多くの業界で校正・校閲業務へのAi活用が広がっています。

例えば、人材業界では 求人票の掲載前確認に利用された実績があります。不動産業界では契約書の不備を洗い出しに、保険などの金融業界では保険商品の募集文書のチェックなどに活用されており、生成AIの普及に伴い業務への適用も拡大しています。

人材業界では、生成AIを求人票作成のシステムに組み込み、求人票作成や審査（校正・校閲）の自動化を実現している事例があります。

生成AIに求人票の内容とマニュアルを照らして情報に誤りがないかを判別させ、求人メディアに掲載します。

具体的には、生成AIが誤字・脱字や記入漏れの正解データを参照し、不足している情報を捕捉したり訂正してくれます。過去の議事録や商談データを利用することも可能です。

求人表の誤字・脱字や記入漏れを確認する作業時間を圧縮するだけでなく人員の再配置も可能となり、求人の掲載数を伸ばすことに成功しています。

金融業界では、金融商品を紹介し勧誘するための募集文書の審査業務を、生成AIを活用して効率化する取り組みが報告されています。

生命保険・損害保険、銀行商品などの詳細を説明する募集文書は、コンプライアンス遵守の観点から適切な表現や内容が求められ、法務をはじめ複数の部門が関与して内容のチェックを入念に行う必要があります。金融業界では、こういった募集文書の作成・審査・管理の効率化が求められてきました。

事例として報告されている、生成AIを活用した募集文書の審査システムでは、入力された文書に対して生成AIがマニュアルを参照し、情報が正しいかどうか判断します。不備を検知した場合、修正箇所をアラートで知らせます。

複数部署間で発生していた文書確認のラリーの数が減り、労力や人員の削減に寄与しています。

紹介した事例は生成AIの導入がうまくいったケースですが、システム開発のプロセスで入念な精度検証の上に成り立っています。生成AIを導入しての校正・校閲業務の効率化にはハードルがあることも認識する必要があります。

特に、ガイドライン違反など専門性が問われる確認業務においては実装の難易度も高くなりがちです。

ユーザーの多い美容系サイトの記事を例に挙げてみても

• 医療ガイドライン
• 薬機法
• 景表法
• 誇大表現・虚偽表示
• 優良誤認表示

など留意点は多いです。

そのため、生成AIによるガイドラインチェックにおいてはハルシネーションリスクが懸念され、回答精度の担保が課題となります。

生成AIによる校正・校閲では正確な回答を得られないケースもあり、なかなか導入に踏み切れない例も見られます。

より専門的な知識に基づいた回答を、高い精度でアウトプットさせるにはポイントがあります。

明確かつ具体的な指示出しや的確なフィルタリングといったプロンプトエンジニアリングは基本として、データのチャンク分けやRAGの活用、そして回答に対する継続的なモニタリングとフィードバックが回答精度を向上させるために有効です。

特に、モニタリングとフィードバックを継続的に実施していくことは正答率の引き上げに効果的です。生成AIが誤った判断や回答をした場合に、その理由をフィードバックして学習させたり、参照するデータ内のグレーゾーン表現を事前に明文化し、回答プロセスを明確化させるといったイメージです。

一般的に生成AIによる正答率の目安は90％程度を目標とするケースが多いですが、こういった精度検証のPDCAを繰り返すことで、正答率をさらに引き上げることが可能です。

テキスト情報だけではなく、画像内情報の校閲業務にも、生成AIを活用する動きも出てきています。

記事内に掲載する画像について

• 不適切な対象物が映り込んでいないか
• 表記ミスがないか
• 法令遵守の観点で問題ないか
• 画像品質

などを生成AIを活用することで事前にチェックさせることも可能です。

画像内情報だけの判断だけでなく、併せて掲載される記事内容と照らしたうえでの総合的なチェックを実現させる取り組みも出てきています。

生成AIを活用して校正・校閲業務の生産性を向上させるニーズは、業界問わず今後も高まっていくと考えられます。

校正・校閲は地道でそれなりに労力がかかります。専門知識を必要とするケースもあり、属人化も招きやすく、生産性を低下させる要因になります。

TMJでは、生成AIを使った総合的なソリューションを展開しております。

生成AIを活用した業務改善に興味・関心がある方はお気軽にお問合せ下さい。

TMJへのお問い合わせは＜こちら＞