[新製品・サービス]

2026年3月23日(月)日川 佳三、河原 潤（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加工・整形するサービスである（図1）。

図1：「DNPドキュメント構造化AIサービス（AI-Ready Data）」の概要（出典：大日本印刷）
拡大画像表示

　文書の企業固有の特徴やルール、レイアウト構造を学習させ、文書のレイアウトや表組の構造を認識する専用のAIモデルを利用する。同モデルが文書を読み取り、必要に応じてメタデータを付与し、生成AIが理解しやすい構造化データに整備する。これにより、企業はRAG（検索拡張生成）の精度を高めることができる（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）。

　今回、同サービスと、日本オラクルの自律型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を構築して提供する（図2）。社内に蓄積され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の回答に反映できるようにする。

図2：「DNPドキュメント構造化AIサービス」と「Oracle Autonomous AI Database」を組み合わせたAIシステムの構成図（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。「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できておらず、暗黙知を組織として蓄積するのが難しい。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」（DNP）。

　例として、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」を問い合わせるケースを挙げている。今回、SIで提供するAIシステムであれば、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、回答を生成することができる。

　料金は個別見積もり。DNPは、将来的には同SIサービスを根拠の明確さや正確性が求められる金融機関や自治体などの業務領域へも展開する方針である。DNPは同SIを含むDNPドキュメント構造化AIサービス全体で、2030年度に50億円の売上を目指す。