[新製品・サービス]

2026年3月23日(月)日川 佳三（IT Leaders編集部）

シェアする

リスト

　大日本印刷（DNP）の「DNPドキュメント構造化AIサービス（AI-Ready Data）」は、業務マニュアルや図面などの構造化されていない社内文書を、生成AIが参照しやすいデータ形式に整形するサービスである（関連記事：大日本印刷、生成AIの回答精度を高めるデータ整形技術を開発、誤回答が9割減少/非構造化データをAI回答のナレッジにする「ドキュメント構造化AIチャットボット」─大日本印刷）。

　文書のレイアウト構造や表組構造を認識するAIモデルを使って文書を読み取り、必要に応じてメタデータを付与し、生成AIが理解しやすいデータへと整備する。データ化には、会社ごとの文書の特徴やルール、レイアウト構造の特徴を学習させた専用のAIモデルを使う。こうして構造化したデータを納品する。構造化したデータを参照することで、RAG（検索拡張生成）の精度が上がる。

　今回、データベースサービス「Oracle Autonomous AI Database」を組み合わせたシステムサービスを用意した（図1）。企業が社内に蓄積した業務マニュアルなどの非構造化データのベクトル検索に加えて、最新の業務データ（在庫、購買、設備など）をSQLで検索し、これらを横断的に取得して生成AIの回答に活用できるようにする。

図1：社内文書を生成AIが参照しやすいデータ形式に整形する「DNPドキュメント構造化AIサービス」とデータベース「Oracle Autonomous AI Database」を組み合わせた生成AIシステムのイメージ（出典：大日本印刷）
拡大画像表示

　主に、製造現場の問い合わせ対応などの用途を想定している。DNPによると、製造業は設備稼働データや点検レポート、検査記録などの社内データを十分に活用しておらず、暗黙知を組織として蓄積しにくい。蓄積したデータがあっても、生成AIで活用するためには専門的な知識が必要で、データの取得や検索に時間がかかるなど、属人的な運用が業務の効率化を妨げている。

　例えば、製造現場において「エラーA」が発生した際に、「エラーAが出たときに過去にどのように対応したか」や「復旧のために必要な部品」を問い合わせる場面を想定する。これに対してAIシステムは、社内文書の検索により「過去には部品Bの交換で解決したこと」を、SQLデータベースの検索により「現在、部品Bの在庫が倉庫Cに3個あること」を取得し、回答を生成する。