文書分類AIで社内文書の分類とタグ付けを自動化する｜検索と振り分けに使う項目の決め方

文書分類AIは、社内文書の本文を読んで契約書・請求書・議事録といった種類を判定し、取引先・日付・金額などの項目をタグとして付けます。付いたタグは、条件を指定した検索や、担当部署への振り分けに使います。AIの判定には誤りが混ざるため、人が誤りを直し、直した結果を次の判定の材料へ戻します。所管部署や保存期限のように本文に書かれていない項目は、AIではなく社内の一覧や規程から決めます。

ファイルは全部そろっているのに、必要な一件だけが出てこない

共有ドライブを検索すると、キーワードを含むファイルは大量に出てきます。それでも探しているものが見つからないのは、絞り込む手がかりが無いためです。どの部署の文書か、いつのものか、どの取引先に関するものかが機械の側から分からないので、結果は日付順に並ぶだけになります。

この状態は、置き場が散らかっているから起きているとは限りません。きれいに整えられたフォルダでも、フォルダ名に入っていない条件では絞れません。探せる状態にするために足りていないのは、フォルダ構成ではなく、文書1件ごとに付いている項目の値です。

項目を人が手で入れる運用にすると、置くときの一手間が増え、数か月で入力されない文書が混ざります。入力されない文書が一定割合を超えると、絞り込んだ一覧を信用できなくなり、結局は全文検索へ戻ります。ここを機械に埋めさせるのが、この記事で扱う範囲です。置き場の設計や閲覧権限の決め方は、ここでは扱いません。

絞り込みに使う項目だけを決める

最初にやることは、項目を洗い出すことではなく、減らすことです。文書に付けられる属性はいくらでも考えられますが、付けた項目は入力・確認・訂正のすべてで手間になります。残す基準は「その項目で絞った結果を、誰かが実際に見るか」の一点です。

項目	何を絞るために使うか	残す判断
文書の種類	契約書だけ、請求書だけ、といった横断の絞り込み	必ず残す。他の項目の扱いがこの値で変わるため、土台になる
所管部署	自部署の文書だけを見る、他部署のものを除く	残す。閲覧できる範囲とも重なるため、権限の設計にも使う
相手先	特定の取引先に関する文書をまとめて見る	取引先ごとに文書が発生する種類があるなら残す
日付	年度で区切る、直近のものだけを見る	残す。ただし何の日付かを1つに決める（後述）
保存期限	満了したものを洗い出す、廃棄の候補を作る	保存期限の管理を仕組みで持つなら残す
案件・プロジェクト	ひとつの案件に関する文書を集める	案件単位で仕事が進む組織だけ。そうでなければ足さない
版・状態	最新版だけを見る、下書きを除く	改訂が発生する種類にだけ付ける。全種類には付けない

この表を埋めるときに迷いが出るのは、「あると便利そうな項目」です。金額、担当者、言語、機密区分などが候補に挙がりますが、絞り込みに使われないまま残ると、値が古いのか正しいのかも分からない列になります。判断が付かない項目は、最初は入れずに始めます。後から足すのは、既に付いている値を直すより簡単です。

日付は特に注意が要ります。作成した日、受け取った日、締結した日、保存先へ置いた日はそれぞれ別の値です。1つの「日付」という項目に種類の違う値が混ざると、年度で絞った結果が合わなくなります。文書の種類ごとに、どの日付を採るかを決めておきます。

本文から取れる項目と、人が入れるしかない項目

項目が決まったら、それぞれの値をどこから取るかを分けます。ここを分けずに全部をAIに任せると、書かれていないものまで推測で埋められ、後から間違いに気づけません。

項目	本文から取れるか	取れないときの扱い
文書の種類	取れる。書式と冒頭の表題、決まった語句から判定できる	判定が割れた文書は種類を空欄にし、人の確認へ回す
相手先	多くは取れる。署名欄、宛名、発行元に社名が書かれている	略称や旧社名は取引先の一覧と突き合わせる。一致しなければ空欄にする
日付	取れる。ただしどの日付かは種類ごとの決めに従う	複数の日付が印字されていて選べない場合は空欄にして回す
金額・番号	取れる。帳票なら項目の位置が決まっている	読み取りの確からしさが低い桁は、値を入れずに印を付ける
所管部署	取れないことが多い。文書に部署名が書かれているとは限らない	保存先の場所、登録した人の所属から埋める。どちらも無ければ人が入れる
保存期限	取れない。年数は文書ではなく規程に書かれている	種類ごとの年数の表を人が作り、種類と起算日から計算する
案件・プロジェクト	取れないことが多い。案件名の表記が文書ごとに違う	案件の一覧と照合できる場合だけ埋める。照合できなければ人が選ぶ
機密の区分	取れない。中身から一律には決まらない	種類と所管部署の組み合わせで既定値を置き、違う場合だけ人が変える

表の後半に並んでいるのは、文書の外側にある情報から決まる項目です。文書を読んでも書いていないものは、どれだけ読ませ方を工夫しても出てきません。ここを「AIが判断する」と置いたまま設計すると、本番でそれらしい値が入り続け、誰も気づかないまま一覧が歪みます。

工程は、通常のプログラムで済むもの、AIに任せるもの、人が承認するものに分けて考えます。この業務では、本文からの読み取りだけがAIの担当で、表を引く処理も期限の計算も普通のプログラムで書く部分です。

タグをどこまで細かく分けるかは、絞り込んだ後に残る件数で決める

項目の値をどこまで細かく分けるかは、言葉で議論しても決まりません。実際の文書で絞ってみて、残る件数を見るのが早い方法です。

見るもの	どう測るか	どうするか
1つの値に付く件数	その値で絞ったとき、何件が残るか	数百件が残るなら粗すぎる。1つ下の階層へ分ける
ほとんど使われない値	全体の1%未満しか付かない値がいくつあるか	近い値へまとめる。残すと選択肢が長くなるだけになる
値の総数	1つの項目が取りうる値がいくつあるか	目安として30を超えたら、階層を2段に分けることを検討する
判定の迷いやすさ	人が見ても2つの値で迷う組み合わせがあるか	迷う組み合わせは統合するか、見分ける条件を定義に書き足す
複数の値が付くか	1件に2つ以上の値が付く場面があるか	付くなら複数許す設計にする。1つに絞ると最初に当たった値で確定する

文書の種類は、最初から細かく切ると判定の精度が落ちます。契約書を「業務委託契約書」「秘密保持契約書」「売買契約書」と分けたくなりますが、この区別が要るのは法務だけで、他の部署は「契約書」で絞れれば足ります。大きな種類を先に決めて、必要な種類にだけ下の階層を足す形にします。

逆に粗すぎる例が「その他」です。どの値にも当てはまらない文書を1つの値へ集めると、そこだけ件数が増え続け、絞り込みの役に立たなくなります。「その他」に入った件数を毎月見て、一定の割合を超えたら値を足すか定義を直します。

値の表記は、判定より先にそろえる

同じ取引先が「株式会社○○」「○○株式会社」「○○」と3通りで入っていると、絞り込みは分断されます。この揺れは判定の精度とは別の問題で、正しい値を書いているのに使えない状態を作ります。

取引先は、会計システムや販売管理システムが持つ一覧を正とし、そこへ寄せる。文書に書かれた社名は照合の材料として扱う
部署名は改称と統廃合が起きる。過去の名称を残したまま、現在の名称へ対応付ける表を持つ
種類の値は、社内で実際に使われている呼び名を採る。規程上の名称と現場の呼び名が違う場合は両方を登録し、表示は片方に寄せる
自由に書ける文字列の項目を作らない。値の一覧から選ぶ形にし、一覧に無いものが必要になったら追加の申請として扱う

一覧との照合ができない値は、埋めずに空欄で残します。似た値へ勝手に寄せると、後から間違いを見つける手段が無くなります。

文書分類AIが付けた値を直し、次の判定へ戻すまでの流れ

分類とタグ付けは、一度付けて終わりにはなりません。誤りが見つかったときに直せることと、直した内容が次の判定へ効くことの2つが揃って、はじめて運用に乗ります。

機械が埋められない項目は、空欄のまま人へ渡す。
確定した後に見つかった誤りは、訂正として受け取る。
訂正は辞書と判定例の更新を通じて次の判定へ戻す。

図の左上から右へ進む部分が、文書が入ってくるたびに動く経路です。下の段は、使われ始めてから回り続ける経路になります。下の段を作らないまま公開すると、誤りが溜まる一方になり、半年ほどで値を信用しない運用へ戻ります。

誤分類は、気づいた人がその場で直せるようにする

訂正の受け皿を管理部門の申請にすると、直すまでに日数がかかり、そもそも報告されなくなります。探している人が一覧の画面で値を直せる形にして、そこから記録を取るのが現実的です。

直せる範囲は役割で分ける。所管部署の文書は自部署のメンバーが直せ、他部署の文書は報告だけができる形にする
直した人・直した日時・直す前の値をすべて残す。前の値が残っていないと、なぜ変わったのかを後から追えない
直す理由を選択肢から選ばせる。「種類の取り違え」「表記の揺れ」「文書には書かれていない」「そもそも項目の定義が合わない」の4つで大半が分類できます
1件ずつではなく、同じ誤り方をしている文書をまとめて直せるようにする。1つの原因で数十件がずれていることが多いためです
機械が入れた値か人が入れた値かを区別して持つ。人が直した値を、次の実行で機械が上書きしないようにするために要ります

最後の点は実装で落としやすい部分です。定期的に再判定を回す設計にしていると、人が直した値が翌日には元へ戻ります。人が確定させた値には印を付け、再判定の対象から外します。

理由の選択肢のうち「そもそも項目の定義が合わない」が集まる項目は、判定の問題ではありません。項目の定義か、値をどこまで細かく分けるかを決め直す合図として扱います。

直した結果を、次の判定へどう戻すか

訂正を記録するだけでは、同じ誤りが翌月も同じ件数だけ出ます。戻し方は誤りの種類によって変わるので、理由ごとに反映先を決めておきます。

誤りの種類	反映する先	反映してよいか
取引先や部署の表記の揺れ	照合に使う一覧へ別名として登録する	すぐ反映してよい。判定の仕組みは変わらないため
特定の書式を種類として見分けられない	判定に使う例へ、その書式の文書を追加する	追加してよい。ただし他の種類の判定が崩れていないか、確認用の文書で見る
どの値にも当てはまらない文書が続く	値の一覧そのものを見直す	人が決める。月次でまとめて検討し、その都度は足さない
項目の定義が現場の使い方と合わない	項目の定義を書き直す	人が決める。定義を変えたら、既に付いている値の扱いも決める
読み取りの精度が足りない	読み取りの手前（画質・書式の扱い）を見る	判定側を直しても改善しない。原因を分けて扱う

反映した後は、対象を区切って再判定します。全件をやり直すと、人が直していない部分まで動いて、何が原因で変わったのかが分からなくなります。変更した項目と、対象の種類を指定して回し、前後の差分を人が見る形にします。

判定の合格ラインをどこに引くかは、全体の正解率ではなく項目ごとに決めます。種類の判定は他の項目の扱いを左右するので厳しく見て、案件名のように後から直しやすい項目は緩めに置けます。

フォルダを触らずにタグだけ付けるか、構成ごと組み替えるか

既存の共有フォルダをどう扱うかで、進め方は2通りに分かれます。どちらが良いかではなく、今の置き場がどうなっているかで決まります。

比べる点	タグだけ先に付ける	フォルダ構成を組み替える
既存の運用への影響	ほぼ無い。ファイルの場所が変わらないため、既存のリンクやショートカットが生きる	大きい。参照先の修正、業務システムからの連携、権限の付け直しが同時に発生する
着手までの手間	小さい。項目を決めて値を埋める作業から始められる	大きい。移す前に構成を決め、移動中の運用をどうするかも決める必要がある
効き方	探し方が変わる。フォルダをたどる人には何も変わらないように見える	置き方と探し方の両方が変わる。置く場所の迷いが減る
権限の扱い	現状のフォルダ権限がそのまま残る。整理されていない権限も残る	権限を設計し直す機会になるが、移行中に見えてはいけない文書が見える事故が起きやすい
向いている状態	置き場はそれなりに分かれているが、絞り込む手段が無い	部署ごとに階層の切り方がばらばらで、同じ文書が複数の場所にある
戻せるか	戻せる。値を消せば元の状態になる	戻しにくい。移動の記録を残していないと原状へ戻せない

多くの場合は、タグだけ先に付ける側から始めるほうが進みます。値が埋まった後であれば、フォルダ構成を組み替えるときの材料が手に入るためです。どの部署の、どの種類の文書がどこに散らばっているかが数えられる状態になり、構成の議論を件数で進められます。

組み替える側を選ぶ場合も、タグ付けを先に済ませてから移すのが安全です。移した後に分類を始めると、誤りの原因が移動なのか判定なのかを見分けられなくなります。

運用に入ってから見る数字

公開した後は、次の4つを月ごとに見ます。いずれも精度の指標ではなく、仕組みが使われているかを見る数字です。

項目が空欄のまま残っている件数。増え続けるなら、人の入力に頼っている項目が重すぎます
訂正された件数と、その理由の内訳。「定義が合わない」が増えている項目は、判定ではなく設計を直します
「その他」に入った件数の割合。一定を超えたら値を足すか、定義を書き直します
絞り込みが実際に使われた回数。使われていない項目は、精度を上げる前に外すことを検討します

最後の点は見落とされやすい部分です。誰にも使われない項目の精度を上げる作業に時間をかけるくらいなら、その項目を削って、使われている項目の空欄を減らすほうが効きます。

どの順で手を付けるか

実際に探している場面を数件聞き取り、どの条件で絞りたいのかを書き出す
書き出した条件から項目を選ぶ。迷った項目は入れずに始める
項目ごとに、本文から取れるか、文書の外側から決まるかを分ける
外側から決まる項目について、参照する一覧（取引先・部署・保存年限）を人が用意する
件数の多い1つの種類を選び、その種類だけで値を埋め、値の分け方が細かすぎないか粗すぎないかを確かめる
訂正を受け取る画面と、機械の値か人の値かを区別する仕組みを先に作る
対象の種類を広げ、訂正の理由の内訳を見ながら反映先を回す
値が埋まった状態で、フォルダ構成を組み替えるかどうかを件数を見て判断する

6を後回しにしないことが、この順序で重要な点です。訂正を受け取れない状態で対象を広げると、誤った値が付いた文書だけが増えます。

まとめ：文書分類AIで分類とタグ付けを仕組みに載せるときの要点

項目は洗い出すのではなく減らす。「その項目で絞った結果を誰かが見るか」で残すものを決め、判断が付かない項目は最初は入れない
日付は種類ごとにどの日付を採るかを決める。作成日・受領日・締結日が1つの項目に混ざると年度の絞り込みが合わなくなる
所管部署・保存期限・機密区分は文書の本文に書かれていない。文書の外側の情報から決める項目として、参照する一覧を人が用意する
取れなかった値は推測で埋めず空欄で残す。似た値へ寄せると、後から誤りを見つける手段が無くなる
タグをどこまで細かく分けるかは、実際に絞ってみて残る件数で決める。大きな種類を先に決め、必要な種類にだけ下の階層を足す
「その他」に入った件数の割合を毎月見る。増え続けるなら値を足すか、定義を直す
機械が入れた値と人が直した値を区別して持つ。区別しないと、再判定のたびに人の訂正が上書きされる
訂正は理由ごとに反映先を分ける。表記の揺れは一覧へ、判定の誤りは例へ、定義の問題は人の判断へ戻す
フォルダを触らずタグだけ付ける進め方は戻せる。構成の組み替えは、値が埋まって件数が数えられるようになってから判断する

Augueでは、社内文書の項目の設計から値を埋める仕組み、訂正を次の判定へ戻す運用までを含めたAIエージェントの開発に対応しています。自社の文書をどの項目で絞れる状態にするか整理したい方は、是非ご相談ください。

まずは現状をお聞かせください

弊社では具体的な要件が固まっていない段階でも、無料相談で現状をお聞きしていますので、お困りの際はご相談ください。

無料相談を予約する →

よくある質問

AIは文書の分類とタグ付けにどう使われるのですか？

使われ方は大きく3つです。1つ目は、届いた文書が契約書なのか請求書なのかを見分けて置き場や担当を決めること、2つ目は、取引先名や日付を読み取って後から条件で探せるようにすること、3つ目は、既に溜まっている大量の文書へまとめて値を付け直すことです。どの使い方でも、AIが付けた値をそのまま確定させず、自信の低いものを人が確認する工程を残すのが前提になります。

既存の文書管理システムに付いているタグ機能だけでは足りませんか？

値を保持して絞り込む部分は既存の機能で足ります。足りなくなるのは、値を誰が入れるかという部分です。手入力を前提にした機能では、入力されなかった文書が絞り込みから外れ、一覧の網羅性が崩れます。既存の機能を残したまま、値を埋める工程だけを機械へ寄せる形が取りやすく、その場合に新しく用意するのは項目の定義と訂正を受ける画面だけになります。

何件くらいの文書があれば、仕組みにする価値がありますか？

件数そのものより、月にどれだけ増えるかで判断します。既にある分は一度の作業で片付きますが、増え続ける分は人手で追いつかなくなります。目安として、月に数百件以上が新しく置かれ、そのうち探される可能性のあるものが一定割合あるなら仕組みにする側に寄ります。増分が月数十件であれば、置くときのルールを決めるほうが先です。

分類とタグ付けの仕組みを外部へ頼む場合、見積もりの何を比べればよいですか？

対象の種類数と保存先の数で金額が変わるため、総額だけを並べても比べられません。項目の定義を誰が決めるのか、既にある文書へさかのぼって値を付ける作業が範囲に入るのか、訂正を受け取る画面まで作るのかの3点で範囲を揃えると比較できます。実際には、社内で呼び名と定義を確定させる時間が開発そのものより長くかかることが多い領域です。

社内の検索にAIを使う場合でも、分類とタグは必要ですか？

必要になります。本文の意味から探す方式は、何が書かれているかで拾う仕組みなので、部署や期間のような文書の外側の条件では絞れません。「昨年度の、あの取引先との、契約に関する文書」という探し方は属性で絞る側の仕事です。両方を組み合わせる前提で、属性は属性として持たせておくのが扱いやすい形です。