか、却下してキューに戻します

手動確認による学習

オペレーターによる修正をシステムの学習に活用して精度を向上させます